Complementos de Algebra Linear

Complementos de
Álgebra Linear
Autoras: Profa. Isabel Cristina de Oliveira Navarro Espinosa
Profa. Valéria de Carvalho
Colaboradora: Profa. Marisa Rezende Bernardes
Professoras conteudistas: Isabel Cristina de Oliveira Navarro Espinosa /
Valéria de Carvalho
Isabel Cristina de Oliveira Navarro Espinosa é graduada em Matemática pela Faculdade Oswaldo Cruz e mestre
em Educação Matemática pela Pontifícia Universidade Católica de São Paulo (PUC – SP). Leciona no Ensino Superior
desde 1981.
Professora do curso de pós-graduação lato sensu em Educação Matemática das Faculdades Oswaldo Cruz e
professora da Universidade Paulista (UNIP) na modalidade presencial e na modalidade EaD (Educação a Distância). É
coautora dos livros: Geometria analítica para computação (Editora LTC); Álgebra linear para computação (Editora LTC);
Matemática: complementos e aplicações nas áreas de ciências contábeis, administração e economia (Editora Ícone).
Valéria de Carvalho é especialista em Matemática pelo IMECC (Instituto de Matemática Estatística e Computação
Científica), Mestre e Doutora em Educação Matemática pela Faculdade de Educação (Unicamp). Leciona no Ensino
Superior desde 1988.
No LEM (Laboratório de Ensino de Matemática – IMECC) e na Faculdade de Educação, ambos na Unicamp, trabalhou
como professora colaboradora sobre temas das Tecnologias da Informação e da Comunicação (TICs) em projetos de
Educação Continuada.
Apresenta publicações em anais de congressos fora do Brasil e capítulos de livros em nossa língua, pensando o
trabalho docente, a educação matemática crítica e a sociedade.
Atualmente é professora da Universidade Paulista (UNIP) e coordenadora do curso de Matemática na modalidade

EaD (Ensino a Distância).
Dados Internacionais de Catalogação na Publicação (CIP)
E77c Espinosa, Isabel Cristina de Oliveira Navarro.
Complementos de álgebra linear. / Isabel Cristina de Oliveira

Espinosa, Valéria de Carvalho. – São Paulo: Editora Sol, 2014.
204 p., il.
1. Espaços vetoriais. 2. Combinação linear. 3. Álgebra. I. Carvalho,

Valéria de. II. Título.
CDU 51
© Todos os direitos reservados. Nenhuma parte desta obra pode ser reproduzida ou transmitida por qualquer forma e/ou
quaisquer meios (eletrônico, incluindo fotocópia e gravação) ou arquivada em qualquer sistema ou banco de dados sem
permissão escrita da Universidade Paulista.
Prof. Dr. João Carlos Di Genio
Reitor
Prof. Fábio Romeu de Carvalho

Vice-Reitor de Planejamento, Administração e Finanças
Profa. Melânia Dalla Torre

Vice-Reitora de Unidades Universitárias
Prof. Dr. Yugo Okida

Vice-Reitor de Pós-Graduação e Pesquisa
Profa. Dra. Marília Ancona-Lopez

Vice-Reitora de Graduação
Unip Interativa – EaD
Profa. Elisabete Brihy

Prof. Marcelo Souza
Prof. Dr. Luiz Felipe Scabar
Prof. Ivan Daliberto Frugoli
Material Didático – EaD
Comissão editorial:
Dra. Angélica L. Carlini (UNIP)
Dra. Divane Alves da Silva (UNIP)
Dr. Ivan Dias da Motta (CESUMAR)
Dra. Kátia Mosorov Alonso (UFMT)
Dra. Valéria de Carvalho (UNIP)
Apoio:
Profa. Cláudia Regina Baptista – EaD
Profa. Betisa Malaman – Comissão de Qualificação e Avaliação de Cursos
Projeto gráfico:
Prof. Alexandre Ponzetto
Revisão:
Virgínia Bilatto
Amanda Casale
Sumário
Complementos de Álgebra Linear
APRESENTAÇÃO.......................................................................................................................................................9
Unidade I
1 ESPAÇOS VETORIAIS........................................................................................................................................ 11
1.1 Definição................................................................................................................................................... 11
1.1.1 Propriedades.............................................................................................................................................. 14
1.2 Subespaço vetorial................................................................................................................................ 14
1.3 Soma de subespaços............................................................................................................................ 18
1.4 Intersecção de subespaços................................................................................................................ 20
1.4.1 Propriedades.............................................................................................................................................. 20
2 COMBINAÇÃO LINEEAR................................................................................................................................. 23
2.1 Soma direta............................................................................................................................................. 23
2.2 Combinação linear................................................................................................................................ 24
2.3 Subespaço gerado................................................................................................................................. 26
2.3.1 Propriedades.............................................................................................................................................. 27
2.4 Dependência e independência linear............................................................................................ 29
2.5 Ampliando seu leque de exemplos................................................................................................ 32
Unidade II
3 BASE...................................................................................................................................................................... 42
3.1 Processo prático para determinar vetores LI – LD no IRn..................................................... 42
3.1.1 Propriedades.............................................................................................................................................. 44
3.2 Base............................................................................................................................................................. 44
3.3 Dimensão.................................................................................................................................................. 45
3.3.1 Algumas propriedades........................................................................................................................... 45
3.4 Base de um subespaço........................................................................................................................ 48
3.5 Alguns teoremas sobre bases........................................................................................................... 55
4 VETOR COORDENADA..................................................................................................................................... 58
4.1 Matriz mudança de base.................................................................................................................... 60
4.1.1 Processo prático para determinar a matriz mudança de base.............................................. 62
4.1.2 Alguns resultados importantes.......................................................................................................... 63
4.2 Ampliando seu leque de exemplos................................................................................................ 65
Unidade III
5 TRANSFORMAÇÃO LINEAR........................................................................................................................... 77
5.1 Definição................................................................................................................................................... 77
5.1.1 Operador linear......................................................................................................................................... 77
5.2 Algumas propriedades......................................................................................................................... 77
5.3 Núcleo........................................................................................................................................................ 81
5.3.1 Definição..................................................................................................................................................... 81
5.3.2 Propriedades.............................................................................................................................................. 82
5.4 Imagem da transformação linear................................................................................................... 82
5.4.1 Definição..................................................................................................................................................... 82
5.4.2 Propriedades.............................................................................................................................................. 83
5.5 Matriz da transformação linear...................................................................................................... 88
5.6 Operador inversível............................................................................................................................... 93
5.7 Matriz mudança de base.................................................................................................................... 96
6 OPERADORES..................................................................................................................................................... 98
6.1 Operador ortogonal.............................................................................................................................. 98
6.2 Operador simétrico............................................................................................................................... 99
6.3 Operações com operadores lineares............................................................................................100
6.3.1 Adição.........................................................................................................................................................100
6.3.2 Multiplicação por escalar...................................................................................................................100
6.3.3 Composição..............................................................................................................................................101
6.4 Determinantes......................................................................................................................................102
6.4.1 Algumas propriedades.........................................................................................................................106
6.4.2 Determinante de um operador linear...........................................................................................107
6.4.3 Composição..............................................................................................................................................108
6.5 Formas bilineares.................................................................................................................................109
6.6 Produto interno...................................................................................................................................111
6.6.1 Norma.........................................................................................................................................................112
6.7 Métrica.....................................................................................................................................................112
6.8 Ampliando seu leque de exemplos..............................................................................................113
Unidade IV
7 APLICATIVOS DE INFORMÁTICA USANDO MAXIMA.........................................................................124
7.1 Maxima: o software, a instalação e os recursos básicos.....................................................124
7.1.1 Origens e potencialidades do Maxima......................................................................................... 124
7.1.2 Baixando e instalando o Maxima................................................................................................... 125
7.1.3 A interface do Maxima....................................................................................................................... 133
7.1.4 Recursos básicos no Maxima........................................................................................................... 135
7.1.5 Considerações importantes sobre classificação de um sistema linear e
sua interpretação geométrica.................................................................................................................... 172
8 TRANSFORMAÇÕES LINEARES..................................................................................................................174
8.1 Transformação ou aplicação linear..............................................................................................176
8.2 Transformação linear plana............................................................................................................176
8.2.1 Movimentos de dilatação e contração........................................................................................ 177
8.2.2 Movimentos de reflexão.....................................................................................................................181
8.2.3 Movimentos de projeção................................................................................................................... 184
8.2.4 Movimentos de cisalhamento......................................................................................................... 185
8.2.5 Movimento de rotação em um ângulo θ no sentido anti‑horário.................................. 188
8.3 Aplicações injetoras e não injetoras............................................................................................190
APRESENTAÇÃO
Abordaremos neste material algumas noções basilares da Álgebra, como conjuntos, relações,
operações, grupos, anéis e corpos. Depois, apresentaremos algumas noções de como usar o Maxima,
ofereceremos especial foco ao estudo de sistemas lineares e, na sequência, apresentaremos alguns
tipos de transformações lineares. Esses tópicos serão tratados de modo informal e intuitivo, buscando
assim a sua compreensão e assimilação. Essa proposta baseia-se em alguns estudos desenvolvidos na
Educação Matemática que evidenciam, nos diversos níveis de ensino, as dificuldades apresentadas pelos
estudantes com relação ao formalismo e ao rigor matemático.
Sendo assim, optamos por fazer uma abordagem menos rigorosa sobre o assunto, ressaltando,
contudo, que o rigor e o formalismo são essenciais para a Matemática e que esses devem ser explorados
no aprofundamento dos temas aqui tratados.
A organização deste material foi inspirada nos livros constantes da referência bibliográfica, e
qualquer um desses será um bom complemento ao curso. Nessas obras, o estudante encontrará muitos
exemplos e também todas as demonstrações necessárias para o aprofundamento no assunto.
Sugerimos que os estudantes utilizem pelo menos um dos livros indicados como referência e que
busquem exemplos adicionais e exercícios complementares. É importante ressaltar que o estudo ou a
leitura de qualquer tipo de material que aborde conceitos, conteúdos, noções ou ideias relacionadas
à Matemática deve ser feito com lápis e borracha, pois esses são instrumentos essenciais para a
aprendizagem desta ciência.
Desejamos ao estudante um bom curso de Álgebra e ressaltamos que a persistência, a motivação e

o empenho serão fundamentais para o seu sucesso.
9
COMPLEMENTOS DE ÁLGEBRA LINEAR
Unidade I
1 ESPAÇOS VETORIAIS
1.1 Definição
Consideremos um conjunto não vazio V, com duas operações binárias “adição” e “multiplicação por
escalar (número real)”, diremos que V é um espaço vetorial sobre IR se e somente se valem as propriedades:
Adição
+: V x V → V
(u , v)  u + v
1) associativa: ∀ u, v, w ∈ V
(u + v) + w = u + (v + w),
2) comutativa: ∀ u, v ∈ V
u + v = v + u,
3) elemento neutro:
∃ 0 ∈ V tal que u + 0 = u , ∀ u ∈ V
4) oposto
∀ u ∈ V, ∃ (-u) ∈ V tal que u + (-u) = 0
Multiplicação
• : IR x V → V
(a, u)  a • u
5) ∀u ∈ V, ∀a, b ∈ IR
(b• u) = (a b)• u
6) ∀u ∈ V, ∀a, b ∈ IR
(a + b)• u = a •u + b •u
7) ∀u, v ∈ V , ∀a ∈ IR
a(u + v) = a •u + a • v
8) ∀u ∈ V
1•u = u
11
Unidade I
Notemos que u + v e a • u devem pertencer a V.
Chamamos os elementos de V de vetores e os elementos de IR de escalares.
Exemplos
1) IR é um espaço vetorial
IR com a adição e a multiplicação que utilizamos usualmente satisfaz as 8 propriedades
2) IR2, o conjunto dos pares ordenados que formam o plano, é um espaço vetorial
IR2 = {(x, y) | x, y ∈ IR}, com as operações usuais:
Adição: u + v = (x, y) + (r, s) = (x + r, y + s)
Multiplicação por escalar: a.u = a(x, y) = (ax, ay) é fácil verificar que IR2 satisfaz as 8 condições da
definição; como exemplo vamos verificar algumas dessas propriedades:
comutativa: u + v = v + u , vale pois:
u + v = (x, y) + (r, s) = (x + r, y + s)
v + u = (r, s) + (x, y) = (r + x, s + y)
elemento neutro – 0 = (0, 0)
oposto - (- u) = - (x, y) = (-x, -y) é o oposto de u = (x, y)
M1 ∀ u ∈ V, ∀ a, b ∈ IR,
a(b. u) = (a b) . u, vale pois:

a(b. u) = a[b. (x, y)] = (a.b .x, a.b. y)
(ab) . u = (ab) . (x,y) = (a.b .x, a.b. y)
da mesma forma as outras propriedades podem ser verificadas.
3) Da mesma forma são espaços vetoriais os conjuntos:
IR3 = {(x, y, z) | x, y, z ∈ IR} conjunto dos pontos do plano

IR4 = {(x, y, z, t) | x, y, z, t ∈ IR}

IRn é espaço vetorial, sendo IRn = {(x1, x2, . . . ,xn) | xi ∈ IR}
12
4) O conjunto das matrizes Mmxn (IR) é espaço vetorial, pois satisfaz as condições da definição.
Vejamos agora 2 conjuntos que não são espaços vetoriais.
5) V = {(1, y) | y ∈ IR}, com as operações de adição e multiplicação por escalar usuais.
Sejam u = (x, y) e v = (r, s) vetores de V, devemos ter x = 1 e r = 1 (condição dada na definição de V, 1ª

coordenada igual a 1) assim u + v = (1, y) + (1, s) = (1 + 1, y + s) = (2, y + s) ∉ V, pois a 1ª coordenada é
diferente de 1. Logo, V não pode ser espaço vetorial.
6) V = IR3 , com as operações definidas por:
(x, y, z) ⊕ (a, b, c) = (x, y, z + c) e α . (x, y, z) = (α . x, α . y, α . z)
Inicialmente vamos verificar a propriedade comutativa
u⊕v=v⊕u
u ⊕ v = (x, y, z) ⊕ (a, b, c) = (x, y, z + c)
v ⊕ u = (a, b, c) ⊕ (x, y, z) = (a, b, c + z)
não são iguais, logo, não vale a propriedade comutativa e V não é espaço vetorial.
7) O conjunto Pn , de todos os polinômios de grau ≤ n juntamente com o polinômio nulo, é um

espaço vetorial com as operações usuais de polinômios.
Lembremos que o grau de um polinômio é dado pela potência mais alta com coeficiente não nulo,
assim os elementos de Pn são escritos na forma:
p(t) = an t n + an - 1 t n - 1 + . . . + a1 t + a0
e q(t) = bn t n + bn - 1 t n - 1 + . . . + b1 t + b0
As operações usuais de adição e de multiplicação por escalar de polinômios são dadas por:
p(t) + q(t) = (an + bn) tn + (an - 1+ bn - 1) tn - 1 + . . . + (a1+ b1) t + (a0 + b0)

e
k . p(t) = (k . an) t n + (k . an - 1) tn - 1 + . . . + (k . a1) t + (k . a0)
Generalizando, o conjunto P, formado por todos os polinômios, é um espaço vetorial.
Lembrete
Os elementos de V são chamados de vetores e os elementos de IR são

chamados de escalares.
13
Unidade I
1.1.1 Propriedades
1- ∀a ∈ IR, a • 0 = 0
2- ∀u ∈ V, 0 • u = 0
3- a • u = 0 ⇔ a = 0 ou u = 0
4- ∀a ∈ IR, ∀u ∈ V, (-a)•u = a • (-u) = -(a•u)
5- ∀a, b ∈ IR, ∀u ∈ V, (a-b)•u = a • u -b • u
6- ∀a ∈ IR, ∀u, v ∈ V, a • (u - v) = a • u - a • v
1.2 Subespaço vetorial
S, S ⊂ V, é um subespaço de um espaço V se e somente se S for um espaço vetorial.
Saiba mais
Saiba mais sobre espaços vetoriais e subespaços no capítulo 4, itens 4.1

e 4.2 de: KOLMAN, B. Introdução à álgebra linear. 6. ed. São Paulo: Editora
Prentice-Hall do Brasil, 1998.
Usando a definição S é subespaço se satisfaz as 8 condições, para facilitar esta verificação podemos
utilizar o seguinte resultado.
Teorema:
(1) 0 ≠ ∅

S é subespaço de V ⇔ (2) ∀u, v ∈S temos u + v ∈S
(3) ∀u ∈S,∀α ∈IR temos α..u ∈S

Como S é subespaço, podemos substituir a condição (1) do teorema por 0 ∈ S, reescrevendo o

teorema temos:
(1) 0 ∈S

S é subespaço de V ⇔ (2) ∀u, v ∈S temos u + v ∈S
(3) ∀u ∈S,∀α ∈IR temos α..u ∈S

14
Exemplos:
1) S = V e S = {0} são subespaços de V (subespaços triviais)
2) S = {(x,0,0)∈IR3} é subespaço do IR3?
Note que os vetores de S devem ter a 2ª e a 3ª coordenadas iguais a zero.
Verificando as 3 condições do teorema (2ª forma) temos:
(a) 0 = (0,0,0) ∈ S (pois a 2ª e a 3ª coordenadas são nulas)
(b) ∀ u, v ∈ S, temos u + v ∈ S
u ∈S ⇒ u = ( x, 0, 0) 
 ⇒ u + v = (x, 0, 0) + (r, 0, 0) = (x + r, 0, 0)
v ∈S ⇒ v = (r, 0, 0)
como a 2ª e a 3ª coordenadas são nulas, temos (x + r, 0, 0) ∈ S
(c) ∀ u ∈ S, ∀a ∈ IR temos a . u ∈ S
u ∈ S ⇒ u = (x, 0, 0)
a . u = a . (x, 0, 0) = (a x, 0, 0)
como a 2ª e a 3ª coordenadas são nulas, temos (ax, 0, 0) ∈ S
Assim, S = {(x,0,0)∈ IR3} é subespaço do IR3.
 1 b  
3) S =   ∈M2 (IR) é subespaço de M 2(IR) ?
 c 0 
M2(IR) - conjunto das matrizes quadradas, de números reais, de ordem 2.
Verificando as condições do teorema temos:
 0 0
a)  ∉S pois o elemento a11 dos vetores de S deve ser igual a 1, isto é, a11= 1 ≠ 0.
 0 0
Logo, S não é subespaço de M2(IR) .
Note que sempre que for fixado um número a, a ≠ 0, nos vetores de S, o conjunto S não será
subespaço vetorial.
15
Unidade I
 a b  
4) S =   ∈M2 (IR) é subespaço de M2(IR) ?
 c 0 
Observe que um vetor pertence a S se o elemento a22 da matriz for igual a zero, os outros elementos
são quaisquer.
 0 0
(a)  ∈S , pois a22 = 0
 0 0
(b) ∀A, B ∈ S, A + B ∈ S
 a b 
A ∈S ⇒ A =  
 c 0   a b  p q  a + p b + q
⇒  +  = 0 
 p q   c 0  r 0  c + r
B ∈S ⇒ B = 
 r 0 
 a + p b + q
o elemento a22 = 0, logo  ∈S
c+r 0 
(c) ∀A ∈ S, ∀a ∈ IR, a.A ∈ S
 a b
A∈S ⇒A=
 c 0
 a b  α . a α . b
α .A=α .  =
 c 0  α . c 0 
 α . a α . b
o elemento a22 = 0, logo  ∈S
α . c 0 
Logo, S é subespaço de M2(IR).
5) R = {(x, y, z) ∈ IR3 / x = 0 e y = z} é subespaço do IR3 ?
Inicialmente devemos escrever os vetores de R utilizando as condições dadas, assim temos R = {(0,
y, y) ∈ IR3}.
Notemos que um vetor pertence a R se tem a 1ª coordenada nula e a 2ª e a 3ª coordenadas iguais.
16
Verificando as condições do teorema temos:
(a) 0 = (0,0,0) ∈ R
(b) ∀ u, v ∈ S, temos u + v ∈ R
u ∈R ⇒ u = (0, y, y )
 ⇒ u + v = (0, y, y) + (0, s, s) = (0, y+s, y+s)
v ∈R ⇒ v = (0, s, s) 
como a 1ª coordenada é nula e as 2ª e 3ª coordenadas são iguais, temos que
(0, y+s, y+s) ∈ R

(c) ∀ u ∈ R, ∀a ∈ IR temos a . u ∈ R
u ∈ R ⇒ u = (0, y, y)
a . u = a . (0, y, y) = (0, a . y, a . y)
como a 1ª coordenada é nula e as 2ª e 3ª coordenadas são iguais, temos:
(0, a . y, a . y) ∈ R
Assim R = {(0, y, y)∈ IR3} é subespaço do IR3.
6) Consideremos P3 o espaço vetorial dos polinômios de grau ≤ 3 junto com o polinômio nulo,
mostremos que P2, conjunto dos polinômios de grau ≤ 2 junto com o polinômio nulo, é subespaço
de P3 .
Devemos verificar as 3 condições do teorema:
(a) 0 ∈ P2 , pois é o polinômio nulo

(b) ∀ p(t), q(t) ∈ P2, temos p(t) + q(t) ∈ P2
p(t) ∈P2 ⇒ p(t) = a2t2 + a1t + a0 

2
 ⇒ P(t) + q(t) = (a2 + b2)t2 + (a1 + b1)t + (a0 +b0) ∈ P2
q(t) ∈P2 ⇒ q(t) = b2t + b1t + b0 
logo p(t) + q(t) ∈ P2 .
(c) ∀ p(t) ∈ P2, ∀a ∈ IR temos a . p(t) ∈ P2

p(t) ∈ P2 ⇒ p(t) = a2t2 + a1t + a0
a . p(t) = a . (a2t2 + a1t + a0) =
(a . a2)t2 + (a . a1)t + (a . a0) ∈ P2
logo a . p(t) ∈ P2 .
Assim, P2 é subespaço de P3.
17
Unidade I
Podemos provar que Pn – 1 é subespaço de Pn .
1.3 Soma de subespaços
Consideremos R, S subespaços de V, definimos R + S por:
R + S = {u ∈ V/u = r + s com r ∈ R e s ∈ S}
Observação
Os elementos do subespaço R + S são formados pela soma de cada

vetor de R com todos os vetores de S.
Teorema: Se R e S são subespaços de V, então R + S também é subespaço de V.

A demonstração é feita facilmente utilizando-se a definição de soma de subespaços e as 3 condições
do teorema.
Exemplos
1) Sendo R = {(0,y,0) ∈ IR3} e S = {(x, y, z) ∈ IR3 | x = 0 e y = 0} determinar R + S.
Inicialmente vamos reescrever S utilizando as condições dadas: S = {(0, 0, z) ∈ IR3}, daí R + S = {u

∈ IR3 | u = r + s com r ∈ R e s ∈ S}
r ∈R ⇒ r = (0,y, 0) 
 ⇒ u = r + s = (0, y, 0) + (0, 0, z) = (0, y, z))
s ∈S ⇒ s = (0,0, z)
∴ R + S = {(0, y, z) ∈ IR3}
O resultado encontrado pode ser representado geometricamente, é o plano formado pelos eixos y e z.
z
S
R+S
R y
x
2) Sendo R = {(x, y) ∈ IR2 / x = 0} e S = {(a,b) ∈ IR2} determinar R + S.
Substituindo a condição dada em R temos R = {(0, y) ∈ IR2}
18
R + S = {u ∈ IR2 | u = r + s com r ∈ R e s ∈ S}
Assim
u = r + s = (0, y) +(a, b) = (a, y+b)

∈R ∈S
∴ R + S = {(a, y+b)∈ IR2}
3) Sendo S = {(x, y, 0,t) ∈ IR4} e R = {(x, 0, 2z, 0) ∈ IR4} determinar S + R
Inicialmente, é conveniente a substituição das letras repetidas nos 2 vetores para evitar conclusões
erradas, podemos fazer a substituição em S ou em R.
Vamos trocar as letras de R = {(a, 0, 2b,0)∈ IR4}
Assim
S + R = {u ∈ IR3 / u = s + r com s ∈ S e r ∈ R},
u = s + t = (x, y, 0, t) + (a, 0, 2b, 0) = (x+a, y, 2b, t)
∈S ∈R
∴ S + R = {(x + a, y, 2b, t) ∈ IR4}
4) Consideremos os subespaços do IR3 dados por S = {(x, y, z) ∈ IR3 / x + 2y – z = 0} e T= {(x, y, z) ∈

IR3/ x = -y e z – x = 0} determinar S + T.
Devemos reescrever os subespaços S e T utilizando as condições dadas, assim temos:
em S: x + 2y – z = 0, devemos isolar uma das variáveis (você pode escolher qualquer uma delas),
por exemplo vamos isolar x, isto é, x = -2y + z, com y e z quaisquer.
Substituindo em S, vem: S ={(-2y + z, y, z) ∈ IR3}
em T: x = - y e z – x = 0, como temos 2 expressões e 3 variáveis, devemos escolher uma das

variáveis para que as outras fiquem em função dela, por exemplo, podemos tirar y e z em função de
x, isto é, y = -x e z = x, com x qualquer.
Substituindo em de T vem: T = {(x, - x, x) ∈ IR3}
Como não temos letras em comum, não precisamos modificar as letras dos vetores. Assim
19
Unidade I
S + T = {u ∈ IR3 / u = s + t com s ∈ S e t ∈ T}
s ∈S ⇒ s=(-2y+z, y, z)

 ⇒ u=(-2y+z, y, z)+(x, -x, x)=(-2y+z+x, y-x, z+x)
t ∈ T ⇒ t=(x, -x, x) 
logo S + T = {(x - 2y + z, y - x, z + x) ∈ IR3}.
Você poderia ter escolhido outra forma de escrever os vetores de S e de T, em função de outras letras,
e a resposta aparentemente seria diferente. Porém, representaria o mesmo subespaço.
1.4 Intersecção de subespaços
Consideremos dois subespaços R e S de um espaço V, o conjunto intersecção, R ∩ S, é dado por:
R ∩ S = {u ∈ V / u ∈ R e u ∈ S}
Teorema: Se R e S são subespaços de V, então R ∩ S também é subespaço de V.
Demonstração: Devemos provar que valem as 3 condições do teorema:
(1) 0 ∈ R ∩ S, pois, 0 ∈ R e 0 ∈ S
(2) ∀ u, v ∈ R ∩ S, u + v ∈ R ∩ S
de fato, se u e v estão em R e em S, então u + v também estará em R e em S, isto é, u + v ∈ R ∩ S
(3) ∀ u ∈ R ∩ S, ∀a ∈ IR, a. u ∈ R ∩ S
u ∈R
u∈R∩S ⇒ , como R e S são subespaços, temos que a. u ∈ R e a. u ∈ S, isto é, a. u ∈ R ∩ S.
u ∈S
Logo, de (1), (2) e (3) temos que R ∩ S é subespaço de V.
1.4.1 Propriedades
1- R ∩ {0} = {0}
2- R ∩ S ⊂ R e R ∩ S ⊂ S
Exemplos
1) Consideremos R = {(x,0) ∈ IR2} e S = {(0,y) ∈ IR2} subespaços de IR2, determinar R ∩ S.

20
Por definição R ∩ S = {u ∈ IR2 | u ∈ R e u ∈ S}.
Devemos igualar um vetor qualquer de R com um vetor qualquer de S, caso eles tenham alguma
letra em comum, devemos reescrever trocando a letra, isso evita enganos na conclusão.
Igualando os vetores temos:
(x, 0) = (0, y),
resolvendo o sistema encontramos x = 0 e y = 0.(sistema possível e determinado, SPD)
Logo R ∩ S = {(0, 0)}.
 a b    0 b 
2) Sendo A =   ∈M2 (IR)eB=   ∈M2 (IR) subespaços de M2(IR), determinar A ∩ B.
  c 0    0 d 
Por definição temos: A ∩ B = {u ∈ M2(IR) | u ∈ A e u ∈ B}, como temos a letra b comum nos vetores
de A e de B devemos inicialmente substituir por outra letra, assim:
 a b 
u∈ A ⇒ u=  
 c 0   a b  0 r 
⇒  =
 0 r   c 0  0 d
u ∈ B ⇒ u= 
 0 d 
utilizando igualdade de matrizes encontramos o sistema
a = 0
b = r


c = 0
0 = d
teremos então a = c = d = 0 e b = r, com r qualquer (sistema possível e indeterminado, SPI).
 0 r  
Logo A ∩ B =   ∈M2 (IR)
 0 0 
3) Sendo U = {(x, y, 0, 2x) ∈ IR4} e V = {(z + y, y, z, t) ∈ IR4} determinar U ∩ V.
A letra y é comum aos vetores de U e de V, vamos então reescrever os vetores, a substituição pode ser
feita em U ou em V, é indiferente. Podemos substituir somente a letra comum ou todas as letras do vetor.
21
Unidade I
Reescrevendo os vetores de V temos: V = {(c + b, b, c, d) ∈ IR4}
Assim, igualando os vetores temos:
(x, y, 0, 2x) = (c + b, b, c, d)
O sistema gerado pela igualdade dos vetores será:
x = c + b
y = b


0 = c
2x = d
resolvendo o sistema temos: x = y = b, c = 0 e d = 2x = 2b, podemos colocar a resposta final em

função de x e y ou em função de b, c, d. Substituindo em U encontramos a solução do sistema igual aos
vetores (x, x, 0, 2x) com x qualquer, se substituirmos em V temos como solução os vetores do tipo (b, b,
0, 2b) com b qualquer. Assim notamos que nos dois casos encontramos o mesmo tipo de vetor.
∴ S ∩ T = {(x, x, 0, 2x) ∈ IR4} .
4) Sendo R = {(x – 2y, y, x - z) ∈ IR3} e S = {(x, 0, x) ∈ IR3} determine R ∩ S.
Substituindo as letras de S temos S = {(a, 0, a) ∈ IR3} quando igualamos os vetores de R e de S vem:
 x − 2y = a

(x – 2y, y, x - z) = (a, 0, a) ⇒ y = 0
x − z = a

como y = 0 temos na 1ª equação que x = a, substituindo na 3ª equação temos a – z = a e daí z = 0.
A solução do sistema então será: x = a, y = 0 e z = 0, com a qualquer.
Assim R ∩ S = {(x, 0, x) ∈ IR3}
5) Sendo U = {(x, y, z) ∈ IR3 | x - y + 2z = 0} e V = {(x, y, z) ∈ IR3 | 2y + z = 0} determinar U ∩ V.
Usaremos um modo diferente para resolver este exemplo, não vamos reescrever os vetores de R e S
utilizando as condições dadas, para depois igualar os vetores.
Resolveremos comparando estas condições, teremos assim duas formas diferentes de resolução para
exercícios deste tipo.
Montaremos o sistema formado pelas condições dadas:
22
x − y + 2z = 0

2y + z = 0
Resolvendo o sistema encontramos: x = 5y e z = - 2y, com y qualquer.
Assim U ∩ V = {(5y, y, -2y) ∈ IR3}.
Observe que o sistema que deve ser resolvido na intersecção é sempre possível, podendo ser S.P.D. e
daí R ∩ S = {0} ou S.P.I. e daí R ∩ S tem infinitas soluções.
2 COMBINAÇÃO LINEEAR
2.1 Soma direta
Usamos a notação1 V = R ⊕ S para indicar que V é soma direta dos subespaços R e S
a) V = R + S
R⊕ S = V ⇔ 
b) R ∩ S = {0}
Observação
Note que para ser soma direta devem valer as duas condições, se
qualquer uma delas não fo r verificada, não teremos soma direta.
Exemplos
1) Verificar se IR3 é soma direta dos subespaços U e V dados por U = {(x,y,0) ∈ IR3} e V = {(0,y,z) ∈ IR3}.
Notamos que a letra y é comum aos vetores de U e de V, devemos então trocar as letras de um deles.
Por exemplo, vamos escrever os vetores de U como u = (a, b, 0).
Para verificar se é soma direta, devemos verificar as duas condições da definição:
(a) U + V = IR3
u + v = (a, b, 0) + (0, y, z) = (a, b + y, z)
logo U + V = {(a, b + y, z) ∈ IR3} = IR3
1
O símbolo ⊕ aqui é usado para designar soma direta. Foi usado no exercício 6 da definição de espaço vetorial
para indicar uma soma não usual. Atenção ao contexto.
23
Unidade I
(b) U ∩ V = {0}
para determinar U ∩ V vamos igualar os vetores de U e V, assim: (a, b, 0) = (0, y, z), daí temos a = 0,
b = y e z = 0.
Logo U ∩ V = {(0, b, 0) ∈ IR3} ≠ {(0, 0, 0)}
Portanto IR3 não é soma direta de U e V.
2) Sendo R = {(0, 0, z) ∈ IR3} e S = {(x, y, 0) ∈ IR3} subespaços de IR3 verificar se IR3 é soma direta
de R e S:
Devemos verificar se valem as condições:
(a) R + S = IR3
r + s = (0, 0, z) + (x, y, 0) = (x, y, z)
logo R + S = {(x, y, z) ∈ IR3} = IR3
(b) R ∩ S = {0}
para determinar R ∩ S vamos igualar os vetores de R e S, assim: (0, 0, z) = (x, y, 0), daí temos x = y = z = 0
Logo U ∩ V = {(0, 0, 0)}
Portanto IR3 = R ⊕ S (é soma direta)
 a b    0 q 
3) Sendo A =   ∈M (IR) eB=  ∈M2 (IR) verificar se M2(IR) é soma direta de A e B.
2 
 c 0   0 0 
Devemos verificar se valem as condições:
(a) A + B = M2(IR)
 a b  0 q  a b + q
A +B =  + =
 c 0  0 0  c 0 
Como o elemento a22 é sempre nulo e nem todo vetor de M2(IR) pode ser escrito desta forma temos
A + B ≠ M2(IR).
Logo, não podemos falar em soma direta.
2.2 Combinação linear
Consideremos um conjunto de vetores v1,v2, ..., vn de um espaço vetorial V e os escalares a1, a2 , ...,
ar , se podemos escrever um vetor v do espaço V como soma de múltiplos dos vetores v1,v2, ..., vn , isto
24
é, v = a1v1 + a2v2 + anvn , então diremos que v é uma combinação linear dos vetores v1,v2, ..., vn com
coeficientes a1, a2 , ..., an.
v é combinação linear de v1,v2, ..., vn ⇔ V = a1.v1 + a2.v2 + ... + an.vn
Lembrete
Dizer que um vetor u é combinação linear de outros vetores é o mesmo

que dizer que ele pode ser escrito em função dos outros
Observação
Se não for possível escrever u como soma de múltiplos dos vetores v1,
v2, ..., vn diremos que u não é combinação linear dos vetores v1, v2, ..., vn.
Exemplos:
1) Sendo v1 = (1, 2) e v2 = (0, 1) temos:
a) u = (2, 4) é combinação linear (CL) de v1, pois, u = 2.(1,2) = 2 . v1 , com a1 = 2
b) v = (1, 5) é combinação linear de v1 e v2, pois, v = (1, 5) = (1,2) + 3 . (0,1) = v1 + 3v2, com a1= 1 e a2 = 3
2) Escrever o vetor w = (5,1,-1) como combinação linear dos vetores u = (1,2, 0) e v = (1,-1, 1).
Devemos calcular a e b ∈ IR tais que w = au + bv.
Substituindo as coordenadas de u e v temos:
(5, 1, -1) = α (1, 2, 0) + β (1, -1,1)
Efetuando as operações vem:
(5, 1, -1) = (α , 2 α , 0) + (β , -β, β)

(5, 1, -1) = (α + β, 2 α − β , β)
Daí temos o sistema:
α + β = 5

2α-β = 1 sistema impossível (não tem solução)
β = -1

25
Unidade I
Como não tem solução, o vetor w não pode ser escrito como combinação linear dos vetores u e v.
 1 2
3) Escrever u ∈M2 (IR), u =  como combinação linear dos vetores
 5 3
 1 0  0 1  0 0
v1 =  , v2 =  e v3 =  .

 2 0 
 0 0  1 1
Devemos determinar os escalares a, b, c tais que u = a . v1 + b . v2 + c . v3, substituindo as coordenadas

dos vetores temos:
 1 2  1 0  0 1  0 0
 5 3 = a .  2 0 + b.  0 0 + c .  1 1
 1 2  a b
 5 3 =  2a + c c
a = 1
b = 2

Daí, 
2a + c = 5
c = 3
A solução do sistema é: a = 1, b = 2 e c = 3.
Logo u = 1 . v1 + 2 . v2 + 3 . v3.
2.3 Subespaço gerado
Usaremos a notação [ M ] para indicar o conjunto formado por todas as combinações lineares
possíveis dos vetores de M = {u1 , u2 , . . . , un}, subconjunto de um espaço vetorial V.
[M] = {α1 . u1 + α2 . u2 + ... + αn . un α1, ... αn ∈IR}
O conjunto [ M ] é um subespaço de V e é chamado subespaço gerado por M.
Dizemos que os vetores de M geram [M] ou são geradores ou ainda formam um sistema de geradores
de [ M ].
Convenção: se M = ∅ temos [M] = [∅] = {0}, subespaço trivial
26
2.3.1 Propriedades
Sendo R, S subconjuntos de W temos:
1- R ⊂ [ R ]
2- S ⊂ R ⇒ [ S ] ⊂ [ R ]
3- R,S ⊂ W ⇒ [ R ∪ S ] = [ R ] + [ S ]
4- U = [ R] e V = [ S] ⇒ U + V = [R ∪ S]
Exemplos
1) Sendo M = {(1, 0,1), (0,0,1)} ⊂ IR3 determinar o subespaço gerado por M.
Pela definição temos:
[M] = {(x, y, z) ∈IR |(x, y, z) = a.(1, 0, 1) + b.(0, 0, 1)}

3
= {( x, y, z ) ∈IR |( x, y, z) = (a, 0, a + b)}

3
{
isto é, [ M ] = (a, 0, a + b) ∈IR3 }
2) Sendo M = {(-1,0,1), (0,2,-1), (0,1,0)} ⊂ IR3 determinar [ M ].
Pela definição
[M] = {(x, y, z) ∈IR3 |(x, y, z) = a.(-1, 0, 1) + b.(0, 2, -1) + c.(0, 1, 0)}

Neste exemplo vamos fazer os cálculos sem a notação de conjuntos e só retornaremos a esta notação
na solução final.
Assim, ( x, y, z) = a.(-1, 0, 1) + b.(0, 2, -1) + c.(0, 1, 0)

( x, y, z) = (-a, 0, a) + (0, 2b, -b) + (0, c, 0)
( x, y, z) = (-a, 2b + c, a-b)
Logo [M] = {(x, y, z) ∈IR |(x, y, z) = (-a, 2b + c, a-b)}

3
3) Determinar um sistema de geradores de R, R = {(x, y) ∈ IR2 | x = 3y}.
Inicialmente devemos reescrever os vetores de R utilizando a condição dada, assim R = {(3y, y) ∈ IR2}.
27
Unidade I
Para determinarmos os geradores de R observamos que os vetores de R são escritos em função de

uma letra, para encontrar um vetor gerador isolamos a letra, isto é, r = (3y, y) = y (3, 1).
Logo M1 = {(3, 1)} gera R.
1
Observação: Se escrevermos os vetores de R em função de x teremos a condição y = x , e assim
3
 1  2
R =  x , x  ∈IR 
 3  
Para encontrar os geradores de R vamos isolar a letra x e daí:

 1   1  1 
 x, x = x . 1,  logo M2 = 1 , 3   gera R.
3 3  
Temos então que tanto M1 quanto M2 formam um sistema de geradores de R e daí
 1 
R = [(3, 1)] ou R = 1 ,  
 3  
Como temos mais de uma solução, sempre pedimos para determinar um sistema de geradores e não
o sistema de geradores.
4) Consideremos o subespaço do IR3 dado por S = {(2x, x - z, z) ∈ IR3} determinar um sistema de

geradores de S.
Notemos inicialmente que u = (2x, x - z, z) está escrito em função de duas letras, concluímos então
que teremos dois vetores geradores.
Assim, vamos separar o vetor u em dois vetores, cada um com uma das letras,
(2x, x -z, z) = (2x, x , 0) + (0, -z, z)
Colocando as letras em evidência temos:
(2x, x -z, z) = x.(

2, 1, 0) + z(
0,
-1,
1)
u1 u2
Logo M = {u1, u2} = {(2, 1, 0) , (0, -1, 1)} é um sistema de geradores de S ou S =[(2, 1, 0), (0, -1, 1)].
 a b 
5) Determinar um sistema de geradores do subespaço R =   ∈M2 (IR).
  2a − b c 
28
 a b  a 0  0 b  0 0
 2a − b c =  2a 0 +  −b 0 +  0 c 
 a b  a 0  0 b  0 0
 2a − b c =  2a 0 +  −b 0 +  0 c 
colocando as letras em evidência temos os geradores:
 a b  1 0  0 1  0 0
 2a − b c = a .  2 0 + b.  −1 0 + c .  0 1

u1 u2 u3
Logo, um sistema de geradores de R é:
 1 0  0 1  0 0   1 0  0 1  0 0 
M =  ,
  ,
    ou R =  ,  ,   .
 2 0  −1 0  0 1   2 0  −1 0  0 1 
2.4 Dependência e independência linear
Vamos estudar dois casos
a) S = {v}
a1) v = 0 então S é linearmente dependente (LD)

a2) v ≠ 0 então S é linearmente independente (LI)
b) S = {u1, u2, . . . , un}, com n ≥ 2, então:

b1) S é linearmente dependente (LD) se um dos vetores é combinação linear dos demais.
b2) S é linearmente independente (LI) se não é LD.
Neste caso, para determinar se vetores são LI ou LD, utilizaremos o seguinte teorema:
n
v1 ,v2 , . . . , vn L I ⇔ ∑ αi .vi = 0, com αi = 0 para todo i
i=1
n
v1 ,v2 , . . . , vn L D ⇔ ∑ αi .vi = 0, com ao menos um αi ≠ 0
i=1
Assim, para verificar se um conjunto de vetores é LI ou LD vamos montar a combinação linear dos
vetores, igualar a zero e resolver o sistema.
29
Unidade I
Pelo resultado do sistema teremos:
SPD – (sistema possível determinado, solução única) vetores LI
SPI – (sistema possível e indeterminado, infinitas soluções) vetores LD
Exemplos
1) Verificar se os vetores são L I ou LD,
u = (4, 1, 0), v = (-2, 1, 4), w = (1, 1, 2).
Vamos resolver o exemplo utilizando a definição, isto é, verificando se algum dos vetores pode ser
escrito como combinação linear dos outros.
Por exemplo, vamos verificar se podemos escrever u como combinação linear de v e w, isto é, u = a v + b w.
Substituindo as coordenadas dos vetores temos:
(4,1,0) = a (-2,1,4) + b (1,1,2), efetuando as operações encontramos o sistema
 −2α+β=4

α +β=1
4α + 2β=0

a solução do sistema é: a = -1, b = 2
Como o sistema tem solução, concluímos que u é combinação linear de v e w, logo, pela definição
os vetores u, v e w são LD .
2) Verificar se os vetores são LI ou LD, dados v1 = (1,-2,3), v2 = (2,0,-1), v3 = (1,2,3).
Vamos agora resolver este exemplo utilizando o teorema, isto é, escrevendo uma combinação linear
dos vetores, igualando a zero e analisando o resultado do sistema.
Temos então:
3
∑ αi .vi = 0 ⇔ α1 . v1 + α2 . v2 + α 3 . v 3 = 0
i=1
Substituindo as coordenadas dos vetores vem:
α1 . (1, -2, 3) + α2 . (2, 0, -1) + α 3 . (1, 2, 3) = (0, 0, 0)

30
efetuando as operações encontramos:
(α1 + 2α2 + α 3 , -2α1 + 2α 3 , 3α1 − α2 + 3α 3 ) = (0, 0, 0)
daí vem o sistema:
α1 + 2α2 + α 3 = 0

 -2α1 + 2α 3 = 0
 3α − α + 3α = 0
 1 2 3
resolvendo o sistema temos: a1 = a2 = a3 = 0
Como todos os escalares são nulos temos que os vetores são LI.
 1 0  0 1  0 0
3) Verificar se os vetores v1 =  , v2 =  e v3 =  são LI ou LD.

 2 0 
 0 0  1 1
Vamos inicialmente montar uma combinação linear dos vetores v1, v2 e v3, isto é,
3
∑ αi .vi = 0 ⇔ α1 . v1 + α2 . v2 + α 3 . v 3 = 0
i=1
 1 0  0 1  0 0  0 0
α1 .  + α2 . + α3 . =
 2 0  0 0  1 1  0 0
 α1 α2   0 0
 2α + α α  =  0 0
1 3 3
daí temos o sistema:
α1 = 0
2α + α = 0
 1 3

α 2 = 0
α 3 = 0
resolvendo o sistema temos: a1 = a2 = a3 = 0
31
Unidade I
Como todos os escalares são nulos, temos que os vetores são LI.
4) Verificar se os vetores são LI ou LD, dados u = (2, 1), v = (1, 0), w = (3, 1).
Montando a combinação linear dos vetores temos:

α1 . u + α2 . v + α 3 . w = 0
α1 . (2, 1) + α2 . (1, 0) + α 3 . (3, 1) = (0, 0)
(2α1 + α2 + 3α 3 , α1 + α 3 ) = (0, 0)
daí vem o sistema:
2α1 + α2 + 3α 3 = 0

 α1 + α 3 = 0
resolvendo o sistema temos:
a1 = -a3 , a2 = -a3 como α3 é qualquer, não podemos garantir que os escalares sejam todos nulos,
logo, os vetores são LD.
2.5 Ampliando seu leque de exemplos
1. Qual dos subconjuntos a seguir não é subespaço do IR3?
A) S = {(x, 2x, 0) ∈ IR3}
B) S = {(x + z, x, z) ∈ IR3}
C) S = {(0, y, z + y) ∈ IR3}
D) S = {(1, y, z) ∈ IR3}
E) S = {(x, x + 2z, z) ∈ IR3}
Resposta correta: alternativa D.
32
Resolução do exercício
A) S é subespaço do IR3, pois
1) (0, 0, 0) ∈S ,

2) ∀u, v ∫ S temos u + v ∈S,

 ( x, 2x, 0) + (a, a, 0) = ( x + a, 2x + 2a, 0) ∈S

3)∀u ∫ S, ∀α ∫ IR temos α.u ∈S
 α ( x, 2x, 0) = (αx, 2αx, 0) ∈S

b) S é subespaço do IR3, pois
1)(0, 0, 0) ∈S ,

2) ∀u , v  S temos u + v ∈S ,

 ( x + z , x , z ) + (a + b , a ,b ) = ( x + z + a + b , x + a , z + b ) ∈S
3)∀u  S , ∀α  IR temos α.u ∈S

 α ( x + z , x , z ) = (αx + αz , 2αx , αz ) ∈S
c) S é subespaço do IR3, pois
1)(0, 0, 0) ∈S ,

2) ∀u , v  S temos u + v ∈S ,

 (0,y , z + y ) + (0, b , c + b ) = (0, y + b , z + y + c + b ) ∈S
3)∀u  S , ∀α  IR temos α.u ∈S

 α (0,y , z + y ) = (0, αy , αz + αy ) ∈S
d) S não é subespaço do IR3, pois
{(0, 0, 0) ∉ S
e) S é subespaço do IR3, pois
1) 0, 0, 0) ∈S,

2)∀u, v ∫ S temos u + v ∈S,

 ( x, x + 2z, z ) + (a, a + 2c, c ) = ( x + a , x + 2z + a + 2c, z + c ) ∈S

3)∀u ∫ S, ∀α ∫ IR temos α..u ∈S
 α ( x, x + 2z, z ) = ( αy, αy + 2αz, αy ) ∈S

33
Unidade I
2. Sendo R = {(0, 2z, z) ∈ IR3} e S = {(x, 0, 0) ∈ IR3} o subespaço R + S é dado por:
A) R + S = {(x, z, z) ∈ IR3}
B) R + S = {(0, 2z, z) ∈ IR3}
C) R + S = {(x, 2z, z) ∈ IR3}
D) R + S = {(x, 0, 0) ∈ IR3}
E) R + S = {(0, 0, 0) ∈ IR3}
Resposta correta: alternativa C.
Pela definição de adição de subespaços temos:
R + S = {(x, 2z, z) ∈ IR3} logo a alternativa correta é C.
3. Sendo R = {(x, 2x, 0) ∈ IR3} e S = {(0, y, y) ∈ IR3} o subespaço R ∩ S é dado por:
A) R ∩ S = {(0, 0, 0) ∈ IR3}
B) R ∩ S = {(x, 2x, 0) ∈ IR3}
C) R ∩ S = {(0, y, y) ∈ IR3}
D) R ∩ S = {(x, 0, 0) ∈ IR3}
E) R ∩ S = {(0, 0, z) ∈ IR3}
Resposta correta: alternativa A.
Pela definição de intersecção de subespaços temos:
R ∩ S = {u ∈ IR3 / u ∈ R e u ∈ S}, daí,
(x, 2x, 0) = (0, y, y) ⇒
34
x = 0

2x = y
0 = y

Resolvendo o sistema vem: x = 0, y = 0, logo temos:
R ∩ S = {(0, 0, 0) ∈ IR3}
4. Sendo U = {(a, b, a – b, a) ∈ IR4} e V = {(x, 0, x, x) ∈ IR4}, então U ∩ V é:
A) U ∩ V = {(x, 0, x, 0) ∈ IR4}
B) U ∩ V = {(x, x, x, 0) ∈ IR4}
C) U ∩ V = {(x, 0, 0, 0) ∈ IR4}
D) U ∩ V = {(0, 0, x, 0) ∈ IR4}
E) U ∩ V = {(x, 0, x, x) ∈ IR4}
Resposta correta: alternativa E.
Pela definição de intersecção de subespaços temos:
R ∩ S = {u ∈ IR3 / u ∈ R e u ∈ S}, daí,
(a, b, a – b, a) = (x,0, x, x) ⇒
a= x
b = 0


 a−b = x
 a = x
Resolvendo o sistema vem: a = x, b = 0, logo temos:
R ∩ S = {(x, 0, x, x) ∈ IR4}.
5. Um sistema de geradores do subespaço U = {(x, y, z) ∈ IR3 / y = 2z} é:
35
Unidade I
A) U = [(0,1,0), (0,2,1)]
B) U = [(0,0,1), (0,2,1)]
C) U = [(1,0,0), (0,2,0)]
D) U = [(1,0,0), (0,2,1)]
E) U = [(1,0,0), (0,0,1)]
Inicialmente devemos utilizar a condição dada no vetor, assim temos:
u ∈ U ⇒ u = (x, 2z, z)
Devemos separar em 2 vetores, cada um com uma das letras,
(x, 0, 0) + (0, 2z, z) = x (1, 0, 0) + z (0, 2,1)
Logo U = [(1,0,0), (0,2,1)]
6. O subespaço gerado por M = [(1,0,1,1), (-1,2,0,1), (0,0,1,0)] é:
A) U = {(0, 2y, x + z, x + y) ∈ IR4}
B) U = {(x –y, 0, x + z, x + y) ∈ IR4}
C) U = {(x –y, 2y, 0, x + y) ∈ IR4}
D) U = {(x –y, 2y, x + z, 0) ∈ IR4}
E) U = {(x –y, 2y, x + z, x + y) ∈ IR4}
Devemos montar a combinação linear dos vetores,
x (1, 0, 1,1) + y (-1, 2,0,1) + z (0, 0,1,0) =
36
= (x, 0, x, x) + (-y, 2y,0,y) + (0, 0,z,0) =
= (x – y, 2y, x + z, x + y)
U = {(x –y, 2y, x + z, x + y) ∈ IR4}
7. O valor de m para que u = (m,4,3) seja combinação linear de v = (2,0,-1) e w = (3,2,1) é:
A) m = 2
B) m = - 5
C) m = - 3
D) m = 4
E) m = 0
Para que u seja combinação linear de v e w devemos ter, u = a.v + b. w, isto é,
(m,4,3) = a . (2,0,-1) + b . (3,2,1)
(m,4,3) = (2a, 0, -a) + (3b, 2b, b)
(m,4,3) = (2a + 3b, 2b, -a + b)
m = 2a + 3b

4 = 2b
3 = −a + b

Resolvendo o sistema temos a = -1, b = 2 e m = 4
8. Dos conjuntos dados a seguir, o único que é formado por vetores LD é:
A) S = {(1,-1,2), (0,2,1), (0,0,1)}
B) S = {(2,-1,0), (0,0,0), (3,0,1)}
37
Unidade I
C) S = {(1,1,0), (0,1,2), (0,0,3)}
D) S = {(3,2,1), (0,2,1), (0,0,1)}
E) S = {(5,0,0), (0,2,0), (0,0,3)}
Resposta correta: alternativa B.
Para saber se são LI ou LD devemos verificar,

n
v1 , v2 , . . . , vn L I ⇔ ∑ αi .vi = 0, com αi = 0 para todo i
i=1
n
v1 , v2 , . . . , vn L D ⇔ ∑ αi .vi = 0, com ao menos um αi ≠ 0
i=1
Assim temos:
Alternativa A:
a (1,-1,2) + b (0,2,1) + c (0,0,1) = (0,0,0)
(a, -a + 2b, 2 a + b + c) = (0,0,0)
Então temos: a = 0, b = 0 e c = 0 logo os vetores são LI.
Alternativa B:
a (2,-1,0) + b (0,0,0) + c (3,0,1) = (0,0,0)
(2a + 3c, -a, c) = (0,0,0)
Então temos: a = 0, c = 0 e b é qualquer, logo os vetores são LD.
Alternativa C:
a (1,1,0) + b (0,1,2) + c (0,0,3) = (0,0,0)
(a, a + b, 2b + 3c) = (0,0,0)
Então temos: a = 0, b = 0 e c = 0, logo os vetores são LI.
38
Alternativa D:
a (3,2,1) + b (0,2,1) + c (0,0,1) = (0,0,0)
(3a, 2a +2 b, a + b + c) = (0,0,0)
Alternativa E)
a (5,0,0) + b (0,2,0) + c (0,0,3) = (0,0,0)
(5a, 2b, 3 c) = (0,0,0)
Resumo
Vimos nesta unidade a estrutura de espaço vetorial, subespaço, soma e intersecção de subespaços.
V é um espaço vetorial sobre IR se valem:
+: V x V → V
(u, v)
1) associativa: ∀ u, v, w ∈ V, (u + v) + w = u + (v + w)
2) comutativa: ∀ u, v ∈ V, u + v = v + u
3) elemento neutro: ∃ 0 ∈ V tal que u + 0 = u, ∀ u ∈ V
4) oposto: ∀ u ∈ V, ∃ (-u) ∈ V tal que u + (-u) = 0
• : IR x V → V
(u, v )  u + v
5) ∀u ∈ V, ∀α, β ∈ IR, (β• u) = (α β)• u
6) ∀u ∈ V, ∀α, β ∈ IR, (α + β)• u = α •u + β •u
39
Unidade I
7) ∀u, v ∈ V, ∀α ∈ IR, α(u + v) = α •u + α • v
8) ∀u ∈ V, 1•u = u
1) 0 ≠ ∅

S é subespa ode V ⇔ 2) ∀u, v ∫ S temos u + v ∈S
 ∀ ∫ , ∀α ∫
3) u S IR temos α.u ∈S
Ou
1) 0 ∈S

S é subespa ode V ⇔ 2) ∀u, v ∫ S temos u + v ∈S
3) u ∫ S, α IR temos .u S
 ∀ ∀ ∫ α ∈
Soma de subespaços
R e S subespaços de V:
R + S = {u ∈ V | u = r + s com r ∈ R e s ∈ S}
Intersecção de subespaços
R ∩ S = {u ∈ V | u ∈ R e u ∈ S}
Soma direta
Diremos que um espaço V é soma direta dos subespaços R e S se vale:
1)R + S = V
R ⊕ S =⇔ 
2)R ∩S = {0}
Combinação linear
Um vetor u é combinação linear dos vetores v1, v2, ..., vn se existem escalares α 1, α 2, ..., α n tais que,
u = α1.v1 + α2.v2 + ... + αn.vn
Subespaço gerado por M: [M]
Para determinar o subespaço gerado por um conjunto M = {u1, u2, . . ., un}, devemos escrever as
combinações possíveis dos vetores de M, assim escrevemos
40
[M] = {α1.u1 + α2.u2 + ... + αn.un / α1, α2, ...,αn ∈ IR}
Dependência linear
Vetores são linearmente dependentes (LD) se um deles for combinação linear dos demais. Caso
contrário, diremos que os vetores são linearmente independentes (L I).
41
Unidade II
Unidade II
BASE E DIMENSÃO
3 BASE
3.1 Processo prático para determinar vetores LI – LD no IRn
Inicialmente montamos uma matriz com as coordenadas dos vetores colocadas em linha. A seguir
escalonamos a matriz, isto é, utilizando operações elementares a transformamos em uma matriz triangular.
Observando a matriz escalonada temos:
a) se uma ou mais linhas da matriz for nula, então os vetores são LD
b) se todas as linhas da matriz são não nulas, então os vetores são LI
Operações elementares:
a) permutação de linhas
b) multiplicação de uma linha por um número real, não nulo
c) substituição de uma linha por uma combinação linear dela com qualquer outra
Observação
Note que o processo prático agiliza a verificação de vetores LI e LD,

porém só pode ser utilizado para vetores do IRn. Nos demais casos, você
deverá continuar utilizando a definição.
Exemplos:
Verificar se os vetores são LI ou LD, utilizando o processo prático
a) u = (4,1,0) , v = (-2,1,4), w = (1,1,2) .
Utilizando as operações elementares vamos transformar em zero os elementos abaixo da diagonal

principal
42
1° passo: zerar o elemento da posição a21, para isso vamos substituir a linha 2 (L2) da matriz pela
combinação linear 2 L2 + L1, assim temos
 4 1 0  4 1 0
 −2 1 4   0 3 8
   
 1 1 2  1 1 2
L2 = 2. L2 + L1
2° passo: zerar o elemento da posição a31, vamos substituir a linha 3 (L3) pela combinação linear – 4
L3 + L1, teremos então
 4 1 0  4 1 0  4 1 0 
 −2 1 4   0 3 8   0 3 8 
     
 1 1 2  1 1 2  0 −3 −8
L2 = 2. L2 + L1 L3 = - 4 L3 + L1
3° passo: zerar o elemento da posição a32, vamos substituir a linha 3 (L3) pela combinação linear
L3 + L2, assim temos
 4 1 0  4 1 0  4 1 0   4 1 0
 −2 1 4   0 3 8   0 3 8    0 3 8
       
 1 1 2  1 1 2  0 −3 −8  0 0 0
L2 = 2. L2 + L1 L3 = - 4 L3 + L1 L3 = L3 + L2
Observando a última das matrizes notamos que ela já está na forma escalonada, e como a última
linha da matriz é nula, temos que os vetores são LD.
b) u = (2,1,1) , v = (-1,0,1), w = (1,1,3)
Utilizando as operações elementares vamos transformar em zero os elementos abaixo da diagonal

principal.
1° passo: zerar o elemento da posição a21, para isso vamos substituir a linha 2 (L2) da matriz pela
combinação linear 2 L2 + L1, assim temos
43
Unidade II
 2 1 1  2 1 1
 −1 0 1   0 1 3
   
 1 1 3  1 1 3
L2 = 2. L2 + L1
2° passo: zerar o elemento da posição a31, vamos substituir a linha 3 (L3) pela combinação linear
– 2 L3 + L1, teremos então
 2 1 1  2 1 1  2 1 1 
 −1 0 1   0 1 3   0 1 3 
     
 1 1 3  1 1 3  0 −1 −5
L2 = 2. L2 + L1 L3 = - 2 L3 + L1
3° passo: zerar o elemento a32, vamos substituir a linha 3 (L3) pela combinação linear L3 + L2, assim
temos
 2 1 1  2 1 1  2 1 1   2 1 1 
 −1 0 1   0 1 3   0 1 3    0 1 3 
       
 1 1 3  1 1 3  0 −1 −5  0 0 −2
L2 = 2. L2 + L1 L3 = - 2 L3 + L1 L3 = L3 + L1
Observando a última das matrizes notamos que ela já está na forma escalonada, e como nenhuma
das linhas da matriz é nula, temos que os vetores são LI.
3.1.1 Propriedades
Sejam V espaço vetorial e R = {u1, u2,..., un} (n>1) um subconjunto de V
1. Se o vetor nulo de V (u = 0) pertence a S, então S é LD
2. Se S contém um subconjunto LD, então S é LD
3. Se S é LI então qualquer subconjunto dele é LI
3.2 Base
Definição: Um subconjunto ordenado de um espaço vetorial V é uma base de V se e somente se os

vetores de B são geradores de V e B é LI.
44
 V = [B]
B = {v1, v2, ..., vn} é base de V ⇔ 
B Øé LI
Se B = {v1, . . . , vn} é base de V, então todo vetor u de V deve ser escrito como combinação linear
destes vetores e chamaremos os escalares desta combinação linear de coordenadas de u na base B e
usaremos a notação u = (a1, ..., an)B .
Teorema: Todo espaço vetorial, não trivial, tem base.
Teorema: Todas as bases de um espaço vetorial V têm a mesma quantidade de vetores.
3.3 Dimensão
O número de vetores de uma base de V é chamado de dimensão de V, dim V = n.
B = {v1, v2, ..., vn} é base de V então dim V = n
Observação
S e S = {0}, subespaço trivial, diremos que não existe base de S ou que a base é vazia, B = ∅ e por
definição dim S = 0.
3.3.1 Algumas propriedades
A seguir, veremos alguns resultados importantes sobre dimensão de um espaço vetorial e de seus subespaços
Seja R, S subespaço de V. Então temos:
1. dim R < dim V
2. dim R = dim V ⇔ R = V
3. dim (R + S) = dim R + dim S – dim (R ∩ S),
Notemos que: dim (S + T) = dim V ⇒ S + T = V
Lembrete
Você poderá fazer um estudo mais formal de bases de um espaço

vetorial a partir das referencias bibliográficas.
45
Unidade II
Exemplos
1) Mostremos que B = {(1,0,0), (0,1,0), (0,0,1)} é uma base do IR3
Devemos verificar as duas condições da definição de base
a) V = IR3 = [B] (B gera IR3)
montando a combinação linear dos vetores de B temos:
x (1,
0, 0) + y (0,
0) + z (0,
1,
1) =
0,
v1 v2 v3
(x, 0, 0) + (0, y, 0) + (0, 0, z) = (x, y, z)
Logo IR3 = [B] = [(1, 0,0), (0,1,0), (0,0,1)]
b) B é LI
para verificar se os vetores são LI vamos montar a combinação linear dos vetores, igualar a zero e
analisar o resultado do sistema, assim
a (1, 0, 0) + b (0, 1, 0) + c (0, 0, 1) = (0, 0, 0) (a, b, c ∈ IR)
(a, 0, 0) + (0, b, 0) + (0, 0, c) = (0, 0, 0)
(a, b, c) = (0, 0, 0) ⇒ a = b = c = 0.
Como o sistema é possível e determinado (solução única), temos que B é LI.
Das condições: a) e b) temos que B é base do IR3, logo dim IR3 = 3
2) Do mesmo modo temos:
B = {(1, 0), (0, 1)} é uma base do IR2
B = {(1,0,0,0), (0,1,0,0), (0,0,1,0), (0,0,0,1)} é uma base do IR4
B = {(1,0, . . . ,0), (0,1,0, . . . ,0), . . . , (0,0, . . . ,0,1)} é base do IRn
Essas bases acima são chamadas de bases canônicas.
46
Temos ainda dim IR2 = 2, dim IR4 = 4, ... , dim IRn = n
 1 0  0 0  0 1  0 0 
3) Verificar se B =   ,  1 0 ,  0 0 ,  0 1  é uma base de M2(IR)
  0 0 
Devemos verificar as duas condições da definição de base
a) V = M2(IR) = [B] (B gera M2(IR))
montando a combinação linear dos vetores de B temos:
 1 0  0 1  0 0  0 0
x 
 0 0
+y  0 0 + z  1 0 + t  0 1 =

v1 v2 v3 v4
 x 0  0 y   0 0  0 0  x y 
 0 0 +  0 0 +  z 0 +  0 t  =  z t 
Logo
 1 0  0 0  0 1  0 0 
M2 (IR) = [B] =   ,  1 0 ,  0 0 ,  0 1 
  0 0 
b) B é LI
Para verificar se os vetores são LI, vamos montar a combinação linear dos vetores, igualar a zero e
analisar o resultado do sistema, assim
 1 0  0 1  0 0  0 0  0 0
a
 0 0
+ b  0 0 + c  1 0 + d  0 1 =  0 0
 a 0  0 b  0 0  0 0  0 0
 0 0 +  0 0 +  c 0 +  0 d =  0 0
 a b  0 0
 c d =  0 0
daí vem o sistema:
47
Unidade II
a = 0
b = 0


c = 0
d = 0
Como o sistema é possível e determinado (solução única), temos que B é LI.
Temos então que B é base do M2(IR) e dim M2(IR) = 4.
4) Verificar se B = {t , 1} é base de P1, espaço dos polinômios de grau menor ou igual a 1.
Devemos verificar as duas condições da definição de base.
a) V = P1 = [B] (B gera P1)
Montando uma combinação linear dos vetores de B temos, u = a + b t, um vetor qualquer de P1,
logo B gera P1.
b) B é LI
Devemos montar a combinação linear e igualar a zero, assim temos:
a. 1 + b. t = 0, isto é, a . 1 + b. t = 0 + 0 . t, resolvendo a igualdade encontramos a = 0 e b = 0. Logo,

os vetores são LI
Portanto B = {t, 1} é base do P1, base canônica.
3.4 Base de um subespaço
Queremos determinar uma base e a dimensão de um subespaço U do IRn, para isso devemos encontrar
S, um sistema de geradores de U, U = [S] e depois verificar se S é LI ou LD.
• se S é LI, então é base de U,
• se S é LD, então devemos determinar o maior subconjunto de S que seja LI.
Para determinar este subconjunto LI vamos utilizar o processo prático do item 3.1.
Como os vetores são LD, teremos linhas nulas na matriz escalonada, desprezando estas linhas
verificamos que as restantes estão escalonadas e, portanto, os vetores que sobraram são LI. Assim
teremos que estes vetores formam uma base do subespaço U.
48
Lembrete
Note que sempre será solicitado que você determine uma base do
subespaço e não a base do subespaço, pois espaços vetoriais possuem
várias bases.
Exemplos:
Determine uma base e a dimensão de cada subespaço:
1) V = IR3; U = {(2y , y, y) ∈ IR3}
1° passo: determinar um sistema de geradores de U
(2y, y, y) = y (2, 1, 1)
∴ U = [(2, 1, 1)], isto é, U é gerado pelo vetor (2,1, 1)
2° passo: verificar se o conjunto é LI ou LD
Como (2, 1, 1) ≠ (0, 0, 0) temos que {(2, 1, 1)} é LI e, portanto, base de U.
Logo B = {(2, 1, 1)} é uma base de U e dim U = 1
2) V = IR2 , U = {(x, y) | x = 3y}
Inicialmente devemos reescrever os vetores de U utilizando a condição dada, assim temos:

U = {(3y, y) | x ∈ IR}
(3y, y) ∈ U ⇒ (3y, y) = y (3, 1)
∴ U = [(3, 1)], isto é, U é gerado pelo vetor (3, 1)

2° passo: verificar se o conjunto é LI ou LD
Como temos 1 vetor gerador e ele é não nulo, temos que {(3, 1)} é LI e, portanto, base de U.
Logo B = {(3, 1)} é uma base de U e dim U = 1
3) V = IR3, U = {(x, y, z) | z = x - 3y}
49
Unidade II
Reescrevendo U temos:
U = {(x, y, x - 3y) | x, y ∈ IR}
(x, y, x - 3y) ∈ U ⇒ (x, y, x - 3y) = (x, 0, x) + (0, y, - 3y) = x (1, 0, 1) + y (0, 1, - 3)
∴ U = [(1, 0, 1), (0, 1, -3)], isto é, {(1,0,1), (0, 1,- 3)} gera U.
2° passo: verificar se o sistema de geradores é LI
Utilizando o processo prático montamos a matriz com os geradores como linhas e daí temos:
1 0 1 
 0 1 −3
Notamos que a matriz já está escalonada e, como não temos linhas nulas, os vetores são LI.
Logo, uma base de U é B = {(1, 0, 1), (0, 1, -3)} e dim U = 2
4) Consideremos V = [(1, 0, 2), (-2, 3, -1), (-1, 3, 1)] ⊂ IR3
1° passo: determinar um sistema de geradores de V
Pelo enunciado já temos os geradores de V, B = {(1, 0, 2), (-2, 3, -1), (-1, 3, 1)} gera V.
a) zerar o elemento a21 ,
 1 0 2   1 0 2
 −2 3 −1   0 3 3
   
 −1 3 1   −1 3 1
L2 = L2 + 2 L1
50
b) zerar o elemento a31
 1 0 2   1 0 2  1 0 2
 −2 3 −1   0 3 3   0 3 3
     
 −1 3 1   −1 3 1  0 3 3
L2 = L2 + 2 L1 L3 = L3 + L1
c) zerar o elemento a32
 1 0 2   1 0 2  1 0 2  1 0 2
 −2 3 −1   0 3 3   0 3 3   0 3 3
       
 −1 3 1   −1 3 1  0 3 3  0 0 0
L2 = L2 + 2 L1 L3 = L3 + L1 L3 = L3 – L2
Note que a matriz escalonada tem uma linha nula, logo, os 3 vetores são LD, porém, os 2 primeiros
(não nulos) são LI, logo B = {(1,0,2), (0,3,3)} é base de V
Assim, uma base de V é B = {(1, 0, 2), (0, 3, 3)} e dim V = 2.
Observação
Sempre que os vetores forem LD, você poderá encontrar um subconjunto

que será LI, para ser base devemos pegar o maior subconjunto de vetores
LI possível como base.
5) U = [(1, -1, 0, 1), (2, 1, 1, 2), (-1, -2, -1, -1), (1, -4, -1, 1)] ⊂ IR4
pelo enunciado já temos os geradores de U,
B = {(1, -1, 0, 1), (2, 1, 1, 2), (-1, -2, -1, -1), (1, -4, -1, 1)} gera U.
a) zerar o elemento a21,
51
Unidade II
 1 −1 0 1   1 −1 0 1 
 2 1 1 2  0 3 1 0
   
 −1 −2 −1 −1  −1 −2 −1 −1
 1 −4 −1 1   1 −4 −1 1 
L2 = L2 - 2 L1
 1 −1 0 1   1 −1 0 1   1 −1 0 1
 2 1 1 2   0 3 1 0  0 3 1 0
     
 −1 −2 −1 −1  −1 −2 −1 −1  0 −3 −1 0
 1 −4 −1 1   1 −4 −1 1   1 −4 −1 1
L2 = L2 - 2 L1 L3 = L3 + L1
 1 −1 0 1   1 −1 0 1   1 −1 0 1  1 −1 0 1
 2 1 1 2   0 3 1 0  0 3 1 0  0 3 1 0
       
 −1 −2 −1 −1  −1 −2 −1 −1  0 −3 −1 0  0 −3 −1 0
 1 −4 −1 1   1 −4 −1 1   1 −4 −1 1  0 −3 −1 0
L2 = L2 - 2 L1 L3 = L3 + L1 L4 = L4 – L1
d) zerar os elementos a32 e a42
 1 −1 0 1   1 −1 0 1  1 −1 0 1
 2 1 1 2 0 3 1 0  0 3 1 0
  ∼…∼   ∼ 
 −1 −2 −1 −1  0 −3 −1 0  0 0 0 0
 1 −4 −1 1   0 −3 −1 0  0 0 0 0
L3 = L3 + L2
L4 = L4 + L2
Notamos que a matriz escalonada tem duas linhas nulas, logo, o conjunto é LD; as duas primeiras
linhas não são nulas, logo, essas linhas são LI
Assim, uma base de U é B = {(1, -1, 0, 1), (0, 3, 1, 0)} e dim U = 2
52
Observação
Você também pode pegar como base de U os vetores das linhas 1 e 2 da

primeira matriz, tenha sempre o cuidado de escolher as linhas que ao final
do processo de escalonamento não ficaram nulas.
6) Determinar uma base e a dimensão de
U, V, U + V e U ∩ V dados U = {(x, y, x – y) ∈ IR3} e V = {(2y, y, z) ∈ IR3}
base de U:
1° passo: determinar os geradores
(x, y, x - y) = x (1, 0, 1) + y (0, 1, -1)
U = [(1, 0, 1), (0, 1, -1)]
2° passo: verificar se os geradores são LI
1 0 1 
 0 1 −1
Note que a matriz já está escalonada, portanto os vetores são LI, logo,
BU = {(1, 0, 1), (0, 1, -1)} é uma base de U e dim U = 2
base de V:
(2y, y, z) = y (2, 1, 0) + z (0, 0, 1)
V = [(2, 1, 0), (0, 0, 1)]
2° passo: verificar se os geradores são LI
 2 1 0
 0 0 1
53
Unidade II
Note que a matriz já está escalonada, logo, os vetores são LI.
Assim BV = {(2, 1, 0), (0, 0, 1)} é uma base de V e dim V = 2
base de U + V:
Da propriedade 4 do item 1.7 temos:
U = [BU] e V = [BV] ⇒ U + V = [BU ∪ BV]
assim
U + V = [(1, 0, 1), (0, 1, -1), (2, 1, 0), (0, 0, 1)]
2° passo: determinar se os geradores são LI
a) como o elemento a21 é igual a zero, começamos zerando o elemento a31,
1 0 1  1 0 1
0 1 −1  0 1 −1
   
2 1 0   0 1 −2
 0 0 1   0 0 1 
L3 = L3 - 2 L1
1 0 1  1 0 1  1 0 1
0 1 −1  0 1 −1  0 1 −1
     
2 1 0  0 1 −2  0 0 −1
 0 0 1   0 0 1  0 0 1
L3 = L3 - 2 L1 L3 = L3 - L2
54
1 0 1  1 0 1  1 0 1  1 0 1
0 1 −1  0 1 −1  0 1 −1  0 1 −1
       
2 1 0  0 1 −2  0 0 −1  0 0 −1
 0 0 1   0 0 1  0 0 1  0 0 0 
L3 = L3 - 2 L1 L3 = L3 - L2 L4 = L4 + L3
Os 4 vetores são LD, porém os 3 primeiros são LI
Logo BU + V = {(1, 0, 1), (0, 1, -1), (2, 1, 0)} é uma base de U + V e dim U + V = 3.
Note que podemos também pegar como vetores da base os 3 vetores não nulos da última matriz,
isto é,
BU + V = {(1, 0, 1), (0, 1, -1), (0, 0, -1)} também é uma base de U + V.
base de U∩V:
Inicialmente devemos determinar U ∩ V, para isso vamos igualar os vetores de U e V, como existem
letras repetidas, temos:
(x, y, x - y) = (2a, a, b) e daí temos o sistema
x = 2a

y = a resolvendo o sistema temos b = a
x − y = b

assim U ∩ V = {(2 a, a, a) ∈ IR3}
como (2 a, a, a) = a (2, 1, 1) temos que
BU ∩ V = {(2, 1, 1)} é uma base de U ∩ V e dim U ∩ V = 1
3.5 Alguns teoremas sobre bases
I. “Todo vetor do espaço pode ser escrito de modo único como combinação linear dos vetores
de uma base.”
De fato, consideremos B = {u1, u2, . . . , un} uma base do espaço U e v um vetor de U.
55
Unidade II
Como B gera o espaço U, temos que v pode ser escrito como combinação linear dos vetores de B,
v = a1.u1+a2.u2+ ... + an.un.
Resta mostrar que esta forma de escrever é única. Suponhamos que v possa ser escrito de duas
formas como combinação linear dos vetores de B, isto é, v = a1.u1+a2.u2+ ... + an.un e v = b1.u1+b2.u2+
... +bn.un
Temos então: a1.u1+a2.u2+ ... + an.un = b1.u1+b2.u2+ ... +bn.un, daí concluímos que
(a1+b1) u1 + (a2+b2) u2 + ... + (an+bn) un=0. (1)
Como B é base, os seus vetores são LI, logo, a combinação linear (1) só será verdadeira se ai+bi=0,
∀ i, 1< i < n, isto é, ai=bi, ∀ i, 1< i < n. Portanto a forma de escrever é única.
Exemplo:
Seja B = {(1, 1, 2), (0, 1, -1), (0, 0, 1)} base do IR3, escrever o vetor u = (2, 1, 3) como combinação
linear dos vetores de B.
Montando a combinação linear dos vetores de B e igualando ao vetor u temos:
u=a.b1+b . b2+c.b3
substituindo as coordenadas dos vetores vem:
(2, 1, 3) = a.(1, 1, 2) + b.(0, 1, -1) + c.(0, 0, 1)
e encontramos o sistema:
2 = a

1 = a + b
3 = 2a − b + c

resolvendo o sistema temos: a = 2, b = -1 e c = -2.
Notamos que o sistema é possível e determinado, solução única,
logo u = 2.b1 + (-1).b2 + (-2).b3 de modo único.
II. “Um sistema de geradores de um espaço vetorial V tem algum subconjunto que é base de V.”
Seja S um sistema de geradores de V, podemos ter:
a) S LI logo é base de V
56
b) S LD então existe S1 ⊂ S, S1 com o maior número possível de vetores LI de S e S1 é base de V
Exemplo:
Seja S = {(1, -2, 0), (0, 1, 1), (1, -1, 1), (0, 0, -1)} um sistema de geradores do IR3. Determinar um
subconjunto de S que seja base do IR3 .
Como temos 4 vetores no IR3, já sabemos que o conjunto é LD. Vamos determinar quantos deles são
LI utilizando o processo prático, item 2.1,
a) como o elemento a21 é igual a zero, começamos zerando o elemento a31,
 1 −2 0   1 −2 0 
0 1 1 0 1 1
   
 1 -1 1   0 1 1 
 0 0 -1  0 0 -1
L3 = L3 - L1
 1 −2 0   1 −2 0   1 −2 0 
0 1 1 0 1 1 0 1 1
     
 1 -1 1   0 1 1   0 0 0 
 0 0 -1  0 0 -1  0 0 -1
L3 = L3 - L1 L3 = L3 - L2
 1 −2 0   1 −2 0   1 −2 0   1 0 1
 0 1 1   0 1 1   0 1 1   0 1 −1
       
 1 −1 1   0 1 1   0 0 0   0 0 −1
 0 0 −1  0 0 −1  0 0 −1  0 0 0 
L3 = L3 - L1 L3 = L3 - L2 L3, 4
Assim temos que os 4 vetores são LD, porém, os 3 primeiros são LI, logo
B ⊂ S, B = {(1, -2, 0), (0, 1, 1), (1, -1, 1)} é uma base do IR3.
57
Unidade II
Note que é indiferente pegarmos os 3 vetores da 1ª matriz ou de qualquer outra matriz do processo,
desde que não utilizemos a linha que ficou nula.
III. “Todo conjunto LI, de vetores de V, pode ser completado até formar uma base de V.”
dim V = n
{

}
S = v1, v2 , … , v j , li e j < n
j vetores
{ }
B = v1, v2 , … , v j , u1, u2 , …uk , li

n vetores
B Øé base de V
Exemplo:
Seja S = {(1, -2, 0), (0, 1, 1)} um conjunto LI, completar S para que seja uma base do IR3.
Inicialmente devemos lembrar que uma base do IR3 deve ter 3 vetores e estes vetores devem ser LI.
Como o conjunto S tem 2 vetores LI, basta acrescentar um vetor que seja LI com os outros dois e
teremos uma base do IR3.
Tomemos por exemplo o vetor u = (0, 0, 1), o conjunto B = {(1, -2, 0), (0, 1, 1), (0, 0, 1)} é LI (basta
montar a matriz e verificar que já está escalonada) e portanto uma base do IR3.
Saiba mais
Saiba mais sobre bases de espaços vetoriais e subespaços no capítulo 3,

itens 3 e 4 de: LEON, S. Álgebra linear com aplicações. Rio de Janeiro: LTC.
4 VETOR COORDENADA
Consideremos B uma base ordenada de um espaço V, chamamos de vetor coordenada de u em

relação a B, ao vetor formado pelos coeficientes da combinação linear dos vetores na base ordenada B.
Assim,
B = {v1, v2, ..., vn} base ordenada de V

u = a1 v1 + a2 v2 + ... + an vn
58
 a1 
a 
[ u ] B =  2  vetor coordenada
 
an 
Os coeficientes a1, a2 ..., an são as coordenadas de u em relação à base B.
Lembrete
Se alteramos a ordem dos vetores na base B, o vetor coordenada

também será alterado.
Exemplos:
1) Determinar [v]S, com v = (-1, 2, -2) sendo:
a) S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} base do IR3
S = {(1,0,0),(0,1,0),(0,0,1)}
  
v1 v2 v3
v = av1 + bv2 + cv3
(-1, 2, -2) = a(1, 0, 0) + b (0, 1, 0) + c(0, 0, 1) = (a, b, c)
 −1
logo [ v   o vetor coordenada coincide com o vetor v, pois S é base canônica.
] S= 2 
 −2
b) S = {(1, 1, 2), (0, 1, -1), (0, 0, 1)} base do IR3
S = {(1,1,2),(0,1,-1),(0,0,1)}

v1 v2 v3
v = av1 + bv2 + cv3

(-1, 2, -2) = a (1, 1, 2) + b(0, 1, -1) + c(0, 0, 1)
(-1, 2, -2) = (a, a + b, 2a - b + c)
59
Unidade II
a = −1

a + b = 2
2a − b + c = −2

assim a = -1, b = 3 e c = 3
 −1
logo [ v  
] S =  3  é o vetor coordenada.
 3 
Note que neste caso o vetor coordenada é diferente de v, pois a base S não é canônica.
2) Sendo S = {t+1, t -1} base do P1, espaço dos polinômios de grau menor ou igual a 1, determinar
[u]S e [u]B sendo u = 3 t + 1 e B = {t, 1} base canônica do P1.
Devemos escrever u como combinação linear dos vetores de S, assim:
3t + 1 = a. (t+1) + b.(t-1)
Temos então:
3t + 1 = at + a + bt - b
3t + 1 = (a + b) . t + (a - b)
igualando os coeficientes de mesma potência vem:
a + b = 3

a − b = 1
2
resolvendo o sistema temos: a = 2 e b = 1, assim [ u ] S = 
1
O vetor coordenada em relação a B, base canônica do P1, é dado por:
3
[ u ] B = 1
 
4.1 Matriz mudança de base
Sendo R = {v1, v2, . . . , v n} e S = {u1, u2, . . . , u n} bases ordenadas de um espaço V indicamos por PS ← R a
matriz mudança de base de R para S.
60
Para determinar a matriz mudança de base devemos determinar o vetor coordenada de cada vetor
de R em relação à base S, isto é, devemos escrever cada vetor de R como combinação linear dos vetores
de S.
A matriz será formada pelos vetores coordenada, colocados em colunas.
Lembrete
Se alterarmos a ordem dos vetores nas bases R e S, a matriz mudança

de base será alterada.
Exemplo:
Determinar a matriz mudança de base de R para S, sendo R e S as bases ordenadas do IR3 dadas por:
S = {(1,1,1), (1,0,1), (0,0,1)} e R = {(1,0,1), (0,1,1), (0,0,1)}.
Inicialmente devemos determinar o vetor coordenada de cada vetor de R em relação à base S.
Temos então:
S = {(
111
, , ),( 0, 0,1)} R = {(
1, 0,1),( 1, 0,1),(
0,11
, ) ,(
0, 0,1)}
s1 s2 s3 r1 r2 r3
a) r1 = a1 . s1 + a2 . s2 + a3 . s3
substituindo as coordenadas dos vetores encontramos o sistema
a1 + a2 = 1

a1 = 0
a + a + a = 1
1 2 3
a solução do sistema dá o vetor coordenada de r1 na base S, isto é,
0
[r1] = 1
0
b) r2 = b1 . s1 + b2 . s2 + b3 . s3
61
Unidade II
b1 + b2 = 0

b1 = 1
b + b + b = 1
1 2 3
1
[r2 ] =  −1
 1 
c) r3 = c1 . s1 + c2 . s2 + c3 . s3
c1 + c2 = 0

c1 = 0
c + c + c = 1
1 2 3
0
[r3 ] = 0
 1
Logo, a matriz mudança de base de R para S será:
0 1 0
 
PS ← R =  1 −1 0 
0 1 1
4.1.1 Processo prático para determinar a matriz mudança de base
Podemos determinar a matriz mudança de base utilizando a matriz ampliada e o escalonamento

para transformar a primeira parte da matriz ampliada em matriz identidade. A segunda parte da matriz
ampliada será a matriz mudança de base.
Exemplo:
Determinar a matriz mudança de base de R para S, sendo R e S as bases ordenadas do IR3 dadas por:
62
S = {(1,1,0), (1,0,1), (0,0,1)} e R = {(1,1,1), (0,1,1), (0,0,1)}.
Vamos montar a matriz ampliada colocando as coordenadas dos vetores como colunas da matriz, na
primeira parte os vetores de S e na segunda os vetores de R.
1 1 0 1 0 0
1 0 0 1 1 0
 
0 1 1 1 1 1
↑ ↑ ↑ ↑ ↑ ↑
s1 s2 s3 r1 r2 r3
Transformando a 1ª parte da matriz na matriz identidade, utilizando as operações elementares nas

linhas da matriz ampliada temos (faça as contas e confirme)
 1 0 0 1 1 0
0 1 0 0 −1 0
 
0 0 1 1 2 1
Assim, a matriz mudança de base de R para S é:
 1 1 0
 
PS ← R =  0 −1 0 
 1 2 1
4.1.2 Alguns resultados importantes
I. Mudança das coordenadas de um vetor da base R para a base S
[u]S = PS ← R . [u]R
Exemplo:
 1  2 1
Dados [u]R =   e PS ← R =   determine [u]S
0  −1 1
Basta fazer o produto das matrizes, assim
 2 1  1  2 
[ u] S = PS ← R [u] R =   . 0 =  −1
 −1 1    
63
Unidade II
II. A matriz mudança de base de R para S é inversível e sua inversa é a matriz mudança de
base de S para R.
(PS ← R)-1 = P-1S ← R = PR ← S
Exemplo:
Dadas as bases do IR2, R = {(-1,1), (2,1)} e S = {(1,0), (1,1)} determinar a matriz mudança de base
de R para S e a matriz mudança de base de S para R.
Escrevendo os vetores de R como combinação linear dos vetores de S temos:
(-1,1) = a1 (1,0) + a2 (1,1)
(2,1) = b1 (1,0) + b2 (1,1)
Resolvendo vem: a1 = -2, a2 = 1, b1 = 1 e b2 = 1, logo
 −2 1
PS ← R = 
 1 1
Do mesmo modo, vamos determinar a matriz de S para R, isto é, vamos escrever os vetores de S
como combinação linear dos vetores de R.
Assim temos:
(1,0) = a1 (-1,1) + a2 (2,1)
(1,1) = b1 (-1,1) + b2 (2,1)
Resolvendo vem: a1 = -1/3, a2 = 1/3, b1 = 1/3 e b2 = 2/3, logo
 1 1
− 3 1
PR ← S= 
 1 2
 3 3 
Você pode também utilizar a inversa da matriz mudança de base.
 −2 1
Calcule a inversa da matriz PS ← R =  e confira com o resultado encontrado.
 1 1
64
Saiba mais
Saiba mais sobre matriz mudança de base no capítulo 4, item 4.7

de: KOLMAN, B. Introdução à álgebra linear. 6. ed. São Paulo: Editora
Prentice‑Hall do Brasil, 1998.
 a + b b  x 0 
1. Sendo V =   ∈ M2 (IR) e U =   y 0 ∈ M2 (IR) uma base de U ∩ V é:
  0 d  
 0 0 
A) B =  
 0 0 
 0 1 
B) B =  
 0 0 
 1 0 
C) B =  
 0 0 
 0 0 
D) B =  
 1 0 
 0 0 
E) B =  
 0 1 
Devermos inicialmente determinar a intersecção de U e V, para isso vamos igualar os vetores de U e de V,
 a + b b  x 0
=
 0 d  y 0
65
Unidade II
 a+b = x
b = 0

 resolvendo o sistema temos: a = x, b = 0, d = 0, y = 0, substituindo em U ou em V temos:
 0 = y
d = 0
 a + b b  x 0
=
 0 d  0 0
 x 0 
U ∩ V =   ∈M2 (IR)
 0 0 
 1 0 
Logo uma base de U ∩ V será B =  
 0 0 
2. A expressão que indica u = (3, 4, -2) como combinação linear da base b1 = (1,1,1), b2 = (0,-1,1), b3 = (0,0,2)},
é:
A) u = 3 b1 + b2 + b3
B) u = 3 b1 + 2b2 + b3
C) u = 2 b1 - b2 - b3
D) u = 3 b1 + b2 - b3
E) u = 3 b1 - b2 - 2 b3
Devemos escrever u como combinação linear dos vetores b1, b2, b3, isto é,
u = a . b1 + b . b2 + c . b3,, substituindo as coordenadas dos vetores temos:
(3,4,-2) = a.(1,1,1) +b. (0,-1,1) +c .(0,0,2)
(3,4,-2) = (a,a-b,a+b+2c)
66
a = 3

a − b = 4 resolvendo o sistema temos: a = 3, b = -1, c = - 2
a + b + 2c = −2

Logo u= 〖3 . b1 – b2–2 . b3
3. O vetor que completa o conjunto li R = {(3,-1,2), (1,1,0)}, transformando-o em uma base do IR3 é:
A) w = (6, -2, 4)
B) w = (-2, -2, 0)
C) w = (0, 0, 0)
D) w = (0, 0, 3)
E) w = (3, 3, 0)
Para completar R para que seja base do IR3 devemos acrescentar um vetor que torne o conjunto LI,
assim temos:
A) w = (6, -2, 4) não serve, pois é múltiplo de (3,-1,2), logo torna o conjunto LD.
B) w = (-2, -2, 0) não serve, pois é múltiplo de (1,1,0), logo torna o conjunto LD.
C) w = (0, 0, 0) não serve, pois torna o conjunto LD.
D) w = (0, 0, 3) serve, pois torna o conjunto LI, formando assim uma base do IR3.
E) w = (3, 3, 0) não serve, pois é múltiplo de (1, 1, 0), logo torna o conjunto LD.
4. Indique a afirmação correta:
A) {(2,-1),(4,-2)} é base do IR2.
B) {(1, 0, 1),(0, 2, 3)} é base do IR3.
C) A dimensão do IR5 é 6.
67
Unidade II
D) {(2,1, 3, 0),(0, 2, 1, 1), (0, 0, 2, 0)} é um conjunto li.
E) {(1,- 1),(0, 2), (3, 1)} é base do IR2.
Verificando cada uma das alternativas temos:
A) (F) os vetores são LD, são múltiplos, logo não podem formar uma base do IR2.
B) (F) os vetores são LI, porém toda base do IR3 deve ter 3 vetores, assim o conjunto não pode ser base
do IR3.
C) (F) a dimensão do IR5 é igual a 5.
D) (V) os vetores são LI, podemos verificar isso com o processo prático.
2 1 3 0 
0 2 1 1
  LI
 0 0 2 0
E) (F) toda base do IR2 deve ter 2 vetores, assim o conjunto dado não pode ser base.
5. O vetor coordenada de v = (3, 2, -1) em relação à base ordenada do IR3,
B = {(1,1,1), (0,1,-2), (0,0,1)} é:
 3
 
A) [ v ]B =  1
6 
 3
B) [ v ]B =  −1
 
 −6 
 −3
 
C) [ v ]B =  1 
 6 
68
3
 
D) [ v ]B =  −1
 6 
3
E) [ v ]B = 1 

 
 −6 
Para determinar o vetor coordenada de v devemos determinar os coeficientes da combinação linear

v = 〖a . b〗1+ b . b2 + c . b3 , isto é,
(3, 2, -1) = a . (1,1,1) + b . (0,1,-2) + c . (0,0,1)
(3, 2, -1) = (a, a + b, a - 2 b + c)
a = 3

a + b = 2 resolvendo o sistema temos a = 3, b = -1 e c = - 6
a − 2 b + c = −1

 3
Logo [ v ]B = −1

 
 −6 
6. O vetor coordenada de v = (0, 4, 3) em relação à base ordenada do IR3,
B = {(2,1,-1), (0,2,1), (0,0,1)} é:
0
[ v ]B =  1
 
2 
A)
0
B) [ v ]B =  −1
 
 0 
69
Unidade II
0
C) [ v ]B = 2 
 
 1
2
D) [ v ]B =  −1
 
 0 
0
E) [ v ]B = 1 

 
 −2
Para determinar o vetor coordenada de v devemos determinar os coeficientes da combinação linear

v= 〖a . b〗1 + b. b2 + c . b3, isto é:
(0, 4, 3) = a . (2, 1, -1) + b . (0, 2, 1) + c . (0,0,1)
(0, 4, 3) = (2a, a + 2 b, - a + b + c)
2 a = 0

a + 2 b = 4 resolvendo o sistema temos a = 0, b = 2 e c = 1
a + b + c = 3

 0
Logo [ v ]B =  2 
 
 1 
7. Sendo R = {(1,-1,0), (0,2,1), (0,0,1)} e S = {(1,1,0), (0,1,1), (0,0,1)} a matriz mudança de base de R
para S é:
 1 0 0
A)PS ← R =  −2 2 0
 
 2 −1 1
1 0 0
B) PS ← R = 2 2 0
 
2 1 1
70
 1 2 0
 
C) PS ← R =  −2 0 0
 2 1 1
 1 1 0
D) PS ← R =  −2 2 0
 
 2 1 1
 1 −2 2
D) PS ← R = 0 2 0
 
0 −1 1
Devemos calcular o vetor coordenada de cada um dos vetores da base R, assim:
r1 = 〖a . s1 + b . s2 + c . s3
(1, -1, 0) = a (1, 1,0) + b (0, 1, 1) + c (0, 0, 1)
(1, -1, 0) = (a, a + b, b + c)
a = 1

a + b = −1resolvendo o sistema temos, a = 1, b = -2 e c = - 2
b + c = 0

r2 = 〖a . s1 + b. s2 + c . s3
(0, 2, 1) = a (1, 1,0) + b (0, 1, 1) + c (0, 0, 1)
(1, -1, 0) = (a, a + b, b + c)
a = 0

a + b = 2 resolvendo o sistema temos, a = 0, b = 2 e c = - 1
b + c = 1

r3 = 〖a . s1 + b . s2 + c . s3
(0, 0, 1) = a (1, 1, 0) + b (0, 1, 1) + c (0, 0, 1)
71
Unidade II
(1, -1, 0) = (a, a + b, b + c)
a = 0

a + b = 0 resolvendo o sistema temos, a = 0, b = 0 e c = 1
b + c = 1

 1 0 0
 
Logo a matriz mudança de base é: PS ← R =  −2 2 0
 2 −1 1
8. Sendo R = {(1,-1,0), (0,2,1), (0,0,1)} e S = {(1,1,0), (0,1,1), (0,0,1)} a matriz mudança de base da
base S para R é:
 1 1 0
 
A) PR ← S =  21 2 0
 1 −1 1
2 
 1 1 0
 
B) PR ← S =  − 21 2 0
 1 1 1
 2 
 1 0 0
 
C) PR ← S =  1 21 0
 −1 1 1
 2 
 1 1 0
 
D) PR ← S =  1 2 0
 1 −1 1
2 
1 1 0
 
E) PR ← S = 1 21 1
1 1 1
 2 
Devemos calcular o vetor coordenada de cada um dos vetores da base S, assim:
s1 = 〖a . r1 + b . r2 + c . r3
72
(1, 1, 0) = a (1, -1,0) + b (0, 2, 1) + c (0, 0, 1)
(1, 1, 0) = (a, - a + 2 b, b + c)
a = 1

 −a + 2b = 1 resolvendo o sistema temos, a = 1, b = 1 e c = - 1
b + c = 0

s2 = 〖a . r1 + b . r2 + c . r3
(0, 1, 1) = a (1, -1, 0) + b (0, 2, 1) + c (0, 0, 1)
(0, 1, 1) = (a, - a + 2 b, b + c)
a = 0

 −a + 2b = 1 resolvendo o sistema temos, a = 0, b = ½ e c = ½
b + c = 1

s3 = 〖a . r1 + b . r2 + c . r3
(0, 0, 1) = a (1, -1,0) + b (0, 2, 1) + c (0, 0, 1)
(0, 0, 1) = (a, - a + 2b, b + c)
a = 0

 −a + 2b = 0 resolvendo o sistema temos, a = 0, b = 0 e c = 1
+c = 1

 
1 0 0
 
1
Logo, a matriz mudança de base é: PR ← S =  1 0
 2 
 1 
 −1 − 1
 2 
2
 
9. Sabendo que o vetor coordenada de v na base R é [ v ]R = 1 e que a matriz mudança de base de
 1 0 0 3
 
R para S é dada por PS ← R =  −2 2 0 o vetor coordenada de v na base S é:
 2 −1 1
73
Unidade II
2 
A) [ v ]s = 2 
 
0
2
B) [ v ]s =  −1
 
 0 
0
C) [ v ]s = 2 
 
 1
2 
D) [ v ]s =  1
 
6 
2
E) [ v ]s =  −2
 
 6 
Para calcular o vetor coordenada de v na base R vamos utilizar:
[ v] S = PS ← R [v] R
 1 0 0 2
[ v] S =  −2 2 0 . 1 .
   
 2 −1 1 3
2
[ v] S =  −2 .
 
 6 
3
 
10. Sabendo que o vetor coordenada de v na base S é [ v ]s =  2  e que a matriz mudança de base
 1 0 0  −1

de S para R é dada por PR ← S = 1 1 
0 o vetor coordenada de v na base R é:
 2 
 −2 1 4 
74
4 
A) [ v ]R = 2 
 
 0 
2 
B) [ v ]R =  3
 
0
0
C) [ v ]R =  2 
 
 −8
3
D) [ v ]R =  4 
 
 −8
2
E) [ v ]R =  −2
 
 6 
Para calcular o vetor coordenada de v na base S vamos utilizar:
[ v] R = PR ← S [v] S
1 0 0
 3
1 
[ v] R =1 0 . 2 .
 2   
 −2  −1
 1 4 
3
[ v] R = 4 .
 
 −8
75
Unidade II
Resumo
Vimos nesta unidade as noções de base e dimensão.
Iniciamos com o processo prático para determinação de vetores LI e LD,

nele utilizamos as operações básicas nas linhas da matriz formada pelas
coordenadas dos vetores.
Um conjunto ordenado B de vetores de V é uma base de V se e somente se:
a) B gera V, isto é, V = [ B ].
b) B é LI.
O número de vetores da base do espaço V, chamamos de dimensão de V.
Chamamos de vetor coordenada de u em relação à base B, ao vetor

formado pelos coeficientes da combinação linear dos vetores na base B.
u = a1 . v1 + a2 . v2 + . . . + an . vn
 a1 
a 
[ u ] =  2 
 
an 
Matriz mudança de base, da base R para base S - PS ← R, é formada pelos

vetores coordenada de cada vetor de R em relação à base S, colocados em
colunas.
76
Unidade III
5 TRANSFORMAÇÃO LINEAR
5.1 Definição
Sejam U e V espaços vetoriais e T: U → V uma função, T é uma transformação linear se satisfaz as

condições:
1) ∀ a, b ∈ U
T (a + b) = T(a) + T(b)
2) ∀ a ∈ U, ∀a ∈ IR
T (aa) = a T(a)
Também encontramos os termos aplicação linear ou função linear para indicar uma transformação
linear.
5.1.1 Operador linear
Toda transformação linear do espaço, nele mesmo, recebe o nome de operador linear.
Observação
Todo operador linear é uma transformação linear, mas nem toda

transformação linear será um operador linear.
T linear e T: U → U então T é um operador linear
5.2 Algumas propriedades
Sendo T: U → V uma transformação linear temos:
1. T(0u) = 0v
(isto é, uma transformação linear leva zero de U em zero de V)

Note que: Se T(0u) ≠ 0v então T não é linear.
77
Unidade III
Assim, para verificar se uma transformação é linear, devemos inicialmente calcular T(0u) daí:
- se T(0u) = 0v , nada se conclui e devemos verificar as 2 condições da definição
- se T(0u) ≠ 0v concluímos que a transformação não é linear
2. ∀a, b ∈ U, ∀a, b ∈ IR
T(aa + bb) = a T(a) + b T(b)
De modo geral temos:
3. ∀a1, a2, ... , an ∈ U, ∀a1, a2, ...,an ∈ IR
T(α1 a1 + α2 a2 +  + αn an ) = α1 T(a1) + α2 T(a2 ) +  + αn T(an )
Exemplos:
Verifique quais transformações são lineares:
a) F: IR2 → IR, F (x,y) = -x + 7y + 3
Calculando F(0,0) temos:
F(0,0) = 0 + 7 . 0 + 3 = 3 ≠ 0 (vetor nulo de IR) logo F não é linear.
b) T: IR2 → IR2, definida por T (x,y) = (x, 2x - y)
Calculando T (0,0) temos:
T(0,0) = (0, 2.0 - 0) = (0, 0); nada se conclui e devemos verificar as 2 condições da definição de
transformação linear.
(1) T (a + b) = T (a) + T (b), ∀ a, b ∈ IR2
Sejam a = (x, y) ∈ IR2, b= (r, s) ∈ IR2
T (a + b) = T (x + r, y + s) = ((x + r) , 2.(x + r) - (y + s)) =

= (x + r, 2x + 2r – y – s)
T(a) + T (b) = T (x, y) + T (r, s) = (x, 2x – y) + (r, 2r – s) =

= (x + r, 2x – y + 2r – s) = (x + r, 2x + 2r – y – s)
Logo T (a + b) = T (a) + T (b) e vale (1)
78
(2) T (α a) = α T (a), ∀ a ∈ IR2 , ∀ α ∈ IR
Sejam a = (x, y) ∈ IR2, α ∈ IR

T(α . a) = T (α. (x, y)) = T (α x, α y) = (α x, 2 (α x) - (α y))
a . T(a) = α. T(x, y) = α. (x, 2x - y) = (α x, α (2x - y)) =
= (α x, 2(α x) - (α y))
Logo T (α . a) = α . T (a), e vale (2).
Portanto T é transformação linear.
c) T: IR3 → IR3, definida por T(x, y, z) = (x2, x + y, z)
Calculando T (0, 0, 0) temos:
T(0, 0, 0) = (02, 0 + 0, 0) = (0, 0, 0); nada se conclui e devemos verificar as 2 condições da definição
de transformação linear.
(1) T (a + b) = T (a) + T (b), ∀ a, b ∈ IR3
Sejam a = (x, y, z) ∈ IR3 e b = (r, s, t) ∈ IR3

T (a + b) = T (x + r, y + s, z + t) =
= ((x + r)2, x + r + y + s, z + t)
T (a) + T (b) = T (x, y, z) + T (r, s, t) =
= (x2, x + y, z) + (r2, r + s, t) =
= (x2 + r2, x + y + r + s, z + t)
Como (x + r)2 ≠ x2 + r2 (em geral), segue que

T (a + b) ≠ T (a) + T (b).
Logo, não vale a condição (1) e T não é transformação linear.
d) Seja T: IR3 → IR3 , linear dada por T (x, y, z) = (2x + z, y, 0) determinar a imagem dos vetores pela
transformação
i) (1, -1, 2) ii) (2, 0, 1) iii) (0, 2, -1)
Devemos substituir as coordenadas dos vetores na expressão de T, assim
i) T (1, -1, 2) = (2.1 + 2, -1, 0) = (4, -1, 0)

ii) T (2, 0, 1) = (2. 2 + 1, 0, 0) = (5, 0, 0)
iii) T (0, 2, -1) = (2 . 0 + (-1), 2, 0) = (-1, 2, 0)
79
Unidade III
e) Sendo que T é uma transformação linear de IR3 em IR3, determine T(x,y,z), dados T(1,0,2) = (1,1,2),
T(0,1,1) = (0,-1,2) e T(0,0,1) = (0,0,1), e B base do IR3 B = {(1,0,2), (0,1,1), (0, 0,1)}.
Como B é base do espaço, podemos escrever qualquer vetor do IR3 como combinação linear dos
vetores de B, assim temos:
(x,y,z) = a . (1,0,2) + b . (0,1,1) + c . (0,0,1)
multiplicando pelos escalares e somando os vetores vem:
(x,y,z) = (a, b, 2a + b + c)
daí temos o sistema
x = a

y = b
z = 2a + b + c

resolvendo o sistema encontramos a = x, b = y e c = z – 2x – y
Guardamos estes resultados para aplicar depois.
Em T(x,y,z) vamos substituir o vetor (x,y,z) pela combinação linear dos vetores de B, assim temos:
T(x,y,z) = T (a . (1,0,2) + b . (0,1,1) + c . (0,0,1))
como a transformação é linear, utilizando a propriedade 3 do item 3.2 podemos escrever
T(x,y,z) = a . T (1, 0, 2) + b . T (0, 1, 1) + c . T (0, 0, 1)
Substituindo os dados do enunciado encontramos
T(x,y,z) = a . (1, 1, 2) + b . (0, -1, 2) + c . (0, 0, 1)
substituindo agora os resultados encontrados no sistema temos
T(x,y,z) = x . (1, 1, 2) + y . (0, -1, 2) + (z – 2x – y) . (0, 0, 1)
Multiplicando pelos escalares e somando os vetores temos
T(x,y,z) = (x, x – y , 2x + 2y + z – 2x - y), isto é,

T(x,y,z) = (x, x – y , y + z)
80
Saiba mais
Você pode encontrar mais exemplos de transformações lineares nos

livros indicados em nossa bibliografia.
5.3 Núcleo
5.3.1 Definição
Seja T: U → V uma transformação linear. Chamamos de núcleo da transformação linear T o conjunto

N(T), dado por
N(T) = {a ∈ U | T(a) = 0}
Notação: N(T) = Ker(T), (abreviatura da palavra inglesa Kernel)
Exemplos:
Determinar o núcleo das transformações lineares
1) F: IR2 → IR2 definida por F (x,y) = (x - y, y)

N (F) = {(x, y) ∈ IR2 | F(x, y) = (0,0)}
x − y = 0
F (x,y) = (x - y, y) = (0,0) ⇒ 
y = 0
Resolvendo o sistema temos x = y = 0
Logo N (F) = {(0,0)}, (subespaço trivial ou nulo)
2) T: IR3 → IR3 dada por, T(x,y,z) = (0, y - x, x + z)

N(T) = {(x,y,z) ∈ IR3 | T(x,y,z) = (0,0,0)}
0 = 0

T(x,y) = (0, y - x, x + z) = (0,0,0) ⇒ y − x = 0
x + z = 0

Resolvendo o sistema temos: y = x, z = -x e x qualquer (sistema possível e indeterminado)
Logo N (T) = {(x,y,z) ∈ IR3 | y = x e z = -x}, isto é,

N (T) = {(x, x,-x) | x ∈ IR}
81
Unidade III
5.3.2 Propriedades
1. N(T) é subespaço de U
Devemos verificar as 3 condições da definição de subespaço
(1) N (T) ≠ ∅, pois, 0U ∈ N (T)

(2) ∀ a, b ∈ N (T), a + b ∈ N (T)
Como T é linear, temos que T (a + b) = T (a)+ T(b), mas a, b ∈ N (T), assim,
T (a + b) = T (a)+ T(b) = 0 + 0 = 0, portanto a + b ∈ N (T)

(3) ∀ a ∈ N (T), ∀a ∈ IR, temos a.a ∈ N(T)
a ∈ N (T) ⇒ T(a) = 0
T(a.a) = a T(a) = a.0 = 0 , donde a.a ∈ N(T)
De (1), (2) e (3) temos que N (T) é subespaço de U.
2. N(T) = {0} ⇔ T é injetora
Demonstra-se facilmente utilizando a definição de função injetora.
Exemplos:
Determinar uma base e a dimensão do núcleo das transformações do exemplo anterior
Já vimos que N (F) = {(0,0)}, temos então que B = ∅ é base de N(F) e dim N(F) = 0
Como já vimos N (T) = {(x, x,-x) | x ∈ IR}, temos que um sistema de geradores de N(T) é S = {(1,1,-1)}
e como S é LI, concluímos que S é uma base de N(T) e dim N(T) = 1.
5.4 Imagem da transformação linear
5.4.1 Definição
Imagem da transformação linear é o conjunto
Im(t) = {v ∈ V | v = T(a), a ∈ U}
82
Exemplos:
Determinar a imagem das transformações lineares

Im (F) = {(x, y) ∈ IR2 | (x, y) = F(a,b)} = {(x – y, y) | x , y ∈ IR}

Im (T) = {(0, y - x, x + z) | x,y,z ∈ IR}
5.4.2 Propriedades
1. Im (T) é subespaço de V
Pode-se verificar facilmente que valem as 3 condições da definição
2. Im(T) = V ⇔ T é sobrejetora
3. Teorema da dimensão
Sendo T: U → V uma transformação linear temos:
dim Im (T) + dim N(T) = dimU
Lembrete
Como o núcleo e a imagem de uma transformação linear são subespaços,

podemos determinar uma base e a dimensão para eles.
Exemplos:
1. Determinar uma base e a dimensão da imagem das transformações do exercício anterior
a) F: IR2 → IR2 definida por F (x,y) = (x - y, y)
Já sabemos que Im (F) = {(x – y, y) | x , y ∈ IR}, vamos determinar um sistema de geradores de Im (F).
Como o vetor tem 2 letras, podemos separar em 2 vetores, cada um com uma letra, (x – y , y) = (x,
0) + (- y , y) colocando as letras em evidência, encontramos os geradores (x – y, y) = (x, 0) + (-y, y) =
x (1, 0) + y (-1, 1) logo B = {(1, 0), (-1, 1)} gera Im (F), falta provar que são LI.
Montando a matriz e escalonando temos:
83
Unidade III
 1 0  1 0
 −1 1 ~  0 1 vetores LI, logo B é base de Im (F) e dim Im (F) = 2
b) T: IR3 → IR3 dada por T(x,y,z) = (0, y - x, x + z)
Já sabemos que Im(T) = {(0, y - x, x + z) | x,y,z ∈ IR} vamos determinar um sistema de geradores de
Im (T).
Como o vetor tem 3 letras, podemos separar em 3 vetores, cada um com uma letra, (0, y - x, x + z) =
(0, - x, x) + (0, y, 0) + (0, 0, z) colocando as letras em evidência encontramos os geradores (0, y - x, x + z)
= x (0, - 1, 1) + y (0, 1, 0) + z (0, 0, 1)
S = {(0, -1, 1), (0, 1, 0), (0, 0, 1)} gera Im (T), falta verificar se são LI.
Montando a matriz e escalonando temos:
 0 −1 1  0 −1 1  0 −1 1
 0 1 0 ~  0 0 1 ~  0 0 1
     
 0 0 1  0 0 1  0 0 0
L 2 = L 2 + L1 L 3 = L 3 + L2
os 3 vetores são LD, mas os 2 primeiros são LI, logo B = {(0, -1, 1), (0, 1, 0)}, é base de Im (T) e dim
Im (T) = 2
2. Determinar o núcleo, a imagem, uma base e a dimensão do núcleo e da imagem de cada uma das
transformações
a) T:IR3 → IR2 definida por H (x, y, z) = (x + y - z, -x + y)
N(T)
N(T) = {(x, y, z) ∈ IR3 | T(x, y, z) = (0,0)}

T(x, y, z) = (x + y - z, -x + y) = (0,0)
x + y − z = 0

−x + y = 0
resolvendo o sistema temos y = x e z = 2x e assim
N (T) = {(x, y, z) ∈ IR3 | y = x e z = 2x} ou

N (T) = {(x, x, 2x) | x ∈ IR}
84
Base de N(T)
Os vetores de N(T) tem só uma letra, logo, encontraremos só 1 gerador, (x, x, 2x) = x (1, 1, 2)
B = {(1, 1, 2)} gera N(T) e como B é LI, temos que B = {(1, 1, 2)} é uma base de N(T) e dim N(T) = 1
ImT
ImT = {(x + y - z, -x + y) | x, y, z ∈ IR}
Base de ImT
Os vetores da ImT têm 3 letras, logo, encontraremos 3 geradores (x + y - z, -x + y) = (x, -x) + (y, y) +
(-z, 0) colocando as letras em evidência
(x + y - z, -x + y) = (x, -x) + (y, y) + (-z, 0) = x (1, -1) + y (1,1) + z (-1,0)
assim ImT= [(1, -1), (1, 1), (-1, 0)], falta verificar se os geradores são LI montando a matriz e
escalonando vem:
 1 −1  1 −1
 1 1  ~ 0 2 
   
 −1 0   0 0 
concluímos então que os 3 vetores são LD, porém, os 2 primeiros são LI, logo B = {(1, -1), (1, 1)} é
base da ImT e dim ImT = 2.
b) F: IR4 → IR3, F (x, y, z, t) = (2x + y - t, x - 2y -z, 0)
N(F)
N (F) = {(x, y, z, t) ∈ IR4 | F (x, y, z, t) = (0,0,0)}

F (x, y, z, t) = (2x + y -t, x - 2y -z, 0) = (0,0,0)
2x + y − t = 0

 x − 2y − z = 0
0 = 0

resolvendo o sistema temos z = x – 2y e t = 2x + y
Logo N (F) = {(x, y, z, t) ∈ IR4 | t = 2x + y e z = x - 2y} ou
85
Unidade III
N (F) = {(x, y, x - 2y, 2x + y) | x, y ∈ IR}
Base de N(F)
Os vetores de N(F) têm 2 letras, logo, encontraremos 2 geradores, (x, y, x – 2y, 2x + y) = x (1, 0, 1, 2)
+ y (0, 1, -2, 1)
B = {(1, 0, 1, 2), (0, 1, -2, 1)} gera N(F) e falta verificar se B é LI
Montando a matriz temos
 1 0 1 2
 0 1 −2 1
como a matriz já está escalonada, os vetores são LI, logo, B = {(1, 0, 1, 2), (0, 1, -2, 1)} é uma base
de N(F) e dim N(F) = 2
Im(F)
Im F = {(2x + y - t, x - 2y - z, 0) | x, y, z, t ∈ IR}
Base de Im(F)
Os vetores da Im F têm 4 letras, logo, encontraremos 4 geradores
(2x + y - t, x - 2y - z, 0) = (2x, -x, 0) + (y, -2y, 0) + (0, -z, 0)
colocando as letras em evidência
(2x + y - t, x - 2y - z, 0) = x (2, -1, 0) + y (1, -2, 0) + z (0, -1, 0)
assim Im F = [(2, -1, 0), (1, -2, 0), (0, -1, 0)], falta verificar se os geradores são LI
montando a matriz e escalonando vem:
 2 −1 0  2 −1 0
 1 −2 0 ~  0 3 0
   
 0 −1 0  0 0 0
concluímos então que os 3 vetores são LD, porém, os 2 primeiros são LI, logo, B = {(2, -1, 0), (1, -2, 0)}
é base da ImF e dim ImF = 2.
86
Lembre que você também pode pegar como vetores da base os 2 vetores da matriz escalonada
c) F: IR2→ IR2 definida por F(x, y) = (x - y, y)
N(F)
N (F) = {(x, y) ∈ IR2 | F (x, y) = (0, 0)}

F (x, y) = (x - y, y) = (0, 0)
x − y = 0

y = 0
resolvendo o sistema temos x = 0 e y = 0

N (F) = {(0,0)} (subespaço trivial ou nulo)
Base de N(F)
Como N(F) = {(0,0)} temos B = ∅ é base do núcleo e dim N(F) = 0
Im(F)
Im F = {(x - y, y) | x, y ∈ IR}
Base de Im (F)
Os vetores da Im F têm 2 letras, logo, encontraremos 2 geradores

(x - y, y) = (x, 0) + (-y, y)
colocando as letras em evidência

(x - y, y) = (x, 0) + (-y, y) = x (1, 0) + y (-1, 1)
assim Im F = [(1, 0), (-1, 1)], falta verificar se os geradores são LI montando a matriz e escalonando
vem:
 1 0  1 0
 −1 1 ~  0 1
os vetores são LI, logo, B = {(1,0), (-1,1)} é base da Im F e dim Im F = 2.
Lembre que você também pode pegar como vetores da base os 2 vetores da matriz escalonada, isto
é, B = {(1, 0), (0, 1)} também é base da Im F
87
Unidade III
5.5 Matriz da transformação linear
Sejam T: U → V linear, A = {u1, u2, ...,un} e B = {v1, v2, ...,vm} base de U e V respectivamente.
Como B é base de V, podemos escrever T(ui) como combinação linear destes vetores, assim:
T(u1) = a11v1 + a21v2 + ... + am1vm

T(u2 ) = a12v1 + a22v2 + ... + am2vm

T(un ) = a1nv1 + a2nv2 + ... + amnvm
Chamaremos de matriz da transformação linear T, em relação às bases A e B, à matriz m x n formada

pelos coeficientes da combinação linear acima (vetor coordenada), colocados em colunas
 a11 a12 … a1n 

a a22 … a2n 
( T )A, B =  21 
 
 a … amn 
m1 am2
↑ ↑ ↑
T(u1) T(u2 ) T(un )
Observações:
1. Se U = V, isto é, T é operador linear e as bases A e B são iguais, então podemos escrever (T)A,A= (T)A
2. Se T: U → V é linear e as bases A e B são canônicas, então podemos escrever (T)A,B=(T).
Assim, quando não houver indicação da base na matriz, estaremos trabalhando com a base
canônica.
Lembrete
A base canônica do IR3 é formada pelos vetores (1,0,0), (0,1,0) e (0,0,1).
Exemplos:
1. Sendo T: IR3 → IR2 linear dada por T(x, y, z) = (x + z, x + y), determinar a matriz de T em relação
a A = {(1,0,0), (0,1,-1), (0,0,1)} base do IR3 e a B = {(1,1), (0,-1)} base do IR2.
88
Inicialmente devemos calcular T nos vetores da base A
T(1,0,0) = (1+ 0,1 + 0) = (1, 1)

T(0,1, -1) = (0 - 1, 0 +1) = (-1, 1)
T(0,0,1) = (0 + 1,0 + 0) = (1, 0)
Devemos escrever cada T(ai) como combinação linear dos vetores da base B, assim T(1,0,0) = (1, 1) =
a11 (1, 1) + a21 (0, -1)
Multiplicando pelos coeficientes e somando os vetores encontramos o sistema
a11 = 1

a11 − a21 = 1 ⇒ a21 = 0
estes serão os valores da 1ª coluna da matriz
T(0,1, -1) = (-1, 1) = a12 (1, 1) + a22 (0, -1)
a12 = −1

a12 − a22 = 1 ⇒ a22 = −2
T(0,0,1) = (1, 0) = a13 (1, 1) + a23 (0, -1)
a13 = 1

a13 − a23 = 0 ⇒ a23 = 1
1 -1 1
Logo ( T )A ,B = 
 0 -2 1 
2. Consideremos o operador linear do IR3, T (x, y, z) = (x, 2x – y, z) e as bases do IR3 A = {(1,1,1), (0,1,-1),
(0,0,1)} e B = {(1,0,0), (0,1,0), (0,0,1)} determine as matrizes (T)A,B; (T)B,A; (T)A e (T)B
89
Unidade III
Calculando (T)A,B
Devemos calcular os valores de T para cada um dos vetores de A e escrever como combinação linear
dos vetores de B
T(a1) = T(1, 1,1) = (1, 1, 1) = a1 (1, 0, 0) + b1 (0,1, 0) + γ1 (0, 0, 1)

T(a2) = T(0,1,-1) = (0,-1,-1) = a2 (1, 0,0) + b2 (0,1,0) + γ2 (0, 0, 1)
T(a3) = T(0, 0,1) = (0, 0, 1) = a3 (1, 0, 0) + b3 (0, 1, 0) + γ3 (0, 0, 1)
Multiplicando os coeficientes e somando os vetores temos os sistemas
α1 = 1

β1 = 1
γ = 1
 1
α 2 = 0

β2 = −1
 γ = −1
 2
α 3 = 0

β3 = 0
γ = 1
 3
1 0 0
Logo (T)A,B = 1 −1 0
 
1 −1 1
Calculando (T)B,A
Agora devemos calcular os valores de T para cada um dos vetores de B e escrever como combinação
linear dos vetores de A
T(b1) = T(1, 0, 0) = (1, 2, 0) = a1 (1, 1, 1) + b1 (0, 1, -1) + γ1 (0, 0, 1)

T(b2) = T(0, 1, 0) = (0, -1, 0) = a2 (1, 1, 1) + b2 (0, 1, -1) + γ2 (0, 0, 1)
T(b3) = T(0, 0, 1) = (0, 0, 1) = a3 (1, 1, 1) + b3 (0, 1, -1) + γ3 (0, 0, 1)
90
Multiplicando os coeficientes e somando os vetores temos os sistemas
α1 = 1 → α1 = 1

α1 + β1 = 2 → β1 = 1
α − β + γ = 0 → γ = 0
 1 1 1 1
α 2 = 0 → α 2 = 0

α2 + β2 = −1 → β2 = −1
α − β + γ = 0 → γ = −1
 2 2 2 2
α 3 = 0 → α 3 = 0

α 3 + β3 = 0 → β3 = 0
α − β + γ = 1 → γ = 1
 3 3 3 3
 1 0 0
Logo (T)B,A =  1 −1 0
 
 0 −1 1
Observe que as matrizes (T)A,B e (T)B,A são diferentes, isso ocorre na maior parte dos casos.
Calculando (T)A
Devemos calcular T nos vetores de A e escrever como combinação linear dos vetores da base A
T(a1) = T(1, 1, 1) = (1, 1, 1) = a1 (1, 1, 1) + b1 (0, 1, -1) + γ1 (0, 0, 1)

T(a2) = T(0, 1, -1) = (0, -1, -1) = a2 (1, 1, 1) + b2 (0, 1, -1) + γ2 (0, 0, 1)
T(a3) = T(0, 0, 1) = (0, 0, 1) = a3 (1, 1, 1) + b3 (0, 1, -1) + γ3 (0, 0, 1)
α1 = 1

α1 + β1 = 1 → β1 = 0
α − β + γ = 1 → γ = 0
 1 1 1 1
α 2 = 0

α2 + β2 = −1 → β2 = −1
α − β + γ = −1 → γ = −2
 2 2 2 2
α 3 = 0

α 3 + β3 = 0 → β3 = 0
α − β + γ = 1 → γ = 1
 3 3 3 3
91
Unidade III
 1 0 0
Logo (T)A =  0 −1 0
 
 0 −2 1
Calculando (T)B
Devemos calcular T nos vetores de B e escrever como combinação linear dos vetores da base B
T(b1) = T(1, 0, 0) = (1, 2, 0) = a1 (1, 0, 0) + b1 (0, 1, 0) + γ1 (0, 0, 1)

T(b2) = T(0, -1, 0) = (0, -1, 0) = a2 (1, 0, 0) + b2 (0, 1, 0) + γ2 (0, 0, 1)
T(b3) = T(0, 0, 1) = (0, 0, 1) = a3 (1, 0, 0) + b3 (0, 1, 0) + γ3 (0, 0, 1)
α1 = 1

β1 = 2
γ = 0
 1
α 2 = 0

β2 = −1
γ = 0
 2
α 3 = 0

β3 = 0
γ = 1
 3
 1 0 0
Logo (T)B =  2 −1 0
 
 0 0 1
1 0 
3) Dada a matriz ( T )A ,B =  0 1 , determinar a transformação linear de IR2 em IR3, sendo A = {(1,1), (0,1)}
 
 2 1
base do IR e = {(1,1,0), (0,1,0), (0,0,1)} base do IR3 .
2
Pela definição de matriz da transformação linear temos que os escalares da combinação linear dos
vetores de B são os elementos das colunas da matriz, assim podemos escrever
T(1, 1) = 1(1, 1, 0) + 0(0, 1, 0) + 2(0, 0, 1) (escalares da 1ª coluna) e daí, T(1, 1) = (1, 1, 2)
T(0,1) = 0(1, 1, 0) + 1(0, 1, 0) + 1(0, 0, 1) (escalares da 2ª coluna) e daí, T(0,1) = (0, 1, 1)
92
Como A é base do IR2, temos que qualquer vetor do espaço pode ser escrito como combinação linear
dos vetores de A. Assim
∀(x,y) ∈ R2, (x,y)=a (1,1)+b (0,1)
multiplicando pelos escalares e somando os vetores vem:

(x, y) = (a, a + b) e encontramos o sistema
a =x

a +b =y ⇒ b =y-x
resolvendo o sistema encontramos a = x e b = y – x.
Guardamos estes resultados para aplicar depois.
Em T(x,y) vamos substituir o vetor (x,y) pela combinação linear dos vetores de A, assim temos:
T(x,y) = T (a(1,1) + b (0,1)) como a transformação é linear, utilizando a propriedade 3 do item 3.2
podemos escrever
T(x,y) = a . T (1,1) + b . T (0,1)
substituindo os valores calculados anteriormente temos
T(x,y) = a . (1, 1, 2) + b . (0, 1, 1)
substituindo agora os resultados encontrados no sistema temos
T(x,y) = x . (1, 1, 2) + (y – x) . (0, 1, 1)
multiplicando pelos escalares e somando os vetores temos
T(x,y) = (x, x + y - x , 2x + y - x) , isto é, T(x,y) = (x, y , x + y),
5.6 Operador inversível
Dizemos que T: U → U, um operador linear, é inversível se existe o operador linear T-1: U → U tal que
T o T-1 = I, isto é, a composta de T e T-1 é igual ao operador de identidade.
(T o T-1) (u) = T (T-1(u)) = u
93
Unidade III
Lembrete
Só estudaremos se uma transformação linear é inversível se for um

operador linear.
1. T operador inversível ⇔ det (T)C ≠ 0, onde (T)C indica a matriz canônica (matriz em relação à
base canônica)
2. T operador inversível ⇔ N(T) = {0}
3. T operador inversível então (T)-1 = (T-1), matriz canônica
Exemplo:
Verificar se os operadores são inversíveis; se forem, determine o operador inverso
a) T(x, y) = (x – y, x)
Vamos inicialmente determinar a matriz canônica de T
Já sabemos que a base canônica do IR2 é C = {(1,0), (0,1)}, assim
T(1, 0) = (1, 1)
T(0, 1) = (-1,0)
e daí temos:
1 −1
( T )C = 
1 0 
Para T ser inversível devemos ter det (T)C ≠ 0, calculando o determinante temos
1 −1
det( T )C = = 0 - 1 . (-1) = 1 ≠ 0 logo T é inversível
1 0
Falta determinar o operador inverso
94
1° modo – Vamos determinar os valores de x e y tais que
T-1(a, b) = (x, y), isto é, T(x, y) = (a, b)
Igualando os valores de T temos
T(x, y) = (x – y, x) = (a, b)
e daí vem o sistema
x − y = a

x = b
resolvendo o sistema temos
x=bey=b–a
Substituindo em T-1(a, b) = (x,y) vem:
T-1(a, b) = (b, b - a) ou T-1(x, y) = (y, y - x)
2° modo – Utilizando matrizes (T)-1 = (T-1)
1 −1
Como já calculamos a matriz canônica de T é ( T)C =   , determinando a inversa da matriz (T)C
 1 0
 0 1
temos ( T )C−1 =  .
 −1 1
Para determinar o operador inverso devemos multiplicar a matriz inversa pelo vetor coluna de (x, y),
 x   0 1  x   y 
( T )C−1.   =   .  =   logo T-1(x, y) = (y, y - x)
 y  −1 1  y  − x + y
b) T(x, y) = (3y, y)
Vamos inicialmente determinar a matriz canônica de T
Já sabemos que a base canônica do IR2 é C = {(1, 0), (0, 1)}, assim
T(1, 0) = (0, 0)
T(0, 1) = (3, 1)
e daí temos:
 0 3
( T )C = 
 0 1
95
Unidade III
Para T ser inversível devemos ter det (T)C ≠ 0, calculando o determinante temos
0 3
det( T )C = = 0 . 1 - 3 . 0 = 0 logo T não é inversível
0 1
5.7 Matriz mudança de base
Consideremos A e B bases ordenadas de um espaço V, A = {u1, u2,...,un} e B = {v1, v2, ...,vn}.
Para determinar a matriz, mudança da base A para a base B, vamos escrever cada vetor de A como
combinação linear dos vetores de B, a matriz formada pelos coeficientes desta combinação linear
(colocados como colunas) é chamada de matriz mudança de base de A para B.
u1 = a11v1 + a21v2 + ... + an1vn

u2 = a12v1 + a22v2 + ... + an2vn

un = a1nv1 + a2nv2 + ... + annvn
 a11 a12 … a1n 

a … a2n 
A 21 a22
Ι B 
=


 a … ann 
n1 an2
↑ ↑ ↑
u1 u2 un
1. A matriz mudança de base de A para B é inversível e sua inversa é igual à matriz mudança de base
de B para A.
( )
−1
ΙBA = ΙBA
α  β 
2. Sejam A e B bases de um espaço U e (u)A =  α 1  e (u)B =  1 
as matrizes coluna das
 2 β
 2
coordenadas de u em relação a essas bases, então temos (u)B = ΙB . (u)A
A
3. Consideremos o operador linear T:U → U e A, B bases de U, então as matrizes (T)B e (T)A são
semelhantes, isto é, podemos escrever (T)B = ( ΙBA )-1 . (T)A . ΙBA
96
Exemplo
Sejam A = {(2, 1), (1,1)} e B = {(1,0), (1,-1)} bases do IR2.
a) Calcule ΙBA (matriz de mudança de base de A para B)
b) Usando ΙBA , calcule (u)B, sabendo que (u)A =  

2
1
a) Para determinar a matriz mudança de base A para B vamos escrever os vetores de A como
combinação linear dos vetores de B,
(2, 1) = a11(1, 0) + a21(1, -1)

(1, 1) = a12(1, 0) + a22(1, -1)
multiplicando pelos escalares e igualando os vetores temos os sistemas
 a11 + a21 = 2

 -a21 = 1
resolvendo o sistema temos a11 = 3 e a21 = -1 (coeficientes da 1ª coluna da matriz)
 a12 + a22 = 1

 -a22 = 1
resolvendo o sistema temos a12 = 2 e a22 = -1 (coeficientes da 2ª coluna da matriz), logo
A  3 2
Ι B
=
 -1 -1
b) usando (u)B = ΙBA . (u)A temos
 3 2  2  8 
(u)B =   .  = 
 −1 −1 1  −3
8
logo (u)B =  
 −3
97
Unidade III
6 OPERADORES
6.1 Operador ortogonal
Um operador linear é chamado de ortogonal se vale para qualquer vetor do espaço:
| T(u) | = | u |
Exemplo:
Verificar se os operadores lineares são ortogonais:
a) T(x, y) = (x, 3y)
Devemos calcular o módulo de T(u) e de u e verificar se são iguais, assim,
| T(u)|= x2 + (3y )2 = x2 + 9y2
| u |= x2 + y2
comparando os dois resultados verificamos que são diferentes, logo, o operador linear não é
ortogonal.
b) T(x, y) = (x, -y)
| T(u)|= x2 + ( − y )2 = x2 + y2
| u |= x2 + y2
comparando os dois resultados verificamos que são iguais, logo, o operador linear é ortogonal.
c) T(x, y, z) = (x - y, y, z)
| T(u)|= ( x − y )2 + y2 + z2 = x2 + 2xy + y2 + z2
| u |= x2 + y2
comparando os dois resultados verificamos que não são iguais, logo, o operador linear não é
ortogonal.
98
6.2 Operador simétrico
Um operador linear é chamado de simétrico se sua matriz em relação a uma base ortonormal for
simétrica.
T: U → U operador simétrico ⇔ (T)B é simétrica, B

ortonormal
Utilizaremos como base ortonormal a base canônica do espaço.
Observações:
1. B é ortonormal ⇔ os vetores são 2 a 2 ortogonais e todos os vetores são unitários
Lembrete
Vetores são unitários se seus módulos, ou normas, são iguais a 1.
2. Se A é matriz simétrica, então A = At, isto é, a matriz e a sua transposta são iguais
Exemplos:
Verificar se os operadores lineares são simétricos:

a) T(x, y, z) = (2x + y, x + y, z)
Devemos calcular a matriz canônica de T
T(1, 0, 0) = (2, 1, 0)
T(0, 1, 0) = (1, 1, 0)
T(0, 0, 1) = (0, 0, 1)
Como é a matriz canônica, não precisamos fazer a combinação linear
 2 1 0
logo ( T ) =  1 1 0
 
 0 0 1
como a matriz é simétrica, temos que o operador é simétrico.
b) T(x, y, z) = (x - y, 3x + y, z + x)
Devemos calcular a matriz canônica de T
99
Unidade III
T(1, 0, 0) = (1, 3, 1)
T(0, 1, 0) = (-1, 1, 0)
T(0, 0, 1) = (0, 0, 1)
Como é a matriz canônica, não precisamos fazer a combinação linear
 1 −1 0
logo ( T ) =  3 1 0
 
 1 0 1
como a matriz não é simétrica, temos que o operador não é simétrico.
6.3 Operações com operadores lineares
6.3.1 Adição
Consideremos os operadores F: U → U e G : U → U, o operador soma de F e G é dado por
(F + G) (u) = F (u) + G (u), ∀u ∈ U
Exemplo:
Sendo F(x, y, z) = (2x, y + z, x – z) e G(x, y, z) = (x –y , y, x – 2z) determine o operador F + G.
(F + G) (x, y, z) = F(x, y, z) + G(x, y, z) =

= (2x, y + z, x – z) + (x –y , y, x – 2z) =
= (3x – y, 2 y + z, 2x – 3z)
Logo (F + G) (x, y, z) = (3x – y , 2y + z, 2x – 3z)
6.3.2 Multiplicação por escalar
Consideremos o operador F: U → U e o escalar k ∈ IR. O operador produto de F por k é dado por
(k F) (u) = k F(u), ∀u ∈ U
Observação: Se F e G são lineares, então F + G e k F também são lineares.
Exemplo:
1) Sendo F(x, y, z) = (x, y - 2z, – z) e G(x, y, z) = (y , y + x, x – z) determine o operador 2 F e 2F + G.
Inicialmente vamos calcular o operador 2 F
100
(2 F) (x, y, z) = 2 F(x, y, z) = 2 (x, y - 2z, – z) = (2x, 2y – 4z, -2z) agora somamos com G(x, y, z)
(2 F + G) (x, y, z) =2 F(x, y, z) + G(x, y, z) =
= (2x, 2y - 4z, – 2z) + (y, y + x, x – z) =
= (2x + y, 3y + x – 4z, x – 3z)
Logo (2 F + G) (x, y, z) = (2x + y, 3 y + x – 4z, x – 3z)
2) Sendo F(x, y) = (2x – y, 3 y) e G(x, y) = (0, x + y) determine F – 2 G.
(F–2 G)(x, y) = F(x, y) – 2G(x, y) = (2x - y, 3y) + 2 (0, x + y) = (2x - y - 0, 3y - 2x - 2y)
logo (F-2 G)(x, y) = (2x - y, - 2x + y)
6.3.3 Composição
Consideremos os operadores F e G tais que F: U → U e G: U → U. Chamamos operador composição

de G com F e denotamos G o F, o operador dado por
(G o F) (u) = G(F(u)), ∀u ∈ U
Observação
Note que as operações com os operadores lineares são semelhantes às

realizadas com funções.
Exemplo:
1) Sejam F, G : IR2 → IR2 operadores lineares dados por:
F(x, y) = (x - y, y) e G(x, y) = (x, 0). Determine F o G e G o F
FoG
(F o G) (x, y) = F(G(x, y)) = F(x - 0 , 0) = (x, 0)
logo (F o G) (x, y) = (x , 0)
GoF
(G o F) (x, y) = G(F(x, y)) = G(x - y, y) = (x – y, 0)
logo (G o F) (x, y) = (x –y, 0)
2) Sejam F, G : IR3 → IR3 operadores lineares dados por:
F(x, y, z) = (x - z, 2x – y, z) e G(x, y, z) = (2y + z, x + y, x + z)

Determine F o G e G o F
101
Unidade III
FoG
(F o G) (x, y, z) = F(G(x, y, z)) = F(2y + z, x + y , x + z) =
= ((2y +z) – (x + z), 2 (2y +z) – (x + y), x +z))
logo (F o G) (x, y, z) = (2y– x, 3y + 2z – x , x +z)
GoF
(G o F) (x, y, z) = G(F(x, y, z)) = G(x - z, 2x – y, z) =
= (2(2x - y) + z, x – z + 2x – y, x – z + z)
logo (G o F) (x, y, z) = (4x – 2y + z , 3x - y - z , x)
6.4 Determinantes
Determinante de uma matriz quadrada é um número real associado a ela.
Sendo A = (aij) matriz quadrada de ordem n representaremos o determinante desta matriz por det
A ou por | A | ,
a11 a12 a1n

a a a2n
det A = 21 22

an1 a2n ann
Para desenvolver o determinante temos vários modos, dependendo da ordem da matriz.
Matriz de ordem 1
Neste caso temos A = (a11) e det A = a11
Matriz de ordem 2
Neste caso temos
a a  a a
A =  11 12  e det A = 11 12 = a11.a22 − a21.a12
 a21 a22  a21 a22
Exemplo:
 1 −1
Calcular o determinante da matriz A = 
 2 0 
102
1 −1
det A = = 1. 0 − 2. (-1) = 0 + 2 = 2
2 0
logo det A = 2
Matriz de ordem 3
Neste caso temos
 a11 a12 a13 

A =  a21 a22 a23 
 
 a31 a32 a33 
a11 a12 a13
det A = a21 a22 a23 =
a31 a32 a33
=a11.a22 .a33 +a12 .a23 .a31+a13 .a21.a32 -(a13 .a22 .a31+a12 .a21.a33 +a11.a23 .a32 )
Exemplo:
Calcular o determinante da matriz:
 1 −1 1
a) A =  2 1 0
 
 0 2 3
Desenvolvendo o determinante temos:
1 −1 1
det A = 2 1 0 =
0 2 3
=1.1.3+(-1).0.0+1.2.2- (1.1.0+(-1).2.3+1.0.2) =3+4-(-6)=13
 2 1 −1
b) B =  0 1 1 
 
 −1 0 2 
103
Unidade III
Desenvolvendo o determinante temos:
2 1 −1
det A = 0 1 1 = 2.1.2+1.1.(-1)+(-1).0.0- ((-1).1.(-1)+2.0.1+
+1.0.2) =2
−1 0 2
Matriz de ordem n, n ≥ 3
Neste caso, faremos o desenvolvimento do determinante utilizando a regra de Laplace,
 a11 a12 a1n 

a a a2n 
Seja A =  21 22  então
 
 a ann 
n1 an2
a11 a12 a1n

a a a2n
det A = 21 22 = ∑ aij . Aij , fixado i ou j

an1 an2 ann
onde
aij representa o elemento da linha i e coluna j
Aij representa o cofator de aij, isto é, Aij = ( −1)i+ j .det Nij = ( −1)i+ j .| Nij |
| Nij | representa o menor relativo a aij, isto é, determinante da matriz que sobra eliminando a linha
i e a coluna j de A
Exemplo:
 1 −1 1
1) Calcular o determinante da matriz A =  2 1 0 , utilizando Laplace.
 
 0 2 3
Inicialmente devemos fixar uma linha ou coluna, por exemplo, vamos fixar a linha 1, isto é, faremos
o desenvolvimento pela linha 1. O resultado independe da linha ou coluna escolhida.
104
Assim devemos calcular os cofatores relativos à 1ª linha
1 0
A11 = ( −1)1+1. | N11 |= ( −1)2 . = 1. (1. 3 − 2. 0) = 3
2 3
2 0
A12 = ( −1)1+2 . | N12 |= ( −1)3 . = ( −1). (2. 3 − 0. 0) = − 6
0 3
2 1
A13 = ( −1)1+3 . | N13 |= ( −1)4 . = 1. (2. 2 − 1. 0) = 4
0 2
Substituindo na regra temos:
1 −1 1
det A = 2 1 0 = ∑ a1j . A1j = a11 . A11 + a12 . A12 + a13 . A13 = 1 . 3 + ( −1) . (-6) + 1 . 4 = 3 + 6 + 4 = 13
0 2 3
Note que chegamos ao mesmo resultado do item anterior. No caso de determinante de uma matriz
de ordem 3, você poderá escolher qualquer um dos dois modos.
 −2 2 1 
2) Calcular o determinante da matriz A =  0 3 −1 , utilizando Laplace.
 
 0 2 4
Inicialmente, devemos fixar uma linha ou coluna, por exemplo, vamos fixar a coluna 1, isto é, faremos
o desenvolvimento pela coluna 1 (esta é a opção mais conveniente por ter maior número de zeros, o
que facilita as contas).
Devemos calcular os cofatores relativos à 1ª coluna, notemos que a21 = 0 e a31 = 0, logo, não é
necessário calcular os cofatores relativos a estes elementos
3 −1
A11 = ( −1)1+1. | N11 |= ( −1)2 . = 1. (3. 4 − ( −1). 2) = 14
2 4
Substituindo na regra temos:
1 −1 1
det A = 2 1 0 = ∑ ai1 . Ai1 = a11 . A11 + a21 . A21 + a31 . A 31 = −2 . 14 + 0 . A21 + 0 . A 31 = −28
0 2 3
105
Unidade III
6.4.1 Algumas propriedades
1. Matriz com linha ou coluna nula tem determinante nulo
Exemplo:
 1 −1
Se A =  então det A = 0
 0 0 
2. Matriz com 2 linhas ou colunas iguais ou proporcionais tem determinante nulo
Exemplo:
 1 −1
Se A =  então det A = 0 (linhas proporcionais)
 2 −2
 2 −1
Se A =  então det A = 0 (linhas iguais)
 2 −1
3. Matriz triangular tem o determinante igual ao produto dos elementos da diagonal principal
 a11 a12 a1n  a11 a12 a1n

 0 a a2n  0 a22 a2n
22
A=  | A | = det A = = a11 . a22 . … . ann
 
 0 0 ann  0 0 ann
Exemplo:
 1 −1 1
A =  0 1 0
 
 0 0 3
1 −1 1
| A | = det A = 0 1 0 = a11 . a22 . a33 = 1 . 1 . 3 = 3
0 0 3
4. Se B é uma matriz obtida de A por operações elementares, então:
permutando 2 linhas: det B = - det A
106
multiplicando uma linha por a: det B = a . det A
Exemplo:
 1 2 1
Considerando a matriz A =  −1 1 0
 
 0 1 3
a) permute as linhas 1 e 2 e compare os determinantes
b) multiplique a 2ª linha da matriz por 2 e compare os determinantes
a) permutando as linhas 1 e 2 temos
 −1 1 0
B =  1 2 1
 
 0 1 3
calculando os dois determinantes e comparando temos
|A|=8 e | B | = -8 logo | B | = - | A |
b) multiplicando a 2ª linha por 2 temos
 1 2 1
B =  −2 2 0
 
 0 1 3
calculando det B temos | B | = 16, isto é, | B | = 2 | A | = 2 . 8
Saiba mais
Para saber mais sobre determinantes e sua propriedades busque em:

KOLMAN, B. Introdução à álgebra linear com aplicações. Rio de Janeiro: LTC,
1999.
6.4.2 Determinante de um operador linear
Seja T: U → U um operador linear definimos como determinante de T o determinante da matriz de

T, em relação a qualquer base.
107
Unidade III
Por conveniência utilizamos a matriz em relação à base canônica.
det(T) = I(T)c I
Observação
Note que só definimos determinante para operadores lineares, pois só

calculamos determinantes para matrizes quadradas.
Exemplo:
Calcular o determinante do operador linear T(x, y, z) = (x + y, 2x, y + z)
Devemos inicialmente calcular a matriz de T, utilizaremos a matriz canônica.

Assim
T(1, 0, 0) = (1, 2, 0)
T(0, 1, 0) = (1, 0, 1)
T(0, 0, 1) = (0, 0, 1)
e a matriz canônica de T é
 1 1 0
( T )C =  2 0 0
 
 0 1 1
calculando o determinante de (T)C temos
1 1 0
det T = det ( T )C = 2 0 0 = −2
0 1 1
6.4.3 Composição
Se S e T são operadores de um mesmo espaço, então o determinante do operador S o T é igual ao

produto dos determinantes de S e de T
det(S o T) = det S . det T
108
Exemplo:
Consideremos os operadores do IR2 dados por S(x, y) = (2x, y) e T(x, y) = (x – y, y) calcular S o T, det
S, det T e det (S o T)
SoT
(S o T) (x, y) = S (T(x, y)) = S (x – y, y) = (2.(x – y), y) = (2x –2y, y)
det S
calcular inicialmente a matriz canônica de S
S(1, 0) = (2, 0)
S(0, 1) = (0, 1)
 2 0 2 0
( S )=   daí det A = =2
 0 1 0 1
det T
calcular inicialmente a matriz canônica de T
T(1, 0) = (1, 0)
T(0, 1) = (-1, 1)
 1 −1 1 −1
( T )=   daí det T = =1
0 1  0 1
det S o T
calcular inicialmente a matriz canônica de S o T
(S o T) (1, 0) = (2, 0)
(S o T) (0, 1) = (-2, 1)
 2 −2 2 −2
( SoT ) =   daí det SoT = =2
0 1  0 1
Comparando os resultados encontrados, vemos que det (SoT) = 2 = 2 . 1 = det S . det T
6.5 Formas bilineares
Consideremos U um espaço vetorial de dimensão finita, uma forma bilinear é uma aplicação
F, F: U x U → IR que é linear em cada coordenada.
F(a . v1 + b . v2 , w) = a . F( v1, w) + b . F(v2 , w)

F éØ bilinear ⇔ 
F( v, a . w1 + b . w2 ) = a . F( v, w1) + b . F(v, w2 )
109
Unidade III
Exemplos:
Verificar se as aplicações são bilineares:
a) F: IR x IR → IR, dada por F(x, y) = x . y
Devemos verificar as 2 condições da definição
linear na 1ª coordenada
F(a . x1 + b . x2 , y) = (a . x1 + b . x 2 ), y = a . x1 . y + b . x 2 , y
a . F( x1, y ) + b . F(x2 , y) = a . (x1 . y) + b . (x2 . y)
F(a . x1 + b . x2 , y) = a . F( x1, y ) + b . F(x 2 , y)
logo F(a . x1 + b . x2 , y) = a . F( x1, y ) + b . F(x 2 , y)
F( x, a . y1 + b . y2 ) = x . (a . y1 + b . y2 ) = x . a . y1 . + x . b . y2
a . F( x, y1) + b . F(x, y2 ) = a . (x . y1) + b . (x . y2 )
logo F( x, a . y1 + b . y2 ) = a . F( x, y1) + b . F(x, y2 )
Portanto F é bilinear
b) F: IR2 x IR2 → IR, dada por F(u, v) = x1 . x2 + 2, sendo u = (x1, y1), v = (x2, y2)
Devemos verificar as 2 condições da definição
Tomemos u1 = (x1, y1), v1 = (x2, y2) , u2= (x3, y3) e v2 = (x4, y4)
( )
F(a . u1 + b . u2 , v) = F (a . (x1, y1) + b .(x 3 , y 3 )) , (x2 , y2 ) =
=F ( ((a . x1, a . y1) + (b . x3 , b . y3 )) , (x2 , y2 )) =
= F ( (a . x1 + b . x 3 , a . y1 + b . y 3 ), (x2 , y2 )) =
= (a . x1 + b . x 3 ) . x2 + 2 =
= (a . x1. x2 + b . x 3 . x2 ) + 2
110
a F ( u1, v) + b F (u2 , v) =
= a F ( (x1, y1), (x2 , y2 )) + b F ( (x 3 , y 3 ), (x2 , y2 )) =
= a ( x1 . x2 + 2) + b ( x 3 . x2 + 2) =
= (a . x1 . x2 + 2.a) + (b . x 3 . x2 + 2 b)
= a. x1 . x2 + 2.a + b . x 3 . x2 + 2 b =
= a. x1 . x2 + b . x 3 . x2 + 2 b + 2a
logo F(a . x1 + b . x2 , y) ≠ a . F( x1, y ) + b . F(x2 , y) e F não é bilinear (não é linear na 1ª coordenada)
6.6 Produto interno
Definimos como produto interno sobre um espaço vetorial V uma função que associa a cada par de
vetores de V um escalar, que pode ser representado por u, v ou u . v, que satisfaz as condições
i) u, v = v, u
ii) u, v + w = u, v + u, w
iii) αu, v = α u, v
iv ) u, u ≥ 0, e u, u = 0 ⇔ u = 0
Exemplos:
1) No IRn temos o produto escalar como um exemplo de produto interno (produto interno usual ou
padrão), assim no IRn temos u = (a1, a2 , , an ) e v = (b1, b2 , , bn ) , então o produto interno
de u por v será (u, v) = u . v = ∑ai . bi .
2) No espaço C das funções contínuas no intervalo [0, 1] com valores reais temos que
1
f , g = ∫ f(t).g(t) dt é um produto interno sobre C.
0
3) O produto interno definido no item anterior também pode ser aplicado ao espaço P, conjunto de
todos os polinômios.
4) Utilizando o produto interno usual do IR3, determinar o valor de u, v , v, v sendo u = (2, 1, -2) e
v = (3, 0, 1).
Sabemos que o produto interno usual do IR3 é dado pelo produto escalar, isto é, u, v = ∑ ai . bi , assim
u, v = 2 . 3 + 1 . 0 + (-2) . 1 = 6 + 0 – 2 = 4
v, v = 3 . 3 + 0 . 0 + 1 . 1 = 9 + 0 + 1 = 10
111
Unidade III
6.6.1 Norma
Para o espaço IRn definimos norma de um vetor como a raiz quadrada do produto interno
usual,
u = u, u = x12 + x22 +  + xn2
Exemplo:
Determine o valor de:
a) || u || sendo u = (2, 1, -1)
u = u, u = 22 + 12 + ( −1)2 = 6
b) || 2u || sendo u = (0, 3, 1)
2u = (0, 6, 2)
2u = 2u, 2u = 02 + 62 + 22 = 36 + 4 = 40
c) || u - v || sendo u = (1, -1, 3) e v = (2, 0, 2)

u – v = (1, -1, 3) - (2, 0, 2) = (-1, -1, -1)
u-v = u − v, u − v = ( −1)2 + ( −1)2 + ( −1)2 = 3
6.7 Métrica
Em um espaço vetorial V com produto interno, chamamos de métrica a função distancia d, d:

V x V → IR, que satisfaz as propriedades:
i) d(u,v) = d( v, u)
ii) d( u, v) ≥ 0 e d (u, u) = 0 ⇔ u = 0
iii) d (u, v) ≤ d (u, w) + d ( v, w)
Exemplos:
1) Em IR temos que d(x, y) = || x – y || é uma métrica.
(verifique que as condições acima valem)
112
A métrica definida desta forma é a usual no IRn
2) Sendo M um conjunto qualquer, d: M x M → IR definida por:

0 se x = y
d( x, y ) = 
1 se x ≠ y , podemos provar que d é uma métrica sobre M.
3) Calcule, usando a métrica usual (exemplo 1)
a) d(u, v) sendo u = (2, 1) e v = (3, 2)
d(u, v ) = u − v = u − v,u − v
u – v = (-1, -1), assim
d(u, v ) = u − v = ( −1, −1), ( −1, −1) = ( −1)2 + ( −1)2 = 2
b) d(u, v) sendo u = (1, 2, 0) e v = (-1, 2, -1)
d(u, v ) = u − v = u − v,u − v
u – v = (2, 0, 1), assim
d(u, v ) = u − v = (2, 0, 1) = 4 + 0 + 1 = 5
1. O núcleo da transformação linear T(x,y,z) = (x + 2y, y – z):
A) N(T) = {(-2y, y, y) ∈ IR3}
B) N(T) = {(0, 0, 0)}
C) N(T) = {(x, x, 0) ∈ IR3}
D) N(T) = {(0, y, y) ∈ IR3}
E) N(T) = {(2y, y, y) ∈ IR3}
113
Unidade III
Para calcular o núcleo da transformação linear, vamos utilizar a definição, isto é,
N(T) = {(x, y, z) ∈ IR3 | T(x, y, z) = (0,0)}
(x + 2y, y – z) = (0,0)
 x + 2y = 0

y − z = 0 resolvendo o sistema temos: x = -2y e z = y, substituindo no vetor
N(T) = {(-2y, y, y) ∈ IR3} .
2. A imagem do operador linear dado por T(1,1) = (3,2) e T(0,-1) = (1,-1) é:
A) ImT = {(x, x + y) ∈ IR2}
B) ImT = {(2x - y, y) ∈ IR2}
C) ImT = {(x – 2y, y + x) ∈ IR2}
D) ImT = {(4x - y, x + y) ∈ IR2}
E) ImT = {(2x + y, 4y) ∈ IR2}
Como B = {(1,1), (0,-1) é base do espaço, podemos escrever qualquer vetor do IR2 como combinação
linear dos vetores de B, assim:
(x,y) = a . (1,1) + b . (0,-1)
(x,y) = (a, a - b)
Então temos o sistema:
x = a

y = a − b
Resolvendo o sistema temos: a = x e b = x – y
114
Assim T(x, y) = T (a . (1,1) + b . (0,-1))
Como T é linear, podemos escrever:
T(x, y) = a T (1,1) + b .T (0,-1)
T(x, y) = x (3,2) + (x - y) . (1,-1)
T(x, y) = (3x + x - y, 2x – x + y)
T(x, y) = (4x - y, x + y)
3. A matriz (T) A, B da transformação linear T(x,y) = (x – y, 2x + y, y) em relação às bases A = {(1,1), (0, 1)}
e B = {(1,1,1), (0,1,-1), (0,0,2)} é:
 0 1
A) ( T )A ,B =  3 2
 
 −2 2
0 0 
B) ( T )A ,B =  3 −2
 
 2 −2
 0 −1
C) ( T )A ,B =  3 2 
 
2 2 
 0 1
D) ( T )A ,B =  −3 2
 
 −2 2
1 1 
E) ( T )A ,B =  3 −2
 
 2 −2
Inicialmente devemos calcular T nos vetores da base A.
115
Unidade III
T(1,1) = (0,3, 1) = a (1, 1, 1) + b (0, 1, -1) + c (0,0,2) = (a, a + b, a – b +2 c)
 a= 0

a + b = 3
a-b + 2c = 1
 resolvendo o sistema temos: a=0, b = 3 e c = 2
T(0,1) = (- 1, 1, 1) = (a, a + b, a – b +2 c)
 a = −1

a + b = 1 resolvendo o sistema temos: a = -1, b = 2 e c = 2
a-b + 2c = 1

 0 −1
Logo, ( T )A ,B =  3 2 
 
2 2 
4. Qual dos vetores pertence ao núcleo do operador linear T(x,y,z) = (x+z, x+z, 3x+y)?
A) u = (1, 2, -1)
B) u = (2,-6, -2)
C) u = (1,-3, 1)
D) u = (0,3, 0)
E) u = (-1,3, -1)
Para saber se um vetor pertence ao núcleo de uma transformação linear, devemos calcular a sua
imagem pela transformação e o resultado deve ser zero.
Assim,
T (1, 2, -1) = (1 +(-1), 1+(-1), 3. 1 + 2) = (0,0, 5) ∉ N(T)
T (2, -6, -2) = (2 +(-2), 2+(-2), 3. 2 + (-6)) = (0,0, 0) ∈ N(T)
T (1, -3, 1) = (2,2, 0) ∉ N(T)

116
T (0, 3, 0) = (0,0, 3) ∉ N(T)
T (1, 3, -1) = (0,0, 6) ∉ N(T)
5. Uma base do núcleo de T, T(x,y z) = (x – z, y, x – z) é:
A) B = {(1, 0, 1)}
B) B = {(1, 1, 1)}
C) B = {(1, 0, 1), (0, 1, 0)}
D) B = {(1, 0, 0), (0, 1, 0)}
E) B = {(0, 1, 0)}
Para determinar uma base do núcleo, precisamos inicialmente determinar o núcleo de T, assim:
N(T) = {(x, y, z) ∈ IR3 | T(x, y, z) = (0, 0, 0)}
(x – z, y, x – z) = (0, 0, 0)
x − z = 0

y = 0 resolvendo o sistema temos: x = z e y= 0, substituindo no vetor
x − z = 0

N(T) = {(x, 0, x) ∈ IR3} .
Uma base do núcleo será B = {(1, 0, 1)}
6. Uma base da Im T, T(x, y, z) = (x - z, y, x -z) é:
A) B = {(1, 1, 1), (0, 1, 0)}
B) B = {(1, 0, 0), (0, 0, 1)}
C) B = {(1, 0, 0), (0, 1, 0)}
D) B = {(1, 0, 1), (0, 1, 0)}
117
Unidade III
E) B = {(1, 0, 1), (-1, 0, -1), (0, 1, 0)}
Para determinar uma base da imagem, precisamos inicialmente determinar a imagem de T, assim:
Im(T) = {(x - z, y, x -z) ∈ IR3}
(x – z, y, x – z) = (x,0, x) + (0,y,0) + (z, 0, z)
(x – z, y, x – z) = x (1,0, 1) + y (0,1,0) + z (1, 0, 1)
 1 0 1  1 0 1
 0 1 0 ~  0 1 0 os 3 vetores são LD mas os 2 primeiros são LI.
   
 1 0 1  0 0 0
Logo uma base da Im T será B = {(1,0,1), (0,1,0)}
7. Sendo B = {(1, 1), (-1, 0)} e A = {(1, 2), (1, -1)}, a matriz IBA mudança de base de A para B é:
 −1 2
A) 
 2 1
 2 1
B) 
 −1 2
1 2 
C) 
 2 −1
 −2 −1
D) 
 −1 2 
 2 −1
E) 
 1 2 
118
Para determinar a matriz mudança de base A para B, vamos escrever os vetores de A como combinação
linear dos vetores de B:
(1, 1) = a(1,0) + b(1,-1)
 a+ b =1
 resolvendo o sistema temos a = 2 e b = -1
 -b = 1
(-1, 0) = a(1,2) + b(1,-1)
 a + b = −1
 resolvendo o sistema temos a = -1 e b = 0
 -b = 0
Logo
8. Dos operadores a seguir, o que é ortogonal é:
A) T(x,y) = (x, 2y)
B) T(x,y) = (x, -y)
C) T(x,y) = (x + y, 2y)
D) T(x,y) = (3x, 2y)
E) T(x,y) = (x –y, 3x)
Para o operador ser ortogonal, devemos ter | T(u) | = | u |, assim:
A) | T(u)|= x2 + (2y )2 = x2 + 4 y2 e | u |= x2 + y2 logo, não é orotogonal.
B) | T(u)|= x2 + ( − y )2 = x2 + y2 e | u |= x2 + y2 logo, é orotogonal.
C) | T(u)|= ( x + y )2 + (2y )2 = x2 + 2xy + 5y2 e | u |= x2 + y2 logo, não é orotogonal.
D) | T(u)|= (3x )2 + (2y )2 = 9x2 + 4 y2 e | u |= x2 + y2 logo, não é orotogonal.
119
Unidade III
E) | T(u)|= ( x − y )2 + (3y )2 = x2 + 2xy + 10y2 e | u |= x2 + y2 logo, não é orotogonal.
9. Sendo T(x, y, z) = (x - y, y, z) e S(x, y, z) = (2x - z, y + z, z), a expressão para S + T é:
A) (S + T) (x, y, z) = (3x – y –z, 2y + z, 2z)
B) (S + T) (x, y, z) = (x – y –z, 2y + z, 2z)
C) (S + T) (x, y, z) = (3x – y –z, y + z, 2z)
D) (S + T) (x, y, z) = (3x – y –z, 2y + z, z)
E) (S + T) (x, y, z) = (3x – y +z, 2y + z, 2z)
(S + T) (x, y, z) = (2x - z, y + z, z) +(x - y, y, z)
(S + T) (x, y, z) = (3x – y - z, 2 y + z, 2 z)
10. Sendo X = (3, - 1, 2) e Y = (1, 2, 4) o valor do produto interno (3X).Y, (considerando o produto
interno usual) é:
A) (3X).Y = 27
B) (3X).Y = 9
C) (3X).Y = 24
D) (3X).Y = - 27
E) (3X).Y = 6
(3X).Y = (9, -3, 6) . (1, 2, 4) = 9 – 6 + 24 = 27
120
Resumo
Nesta unidade estudamos transformações lineares e operadores lineares.
Uma função T: U ® V é linear se satisfaz:
1) ∀ a, b ∈ U, T (a + b) =T(a) + T(b)
2) ∀ a ∈ U, ∀α∈R, T(αa) = αT(a)
Uma transformação linear de U em U é chamado de operador linear.
Uma propriedade importante das transformações lineares é que ela

leva zero em zero, isto é,
se T: U ® V é linear então T(0U) = 0V .
Núcleo de uma transformação linear é o conjunto:
N(T) = {a ∈ U | T(a) = 0}
Imagem de uma transformação linear é o conjunto:
Im(T) = {v ∈ V / v = T(a), a ∈ U}
Algumas propriedades importantes das transformações lineares:
1) N(T) = {0} ⇔ T é injetora
2) Im(T) = V ⇔ T é sobrejetora
3) dim Im(T) + dim N(T) = dim U
Matriz da transformação linear de A em B:
 a11 a12 … a1n 

a a … a2n 
( )A, B  21 22
T =



 a … amn 
m1 am2
↑ ↑ ↑
T(u1) T(u2 ) T(un )
121
Unidade III
Operador inversível: T é inversível se e somente se existe o operador T – 1,

tal que (T o T-1) (u) = T (T-1(u)) = u.
Matriz mudança de base,
 a11 a12 … a1n 

a a … a2n 
A
IB =  21 22 
 
 a … amn 
m1 am2
↑ ↑ ↑
T(u1) T(u2 ) T(un )
Operador ortogonal: é um operador linear onde temos |T(u)| = |u|
Operador simétrico: operador cuja matriz em relação a uma base

ortonormal é simétrica.
Operações com os operadores lineares:
a) Adição: (F + G) (u) = F (u) + G (u), ∀u ∈ U
b) Multiplicação por escalar: (k F) (u) = k F(u), ∀u ∈ U
c) Composição: (G o F) (u) = G(F(u)), ∀u ∈ U
Determinante de um operador linear: determinante da matriz canônica

do operador linear.
Formas bilineares:
F: U x U ® IR, F é bilinear se valem:
F(a . v1 + b . v2 , w) = a . F( v1, w) + b . F(v2 , w)


F( v, a . w1 + b . w2 ) = a . F( v, w1) + b . F(v, w2 )
Produto interno: produto entre vetores que tem como resultado um

escalar.
Num espaço IRn com produto interno, definimos norma e métrica.
Norma de u: u = u, u = x12 + x22 +  + xn2

122
Métrica: função distancia que satisfaz.
i) d(u, v) = d(v, u)
ii) d(u, v) > 0 e d(u, u) = 0 ⇔ u = 0
iii) d(u, v) < d (u, w) + d(v, w)
123
Unidade IV
Unidade IV
7 APLICATIVOS DE INFORMÁTICA USANDO MAXIMA
Software Livre
Para a Fundação Software Livre América Latina1, um software é livre quando ele for licenciado por
meio de termos que respeitem as seguintes liberdades de seus usuários:
• a liberdade de executar o programa para qualquer propósito (liberdade nº 0);
• a liberdade de estudar como o programa funciona e adaptá‑lo às suas necessidades (liberdade nº 1).
Acesso ao código‑fonte é um pré‑requisito para esta liberdade;
• a liberdade de redistribuir cópias, de modo que você possa ajudar o seu próximo (liberdade nº 2);
• a liberdade de aperfeiçoar o programa e distribuir os seus aperfeiçoamentos, de modo que toda a comunidade
se beneficie (liberdade nº 3). Acesso ao código‑fonte é um pré‑requisito para esta liberdade (AUSLA, 2011).
Saiba mais
Você pode saber mais sobre software livre, acessando:
<http://www.fsfla.org/svnwiki/about/what‑is‑free‑software.pt.html>
7.1 Maxima: o software, a instalação e os recursos básicos
7.1.1 Origens e potencialidades do Maxima
Nós, professores de Matemática, durante nossa carreira profissional, utilizamos alguns softwares
computacionais, seja no auxílio à preparação de aulas, resolução de problemas e exercícios, elaboração
de projetos e à preparação de atividades ou aulas a serem desenvolvidas com nossos alunos. Aqui, em
nosso curso de Matemática da UNIP, oferecemos uma introdução a alguns softwares livres ou gratuitos
(Winplot, Maxima, Mupad) para que, no desenvolvimento de suas funções profissionais, você, já sendo
possuidor de alguma familiaridade com pacotes computacionais, possa deles fazer uso e aprofundar
seus conhecimentos conforme suas necessidades ou seus interesses.
1
Alexandre Oliva e Pedro Antonio Dourado de Rezende – Fundação Software Livre América Latina. Disponível em:
<http://www.fsfla.org/svnwiki/texto/index.pt.html>. Acesso em: 22 jul. 2011.
124
Nesta disciplina, apresentaremos a você o Maxima: um software livre e gratuito. O Maxima é um

pacote computacional para cálculos matemáticos, semelhante aos softwares MatLab, Mathematica e
Maple, que não são livres nem gratuitos e representam alto custo aos usuários. O Maxima é um sistema
de álgebra computacional para trabalharmos com expressões numéricas e simbólicas. O pacote pode ser
baixado no seguinte endereço: <http://maxima.sourceforge.net> e também pode ser encontrado em
nosso Blackboard.
O Maxima tem sua origem no sistema Macsyma (1968–1982), desenvolvido no Instituto de Tecnologia
de Massachusetts (MIT). O MIT, em 1982, remanejou uma cópia/versão do código‑fonte do Macsyma ao
departamento de energia; essa versão é conhecida com Macsyma DOE (Departamento de Energia).
O professor William F. Schelter (2001†) obteve, em 1998, permissão para liberar o código‑fonte
sob a GNU General Public License (GPL). A sobrevivência e a abertura do código‑fonte do Maxima se
deveram aos esforços e às habilidades de muitas pessoas, em especial do professor Schelter. Um grupo
cada vez maior de colaboradores e usuários deram forma e disponibilizaram o Maxima a todos os que
se interessassem.
Para que você tenha noção da abrangência do Maxima, saiba que ele inclui: limites, diferenciação,
integração, gráficos 2D e 3D, curvas de nível, séries de Taylor, transformações de Laplace, equações
diferenciais ordinárias, sistemas de equações lineares, séries, listas, conjuntos, números complexos, vetores,
matrizes, determinantes, autovalores e autovetores, raízes de polinômios, polinômio característico, entre
outras.
7.1.2 Baixando e instalando o Maxima
A versão que iremos usar do Maxima ficará disponível para você baixar dentro do site da própria
UNIP, em nosso curso, junto com o material desta disciplina.
Instalação do Maxima
Após efetuar o download do software Maxima, dê dois cliques com o botão esquerdo do mouse ou
selecione o ícone (figura 16) e pressione a tecla Enter:
Figura 1 – Ícone do instalador do Maxima
Após executar o instalador, a primeira tela que aparece é para selecionar a língua de instalação do
software (figura 2); como padrão está a língua inglesa, mas clicando nas opções, pode‑se escolher a
125
Unidade IV
opção Português (Brasil) (figura 3). Após selecionar a língua, basta clicar em OK para prosseguir com
a instalação:
Figura 2 – Línguas disponíveis para instalação
Figura 3 – Selecionando a língua portuguesa: Português (Brasil)
Atenção: existem algumas razões para que, mesmo seguindo os passos indicados, você não
consiga ter a versão em português do Maxima (não entraremos nesse mérito). Apresentamos a
imagem em português, uma vez que lhe será mais significativa. Qualquer que seja o idioma em
que o pacote for instalado, a posição dos temas, das funções ou das operações será sempre a
mesma. Com essa versão em português, ficará fácil para você compreender o que aparece em sua
tela, caso sua versão esteja em inglês. Tudo tem um lado positivo; se sua versão ficar instalada em
inglês, além de aprender a ser um usuário desse pacote computacional, você também irá agregar
aos seus conhecimentos novos termos técnicos em inglês. Dessa forma, você poderá e saberá
transitar em qualquer versão do Maxima e aumentará o entendimento de termos em outros pacotes
computacionais.
Voltemos à instalação do Maxima. O próximo passo é o Contrato de Licença de Uso; basta ler
os termos, ativar a opção Eu aceito os termos do contrato e clicar em Avançar para continuar.
A figura 4 mostra a tela como é apresentada e a opção Eu aceito os termos de Contrato já
selecionada:
126
Figura 4 – Contrato de Licença de Uso
Após as configurações iniciais de instalação, é apresentada uma tela de boas‑vindas do assistente de

instalação (figura 5); basta clicar em Avançar e prosseguir com a instalação do software:
Figura 5 – Boas‑vindas do instalador
A próxima tela apresenta as seguintes informações:
1. Usuários do sistema operacional MS Windows 9X devem ler a sessão referente à falta de espaço
para ambiente no arquivo Readme.
2. Se a interface do software Maxima não funcionar, ler a sessão referente a firewall no arquivo
Readme.
127
Unidade IV
A figura 6 ilustra a parte que contém essas informações; depois de lidas, clique em Avançar para
prosseguir com a instalação:
Figura 6 – Informações gerais
O passo seguinte da instalação consiste em definir o diretório para instalação do Maxima. A figura 7
mostra o diretório‑padrão escolhido pelo instalador; caso deseje mudar o diretório de destino, clique no
botão Procurar... e defina o diretório de sua preferência. Após definir o diretório ou aceitar o padrão,
clique em Avançar para continuar com a instalação:
Figura 7 – Definição do diretório de instalação do Maxima
128
A tela seguinte do instalador (figura 8) é referente aos componentes a serem instalados. Por padrão,
é definido Full installation (ou instalação completa), que consiste em instalar todos os componentes
do software Maxima. Existem outras duas opções:
• Compact installation (ou instalação compacta): consiste somente no Maxima core with command
line interface.
• Custom installation (ou instalação customizada): o usuário pode definir quais pacotes deseja
instalar.
Por padrão, deixaremos a opção Full installation. Clique no botão Avançar para continuar com a
instalação:
Figura 8 – Componentes do Maxima
A tela seguinte (figura 9) confirma o nome da pasta em que serão salvos os atalhos no Menu Iniciar.
Você pode alterar o nome, clicar em Procurar e definir outro local ou aceitar o padrão. Em nosso caso,
iremos clicar em Avançar para prosseguir com a instalação:
129
Unidade IV
Figura 9 – Diretório do menu iniciar
A próxima tela define tarefas adicionais (figura 10) de como adicionar ícones à área de trabalho. Por
padrão, está definida a criação do ícone do Maxima na área de trabalho, basta clicar em Avançar e
continuar com a instalação:
Figura 10 – Tarefas adicionais
As próximas telas mostram as definições da instalação; basta clicar em Instalar para efetuar a
instalação:
130
Figura 11 – Definições de instalação
Após clicar em Instalar, ocorrerá a instalação do software Maxima. Espera‑se a barra de progresso
para o fim da instalação, conforme a figura 12:
Figura 12 – Progresso da instalação
Após a instalação, é exibida uma tela com informações gerais conforme a figura 13; basta clicar em
Avançar:
131
Unidade IV
Figura 13 – Informações gerais
Concluída a instalação, é exibida a tela da figura 14; clique em Concluir. O ícone do Maxima pode
ser encontrado na área de trabalho, como na figura 15:
Figura 14 – Instalação concluída
132
Figura 15 – Ícone do Maxima
7.1.3 A interface do Maxima
A interface wxMaxima é planejada para facilitar o uso do Maxima. A tela do programa é como está
aparecendo a seguir (figura 16), que é a padrão para esta versão; possui doze botões de atalho na parte
inferior da tela abaixo da Entrada. Informo aos “futuros amantes do Maxima” que esta quantidade pode
ser aumentada:
Figura 16 – Interface do wxMaxima
Caso deseje visualizar ou trabalhar com a versão completa, você deve clicar em Editar e selecionar
Configurar no painel de botões; selecione a opção Completo (como ilustrado na figura 17) e clique em
OK. Caso não deseje, tudo bem, não vamos usar esses botões de atalho em nossa excursão pelo Maxima:
133
Unidade IV
Figura 17 – Configuração do Maxima
Na sequência, você deve fechar o programa e abri‑lo novamente. Após seguir os procedimentos
listados até agora, irá visualizar uma janela semelhante à que apresentamos na figura 18:
Figura 18 – Interface do wxMaxima com painel de botões completo
Nessa imagem, pode‑se observar a existência de vinte botões de atalho. Você também tem a opção
de ocultar todos os botões de atalho.
134
O Maxima foi desenvolvido em C++ e possui o código‑fonte aberto, o que lhe permite ser modificado
e aprimorado por qualquer pessoa que se interesse e desenvolva o conhecimento suficiente para fazê‑lo.
Caso, no futuro, você queira desenvolver algum trabalho nesse sentido, este poderá ser configurado
como um projeto de iniciação científica, tanto na Matemática quanto na Computação, que são ciências
social e culturalmente construídas.
O Maxima também possui potencialidades a serem desenvolvidas e existem características a

melhorar. Saiba que é usual aprimorar programas computacionais. Existem pelo mundo pessoas
investindo tempo, inteligência e paixão para fazê‑lo. Um exemplo desses esforços está na busca
por modificações com o intuito de aumentar o número de funções existentes no programa
hoje.
Na versão que escolhemos para apoiar nossa disciplina, existe uma interface gráfica que
permite ao Maxima trabalhar com matrizes de forma semelhante à que ocorre com o Winmat.
Outras equipes se envolvem em fazer traduções2 em diversas línguas para as versões que são
aprimoradas.
Para ter acesso ao manual virtual do Maxima, você pode clicar sobre o ícone na barra
de ferramentas. Uma segunda forma é colocar o cursor na região Entrada, digitar o símbolo da
interrogação (?), dar um espaço e teclar Enter. Se estiver com uma dúvida específica sobre um
comando, você deve colocar o cursor na região Entrada, digitar o símbolo da interrogação (?), dar
um espaço, digitar a primeira letra (também pode ser mais de uma) do comando pretendido e clicar
Enter; o manual virtual abrirá na página com a sequência em ordem alfabética das funções que
apresentam, como início, a(s) letra(s) que você digitou. Para sair do manual, basta clicar no ícone
no canto superior direito da tela.
7.1.4 Recursos básicos no Maxima
Você pode apoiar seus estudos, tanto no que se refere aos de cálculo quanto aos conteúdos de
álgebra.
No que se refere aos conteúdos de cálculo, podemos, entre outros, nos apoiar no Maxima para:
• representação gráfica de uma função em duas ou três dimensões;
• calcular o limite de uma função;
• calcular a(s) derivada(s) de uma função;
• calcular a integral indefinida e/ou definida de uma função;
2
“Para contribuir com a equipe do Maxima na tarefa de manter a tradução para o português sempre atualizada,
envie um e‑mail para <maxima@math.utexas.edu>.” A fonte dessa informação está na página 1 do manual virtual dessa
versão do Maxima.
135
Unidade IV
• encontrar as frações parciais de uma equação racional;
• resolver equações diferenciais.
Sei que são muitos conceitos novos, mas saiba que no curso de Matemática irão se construir
campos de compreensão e aplicação em cada um deles. Mantenha a calma, estude sistematicamente,
assista aos vídeos das aulas, participe ativamente do fórum de discussão, resolva reflexivamente
as atividades solicitadas, faça suas pesquisas pessoais que esses conceitos, com o tempo, se
constituirão como seus. Estude e tenha a postura que recomenda Walter Franco em uma de suas
canções: mantenha “a mente quieta, a espinha ereta e o coração tranquilo”. Iremos desenvolver
esses temas mais adiante.
No que se refere aos conteúdos de álgebra, podemos, entre outros, nos apoiar no Maxima para:
• calcular determinantes;
• operar com matrizes;
• operar com vetores;
• resolver sistemas lineares;
• encontrar as raízes ou zeros de um polinômio.
7.1.4.1 Iniciando e conhecendo o Maxima
Para abrir o programa, você deve clicar sobre o ícone ; desse modo, aparecerá o que se retrata
na figura 19:
Figura 19 – Inicializando o Maxima
136
Leia e feche a dica do dia. Ao iniciá‑lo, saiba que você estará em um ambiente de trabalho que
recebe e armazena os dados segundo linhas de comando. Você irá, o tempo todo, ler e interpretar
as linhas de comando simbolizadas das seguintes formas (%i1), (%i2), [...], (%iN); N é um número
natural. O i é uma abreviação da palavra input, termo da língua inglesa usado para designar entrada
de dados.
As respostas às entradas serão dadas nas seguintes etiquetas: (%o1), (%o2), [...], (%oN); no qual o
é uma abreviação da palavra output, que significa saída de dados. Uma vantagem dessa simbologia é
que você pode fazer referência a uma entrada ou a um resultado passado relacionando-os apenas pela
etiqueta (figura 20):
Figura 20 – Uso de etiquetas e a mensagem do Maxima
O texto em inglês que aparece na figura 20 é sobre a versão do software. O local no qual se
encontra oficialmente armazenado, informa que o mesmo é livre e de domínio público e apresenta uma
dedicatória à memória do professor William Schelter, um incansável defensor dos sotfwares livres e um
dos responsáveis por incentivar o aprimoramento e a disponibilidade pública do Maxima.
Caso deseje iniciar suas atividades sem que a mensagem‑padrão ocupe a tela do seu computador,
basta clicar em Editar, selecionar a opção limpar a tela e não verá mais a mensagem na sessão
aberta. Aliás, você pode realizar o procedimento de limpar a tela sempre que considerar necessário,
independentemente do que esteja nela registrado. A única imagem que ficará visível é a indicação de
qual será sua próxima “linha de comando”.
Embora não visíveis na tela, as contas, as equações ou os comandos inseridos permanecem na

memória virtual do Maxima e você pode retomá‑los posicionando o cursor sobre a janela Entrada e
clicando sobre a seta ↑ (sentido para cima) em seu teclado. Se teclar uma vez, aparecerá na região de
137
Unidade IV
entrada o conteúdo (fórmula e/ou operação) do código da última linha de comando inserida, mesmo
sem que a linha esteja visível na tela. Clicando duas vezes, você recuperará o conteúdo do código da
penúltima linha de comando e assim sucessivamente.
Exemplo
Veja como efetuamos as seguintes operações:
a) 220
b) 3+5
c) 5–13*2
d) 10/2–3
e) 2,5*2
Figura 21 – Exercícios
Para realizar os cálculos, inserimos na Entrada: para o item:
• 2^20 e teclamos Enter, a resposta é automática;
• 3+5 e teclamos Enter, a resposta é automática;
• 5–13*2 e teclamos Enter, a resposta é automática;

138
• 10/2–3 e teclamos Enter, a resposta é automática;
• 2.5*2 e teclamos Enter, a resposta é automática.
Lembrete
Porém, quando inserimos 2,5*2 e teclamos Enter, a resposta foi um

alerta: Improper argument (em português, esse alerta está chamando
sua atenção para o fato de você ter inserido um argumento impróprio, ou
seja, você cometeu um erro).
Observação
Nunca se esqueça de que no Maxima, assim como ocorre nas calculadoras,

os números decimais são escritos com ponto (no lugar da vírgula); por
exemplo: 3,1415 [...]. Para inserirmos esse valor, devemos usar 3.1415; isso
vale tanto no Maxima quanto no Mupad, no Maple etc.
Isso se deve ao fato de a programação interna desses pacotes (e de boa parte das calculadoras) seguirem
o padrão da língua inglesa. Nunca use vírgula ao inserir um número, seja em calculadoras eletrônicas, seja em
pacotes computacionais de nível internacional; o único pacote que foge a essa regra é o Excel. Portanto, se
você digitar uma vírgula ao inserir um número, agora você já sabe o que acontece. Veja no quadro a seguir:
Quadro 1
(%i13) 3,1415;
Improper argument to ev:1415 ‑‑ an error. To debug this try debugmode(true);
O programa está informando que você usou um argumento impróprio e avisa que é um erro. O que
você deve fazer para corrigi‑lo? Posicione o cursor na Entrada e clique sobre a seta ↑ (sentido para
cima) em seu teclado; recuperando a expressão 3,1415, delete a vírgula (,) e a substitua pelo ponto (.),
depois tecle Enter. Para ocultar qualquer entrada e sua correspondente saída, basta clicar na etiqueta,
por exemplo, (%i13) de entrada que aparecerá em vermelho a seguinte mensagem (%i13).
<< Unfold >>. Para recuperar a imagem ocultada, basta clicar sobre a mensagem
<< Unfold >> que novamente você terá, nesse exemplo:
Quadro 2
(%i13) 3,1415;
Improper argument to ev:1415 ‑‑ an error. To debug this try debugmode(true);
139
Unidade IV
Atenção: após inserir o comando desejado na Entrada, deve‑se pressionar o botão Enter para que
o comando seja executado pelo Maxima.
7.1.4.2 Salvando arquivos e Maxima como editor de texto matemático simbólico
Salvando arquivos
O procedimento para salvar as operações e variáveis (inputs e outputs) que você realizou por meio
do Maxima é muito simples; basta clicar sobre a barra de ferramentas na opção Arquivo e depois Salvar
como (caso seja a primeira vez), depois será mostrada uma tela para você selecionar o diretório em que
deseja salvar e o nome que deseja dar ao arquivo. Vale lembrar que a extensão com que o arquivo é salvo
é a extensão WXM, que é uma sessão do wxMaxima:
Figura 22 – Salvando uma sessão do wxMaxima
Após salvo a primeira vez por meio do procedimento descrito anteriormente, basta clicar no ícone
do disquete para salvar o arquivo:
Durante alterações de uma sessão já salva,

basta clicar neste ícone para salvar as
alterações.
Figura 23 – Salvar sessão
140
Usando o Maxima como editor simbólico matemático
Em nossos textos como professores de Matemática, muitas vezes precisamos escrever fórmulas,
expressões e símbolos. Fazemos isso tanto em exercícios que propomos aos nossos alunos quanto ao
elaborarmos provas, trabalhos e/ou projetos. Se nos apoiarmos no Maxima para verificarmos nossas
propostas, podemos usá‑lo também como editor de fórmulas e expressões simbólicas. Veja como
proceder com o exemplo a seguir:
Exemplo
Escrever a equação do segundo grau e copiar as fórmulas e expressões simbólicas obtidas por meio
do Maxima:
x2–2x+4=0
Solução:
• passo 1: digitamos a equação do segundo grau no campo de Entrada:, conforme a figura 24:
Figura 24 – Entrada da equação
Após a entrada da equação, obtemos a saída do Maxima de acordo com o exemplo a seguir, sendo
%o1 a primeira equação na forma matemática que desejamos copiar:
Figura 25
• passo 2: para copiarmos a equação %o1, damos um clique sobre ela (selecionamos a equação),
de tal forma que ela fique com um fundo cinza, conforme a figura 26:
Figura 26 – Calculando a equação
Após selecionar a equação, vamos à opção Editar da barra de menu e selecionamos a opção Copiar
como, para então poder colar a equação, conforme a figura 27:
141
Unidade IV
Figura 27 – Procedimento para copiar a equação
Depois disso, colocamos as duas raízes da equação na entrada do Maxima (fórmula de Baskhara) e
efetuamos o passo 2 para as duas raízes, conforme as figuras 28; 29; 30 e 31:
Figura 28 – Primeira raiz da equação
− b2 − 4ac − b
x1 =
2a
Figura 29 – Equação da primeira raiz
Figura 30 – Segunda raiz da equação
b2 − 4ac − b
x2 =
2a
Figura 31 – Equação da segunda raiz
142
Observação
Vale ressaltar que as fórmulas para as raízes da equação obtidas por

meio do Maxima diferem da convenção adotada pelas literaturas, isto é, as
raízes precedem o valor de –b no numerador.
7.1.4.3 Operando numérica e algebricamente
Nesta sessão, aprenderemos, apoiados em exemplos, a usar alguns comandos do Maxima para realizar
uma série de operações matemáticas.
Operadores aritméticos
Apresentaremos no quadro a seguir uma série de exemplos de como operar no Maxima. Serão vistas
tanto a sintaxe (como ordenar de forma escrita que algo seja feito no pacote computacional) quanto a
prioridade (ordem de precedência) do operador:
Quadro 3
Resultado
Operador Ação Exemplo No Maxima Prioridade
no Maxima
+ Adiciona 2/3 + 1/21 2/3 + 1/21; 5/7 1
- Subtrai 2/3 - 1/21 2/3 - 1/21; 13/21 1
* Multiplica 2/3 * 1/21 2/3 * 1/21 2/63 2
/ Divide (2/3) / (1/21) (2/3) / (1/21); 14 2
5! 5!; 120 3
! Fatorial
2 + 2 * 5! 2+2*%; * 242 3, 2, 1
2 ^ 10 2 ^ 10; 1024 3
^ Potência
(1/4) ^ (1/2) (1/4) ^ (1/2); 1/2 3
1 1024 sqrt (1024) 32 3

Clacula a raiz
a = a2 quadrada de a
(1024) ^ (1/2) (1024) ^ (1/2); 32 3
m Calcula a raiz 5
n m 4
a = an enésima de a 105 = 10 4 10^(5/4); 10 * 10^(1/4) 3
elevado a n
*Caso queira resgatar o resultado de um cálculo imediatamente anterior, basta usar o símbolo %.
Resgata 5 + (UR) 5 + %; depende do (UR)
% o último
resultado (UR) (UR) * 3 % * 3; depende do (UR)
5! 5!; 120 3
Operação em cadeia
2 + 2 * 5! 2 + 2 * %; * 242 3, 2, 1
143
Unidade IV
Precedência dos operadores
Ao avaliar uma expressão, o Maxima leva em conta a prioridade das operações; veja a última coluna
do quadro anterior. As operações de maior prioridade (3 no quadro) são realizadas em primeiro lugar.
Operações de mesmo grau de prioridade são realizadas na ordem em que aparecem na expressão, da
esquerda para a direita. O uso de parênteses altera a prioridade. Você já deve ter percebido isso quando
realizou os procedimentos das letras 5–13*2 e 10/2–3, do exemplo anterior.
Analisando as informações do quadro, você pode verificar que colocamos duas linhas para ação
fatorial. Nossa intenção era trazer ao seu conhecimento o comando % que resgata o último valor
calculado e o insere em uma nova operação.
Lembrete
Revelo a você que eu, ao redigir o presente livro‑texto, o faço com o

Maxima aberto em outra janela. Recomendo que, ao ler esse texto, faça‑o com
o Maxima aberto e vá realizando cada atividade à medida que as lê ou estuda.
Já tendo calculado 5! em meu computador, resolvi fazer uma conta em que conseguíssemos ter o
resultado por cálculo mental, de modo que usasse tal resultado. Essa é a razão que bastou para que eu
digitasse 2+2*%. Tentei esclarecer tal comando (%) na parte inferior da tabela.
Resultados numéricos oferecidos pelo Maxima
O Maxima é programado para devolver os resultados mais exatos, porém, nem sempre é possível. Isso
significa que algumas vezes ele devolve uma expressão simbólica no lugar de um valor numérico. Veja
os exemplos a seguir:
I. (%i3) sqrt(2); (%o3) sqrt(2)
II. (%i4) log(10); (%o4) log(10)
III. (%i5) 2/3; (%o5) 2/3
Porém, muitas vezes não interessa saber o valor fracionário como no exemplo III, mas sim um valor
aproximado. Para forçar o Maxima a nos devolver um resultado aproximado, usamos a expressão float
(comando de entrada). Veja como ficam nossos exemplos:
Quadro 4
I. (%i6) float(2/3); (%o6) 0.66666666666667

II. (%i7) float(sqrt(2)); (%o7) 1.414213562373095
III. (%i8) float(log(10)); (%o8) 2.302585092994046
144
O quadro a seguir ilustra como inserimos constantes e/ou símbolos especiais no Maxima:
Quadro 5
Algumas notações no Maxima

Comando:
Representação Valor
Nome Símbolo valor
no Maxima aproximado
aproximado
Número de Euler e %e float(%e); 2.718281828
Pi πp %pi float(%pi); 3.141592654
Raiz quadrada 2
de 2 sqrt(2) float(sqrt(2)); 1.414213562
Logaritmo de 3 ln3 log(3) float(log(3)); 0.477121255

na base e
Infinito ∞∞ inf
i: nº complexo i= −1 %i
Observação
Você deve ter observado que até agora o símbolo % teve duas
funções: chamar o último resultado obtido para inseri‑lo em novo
cálculo e para indicar que um símbolo é uma constante. Mas e %
como porcentagem... se você entrar com 10% na caixa de Entrada do
Maxima.
(%i1) 10%; Incorrect syntax: % is not an infix operator10%; ^ => ele

não entende que é 0,1 e chama a sua atenção ao fato de que você está
cometendo um erro. Fique atento!
Diferentemente de outras, esta versão diferencia letras maiúsculas de minúsculas: A: e a: são

entendidas como declaração de variáveis diferentes. Consequentemente, se você entrar com sen(pi), ele
procederá de forma diferente se entrar com sen(PI).
Isto é, sen(PI) ≠ sen(pi).
Abreviamos seno por sin em pacotes computacionais que têm a língua inglesa como base.
Veja os resultados obtidos:
(%i18) sin(%PI); (%o18); sin(%PI)
Já (%i19) sin(%pi); (%o19) 0
145
Unidade IV
Lembrete
Há versões do Maxima que não diferenciam letra maiúscula de

minúscula.
Observação
I. (a – b)* c é diferente de a – b*c.
II. O Maxima é um sistema no qual trabalhamos em linhas de comando.

Você informa um comando na Entrada, obtém uma resposta e pode inserir
o próximo comando.
III. Se quiser saber um valor aproximado, precisa usar a expressão float [...].
Exemplos
Resolva as operações a seguir, e expresse cada resultado nas formas fracionária e decimal:
−1 2
  
32  3
2 2 3
 2 1 −2  2 
a)   _ 2 * + 2 b)   + (1, 5) −  + 
 3 4  5  4 + 3  3
 2 
 
10!
c)
3 * 112
Resolução:
a) (%i10) (2/3)^2–2*(1/4) + sqrt(2); (%o10) sqrt(2) – 1/18
Usando a tecla que tem a seta para cima “↑”, resgatamos o resultado já digitado. Na sequência,
digitamos a palavra ou comando float e inserimos o comando já digitado em (i%10) dentro dos
parênteses. Tecle Enter.
(%i11) float((2/3)^2 – 2*(1/4)+sqrt(2)); (%o11) 1.35865800681754
b) Para evitar erros de digitação ou que você venha a se perder nos parênteses, sugerimos que faça
esse item em partes:
146
Parte 1: (%i15) ((2^3)/5)^2; (%o15) 64/25
Parte 2: queremos resultado fracionário, logo, usamos o 1,5 na forma de fração 3/2 e obtemos:
(%i16) (3/2)^(–2); (%o16) 4/9
Parte 3: subdivida e faça passo a passo para ser mais didático:
(%i17) ((2^3)/(4+3/2))^(–1); (%o17) 11/16
(%i18) ((2^3)/(4+3/2))^(–1)+ 1; (%o18) 27/16
(%i19) (((2^3)/(4+3/2))^(–1)+ 1)^2; (%o19) 729/256
Parte 4: fazer a operação entre as partes:
(1)+ (2) – (3): (%i20)(64/25) + (4/9) – (729/256)
(%o20) 9031/57600
(%i21) float(%); (%o21) 0.15678819444444
c) (%i22) sqrt((10!)/(3*11^2)); (%o22) (240*sqrt(21))/11
(%i23) float(%); (%o23) 99.9834697081274
Resultados algébricos e simbólicos oferecidos pelo Maxima
O Maxima efetua operações simbólicas, isto é, realiza operações algébricas como fatorar polinômios,
expandir expressões algébricas, calcular raízes de uma equação polinomial, resolver sistemas de equações
etc. Uma das mais importantes características desse aplicativo é que ele manipula e simplifica expressões
algébricas. Podemos usar os operadores aritméticos para efetuar a simplificação de uma expressão algébrica.
Exemplo 1
2
2 1
Simplifique a expressão: 3x + a − x + a
3
Tabela 3
1
Expressão 3x2 + a − x2 + a
3
Sintaxe 3*x^2+a-x^2+(1/3)*a;
4a
Resultado 2 x2 +
3
147
Unidade IV
Dicas de formatação de fórmulas
Podemos dar espaço entre os operadores para melhorar a visualização das expressões na tela sem
nenhum problema:
( )
2
• (%i11) (1 + sqrt (3))^2; (%o11) 3 +1
Se colocada uma expressão, o Maxima conservará a forma simbólica:
( )
2
• (%i10) (1+sqrt(3))^2; (%o10) 3 +1
Se inserirmos o símbolo dólar ($) no final da linha de comando antes de teclar Enter, o Maxima
omitirá o aparecimento do resultado na tela.
Esses artifícios são usados quando pretendemos otimizar tempo e aparência da tela que exibe os
cálculos.
Exemplo 2
Decompor 10! em função de seus fatores primos:
Sabemos que 10! = 10*9*8*7*6*5*4*3*2*1 = 3628800. O Maxima irá fazer a decomposição

para nós; basta colocarmos o prompt na caixa de entrada e digitar a palavra factor(número);
veja abaixo:
Tabela 4
Sintaxe factor(10!);
Resultado 28 34 52 7
Lembrete
Para decompor um número em fatores primos, esse número

obrigatoriamente tem de ser um número natural.
Exemplo 3
Decompor: x2–1
O Maxima também realiza decomposição de expressões algébricas. Para isso, basta digitar a palavra
factor(expressão); veja:
148
Tabela 5
Sintaxe factor(x^2-1);
Resultado (x – 1)(x + 1)
Uma limitação do comando factor é que ele não é um bom resolvedor de expressões, caso o
componente numérico da fatoração seja um número não inteiro.
Veja os dois exemplos:
• (%i20) factor(x^2+1); (%o20) x^2+1: aqui, não foi feita a fatoração.
• (%i21) factor (x^2–1/4);(%o21) ((2*x–1)*(2*x+1))/4: aqui, a resposta mais simples seria

(x–1/2)*(x+1/2).
Exemplo 4
Determine a forma expandida de (x–2)4
Para obter a forma expandida de uma expressão qualquer, basta usar o comando expand (expressão)
e clique Enter, veja:
Tabela 6
Expressão (x–2)4
Sintaxe expand((x-2)^4);
Resultado x4 – 8x3 + 24x2 – 32x + 16
Exemplo 5
1
Determine a decomposição parcial fracionária de
x2 + x − 2
Para obter a decomposição parcial fracionária simples de expressões fracionárias, fazemos uso
do comando partfrac e procedemos da seguinte forma: na caixa de entrada, digitamos partfrac
(expressão, variável) e teclamos Enter. Veja no exemplo:
Tabela 7
13x − 25
Expressão
x2 + x − 6
Sintaxe partfrac((13*x-25)/(x^2+x-6),x);
64 1
Resultado +
5 ( x + 3) 5 ( x − 2)
149
Unidade IV
Outros exemplos
Usando a função factor do Maxima, decomponha os pares de números a seguir e determine o

MMC:
a) 473 e 96.
b) 112 e 108.
Respostas:
a) 473 = 43*11 e 96 = 2^5*3
MMC = 45408
b) 112 = 247e 108 = 2233
MMC = 3024
7.1.4.4 Variáveis, funções, constantes e expressões no Maxima
Se desejarmos definir variáveis e funções no Maxima, deveremos proceder como exemplificaremos

em diversos subitens a seguir.
Atribuindo valores a variáveis e calculando numericamente o resultado de expressões
Para calcular x10, por exemplo, quando (i) x = 2; (ii) x = 0,5:
(%i1) x : 2;(%o1) 2 (%i2) x^10; (%o2) 1024 ou (%i3) x : 2$ (%i4) x^10; (%o4) 1024
Digitamos na caixa de entrada, x, dois pontos (:), 2 e $. Dessa forma, o Maxima vai entender que
todo x que você colocar em uma expressão daqui para frente, nessa sessão de trabalho, tem valor
numérico 2. O símbolo de $ é para que ele oculte a saída de x:2 (x=2). Na sequência, voltamos à caixa
de entrada e fazemos a potência x10, digitando x^10; é só aguardar o resultado.
(ii) (%i5) x: 0.5$ (%i6) x^10; (%o6) 9.765625*10^–4
Exemplo
Sejam a = –1; b = 4; c = 0,5; d = 2; e = –3. Calcule, usando no Maxima, o valor de cada expressão a
seguir. Antes de pedir ao Maxima que realize as contas, devemos informá‑lo do valor das variáveis. Na
sequência, inserir a variável, depois os dois pontos (:) e, por fim, o valor da variável:
(%i9) a : –1$; (%i10) b : 4$; (%i11) c : 0.5$; (%i12) d :2$; (%i13) e : –3

150
Tabela 8 – a)
Expressão −b + b2 − 4ac
2a
Sintaxe (-b+sqrt(b^2-4*a*c))/(2*a);
Resultado -0.12132034355964
Tabela 9 – b)
Expressão −b − b2 − 4ac
2a
Sintaxe (-b-sqrt(b^2-4*a*c))/(2*a);
Resultado 4.121320343559642
Tabela 10 – c)
Expressão b2 b3 b4 b5
1− b + − + −
2! 3! 4! 5!
Sintaxe 1-b+(b^2)/2!-(b^3)/3!+(b^4)/4!-(b^5)/5!; ou
1-b+b^2/2!-b^3/3!+b^4/4!-b^5/5!;
Resultado -53/15
Tabela 11 – d)
(2b − 3a)d
Expressão
a(d + e)c
Sintaxe ((2*b-3*a)^d)/(a*(d+e)^c);
Resultado -121/(-1)^0.5
Definindo e operando com funções matemáticas
Lembrete
Para definir uma função de uma variável, usaremos o comando :=
a) Dada a função f(x)= x2–2x–3, determine f(0) e f(–1/2):
Tabela 12
Expressão F(x)= x2–2x–3(i) f(0)=? e (ii) f(–1/2)=?
Sintaxe F(x):=x^2–2x–3; f(0); f(–1/2);

Resultado (i) –3 e (ii) –7/4
151
Unidade IV
b) Dada a função f(x)= x2–2x–3, determine f(x+h):
Tabela 13
Expressão F(x)=x2–2x–3 f(x+h)=?

Sintaxe f(x):=x^2–2*x–3; f(x+h);
Resultado 1 (x+h)2 – 2(x+h) – 3
Vamos expandir o resultado que acabamos de obter?
Tabela 14
Sintaxe expand(%);
Resultado 2 x2+2hx–2x+h2–2h–3
c) Dada a função f(x, y) = (x–1)2+y2, determine f(2, 3)
Tabela 15
Expressão f(x, y)= (x–1)2+y2 e f(2, 3) = ?

Sintaxe f(x, y):=(x–1)^2+y^2 ; f(2, 3);
Resultado 10
d) Dada a função f(x) = cos(2x), determine f(pi)
Tabela 16
Expressão f(x)= cos(2x) e f(pi) = ?

Sintaxe f(x):=cos(2*x); f(%pi);
Resultado 1
Destacamos que é bem simples operarmos com limites, derivadas e integrais no Maxima.
Recomendamos que, independentemente dessa disciplina, você aprofunde seu conhecimento do Maxima.
Esse pacote computacional pode ser um importante aliado seu nos estudos de outras disciplinas e em
nosso curso de Matemática. Boa diversão!
7.1.4.5 Funções internas ao Maxima
O Maxima contém muitos comandos e funções internas – algumas destas vimos na seção anterior.
Vale lembrar que o nome das funções deve ser digitado sempre em letras minúsculas. Destacamos que
os parâmetros de uma função devem ser delimitados por parênteses e que basta digitar a abertura dos
parênteses que o fechamento é inserido automaticamente. Logo, mesmo que você seja desatento, não
terá muitos problemas com isso.
152
A seguir, apresentamos uma lista de exemplos:
Quadro 6
Sintaxe Função Sintaxe Função Sintaxe Função Sintaxe Função
abs(x) |x| acos(x) arccos(x) sinh(x) senh(x) asinh(x) arcsenh(x)
sqrt(x) x asin(x) arcsen(x) cosh(x) cosh(x) acosh(x) arcosh(x)
log(x) ln(x) atan(x) arctan(x) tanh(x) tgh(x) atanh(x) arctanh(x)
sec(x) sec(x) asec(x) arcsec(x) sech(x) sech(x) asech(x) arcsech(x)
csc(x) cosec(x) acsc(x) arccosec(x) csch(x) csch(x) acsc(x) arccosech(x)
cot(x) cotg(x) acot(x) arccotg(x) coth(x) cotgh(x) acoth(x) arccotgh(x)
Quadro 7
Sintaxe tan(...) sqrt(...) sin(...) cos(...)

Função tangente de... raiz quadrada de... seno de... cos de...
Sintaxe sign(x) factor(...) expand(...)

Função x a fatoração de um número ou de expande uma expressão fatorada
|x| uma expressão
Sintaxe exp(x) ratsimp(...) display(...)

Função ex
reduz uma expressão a um simplifica uma expressão
mesmo denominador
Sintaxe min(a, b, c) max(a, b, c) partfrac(expressão, variável)

Função valo mínimo valor máximo Calcula a decomposição parcial fracionária simples para
entre... entre... expressões fracionárias
Sintaxe invert(A) A^^-1 determinante(A) rank(A) transpose(A)

Função inverte a inverte a determinante da posto da Matriz trasposta da
Matriz A Matriz A Matriz A A Matriz A
Sintaxe charpoly(A, x) echelon(A) eigenvalues(A) eigenvetors(A) triangularize(A)

Função polinômio forma autovalores da autovalores da forma triangular
característico escalonada Matriz A Matriz A da Matriz A
da matriz A
7.1.4.6 Vetores, Matrizes, Equações e Sistemas Lineares
No Maxima, um vetor é definido como sendo uma variável, desde que seus parâmetros sejam
colocados entre colchetes e separados por vírgulas:
      3 
v : [a, b, c, ... ,n]. Se desejarmos calcular (i) u + v e (ii) u − 2v , dados u = ( −1, 0, 2) e v =  , − 1, 2 .
2 
153
Unidade IV
Primeiramente devemos, na Entrada, atribuir os parâmetros para as variáveis u e v da seguinte

forma:
(%i29) v:[3/2,‑1,2]$; (%i30) u:[‑1,0,2]$
Voltamos à Entrada, digitamos u+v e teclamos Enter:
i) (%i31) u+v; (%o31) [1/2,‑1,4].
Na sequência, voltamos à caixa de Entrada, digitamos u‑2v e teclamos Enter:
ii) (%i32) u‑2*v; (%o32) [‑4,2,‑2].
Exemplos
   3 
Dados r = (1, 0.5, −2) e s =  − , −1, 2 , calcular, usando o Maxima:
 2 
 
a) as componentes do vetor 2 r + s ;
 
b) as componentes do vetor e 2 r − 3s .
Resolução:
Primeiramente, definimos, na Entrada, as variáveis r e s.
r:[1 , 0.5, ‑2 ]$ e s: [‑3/2 , ‑1 , 2 ]$
Tabela 17 – a)
 
Expressão 2r + s
Sintaxe 2*r+s;
Resultado [1/2,0.0,‑2]
Tabela 18 – b)
 
Expressão 2 r − 3s
Sintaxe 2*r‑3*s;
Resultado [13/2,4.0,‑10]
154
Saiba mais
Para saber mais e revisar seus conceitos envolvendo vetores, visite os sites:
<http://educar.sc.usp.br/fisica/vetores.html>;
<http://efisica.if.usp.br/mecanica/universitario/vetores/>;
<http://www.youtube.com/watch?v=mtNIaRk1XOE>.
Para inserirmos uma matriz, devemos ler cada linha de uma matriz como se fosse um vetor; desta
forma, se temos uma Matriz Mmxn, devemos digitar na caixa de ENTRADA:Matrix([vetor da 1ª. linha],
[vetor da 2ª. linha], [vetor da 3ª. linha], ..., [vetor da enésima linha]);
Procedimento: digitamos a palavra Matrix, abrimos os parêntesis (que são automaticamente fechados
quando se clica no botão Enter) entre os parêntesis, vamos dentro do colchete digitando cada vetor
linha. Os vetores linhas devem ser separados por vírgulas.
 
 2 1 0  −1 2 0 
Dadas A =  3 2 1 e B =  −2 2 1  determinar A+B
 
 0 0 1  1 
 − 0 0
2
Primeiramente, devemos, na Entrada, definir e inserir as matrizes A e B:
A:matrix([2,1,0],[3,2,1], [0,0,1]) enter;
B:matrix([‑1,2,0],[‑2,2,1], [‑0.5,0,0]) enter;
E verá a seguinte tela:
155
Unidade IV
Figura 32
Para obter A+B, basta digitar na entrada A+B teclando Enter e terá:
Figura 33
Outro caminho para inserir uma matriz é seguir os seguintes passos: com o Maxima aberto, digitar
na caixa ENTRADA a: para poder resgatar essa matriz pela denominação a quando necessitar.
Figura 34 – Nomeando a matriz que iremos inserir no Maxima.
Isto feito, selecionar na barra o tema Álgebra e escolher o item Introduzir matriz.
156
Figura 35 – Inserindo uma matriz no Maxima
Isto feito, automaticamente a seguinte tela se abrirá. Nela, você deverá marcar o número de linhas
e o número de colunas de que necessita para obter a matriz desejada:
Figura 36 – Inserindo uma matriz no Maxima: definindo a dimensão
Após definir a dimensão da matriz desejada, clique em OK. Você terá acesso a uma tabela na dimensão
solicitada para completá-la com os elementos desejados. Veja a figura 37:
Figura 37 – Inserindo uma matriz no Maxima: inserindo os termos
157
Unidade IV
Lembrete
Para apagar os zeros apresentados automaticamente, clique sobre eles

e os apague. Na sequência, digite os valores desejados para cada posição.
Depois, selecione OK.
Figura 38 – Inserindo uma matriz no Maxima: inserindo os termos desejados
Após clicar em OK, você terá introduzido na matriz a deste arquivo do Maxima, que apresentará uma
tela semelhante à que apresentamos a seguir:
Figura 39
Veja que na entrada apareceu nomeada a matriz a:
Figura 40
158
Necessitávamos de operar com a matriz b. De maneira análoga, vamos inserir a matriz b. Isto é,
vamos inserir “b:” na entrada, selecionar “Álgebra” na barra de ferramentas, depois optar por “Introduzir
matriz” e escolher escrever uma matriz 3x3. Na sequência, inserimos a matriz b do início deste item.
Vejamos:
Figura 41 – Inserindo uma matriz b no Maxima
Voltando à região denominada Entrada, digitamos a+b, pressionamos a tecla Enter e obtemos o
resultado da soma a+b, conforme a figura a seguir:
Figura 42 – Inserindo a soma de duas matrizes a e b no Maxima
Para calcularmos a inversa de a, basta digitar a na Entrada, voltar a escolher o tema Álgebra e depois
Inverter matriz:
159
Unidade IV
Figura 43 – Calculando a inversa da matriz a no Maxima
Em segundos, temos a matriz inversa de a, a saber:
Figura 44
Aprenda a ler a tela de seu computador. Ela está te informando que, para inserir direto a solicitação
de função inversa na Entrada, basta você digitar invert(a); e teclar Enter.
Caso você deseje calcular o determinante da matriz a, deve colocar o cursor na entrada, digitar a,
na sequência, selecionar Álgebra e depois determinante. Imediatamente, o Maxima devolve o valor
numérico do determinante da matriz a.
Figura 45
160
Figura 46 – Calculando o determinante da matriz a no Maxima
Novamente, lendo a tela de seu computador, ela está te informando que, para inserir direto a
solicitação do determinante de uma matriz na Entrada, basta você digitar determinant(a); e teclar
Enter.
Se você precisar transpor a matriz a, o procedimento é semelhante. Digitar a na Entrada, selecionar

“Álgebra” e optar por “Transpor matriz” e obterá como resposta a matriz a seguir:
Figura 47
Perceba que o que era linha na matriz a agora é coluna na transposta de a.
Mais uma vez, insisto na atenção a tudo que nos apresenta uma imagem, lendo a tela de seu
computador. Ela está te informando que para inserir direto a solicitação da transposta da matriz a na
Entrada, basta você digitar transpose(a); e teclar Enter.
Confira os passos na figura a seguir:
161
Unidade IV
Figura 48 – Calculando a transposta da matriz a no Maxima
Exemplos
Dadas as matrizes A e B anteriores, usando o Maxima, determinar:
a) A*B;
b) o determinante de A;
c) a inversa de A;
d) a transposta de A;
e) posto da matriz A;
f) o polinômio característico de A+B;
g) a forma triangular de (A+B);
h) a forma escalonada de (A+B);
i) a forma triangular de (B);
j) a forma escalonada de (B);
162
Resolução:
Definidas e inseridas as matrizes A e B na caixa de entrada, cada item é resolvido como segue:
Tabela 19 – a) A*B
Expressão A*B
Sintaxe A.B;
 −4.0 6 1 
 −7.5 10 2
Resultado  
 −0.5 0 0
Comentário: multiplicação de matrizes A*B=C: operação que só pode ser realizada quando o número
de colunas de A for igual ao número de linhas de B. A matriz C, se existir, terá o número de linha de A e o
número de colunas da matriz B. Atenção: a multiplicação de matrizes no Maxima é feita com o símbolo
. (ponto), e não com *. Caso você precise calcular A3 deve fazer (A.A.A); se entrar com o comando A^3, no
Maxima, estará elevando cada elemento da matriz A ao cubo. Veja a diferença:
26 15 5  8 1 0
(%i84) A.A.A; (%o84) 45 26 10 já (%i85) A^3; (%o85) 27 8 1
   
 0 0 1   0 0 1
Tabela 20 – b) O determinante de A
Expressão detA
Sintaxe determinant(A);
Resultado 1
Comentário: determinante é uma propriedade matricial muito usada na resolução de sistemas lineares.
Tabela 21 – c) A inversa de A
Expressão A1
Sintaxe invert(A); ou A^^‑1
2 − 1 1 
 −3 2 − 2
Resultado  
0 0 1
Comentário: se a inversa existe, é única. Uma matriz A só admite inversa quando o determinante de
A for um número diferente de zero e A1*A=A*A1=/. Só matrizes quadradas são inversíveis ou invertíveis:
(A-1)-1=A
163
Unidade IV
Tabela 22 – d) A transposta de A
Expressão AT
Sintaxe transpose(A);
2 3 0
1 2 0
Resultado  
0 1 1 
Comentário: 1ª linha da matriz A será 1ª coluna da AT; 2ª linha da matriz A será 2ª coluna da AT e
assim sucessivamente. Se A for uma matriz simétrica, A= AT.
Tabela 23 – e) Posto da matriz A
Expressão Posto de A
Sintaxe rank(A);
Resultado 3
Comentário: quando começamos a abordar o tema matrizes, comentamos que, para inserir uma
matriz, entendemos cada linha dela como sendo um vetor (as colunas também são interpretadas
como vetores). O posto de uma matriz é o numero de vetores linha (ou coluna) linearmente
independentes. Uma matriz 3x5 possui no máximo 3 valores L.I. Logo, o valor máximo que o posto
pode alcançar é 3. O conceito de posto é muito usado em álgebra linear no estudo de sistemas
lineares. O número de soluções de um sistema está associado ao posto da matriz dos coeficientes
e ao posto da matriz ampliada.
Tabela 24 – f) O polinômio característico de A+B
Expressão det(A+B – xI)

Sintaxe charpoly(A+B,x);
Resultado (1–x)2(4–x)–3(2.0–x)
Comentário: você pode não se lembrar, mas calcular o polinômio característico é uma das etapas
do procedimento realizado para se calcular os autovalores de uma matriz. Para calcular os autovalores,
igualamos o polinômio característico a zero e as raízes desta equação serão os autovalores.
Tabela 25 – g) A forma triangular de A+B
Sintaxe triangularize(A+B);
1 3 0 
0 1 2 
Resultado  
0 0 − 4 
164
Tabela 26 – h) A forma escalonada de A+B
Sintaxe echelon(A+B);
1 3 0 
0 1 2 
Resultado  
0 0 1
Tabela 27 – i) A forma triangular de (B)
Sintaxe triangularize(B);
 −1 0 0 
0 − 2 0
Resultado  
0 0 − 2
Tabela 28 – j) A forma escalonada de (B)
Sintaxe echelon(B);
1 0 0
0 1 0
Resultado  
0 0 1 
Caso você tenha se esquecido da diferença entre forma triangular e forma escalonada, observe, compare
e analise nossos quatro itens anteriores. Você deve ter percebido que a diagonal formada pelos elementos que
ocupam a posição i=j de nossas matrizes escalonadas é composta apenas por uma sequência de números 1.
Vamos agora estudar um pouco de Equações e Sistemas Lineares no Maxima.
Para resolver uma equação, usamos o comando solve, posicionamos o cursor na entrada, digitamos
solve (equação desejada) e teclamos no botão Enter. Se desejarmos conhecer:
Tabela 29 – a) As raízes da equação x2-2x-3=0
Expressão x2-2x-3=0
Sintaxe solve (x^2 – 2*x – 3 = 0);
Resultado [x = 3, x = – 1]
Tabela 30 – b) As raízes da equação mx2+nx+p=0

na variável x, isto é m,n e p são constantes
Expressão mx2+nx+p=0, com m,n e p números reais

Sintaxe solve(m*x^2+n*x+p=0,x);
 n2 − 4mp + n n2 − 4mp − n 
Resultado x = − , x= 
 2m 2m 
 
165
Unidade IV
Comentário: perceba que o Maxima realizou todos os cálculos algebricamente. Esse é um grande
diferencial do software.
2x + y = 1
Tabela 31 – c) A solução do sistema 
3x − 2y = 4
2x + y = 1
Expressão 
3x − 2y = 4
Sintaxe solve([2*x+y=1,3*x‑2*y=4],[x,y]);
Resultado [x = 6/7, y = – 5/7]
Comentário: esse sistema é possível e determinado ou simplesmente compatível; logo, possui apenas
uma solução. A interpretação geométrica da solução de sistemas deste tipo são as coordenadas do
ponto (x,y), que representam a interseção das duas retas. Após escalonar esses sistemas, você terá um
sistema equivalente com o mesmo número de equações e incógnitas.
Outro procedimento para inserir um sistema linear é o seguinte: selecione o tema equações, escolha
o item sistema linear conforme figura 49:
Figura 49 – Inserindo um sistema linear
Na sequência, você irá ter na tela de seu computador a janela a seguir. Nesta janela, você deve
definir o número de equações do sistema que irá investigar. Em nosso exemplo 2:
Figura 50 – Inserindo um sistema linear de duas variáveis
166
Retire os zeros da figura 51 e inclua as equações e as variáveis do sistema linear conforme indicado
na figura 52:
Figura 51 – Inserindo as equações de um sistema linear de duas variáveis
Figura 52 – Como inserir as equações e as variáveis
Você também pode trabalhar direto na caixa Entrada usando a função linsolve conforme ilustramos
a seguir. Em %i3, temos a entrada do sistema realizada pelo Maxima e em %o3 a devolutiva ou resposta
do Maxima.
Figura 53
x + y = 1
Tabela 32 – d) A solução do sistema 
x + y = 4
x + y = 1
Expressão 
x + y = 4
Sintaxe solve([x+y=1, x+y=4],[x,y]);
Resultado Inconsistent equations:
167
Unidade IV
Comentário: se o sistema que você pretende resolver for incompatível ou impossível, isto é, não
possuir solução, o Maxima retornará a mensagem Inconsistent equations. A interpretação geométrica da
solução é que não existe ponto de interseção entre as duas retas, o que significa que, geometricamente,
estamos operando com duas retas paralelas. Após escalonar esse sistema, você terá um sistema
equivalente com uma expressão do tipo 0x+0y=k, onde k é uma constante diferente de zero, o que
torna a expressão 0x+0y=k impossível.
x + y = 1
Tabela 33 – e) A solução do sistema 
2x + 2y = 4
x + y = 1
Expressão 
2x + 2y = 4
Sintaxe solve([x + y =2 , 2*x + 2*y = 4],[x,y]);
Resultado Dependent equations eliminated:[x=2‑%r1, y=%r1]
Comentário: esse sistema é possível e indeterminado ou compatível indeterminado. Por isso, possui
infinitas soluções. Pense que y=%r1=α; agora você percebeu que ele estava te oferecendo o padrão
das soluções do sistema x=2 – α e y= α; serão as soluções para qualquer que seja α. A interpretação
geométrica da solução é que as retas do sistema são duas retas coincidentes. Após escalonar esse
sistema, você terá um sistema equivalente com o mesmo número de equações menor que o número de
variáveis.
Exemplo de aplicação para fazer e discutir no fórum
A seguir, apresentaremos três sistemas lineares de duas equações e duas incógnitas. Use
o Maxima para resolver os sistemas. Depois, argumente e classifique‑os tanto algébrica como
geometricamente em sistema possível determinado, sistema impossível e sistema possível
indeterminado.
2x + y = 6
1. 
4 x − y = 6
x − 3y = 9
2. 
 − x + 3y = 1
x − 3y = 9
3. 
 − x + 3y = 1
168
(2, 2)
1,52 3
–6
Figura 54
–2
3
9
–3
Figura 55
169
Unidade IV
-5
Figura 56
Comentário: para resolver um sistema no Maxima, também podemos recorrer ao comando

linsolve.
x − y − z = 2

Tabela 34 – f) A solução do sistema: 2x − 3y + 2z = 16
2x − y + z = 9

x − y − z = 2

Expressão 2x − 3y + 2z = 16
2x − y + z = 9

Sintaxe linsolve([x‑y‑z=2,2*x‑3+2*z=16,2*x‑y+z=9],[x,y,z]);
Resultado [x = 12, y = 25/2, z = – 5/2]
Comentário: interpretação geométrica: três planos que se interceptam em um único ponto.
Outro procedimento de inserir um sistema linear é o seguinte: selecione o tema equações, escolha o
item sistema linear conforme figura 57:
170
Figura 57 – Inserindo um sistema linear
Após esta opção, a janela a seguir se abrirá e nela você irá definir a dimensão do sistema pelo
número de equações:
Figura 58 – Inserindo o número de equações do sistema linear
Definido o tamanho do sistema, você deve digitar as equações. Não se esqueça de escrever o símbolo
computacional de produto (*) entre os coeficientes e as variáveis. Caso você se esqueça de colocar o *,
os pacotes computacionais não conseguirão executar o que lhes é solicitado.
Figura 59 – Inserindo o sistema desejado (sistema linear)
Inseridas as equações, você deve, na região designada por variáveis, inserir, separando por vírgulas,
quais são as variáveis do sistema cuja solução você deseja saber. Em seguida, clique em OK. Você obterá
os seguintes retornos do Maxima:
171
Unidade IV
Figura 60
Sintetizando:
• sistema possível e determinado ou sistema compatível determinado: o sistema possui uma única solução;
• sistema possível e indeterminado ou sistema compatível indeterminado: o sistema possui infinitas

soluções;
• sistema impossível ou sistema incompatível: o sistema não possui solução.
7.1.5 Considerações importantes sobre classificação de um sistema linear e sua interpretação

geométrica
No plano, um sistema de duas variáveis pode ser representado por duas retas:
• concorrentes: para o caso de ser possível e determinado:
Figura 61
• paralelas: para o caso de ser impossível:
Figura 62
• coincidentes: para o caso de ser possível e indeterminado:
Figura 63
172
Atividade para pesquisar e debater no fórum
Busque exemplos numéricos que provem o texto a seguir e apresente‑os para verificação e debate no fórum.
Um sistema de três variáveis pode ser pensado como sendo um conjunto de três planos no espaço. Contudo,
tome cuidado: a famosa regra de Cramer só pode ser usada para discutir sistemas possíveis e determinados:
a) quando o sistema é possível e determinado, os 3 planos se interceptam em um único ponto. Tanto

quando aplicamos a regra de Cramer quanto quando escalonamos o sistema, temos um sistema
possível determinado:
π2 π3
P
Figura 64
b) os três planos coincidem: ao aplicarmos a regra de Cramer, o sistema será indeterminado e o mesmo
ocorre quando escalonamos o sistema. Ao escalonarmos, percebemos que as três equações são
equivalentes; logo, os planos são o mesmo plano. A técnica de escalonamento facilita visualizar o
que está ocorrendo geometricamente.
π1=π2=π3
Figura 65
c) os dois planos coincidem e um é paralelo: ao aplicarmos a regra de Cramer, concluiremos que o

sistema é indeterminado e, ao escalonarmos, percebemos que é impossível. Vemos no escalonamento
que há duas equações equivalentes e algo impossível está ocorrendo. Tente construir o exemplo.
π3
π1=π2
Figura 66
173
Unidade IV
d) três planos paralelos entre si: ao aplicarmos a regra de Cramer, concluiremos que o sistema é
indeterminado e, ao escalonarmos, perceberemos que é impossível. Duas linhas zeram o primeiro
membro, resultando em valor diferente de zero independente:
π3
π2
π1
Figura 67
Continue esta discussão no fórum:
• dois planos coincidentes e um secante:
— Cramer resultando em Sistema indeterminado e o mesmo ocorrendo com o

escalonamento;
• dois planos paralelos e um secante:
— Cramer pode variar entre indeterminado e impossível e o escalonamento é impossível;
• os três planos serem secantes com uma reta comum:
— Cramer pode variar entre indeterminado e impossível e o escalonamento é impossível.
Saiba mais
Para saber mais sobre sistemas lineares, leia o artigo disponível no site
a seguir: <http://www6.ufrgs.br/espmat/disciplinas/novos_conteudos/
modulo_III/pdf/exp_sist_lineares.pdf>.
8 TRANSFORMAÇÕES LINEARES
Imagens que possuem repetição de padrão são encontradas frequentemente na natureza e nas
artes. Os fractais sempre exibem repetições, com rotações, expansões, contrações e translações de
padrões.
174
Figura 68 ‑Azulejos
São exemplos disso a arte do azulejamento, a arte de criar logomarcas para empresas, a estrutura de
moléculas de cristais, o padrão da folha de samambaia.
Saiba mais
O artista holandês M. C. Escher (1898–1972) explorou em muitas de

suas obras a arte de recobrir o plano usando repetições de padrões sem
sobrepor espaços ou deixar vazios entre as imagens. Para conhecer sua
vasta obra, acesse: <http://www.mcescher.com/>.
Estudaremos, nesta parte da disciplina, alguns temas específicos de álgebra linear. Faremos uma
breve visita ao conceito de transformações lineares e, na sequência, exploraremos um pouco as
aplicações injetoras e não injetoras. Nossa intenção é colocar nosso foco maior nas transformações
lineares planas.
O que é uma transformação linear? Uma transformação linear nada mais é do que um tipo especial
de função.
175
Unidade IV
8.1 Transformação ou aplicação linear
Uma transformação linear T :V → W é uma aplicação (ou função) que a cada v → V faz corresponder
um único T(v) → W e que  u, v ∈ V e a ∈ R satisfaz às seguintes condições:
a) T (u + v) = T (u) + T (v);
b) T (av) = aT (v) .
Se formos pensar em termos de função, V é o domínio e W é o contradomínio, e a nossa imagem

será um subconjunto de W.
Essa duas condições podem ser reduzidas a uma só:
T :V → W é uma transformação linear se, e somente se, para todos v1, v, ..., vn ∈ V e escalares
α1, α,...,αn, temos T (α1 v1 + α2 v2 + ...+ αn vn) = α1 T(v1) + α2 T(v2) +...+ αn T(vn)
Chamamos de operador linear uma transformação de um espaço nele mesmo T :V → V. Se formos

pensar em termos de função, V é o domínio e, no caso de ser um operador, V também será o contradomínio,
e a nossa imagem será um subconjunto de V.
Como o foco de nosso estudo nesta disciplina são as transformações lineares planas, todos os
exemplos aqui abordados serão dentro desta característica, isto é, traremos como exemplos apenas
aplicações do ℜ2 no ℜ2.
8.2 Transformação linear plana
No plano, podemos efetuar as seguintes aplicações lineares:
• dilatação ou expansão e contração ou retração;
• reflexão;
• projeção;
• cisalhamento;
• rotação em um ângulo θ no sentido anti‑horário.
Para sermos didáticos, optamos por trabalhar com esses movimentos por meio de exemplos e
consideraremos v = (x,y) ∈ ℜ2.
176
8.2.1 Movimentos de dilatação e contração
Exemplos
1. T: ℜ2 → ℜ2, ou seja, uma aplicação que vai do plano, no plano: T(x,y) =(3x, 3y)
Esta é uma transformação linear. Vamos testar. Será que a afirmação a seguir é verdadeira?
T(a1v1+a2v2+...+anvn)=a1T(v1)+a2T(v2)+...+anT(vn)
De fato: sejam v1=(x1, y1) e v2=(x2, y2)
T(a1v1+a2v2)=(3a1(x1, y1)+3a2(x2,y2))=(3a1x1, 3a1y1)+(3a2x2,3a2y2)
(i) a1T(v1)+a2T(v2)=a1(3x1,3y1)+a2(3x2, 3y2)=(1) (3a1, x1, 3a1, y1)+(3a1 x1, 3a1y1)+(3a2x2, 3a2y2)
(ii) (1) como 3 e a ∈ R 3*a =a*3; para todo a∈ R.
Como (i) = (ii), T(x,y) = (3x, 3y), é uma transformação linear!
Qual será a interpretação geométrica dessa transformação?
Essa transformação representa uma dilatação (ou expansão) uniforme de três unidades:
y
T (v)
0 x
Figura 69 – Transformação de v=(0,5;1) para T(v)=(1,5;3)
2. Consideremos agora:
T: ℜ2→ℜ2
T(v) = T(x,y) =(x/2, y/2) . De maneira análoga, demonstra‑se que T é um operador linear.
A interpretação geométrica é que a transformação representa uma contração (retração) uniforme

de 0,5 unidades.
177
Unidade IV
y
v
T (v)
Figura 70 – Contração do vetor v=(2,2) em T(v)=(1,1)
A estes dois exemplos de operadores lineares, podemos associar genericamente uma única
expressão:
T: ℜ2→ℜ2
T(v) = T(x,y) =(ax, ay) se a for um número real não nulo. Se |a| > 0, teremos uma expansão e se
|a| < 0, teremos uma contração.
A essa transformação uniforme de expandir ou contrair em alfa unidades podemos genericamente

associar a seguinte matriz canônica:
 α 0
A= , veja:
 0 α
  x  x   α 0  x   αx 
T    = A   =>   *  y  =  αy  = (αx, αy )
  y  y
   0 α
3. Podemos fazer uma expansão (a) ou contração (b) somente no eixo x.
a) T: ℜ2→ℜ2
 3 0
T(x,y) = (3x,y) a matriz associada a essa aplicação é A = 
 0 1 
  x  x   3 0  x   3x
De fato: T    = A   =>  * = = (3x, y )
  y  y   0 1   y 1y 
178
y
v = (1,1)
T (v) = (3,1)
0 x
Figura 71
b) T:ℜ2→ℜ2
1 
0
T(x,y) = (x/3,y) a matriz associada a essa aplicação é A =  3 
0 1 
 
1  x
  x  x  0  x x
De fato: T    = A   =>  3  *   =  3  = ( , y )
  y  y   0 1   y 1y  3
   
y T (v) = (2,2)
v = (6,2)
0 x
Figura 72
 α 0
Genericamente, temos a matriz A = 
 0 1 
  x  x   α 0  x   αx
De fato: T    = A   =>  * = = (αx, y )
  y  y   0 1  y  1y 
4. Podemos fazer uma expansão (a) ou contração (b) somente no eixo y.
a) T:ℜ2→ℜ2
1 0 
T(x,y) = (x, 3y) a matriz associada a essa aplicação é: A = 
 0 3
179
Unidade IV
  x  x  1 0  x   x 
De fato: T    = A   =>  * = = ( x, 3y )
  y  y   0 3   y  3y
T (v) = (6,2)
y
v = (2,2)
0 x
Figura 73
1 0 
b) T(x,y) = (x,y/3) a matriz associada a essa aplicação é A =  1
0 
 3
1 0  x 
  x  x   x y
De fato: T    = A   =>  1 *   =  y  = ( x, )
  y  y   0   y   3
 3  3
y (v) = (6,6)
T (v) = (6,2)
0 x
Figura 74
1 0 
Genericamente, temos a matriz A = 
 0 α 
  x  x  1 0   x   x 
De fato: T    = A   =>  * = = ( x, αy )
  y  y   0 α  y  αy 
180
8.2.2 Movimentos de reflexão
Exemplos
1. Reflexão em relação ao eixo x.
T:ℜ2→ℜ2
T(x,y) = (x, ‑y). Para encontrarmos a matriz canônica, calculamos:
T(1,0) = (1, 0) => 1ª coluna da matriz A
T(0,1) = (0, ‑1) => 2ª coluna da matriz A.
1 0 
Consequentemente, a matriz associada a essa aplicação é A = 
 0 − 1
y
(x,y)
T
0 x
(x,-y)
Figura 75
  x  x  1 0   x  x 
De fato: T    = A   =>  *   =   = ( x, − y )
  y  y   0 − 1  y  − y
2. Reflexão em relação ao eixo y.
T:ℜ2→ℜ2
T(x,y) = (‑x, y)
181
Unidade IV
Para encontrarmos a matriz canônica, calculamos:
T(1,0) = (‑1, 0) => 1ª coluna da matriz A
T(0,1) = (0, 1) => 2ª coluna da matriz A.
 −1 0
 0 1
(-x,y) (x,y)
0 x
Figura 76
  x  x   −1 0  x   − x
De fato: T    = A   =>  * = = ( − x, y )
  y  y   0 1  y  y 
3. Reflexão em relação a uma reta, por exemplo, y=x.
T:ℜ2→ℜ2
T(x,y) = (y, x)

e
182
 0 1
1 0
y (y,x)
y=x
(x,y)
0 x
Figura 77
  x  x   0 1  x   y 
De fato: T    = A   =>  * = = (yy, x )
  y  y  1 0  y  x
4. Reflexão em relação a uma reta, por exemplo, y=‑x.
T: ℜ2→ℜ2
T(x,y) = (‑y, ‑x)
T(1,0) = (0, ‑1) => 1ª coluna da matriz A
T(0,1) = (‑1, 0) => 2ª coluna da matriz A.
 0 − 1
 − 1 0
  x  x   0 − 1  x   − y
De fato: T    = A   =>   *  y =  − x  = ( − y, − x )
  y  y
   −1 0
183
Unidade IV
y = -x
y
x
(x,y)
0
T
(-y,-x)
Figura 78
8.2.3 Movimentos de projeção
1. Movimento de projeção em relação ao eixo x.
T: ℜ2→ℜ2
T(x,y) = (x, 0)
1 0 
 0 0
  x  x  1 0   x   x 
De fato: T    = A   =>  * = = (xx, 0)
  y  y   0 0  y  0
y
v=(x,y)
0 T(v)=(x,0) x
Figura 79
184
2. Movimento de projeção em relação ao eixo y.
T: ℜ2→ℜ2
T(x,y) = (0, y)
 0 0
 0 1 
  x  x   0 0  x   0
De fato: T    = A   =>  * = = (00, y )
  y  y   0 1   y  y
y
v=(-x,y)
T(v)=(0,y)
0 x
Figura 80
8.2.4 Movimentos de cisalhamento
1. Cisalhamento na direção do eixo x.
T: ℜ2→ℜ2
T(x,y) = (x+2y, y)
185
Unidade IV

1 2
 0 1
  x  x   1 2   x   x + 2y 
De fato: T    = A   =>  * = = ( x + 2y , y )
  y  y   0 1  y  y 
y v = (2,2)
T (v) = (6,2)
0 x
Figura 81
A essa transformação, podemos genericamente associar a seguinte matriz canônica:
1 α
A= , veja:
 0 1 
  x  x  1 α   x   x + αy
T    = A   =>  * = = ( x + αy, y )
  y  y   0 1   y  y 
y
T6(v) = (-4,2) T5(v) = (-1.4,2) T4(v) = (-1,2) v = (2,2) y=2
T1(v) = (4,2)
T3(v) = (1.4,2)
T2(v) = (1,2)
0 x
Figura 82
186
Tabela 35
Transformação Valor de α
1 2
2 0.5
3 0.7
4 -0.5
5 -0.7
6 -2
2. Cisalhamento na direção do eixo y.
T: ℜ2→ℜ2
T(x,y) = (x, ax+y)
T(1,0) = (1, a) => 1ª coluna da matriz A
1 0 
 α 1
  x  x  1 0  x  x 
De fato: T    = A   =>  *  = = ( x, αx + y )
  y  y  α 1  y   αx + y 
A essa transformação, podemos genericamente associar a seguinte matriz canônica:
1 α
A= , veja:
 0 1 
  x  x  1 α  x   x + αy
T    = A   =>   *  y =  y  = (αx, y )
  y  y
   0 1
187
Unidade IV
y T1(v) = (2,4)
x=2
v = (2,2)
T2(v) = (2,1.4)
T3(v) = (2,1)
0 x
T4(v) = (2,-1.4)
T5(v) = (2,-2)
T6(v) = (2,-4)
Figura 83
Tabela 36
Transformação Valor de α
1 2
2 0,7
3 0,5
4 -0,4
5 -1
6 -2
8.2.5 Movimento de rotação em um ângulo θ no sentido anti‑horário
y Rθ(v)
y’
y
α α
0 x 0 x’ x
Figura 84 Figura 85
188
T: ℜ2→ℜ2
v→ℜθ(v)
( x, y )  ( x ′, y ′ ) , mas como fazer isso?
Analisando e equacionando as ilustrações anteriores, temos que:
I. |v|=|ℜθ(v)|; da ilustração, tiramos os seguintes dados:
 y
senα = v
;

II. 
cos α = x
;
 v
também pela figura, encontramos as relações;
 y′
sen(α + θ) = v
;

III. 
cos(α + θ) = x′
;
 v
da trigonometria, segue que,
sen(α + θ) = senα cos θ + senθ cos α;

IV. 
cos(α + θ) = cos α cos θ − senθsenα
Substituindo o primeiro membro de II pelo segundo de IV, temos:
 y′
senα cos θ + senθ cos α = v

V. 
cos α cos θ − senθsenα = x ′
 v
Substituindo II no primeiro membro de V, temos:
y x y′
 v cos θ + senθ v
=
v

VI.  ;
 x cos θ − senθ y x′
=
 v v v
vemos que todos os termos de VI estão sendo divididos por módulo de v.

189
Unidade IV
Simplificando, temos:
y cos θ + xsenθ = y ′ => cordenada de x após rotação

VIII.  ;
 x cos θ − ysenθ = x ′ => cordenada de x após rotação
Sabemos que: Rθ(x,y)=(x’,y’), logo:
Rθ(v)=(xcosθ–ysenθ, ycosθ+xsenθ)
cos θ − senθ
Deste modo [Rθ ] =   =A. Nossa matriz canônica de rotação.
senθ cos θ 
Exemplo
Qual a transformação que representa rotação de 45º no sentido anti‑horário em um vetor

v=(x,y)?
Resolução
Como a rotação é de 45º no sentido anti‑horário, isso equivale a –45º graus.
  x  x   cos( −45°) − sen( −45°)  x

T    = A   =>  *  =
  y  y   sen( −45°) cos( −45°)   y
 cos 45° sen45°  x
= *  =
 −sen45° cos 45°   y
 2 2
 2 2   x 2 2 2 2
=  *  =( x+ y, − x+ y)
 2 2  y 2 2 2 2
 − 
2 2 
8.3 Aplicações injetoras e não injetoras
Uma transformação linear T: ℜ2 → ℜ2 é injetora se leva vetores distintos do domínio em vetores

distintos da imagem. Isto é, dados v1=(x1, y1) e v1=(x2, y2) com v1 ≠ v2 ⇒ T(v1) ≠ T(v2)
Exemplo 1
T(x,y)=(x,y) – essa é uma aplicação que leva quaisquer dois pontos nela mesma (identidade);
geometricamente, representa a reta y=x.
Se, dados v1=(x1, y1) e v1=(x2, y2) com v1 ≠ v2 ⇒ T(v1) = T(v2), a aplicação é não injetora.
190
Exemplo 2
T(x,y)=(0,0) – essa é uma aplicação que leva quaisquer dois pontos na origem.
Exemplo 3
Considere o triângulo de vértices A (– 2, 1), B(1, – 2) e C (2, 2) sobre o qual se aplicam, respectivamente,
as seguintes transformações: reflexão em relação ao eixo dos y e triplicação dos módulos.
Encontrar os vértices A’, B’ e C’ determinados pela primeira transformação composta com a segunda.
Representar, geometricamente, no mesmo sistema de eixos cartesianos, os triângulos ABC e A’B’C’.
Resolução
Consideremos a matriz da transformação T, [ T ], que é obtida pelo produto da matriz da transformação

T2, [ T2], pela matriz da transformação T1, [ T1].
Lembrete
Nem a composição de função nem o produto de matrizes são

comutativos.
 3 0  −1 0  −3 0
[ T ] = [ T2 ][ T1] ⇒ [ T ] =     ⇒ [ T] =  
0 3  0 1  0 3
Vamos utilizar a matriz [ f ] para encontrar os vértices A’, B’ e C’, resultado final das transformações:
 −3 0  −2 6 
A’ = [ T ]A =    =  
 0 3  1 3
 −3 0  1  −3
B’ = [ T ]B =    =  
 0 3  −2  −6 
 −3 0 2  −6 
C’ = [ T ]C =    =  .
 0 3 2  −6 
Podemos usar o Maxima para calcular A’, B’ e C’. Para tanto, devemos seguir os seguintes passos:
• definir as matrizes A, B e C como variáveis;
191
Unidade IV
• inserir a matriz de transformação T, a partir do cálculo das matrizes T2.T1;

• para obter A’, multiplicamos a matriz T por A. Repetimos o mesmo procedimento para obtermos
as matrizes B’ e C’.
Para encerrarmos esta disciplina, deixamos para você a tarefa de encontrar A’, B’ e C’ usando o Maxima.
Resumo
Tabela 37
Resultado no
Operador Ação Exemplo No maxima Prioridade
maxima
+ Adiciona 2/2 + 1/21 2/2 + 1/21; 5/7 1
– Subtrai 2/3 –1/21 2/3 –1/21; 13/21 1
* Multiplica 2/3 * 1/21 2/3 * 1/21; 2/63 2
/ Divide (2/3) / (1/21) (2/3) / (1/21); 14 2
! Fatorial 5! 5!; 120 3
Fatorial 2 + 2 * 5! 2 + 2 * %; * 242 3, 2, 1
2^10 2^10; 1024 3
^ Potência
(1/4) ^ (1/2) (1/4) ^ (1/2); 1/2 3
1 Calcula a raiz √1024 sqrt (1024); 32 3
a =a 2 quadrada de a 1024 ^ (1/2) 1024 ^ (1/2); 32 3
m Calcula a raiz 5
n m enésima de a 4 5 10 ^ (5/4); 10 * 10 ^ (1/4) 3
a = an elevado a n 10 = 10 4
* Caso queira resgatar o resultado de um cálculo imediatamente anterior basta usar o símbolo %
Resgata o 5 + (UR) 5 + %; Depende do (UR)
% último resultado
(UR) (UR) * 3 % * 3; Depende do (UR)
5! 5!; 120 3
Operação em cadeia
2 + 2 * 5! 2 + 2 * %; 242 3, 2, 1
Tabela 38
Algumas notações no maxima

Representação Comando: valor Valor
Nome Símbolo no maxima aproximado aproximado
Número de Euler e %e float(%e); 2.718281828
Pi π %pi float(%pi); 3.141592654
Raiz quadrada de 2 √2 sqrt(2) float(sqrt(2)); 1.414213562
Logaritmo de 3 na base e ln3 log(3) float(log(3)); 0.477121255
Infinito ∞ inf
i: nº complexo i = √–1 %i
192
Definindo e operando com funções matemáticas: para definir uma

função de uma variável, usaremos o comando :=
Exemplos:
Tabela 39
Sintaxe Função Sintaxe Função Sintaxe Função Sintaxe Função

abs(x) |x| acos(x) arccos(x) sinh(x) senh(x) asinh(x) arcsenh(x)
sqrt(x) √x asin(x) arcsen(x) cosh(x) cosh(x) acosh(x) arcosh(x)
log(x) ln(x) atan(x) arctan(x) tanh(x) tgh(x) atanh(x) arctanh(x)
sec(x) sec(x) asec(x) arcsec(x) sech(x) sech(x) asech(x) arcsech(x)
csc(x) cosec(x) acsc(x) arccosec(x) csch(x) csch(x) acsc(x) arccosech(x)
cot(x) cotg(x) acot(x) arccotg(x) coth(x) cotgh(x) acoth(x) arccotgh(x)
Tabela 40
Sintase tan(...) sqrt(...) sin(...) cos(...)

Função Tangente de ... Raiz quadrada de... Seno de ... Cos de ...
Sintase sign(x) factor(...) expand(...)
x A fatoração de número ou de uma
Função Expande uma expressão fatorada
x expressão
Sintase exp(x) ratsimp(...) display(...)
Função ex Reduz uma expressão a um mesmo Simplifica uma expressão

denominador
Sintase min(a, b, c) max(a, b, c) partfrac (expressão, variável)
Função Valor mínimo Valor máximo Calcula a decomposição parcial fracionária simples para
entre... entre ... expressões fracionárias
Sintase invert(A) A^^–1 denominant(A) rank(A) transpose(A)
Função Inverte a Denominante da Posto da Matriz Transposta da

Inverte a Matriz A
Matriz A Matriz A A Matriz A
Sintase charpoly(A, x) echelon (A) eigenvalues(A) eigenvetors(A) traiangularize(A)
Função Polinômio Forma escalonada Autovalores da Autovetores da Forma triangular

característico da Matriz A Matriz A Matriz A da Matriz A
Operando com vetores:

   
v: [a, b, c, ..., n]. Se desejarmos calcular (i) u + v e (ii) u − 2v , primeiramente
devemos, na entrada, atribuir os parâmetros para as variáveis u e v da
seguinte forma:
(%i29) v:[3/2,-1,2]$; (%i30) u:[-1,0,2]$
193
Unidade IV
Operando com matrizes:
Para inserirmos uma matriz devemos digitar na caixa de entrada:
Matrix ([vetor da 1ª. linha], [vetor da 2ª. linha], [vetor da 3ª. linha], ..., [vetor
da enésima linha]).
Resolvendo equações e sistemas lineares:
a) As raízes da equação m2 + nx + p = 0 na variável x, isto é m, n e p são

constantes.
Expressão: m2 + nx + p = 0, com são m, n e p números reais.

Sintaxe: solve(m*x^2+n*x+p=0,x).
b) a solução do sistema:
Sintaxe: linsolve([x-y-z=2,2*x-3+2*z=16,2*x-y+z=9],[x,y,z]).
Transformação ou aplicação linear:
T :V → W se u, v ∈ V e α ∈ R satisfaz as seguintes condições:
a) T (u + v) = T (u) + T (v);
b) T (αv) = αT (v) .
Transformação lineares planas:
Movimentos de dilatação e contração:
T ( α1v1 + α2v2 + ... + αnvn ) = α1T( v1) + α2 T( v2 ) + ... + αnT( vn )
 α 0
A= ,
 0 α
  x  x   α 0  x   αx 
T    = A •   =>   *  y =  αy = (αx, αy )
  y  y
   0 α
Reflexão em relação ao eixo x:
1 0 
T(x,y) = (x, -y), onde A = 
 0 − 1
194
Reflexão em relação ao eixo y:
 −1 0
T(x,y) = (-x, y) onde A = 
 0 1
Reflexão em relação a uma reta por exemplo y=x:
T:R2 → R2
 0 1
T(x,y) = (y, x) onde A = 
1 0
Reflexão em relação a uma reta por exemplo y=-x:
 0 − 1
T(x,y) = (-y, -x) onde A = 
 − 1 0
Movimento de Projeção em relação ao eixo x:
1 0 
T(x,y) = (x, 0) onde A = 
 0 0
Movimento de Projeção em relação ao eixo y:
 0 0
T(x,y) = (0, y) onde A = 
 0 1 
Movimento de rotação em um ângulo θ no sentido anti-horário:
cos θ − senθ
( x, y )  ( x ’, y ’) , onde [Rθ ] =   =A.
senθ cos θ 
195
FIGURAS E ILUSTRAÇÕES
Figura 68
DSC04155_v.JPG. 1 fotografia, color. Disponível em: <http://mrg.bz/beyk05>. Acesso em: 20 jul. 2011.
REFERÊNCIAS
Textuais
AZEVEDO, A.; PICCININI, R. Introdução à teoria dos grupos. Rio de Janeiro: IMPA, 1969.
BIRKHOFF, G.; LANE, M. Álgebra moderna. 4. ed. Rio de Janeiro: Guanabara Dois, 1980.
BOLDRINI, J. L. Álgebra linear. São Paulo: Harper e Row do Brasil, 1980.
BOLDRINI, J. L.; COSTA, S. I. R.; FIGUEIREDO, V. L.; WETZLER, H. G. Álgebra linear. São Paulo: Harbra, 1986.
DODIER, R. Maxima mínimo. Tradução de Jorge Barros de Abreu. Disponível em: <http://maxima.
sourceforge.net/docs/tutorial/pt/minimal-maxima.pdf>. Acesso em: 8 jan. 2010.
DOMINGUES, H. H.; IEZZI, G. Álgebra moderna. 4. ed. São Paulo: Atual, 2003.
DOMINGUES, H. H. Espaços métricos e introdução à topologia. São Paulo: Atual/Edusp, 1982.
FERREIRA, M. C. C.; GOMES, M. L. M. Uma experiência sobre o ensino de sistemas lineares. Disponível
em: <http://www6.ufrgs.br/espmat/disciplinas/novos_conteudos/modulo_III/pdf/exp_sist_lineares.pdf>.
Acesso em: 20 jul. 2011.
GARCIA, A.; SEQUAIN, I. Álgebra. Projeto Euclides. Rio de Janeiro: IMPA, 1988.
GONÇALVES, A. Introdução à álgebra. Rio de Janeiro: IMPA, 2006.
HOFFMAN, K.; KUNZE, R. Álgebra linear. Rio de Janeiro: Ao Livro

Técnico, 1979.
INTRODUÇÃO ao Maxima. Teia do saber - programa de formação continuada, UNESP / FEG / DMA,
Guaratinguetá. Disponível em:<http://www.feg.unesp.br/~teiadosaber/download/didatico/maxima1_
vicente_TEIA.doc>. Acesso em: 8 jan. 2010.
KOLMAN, B. Introdução à álgebra linear. 6. ed. São Paulo: Prentice-Hall do Brasil, 1998.
LAWSON, Terry. Álgebra linear. São Paulo: Edgard Blücher, 1997.
196
LIMA, E. L. Curso de análise. vol. 1. 11. ed. Projeto Euclides. Rio de Janeiro: IMPA, 2004.
LIMA, I. G.; SLAVIERO, V. M. P. Site de álgebra linear – Transformações lineares planas. Universidade de Caxias
do Sul, Centro de Ciências Exatas e Tecnologia, Departamento de Matemática e Estatística, 21 set. 2001.
Disponível em: <http://www.ucs.br/ccet/deme/vslavier/alglin/t_planas/t_planas>. Acesso em: 08 jan. 2010.
LIPSCHUTZ, S. Teoria dos conjuntos. São Paulo: Makron Books, 1972.
LIPSCHUTZ, S. Álgebra linear. Porto Alegre: Bookman, 2004.
MAIO, Waldemar de. Espaços vetoriais. Rio de Janeiro: LTC, 2007.
MACEDO, B.F.M. Tutorial Maxima 5.9.2 para Windows. Disponível em: <http://www.unemat‑net.br/
prof/foto_p_downloads/curso_software_maxima__iii_seminario.pdf>. Acesso em: 20 jul. 2011.
MAXIMA, A COMPUTER ALGEBRA SYSTEM. December 21, 2006: Maxima 5.11.0. Disponível em: <http://
maxima.sourceforge.net/>. Acesso em: 08 jan. 2010.
MONTEIRI, L. H. J. Elementos de álgebra. Rio de Janeiro: IMPA, 1969.
POOLE, D. Álgebra linear. São Paulo: Pioneira Thomson Learning, 2004.
SANTOS, B. Introdução ao software Maxima. Universidade do Porto. Disponível em: <http://maxima.

sourceforge.net/docs/Maxima_Bruna_Santos_2009.pdf>. Acesso em: 8 jan. 2010.
UNESP/FEG/DMA,GUARATINGUETÁ. Introdução ao Maxima. Teia do saber – programa de formação

continuada, Disponível em: <http://www.feg.unesp.br/~teiadosaber/download/didatico/maxima1_
vicente_TEIA.doc>. Acesso em: 08 jan. 2010.
VILLATE, J. E. Introdução aos sistemas dinâmicos: uma abordagem prática com Maxima. Universidade do
Porto, versão 1.2, 27 fev. 2007. Disponível em: <http://fisica.fe.up.pt/maxima/book/sistdinam-1_2.pdf>.
Acesso em: 8 jan. 2010.
197
198
199
200
201
202
203
204
Informações:
www.sepi.unip.br ou 0800 010 9000

Complementos de Algebra Linear

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Complementos de Algebra Linear

Caricato da

Copyright:

Formati disponibili

Complementos de

Atualmente é professora da Universidade Paulista (UNIP) e coordenadora do curso de Matemática na modalidade

Dados Internacionais de Catalogação na Publicação (CIP)

E77c Espinosa, Isabel Cristina de Oliveira Navarro.

Complementos de álgebra linear. / Isabel Cristina de Oliveira

204 p., il.

1. Espaços vetoriais. 2. Combinação linear. 3. Álgebra. I. Carvalho,

Prof. Fábio Romeu de Carvalho

Profa. Melânia Dalla Torre

Prof. Dr. Yugo Okida

Profa. Dra. Marília Ancona-Lopez

Unip Interativa – EaD

Profa. Elisabete Brihy

Material Didático – EaD

Desejamos ao estudante um bom curso de Álgebra e ressaltamos que a persistência, a motivação e

Notemos que u + v e a • u devem pertencer a V.

Chamamos os elementos de V de vetores e os elementos de IR de escalares.

IR com a adição e a multiplicação que utilizamos usualmente satisfaz as 8 propriedades

IR2 = {(x, y) | x, y ∈ IR}, com as operações usuais:

Adição: u + v = (x, y) + (r, s) = (x + r, y + s)

comutativa: u + v = v + u , vale pois:

elemento neutro – 0 = (0, 0)

oposto - (- u) = - (x, y) = (-x, -y) é o oposto de u = (x, y)

a(b. u) = (a b) . u, vale pois:

da mesma forma as outras propriedades podem ser verificadas.

3) Da mesma forma são espaços vetoriais os conjuntos:

IR3 = {(x, y, z) | x, y, z ∈ IR} conjunto dos pontos do plano

Vejamos agora 2 conjuntos que não são espaços vetoriais.

5) V = {(1, y) | y ∈ IR}, com as operações de adição e multiplicação por escalar usuais.

Sejam u = (x, y) e v = (r, s) vetores de V, devemos ter x = 1 e r = 1 (condição dada na definição de V, 1ª

6) V = IR3 , com as operações definidas por:

(x, y, z) ⊕ (a, b, c) = (x, y, z + c) e α . (x, y, z) = (α . x, α . y, α . z)

Inicialmente vamos verificar a propriedade comutativa

7) O conjunto Pn , de todos os polinômios de grau ≤ n juntamente com o polinômio nulo, é um

p(t) + q(t) = (an + bn) tn + (an - 1+ bn - 1) tn - 1 + . . . + (a1+ b1) t + (a0 + b0)

Generalizando, o conjunto P, formado por todos os polinômios, é um espaço vetorial.

Os elementos de V são chamados de vetores e os elementos de IR são

1.2 Subespaço vetorial

S, S ⊂ V, é um subespaço de um espaço V se e somente se S for um espaço vetorial.

Saiba mais sobre espaços vetoriais e subespaços no capítulo 4, itens 4.1

Como S é subespaço, podemos substituir a condição (1) do teorema por 0 ∈ S, reescrevendo o

1) S = V e S = {0} são subespaços de V (subespaços triviais)

2) S = {(x,0,0)∈IR3} é subespaço do IR3?

Note que os vetores de S devem ter a 2ª e a 3ª coordenadas iguais a zero.

Verificando as 3 condições do teorema (2ª forma) temos:

(a) 0 = (0,0,0) ∈ S (pois a 2ª e a 3ª coordenadas são nulas)

como a 2ª e a 3ª coordenadas são nulas, temos (x + r, 0, 0) ∈ S

como a 2ª e a 3ª coordenadas são nulas, temos (ax, 0, 0) ∈ S

Assim, S = {(x,0,0)∈ IR3} é subespaço do IR3.

M2(IR) - conjunto das matrizes quadradas, de números reais, de ordem 2.

Verificando as condições do teorema temos:

Logo, S não é subespaço de M2(IR) .

(c) ∀A ∈ S, ∀a ∈ IR, a.A ∈ S

Logo, S é subespaço de M2(IR).

5) R = {(x, y, z) ∈ IR3 / x = 0 e y = z} é subespaço do IR3 ?

Notemos que um vetor pertence a R se tem a 1ª coordenada nula e a 2ª e a 3ª coordenadas iguais.

Verificando as condições do teorema temos:

(0, y+s, y+s) ∈ R

como a 1ª coordenada é nula e as 2ª e 3ª coordenadas são iguais, temos:

Devemos verificar as 3 condições do teorema:

(a) 0 ∈ P2 , pois é o polinômio nulo

p(t) ∈P2 ⇒ p(t) = a2t2 + a1t + a0 

logo p(t) + q(t) ∈ P2 .