Outline

Contents
1 Definição 1

2 Exemplos 2
2.1 Espaços Euclidianos . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Espaço das Matrizes m × n . . . . . . . . . . . . . . . . . . . . . . . 3
2.3 Espaço de Funções . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3 Propriedades de Espaços Vetoriais 4

4 Subespaços Vetoriais 4
4.1 Definição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.2 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

5 Exercícios 5

6 Combinação Linear 5
6.1 Espaço gerado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

7 Exemplos Importantes de Subespaços 7

7.1 Espaço coluna de uma matriz A . . . . . . . . . . . . . . . . . . . . 7
7.2 Espaço nulo de uma matriz A . . . . . . . . . . . . . . . . . . . . . . 7

1 Definição
Definição de Espaços Vetoriais
Espaço vetorial V é um conjunto de vetores munido de duas operações: adição
de vetores e multiplicação de um vetor por um número real. Sejam u, v, w ∈ V e
α, β ∈ R:
Propriedades da Adição

1. Fechamento: u, v ∈ V ⇒ u+v ∈V

2. u + v = v + u;

3. (u + v) + w = u + (v + w);

4. Existe ~0 ∈ V tal que ~0 + v = v, para todo v ∈ V ;

5. Para todo v ∈ V , existe −v ∈ V tal que v + (−v) = ~0.

Propriedades da Multiplicação por escalar

 1. Fechamento: α ∈ R, u∈V ⇒ αu ∈ V ;

2. (αβ)v = α(βv);

3. (α + β)v = αv + βv;

4. α(u + v) = αu + αv;

5. Elemento neutro: 1v = v.

Observações
Observação 1:
Os vetores serão indicados por letras do alfabeto: u, v, w, x, y, etc.

Observação 2:
Os escalares serão indicados por letras gregas: α, β, γ, etc.

Observação 3:
Dizemos que V é um espaço vetorial sobre R para indicar que os seus escalares são
números reais.

2 Exemplos

Exemplos de Espaços Vetoriais

2.1 Espaços Euclidianos
Espaços Euclidianos
Exemplo 1: Espaço vetorial euclidiano n−dimensional.

Rn = {(α1 , α2 , . . . , αn ) : αi ∈ R, i = 1, . . . , n}
Operações em Rn : Sejam u = (α1 , α2 , . . . , αn ) e v = (β1 , β2 , . . . , βn ) dois vetores
de Rn e seja k ∈ R um escalar.
Adição:
u + v = (α1 + β1 , α2 + β2 , . . . , αn + βn );
Multiplicação por escalar:

ku = (kα1 , kα2 , . . . , kαn ).

2
Espaços Euclidianos

Rn = {(α1 , α2 , . . . , αn ) : αi ∈ R, i = 1, . . . , n}

• Elemento neutro em Rn : ~0 = (0, 0. . . . , 0);

• Inverso aditivo: O inverso aditivo de u = (α1 , α2 , . . . , αn ) é −u = (−α1 , −α2 , . . . , −αn )

pois u + (−u) = (0, 0, . . . , 0);

• Rn é um espaço vetorial sobre R;

• Exemplos:

– R1 :: a reta;
– R2 :: o plano;
– R3 :: o espaço.

2.2 Espaço das Matrizes m × n

Espaço das Matrizes Mm×n
Seja Mm×n o conjunto das matrizes reais do tipo m×n A = [aij ], onde 1 ≤ i ≤ m
e 1 ≤ j ≤ n.
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=
 ···

··· ··· ··· 
am1 am2 · · · amn

Fixado i, o vetor (ai1 , ai2 , . . . , ain ) é a i−ésima linha de A. O vetor (a1j , a2j , . . . , amj )
é a j−ésima coluna de A. Quando m = n, dizemos que a matriz é quadrada.

Espaço das Matrizes Mm×n

Operações em Mm×n : Sejam A = [aij ], B = [bij ] duas matrizes de Mm×n e
α ∈ R.
Adição:
A + B = [aij + bij ]
Multiplicação por escalar:

αA = [αaij ]

Elemento neutro da adição: é a matriz nula cujos elementos são todos iguais a
zero.
Inverso aditivo: o inverso aditivo de A é −A = [−aij ].

3
2.3 Espaço de Funções
Espaço das funções F(X; R)
Seja X um conjunto não vazio qualquer. O símbolo F(X; R) representa o conjunto
de todas as funções reais
f : X 7→ R
Operações em F(X; R): Sejam f1 , f2 duas funções de F(X; R) e α ∈ R.
Adição: (f1 + f2 )(x) = f1 (x) + f2 (x)
Multiplicação por escalar: (αf1 )(x) = αf1 (x)
Elemento neutro da adição: é a função identicamente nula f (x) = 0 para todo
x∈X
Inverso aditivo: o inverso aditivo de f é −f .

3 Propriedades de Espaços Vetoriais

Propriedades de Espaços Vetoriais

1. Se w + u = w + v⇒u = v;

2. Dados 0 ∈ RR e v ∈ V , então 0v = ~0;

3. Dados ~0 ∈ V , vale α~0 = ~0, para todo α ∈ R;

4. −1v = −v.

Propriedades de Espaços Vetoriais

Exercício
Sejam u = (a, b) e v = (c, d) dois vetores de R2 . Mostre que se v = αu para algum
α ∈ R, então ad − bc = 0.

Subespaços Vetoriais
4 Subespaços Vetoriais
4.1 Definição
Definição de Subespaços Vetoriais
Exemplos para Motivação: retas e planos que passam pela origem.

4
Definição
Um subespaço S de um espaço vetorial V é um subconjunto não vazio que satisfaz as
duas propriedades abaixo:
• Se u, v ∈ S então u + v ∈ S;
• Se α ∈ R e u ∈ S então αu ∈ S.

Observação
Ou seja, um subespaço S é um subconjunto do espaço vetorial V que é “fechado” para
a adição e multiplicação por escalar.

4.2 Exemplos

Exemplos de Subespaços Vetoriais

Exemplos de Subespaços Vetoriais
Exemplo 1: Subespaço trivial:

S = {~0} e S = V.
Exemplo 2: Reta que passa pela origem: r : ax + by = 0 com (x, y) ∈ R2
Exemplo 3: Plano que passa pela origem: π : ax+by +cz = 0 com (x, y, z) ∈ R3
Exemplo 4: V = M3×3 .
• S1 é o subconjunto das matrizes triangulares superiores;
• S2 é o conjunto das matrizes simétricas: AT = A.
Exemplo 5: V = R2 . S = {(x, y) ∈ R2 : x ≥ 0, y ≥ 0}. Nota: S não é
subespaço.

5 Exercícios
Exercícios de Subespaços Vetoriais
6 Combinação Linear
Combinação Linear 
 x + y + z = 1
Seja o sistema: 2x − y + z = 3
y − 3z = −1


       
x y z 1
Este sistema pode ser escrito como:  2x  +  −y  +  z  =  3 
0 y −3z −1

5
        
1 1 1 1
⇒x  2  + y  −1  + z  1  =  3 
0 1 −3 −1
Se chamarmos v1 = (1, 2, 0), v2 = (1, −1, 1), v3 = (1, 1, −3) e b = (1, 3, −1), a
expressão acima pode ser escrita na forma:

xv1 + yv2 + zv3 = b.

Combinação Linear
Definição
Dizemos que b é combinação linear dos vetores v1 , v2 e v3 quando existem escalares
x, y e z tais que xv1 + yv2 + zv3 = b.

Observação
Isto é o mesmo que dizer que b é combinação linear dos vetores v1 , v2 e v3 quando o
sistema xv1 + yv2 + zv3 = b tem solução.

Exemplo
Considere u = (1, 2, −1) e v = (6, 4, 2) em R3 . Mostre que w1 = (9, 2, 7) é uma
combinação linear de u e v, mas que w2 = (4, −1, 8) não é.

6.1 Espaço gerado

Espaço gerado
Espaço gerado
Dado um conjunto de vetores {v1 , v2 , . . . , vk } de um espaço vetorial V , o espaço ger-
ado por estes vetores, W , é o conjunto de todas as suas combinações lineares.

Observação
Este espaço W é chamado de espaço gerado pelos vetores v1 , v2 , . . . , vk . Também
dizemos que os vetores v1 , v2 , . . . , vk geram W .

Notação
Para indicar que W é o espaço gerado pelos vetores v1 , v2 , . . . , vk , escrevemos:

W = ger{v1 , v2 , . . . , vk } ou W =< v1 , v2 , . . . , vk > .

Exemplo de espaço gerado

Exemplo 1
Se V = R3 e W = ger{v1 , v2 }, onde v1 e v2 não são paralelos, então W é um plano.

Exemplo 2
Se V = R3 e W = ger{v}, com v ∈ R3 , então W é uma reta com direção dada pelo
vetor v.

6
Exemplo 3
Determine se os vetores v1 = (1, 1, 2), v2 = (1, 0, 1) e v3 = (2, 1, 3) geram todo o
espaço vetorial R3 .

7 Exemplos Importantes de Subespaços

7.1 Espaço coluna de uma matriz A
Espaço coluna de uma matriz A
Espaço Coluna
O espaço coluna contém TODAS as combinações lineares das colunas da matriz A. Se
A ∈ Mm×n , então o conjunto de todas as combinações lineares das colunas de A é
um subespaço de Rm . Notação de espaço coluna: C(A)

Observação
Vimos mais acima que esta cominação linear das colunas de A é equivalente a um
sistema. Quando m > n, temos mais equações que incógnitas e, neste caso, o sistema
só será possível para certos valores de b (termo independente).

Espaço Coluna versus Sistema Linear

O sistema AX = b é possível se, e só se, o vetor b pode ser expresso como combinação
linear das colunas de A. Isto quer dizer que b pertence ao espaço coluna de A.

7.2 Espaço nulo de uma matriz A

Espaço nulo de uma matriz A
Espaço Nulo
Seja A ∈ Mm×n . O espaço nulo de uma matriz A consiste de todos os vetores x tais
que Ax = 0. Este conjunto é um subespaço vetorial de Rn , denotado por N (A).

Espaço Nulo versus Espaço Coluna

Os vetores b estão no espaço coluna de A e os vetores x estão no espaço nulo de A.
Devemos agora calcular a dimensão destes subespaços e exibir um conjunto finito de
vetores que geram cada um deles.
 
1 0 1
Exercício: Ache o espaço coluna e o espaço nulo da matriz A =  5 4 9  .
2 4 6

Dimensão dos espaços nulo e coluna de A

Observação
Como usar as formas escalonada e escalonada reduzida para obter informações sobre a
dimensão (tamanho) do espaços nulo e coluna de A??

7
 Vamos analisar o conjunto solução de um sistema linear para ter ideia da resposta
à pergunta acima: