Álgebra Linear - Aula04

Curso de lgebra Linear
Aula 4
Prof. Waldeck Schtzer, Ph.D.
waldeck@dm.ufscar.br
Universidade Federal de So Carlos

Departamento de Matemtica
Curso de lgebra Linear - Aula 4 p. 1
Nesta aula
Espaos Vetoriais
Combinaes Lineares
Dependncia Linear
Dimenso
Espao Vetorial
Definio. Um espao vetorial real
Espao Vetorial
Um conjunto V , cujos elementos so chamados
vetores
Espao Vetorial
vetores
Uma operao de adio:
+:V V V
(v, w) 7 v + w
Espao Vetorial
vetores
Uma operao de adio:
+:V V V
Uma operao de multiplicao por nmero real:

:RV V
(, v) 7 v
Espao Vetorial
vetores
Uma operao de adio:
+:V V V
Uma operao de multiplicao por nmero real:

:RV V
possuindo as seguintes propriedades:
Espao Vetorial (cont.)

(A1) Para todos u, v V ,
u + (v + w) = (u + v) + w
Esta propriedade chamada associatividade da

adio

(A1) u + (v + w) = (u + v) + w
(A2) Existe um vetor 0 V tal que
v+0=v
para todo v V . Esta propriedade chamada

existncia de elemento neutro aditivo (vetor nulo)

(A1) u + (v + w) = (u + v) + w
(A2) 0 V ; v + 0 = v, v V
(A3) Para todo v V , existe u V tal que
v+u=0
Esta propriedade chamada existncia de oposto

aditivo

(A1) u + (v + w) = (u + v) + w
(A2) 0 V ; v + 0 = v, v V
(A3) v V , u V ; v + u = 0
(A4) Para todos u, v V ,
u+v =v+u
Esta propriedade conhecida como comutatividade

da adio

(A1) u + (v + w) = (u + v) + w
(A2) 0 V ; v + 0 = v, v V
(A3) v V , u V ; v + u = 0
(A4) u + v = v + u
(M1) Para todos , R e todo v V ,
()v = (v)
Esta propriedade chamada associatividade da

multiplicao por nmero real

(A1) u + (v + w) = (u + v) + w
(A2) 0 V ; v + 0 = v, v V
(A3) v V , u V ; v + u = 0
(A4) u + v = v + u
(M1) ()v = (v)
(M2) Para todo v V ,
1v = v
Isto , uma vez um vetor igual ao prprio vetor. Como

veremos, propriedade no automtica.

(A1) u + (v + w) = (u + v) + w
(A2) 0 V ; v + 0 = v, v V
(A3) v V , u V ; v + u = 0
(A4) u + v = v + u
(M1) ()v = (v)
(M2) 1v = v
(D1) Para todo R e todos v, w V ,
(v + w) = v + w
Esta propriedade chamada distributividade da

multiplicao de vetor por nmero real sobre a
adio de vetores

(A1) u + (v + w) = (u + v) + w
(A2) 0 V ; v + 0 = v, v V
(A3) v V , u V ; v + u = 0
(A4) u + v = v + u
(M1) ()v = (v)
(M2) 1v = v
(D1) (v + w) = v + w
(D2) Para todos , R e todo v V ,
( + )v = v + v
Esta propriedade chamada distributividade da

multiplicao de vetor por nmero real sobre a
adio de nmeros reais

(A1) u + (v + w) = (u + v) + w
(A2) 0 V ; v + 0 = v, v V
(A3) v V , u V ; v + u = 0
(A4) u + v = v + u
(M1) ()v = (v)
(M2) 1v = v
(D1) (v + w) = v + w
(D2) ( + )v = v + v
Em conjunto, essas propriedades so chamadas
Propriedades bsicas dos espaos vetoriais
Propriedades notveis
Daqui por diante, vamos indicar um espao vetorial por
(V, +, ), indicando tambm as operaes
Espaos Vetoriais possuem muitas outras propriedades
notveis
Espaos Vetoriais possuem muitas outras propriedades
notveis
Estas so consequncias de (A1)-(A4) e (M1)-(M2),
(D1)-(D2)
[Explicao no quadro negro]
Combinaes Lineares
Em espaos vetoriais, combinamos vetores por meio das
operaes de adio e de multiplicao por nmero real.
Combinaes Lineares
muito comum encontrarmos expresses da forma
c1 v 1 + c2 v 2 + cn v n
Combinaes Lineares
c1 v 1 + c2 v 2 + cn v n
Definio 29 A essas expresses chamamos

combinaes lineares
Combinaes Lineares
c1 v 1 + c2 v 2 + cn v n

combinaes lineares
Note que v1 , v2 , . . . , vn V
Combinaes Lineares
c1 v 1 + c2 v 2 + cn v n

combinaes lineares
Note que v1 , v2 , . . . , vn V
e que c1 , c2 , . . . , cn R
Combinaes Lineares
c1 v 1 + c2 v 2 + cn v n

combinaes lineares
Note que v1 , v2 , . . . , vn V
e que c1 , c2 , . . . , cn R
Os escalares c1 , c2 , . . . , cn so chamados coeficientes
Exemplo em R3
Sejam u = (1, 0, 1) e v = (2, 1, 1), w = (0, 0, 3) e a = 1,
b = 1, c = 2.
Exemplo em R3
Sejam u = (1, 0, 1) e v = (2, 1, 1), w = (0, 0, 3) e a = 1,
b = 1, c = 2. Calcule
au + bv + cw.
Exemplo em R3
Sejam u = (1, 0, 1) e v = (2, 1, 1), w = (0, 0, 3) e a = 1,
au + bv + cw.
Soluo:
u + bv + cw =
Exemplo em R3
Sejam u = (1, 0, 1) e v = (2, 1, 1), w = (0, 0, 3) e a = 1,
au + bv + cw.
Soluo:
u + bv + cw =
= (1)(1, 0, 1) + (1)(2, 1, 1) + (2)(0, 0, 3)
Exemplo em R3
Sejam u = (1, 0, 1) e v = (2, 1, 1), w = (0, 0, 3) e a = 1,
au + bv + cw.
Soluo:
u + bv + cw =
= (1)(1, 0, 1) + (1)(2, 1, 1) + (2)(0, 0, 3)
= (1, 0, 1) + (2, 1, 1) + (0, 0, 6)
Exemplo em R3
Sejam u = (1, 0, 1) e v = (2, 1, 1), w = (0, 0, 3) e a = 1,
au + bv + cw.
Soluo:
u + bv + cw =
= (1)(1, 0, 1) + (1)(2, 1, 1) + (2)(0, 0, 3)
= (1, 0, 1) + (2, 1, 1) + (0, 0, 6)
= (1 2 + 0, 0 1 + 0, 1 1 + 6)
Exemplo em R3
Sejam u = (1, 0, 1) e v = (2, 1, 1), w = (0, 0, 3) e a = 1,
au + bv + cw.
Soluo:
u + bv + cw =
= (1)(1, 0, 1) + (1)(2, 1, 1) + (2)(0, 0, 3)
= (1, 0, 1) + (2, 1, 1) + (0, 0, 6)
= (1 2 + 0, 0 1 + 0, 1 1 + 6)
= (1, 1, 4)
Dependncia Linear
Definio 30 Um conjunto de vetores {v1 , v2 , . . . , vn }
linearmente dependente (LD) se existirem nmeros reais
1 , 2 , . . . , n , no todos nulos, tais que
1 v1 + 2 v2 + + n vn = 0
()
Dependncia Linear
1 v1 + 2 v2 + + n vn = 0
()
Por exemplo, {v1 = (1, 2, 1), v2 = (2, 2, 3), v3 = (0, 4, 10)}

LD em R3 , pois
1
2(1, 2, 1) + (1)(2, 2, 3) + ( )(0, 4, 10) = (0, 0, 0)
2
Dependncia Linear
1 v1 + 2 v2 + + n vn = 0
()
Por exemplo, {v1 = (1, 2, 1), v2 = (2, 2, 3), v3 = (0, 4, 10)}

LD em R3 , pois
1
2(1, 2, 1) + (1)(2, 2, 3) + ( )(0, 4, 10) = (0, 0, 0)
2
Aqui 1 = 2, 2 = 1, 3 = 12 so escalares no todos

nulos satisfazendo a equao ()
Dependncia Linear
1 v1 + 2 v2 + + n vn = 0
()
Por exemplo, {v1 = (1, 2, 1), v2 = (2, 2, 3), v3 = (0, 4, 10)}

LD em R3 , pois
1
2(1, 2, 1) + (1)(2, 2, 3) + ( )(0, 4, 10) = (0, 0, 0)
2
Aqui 1 = 2, 2 = 1, 3 = 12 so escalares no todos

nulos satisfazendo a equao ()
Conjuntos LI
linearmente independente (LI) se no for linearmente
dependente.
Conjuntos LI
linearmente independente (LI) se no for linearmente
dependente.
Ou seja, o conjunto LI se, e s se, a nica soluo da
equao
x1 v 1 + x2 v 2 + + xn v n = 0
()
for a soluo trivial x1 = 0, x2 = 0, . . . , xn = 0
Observaes
Por conveno, o conjunto vazio = {} LI
Observaes
Por conveno, o conjunto vazio = {} LI
Se v 6= 0 ento {v} LI
Exemplo
Por exemplo,
{v1 = (1, 2, 1), v2 = (2, 2, 3), v3 = (1, 3, 2)}
LI,
Exemplo
Por exemplo,
{v1 = (1, 2, 1), v2 = (2, 2, 3), v3 = (1, 3, 2)}
LI, pois a nica soluo de

x1 (1, 2, 1) + x2 (2, 2, 3) + x3 (1, 3, 2) = (0, 0, 0)
()
Exemplo
Por exemplo,
{v1 = (1, 2, 1), v2 = (2, 2, 3), v3 = (1, 3, 2)}

x1 (1, 2, 1) + x2 (2, 2, 3) + x3 (1, 3, 2) = (0, 0, 0)
()
x1 = 0, x2 = 0, x3 = 0.
Exemplo
Por exemplo,
{v1 = (1, 2, 1), v2 = (2, 2, 3), v3 = (1, 3, 2)}

x1 (1, 2, 1) + x2 (2, 2, 3) + x3 (1, 3, 2) = (0, 0, 0)
()
x1 = 0, x2 = 0, x3 = 0.
Verifiquemos esse fato, desenvolvendo a combinao
linear no lado esquerdo de ()
Exemplo ...
Obtemos um sistema linear homogneo:
x1 + 2x2 x3 = 0
2x1 + 2x2 + 3x3 = 0
x + 3x + 2x = 0
1
2
3
Exemplo ...
Obtemos um sistema linear homogneo:
x1 + 2x2 x3 = 0
2x1 + 2x2 + 3x3 = 0
x + 3x + 2x = 0
1
2
3
A matriz ampliada desse sistema
1 2 1 0
2
2
3
0
1 3
2 0
Exemplo ...
Aplicando o Gauss-Jordan, chegamos a
1 0 0 0
0 1 0 0
0 0 1 0
Exemplo ...
1 0 0 0
0 1 0 0
0 0 1 0
mas esta equivale ao sistema linear
= 0
x1
x2
= 0
x3 = 0
Exemplo ...
1 0 0 0
0 1 0 0
0 0 1 0
x
=
0
1
a eq. () s tem a so
x2
= 0 = luo trivial x1 = x2 =

x3 = 0
x3 = 0
Exemplo ...
1 0 0 0
0 1 0 0
0 0 1 0
x
=
0
1
a eq. () s tem a so
x2
= 0 = luo trivial x1 = x2 =

x3 = 0
x3 = 0
Portanto, o conjunto {v1 , v2 , v3 } LI
Sobre conjuntos LD
Suponhamos que S = {u, v, . . . , w} seja LD, ou seja,
existem escalares a, b, . . . , c no todos nulos tais que
au + bv + + cw = 0
()
Sobre conjuntos LD
au + bv + + cw = 0 ().
Digamos que a 6= 0, ento podemos reescrever ()
como
c
b
u = v w
a
a
expressando u como combinao linear de v, . . . , w.
Sobre conjuntos LD
au + bv + + cw = 0 ().
como u = ab v ac w.
Concluso: se S V LD, ento ao menos um de
seus vetores combinao linear dos demais vetores
de S .
Sobre conjuntos LD
au + bv + + cw = 0 ().
como u = ab v ac w.
de S .
Notem que isso no exclui o caso de u = 0. Nesse
caso, uma soluo no trivial de () seria
a = 1, b = 0, . . . , c = 0.
Sobre conjuntos LD
au + bv + + cw = 0 ().
como u = ab v ac w.
de S .
Notem que isso no exclui o caso de u = 0.
tomar a = 1, b = 0, . . . , c = 0.
Bastaria
E a recproca? Se S contm algum vetor que

combinao linear dos demais ou o vetor nulo?
Conjuntos com dependncias

Suponhamos que S = {u, v, . . . , w} seja tal que
u = v + . . . + w
ou seja u combinao linear dos demais vetores de

S.

u = v + . . . + w
ou seja u combinao linear dos demais vetores de S .

Reescrevendo essa combinao linear como
(1)u + ()v + + ()w = 0
()
Reconhecemos que se trata de uma soluo no trivial

para a equao ().

u = v + . . . + w
ou seja u combinao linear dos demais vetores de S .

Reescrevendo essa combinao linear como
(1)u + ()v + + ()w = 0
()
Reconhecemos que se trata de uma soluo no trivial

para a equao ().
Concluso: O conjunto S LD.
Um teorema sobre Dep. Linear

Teorema 32 Seja (V, +, ) um espao vetorial arbitrrio e
seja S V no-vazio. Ento:
S LD se, e somente se, um de seus vetores o vetor
nulo, ou um de seus vetores combinao linear dos
demais vetores.
Posto de outra forma, S LI se, e somente se, no existem

relaes de dependncia linear entre seus elementos.
Outro teorema sobre Dep. Linear

sejam S T dois subconjuntos de V . Ento:
Se S LD, ento T LD.
Se T LI, ento S LI.
Outro teorema sobre Dep. Linear

sejam S T dois subconjuntos de V . Ento:
Se S LD, ento T LD.
Se T LI, ento S LI.
Prova:
Se S LD, ento ou S contm o vetor nulo, ou algum
vetor de S combinao linear dos demais, logo vale o
mesmo para T , ento T LD.
Se T LI, ento T livre de dependncias entre seus
vetores, logo o mesmo vale para S , ento S LI.
Consequncia
T LI se, e somente se, todo subconjunto no-vazio
S T LI.
Observaes importantes
Observemos o seguinte:
Em uma reta, dois vetores quaisquer so paralelos, ou
seja, LD.
seja, LD.
Em um plano, podemos encontrar dois vetores LI, mas
3 vetores so sempre LD
seja, LD.
Em um plano, podemos encontrar dois vetores LI, mas
3 vetores so sempre LD
No Espao E 3 , existem conjuntos LI com 3 vetores,
mas qualquer conjunto com 4 vetores LD.
Exemplo
Mostre que o conjunto
{1, cos x, cos 2x}
linearmente independente no espao vetorial RR .

[ Resoluo no quadro-negro ]
Dimenso
Definio 34 Seja (V, +, ) um espao vetorial arbitrrio.
Dizemos que V tem dimenso n, e escrevemos dim V = n,
se
Dimenso
se
V contm um subconjunto LI com n vetores.
Dimenso
se
Todo subconjunto de V com n + 1 vetores LD.
Dimenso
se
Todo subconjunto de V com n + 1 vetores LD.

Caso V contenha um subconjunto LI com uma quantidade
arbitrariamente grande de vetores, dizemos que V tem
dimenso infinita e escrevemos dim V = .
Observaes
importante notar que:
Se dim V = n, V pode conter conjuntos LI com menos
do que n vetores, mas qualquer conjunto com mais do
que n vetores necessariamente LD.
Observaes
No caso do espao zero, ({0}, +, ):
logo dim{0} = 0 (naturalmente!).
Observaes
Existe subconjunto LI, o subconjunto vazio
Observaes
Existe subconjunto LI, o subconjunto vazio
O nico subconjunto no-vazio o prprio {0}, que
LD.
Dimenso est bem-definida

A dimenso de V um nmero bem definido:
Todo espao vetorial contm pelo menos um
subconjunto LI.

subconjunto LI.
Suponhamos que S e T sejam dois subconjuntos LI
com n e m vetores e atendam definio.
Pergunta: Ento a dimenso V igual a n ou igual a
m?

subconjunto LI.
Como todo subconjunto com mais de n vetores LD,
ento m n.

subconjunto LI.
ento m n.
Por outro lado, como todo subconjunto com mais de m
vetores LD, ento n m.

subconjunto LI.
ento m n.
Por outro lado, como todo subconjunto com mais de m
vetores LD, ento n m.
Portanto m = n.
Um exemplo importante
Vamos calcular a dimenso do espao Rn . Por um lado
este possui o seguinte subconjunto:
e1 = (1, 0, . . . , 0)
e2 = (0, 1, . . . , 0)
..
.
en = (0, 0, . . . , 1)
Um exemplo importante
Vamos calcular a dimenso do espao Rn . Por um lado
este possui o seguinte subconjunto:
e1 = (1, 0, . . . , 0)
e2 = (0, 1, . . . , 0)
..
.
en = (0, 0, . . . , 1)
Este claramente LI.

Por exemplo, nenhum desses vetores combinao linear
dos demais
Um exemplo importante ...

Agora consideremos o subconjunto S Rn contendo os
seguintes vetores:
v1 = (a11 , a21 , . . . , an1 )
v2 = (a12 , a22 , . . . , an2 )
..
.
vm = (a1m , a2m , . . . , anm )

Agora consideremos o subconjunto S Rn contendo os
seguintes vetores:
v1 = (a11 , a21 , . . . , an1 )
v2 = (a12 , a22 , . . . , an2 )
..
.
vm = (a1m , a2m , . . . , anm )
e formemos a combinao linear

x1 v 1 + x2 v 2 + + xm v m = 0
()

Desenvolvendo essa combinao linear e abrindo os
componentes dos vetores, temos:

a11 x1 + a12 x2 + + a1m xm = 0
a21 x1 + a22 x2 + + a2m xm = 0

..
..
..
..
.
.
.
= .
an1 x1 + an2 x2 + + anm xm = 0

um sistema linear homogneo.

a11 x1 + a12 x2 + + a1m xm = 0
a21 x1 + a22 x2 + + a2m xm = 0

..
..
..
..
.
.
.
= .
an1 x1 + an2 x2 + + anm xm = 0

um sistema linear homogneo. Se m > n esse sistema
ser compatvel e indeterminado, possuindo uma infinidade
de solues alm da trivial.

a11 x1 + a12 x2 + + a1m xm = 0
a21 x1 + a22 x2 + + a2m xm = 0

..
..
..
..
.
.
.
= .
an1 x1 + an2 x2 + + anm xm = 0

de solues alm da trivial. Portanto, o conjunto dado ser
LD.

a11 x1 + a12 x2 + + a1m xm = 0
a21 x1 + a22 x2 + + a2m xm = 0

..
..
..
..
.
.
.
= .
an1 x1 + an2 x2 + + anm xm = 0

de solues alm da trivial. Portanto, o conjunto dado ser
LD.
Isso prova que:
dim Rn = n
Teorema 35 Todo subconjunto S de Rn contendo mais do
que n nuplas LD. Portanto, dim Rn = n.
dim Rn = n
Incidentemente, provamos o seguinte fato sobre matrizes:
dim Rn = n
Incidentemente, provamos o seguinte fato sobre matrizes:
Em qualquer matriz
a11 a12 a1m

a21 a22 a2m
A= .
,
.
.
.
.
.
.
.
.
.
.
.
an1 an2 anm
o nmero de colunas LI no pode exceder o nmero de

linhas dessa matriz. Idem para as colunas.
Exerccios
Mostre que dim E 2 = 2, dim E 3 = 3, dim Mmn = m n,
dim Pn = n + 1.
Qual a dimenso de F(U )? Dica: pense nas funes
constantes.
Estudem os materiais postados no Moodle, M02, M03,
etc.
Assistam aos vdeos V04 e V05.
Faam os exerccios das listas
Fim da Aula 4
Final da Aula 4, obrigado.
Fim da Aula 4

Álgebra Linear - Aula04

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra Linear - Aula04

Cargado por

Copyright:

Formatos disponibles

Curso de lgebra Linear

Universidade Federal de So Carlos

Curso de lgebra Linear - Aula 4 p. 1

Curso de lgebra Linear - Aula 4 p. 2

Curso de lgebra Linear - Aula 4 p. 3

Curso de lgebra Linear - Aula 4 p. 3

Curso de lgebra Linear - Aula 4 p. 3

Uma operao de multiplicao por nmero real:

Curso de lgebra Linear - Aula 4 p. 3

Uma operao de multiplicao por nmero real:

possuindo as seguintes propriedades:

Curso de lgebra Linear - Aula 4 p. 3

Espao Vetorial (cont.)

Esta propriedade chamada associatividade da

Curso de lgebra Linear - Aula 4 p. 4

Espao Vetorial (cont.)

para todo v V . Esta propriedade chamada

Curso de lgebra Linear - Aula 4 p. 4

Espao Vetorial (cont.)

Esta propriedade chamada existncia de oposto

Curso de lgebra Linear - Aula 4 p. 4

Espao Vetorial (cont.)

Esta propriedade conhecida como comutatividade

Curso de lgebra Linear - Aula 4 p. 4

Espao Vetorial (cont.)

Esta propriedade chamada associatividade da

Curso de lgebra Linear - Aula 4 p. 4

Espao Vetorial (cont.)

Isto , uma vez um vetor igual ao prprio vetor. Como

Curso de lgebra Linear - Aula 4 p. 4

Espao Vetorial (cont.)

Esta propriedade chamada distributividade da

Espao Vetorial (cont.)

Esta propriedade chamada distributividade da

Espao Vetorial (cont.)

Curso de lgebra Linear - Aula 4 p. 4

Curso de lgebra Linear - Aula 4 p. 5

Curso de lgebra Linear - Aula 4 p. 5

Curso de lgebra Linear - Aula 4 p. 5

Curso de lgebra Linear - Aula 4 p. 6

Curso de lgebra Linear - Aula 4 p. 6

Definio 29 A essas expresses chamamos

Curso de lgebra Linear - Aula 4 p. 6

Definio 29 A essas expresses chamamos

Curso de lgebra Linear - Aula 4 p. 6

Definio 29 A essas expresses chamamos

Curso de lgebra Linear - Aula 4 p. 6

Definio 29 A essas expresses chamamos

Curso de lgebra Linear - Aula 4 p. 6

Curso de lgebra Linear - Aula 4 p. 7

Curso de lgebra Linear - Aula 4 p. 7

Curso de lgebra Linear - Aula 4 p. 7

Curso de lgebra Linear - Aula 4 p. 7

Curso de lgebra Linear - Aula 4 p. 7

Curso de lgebra Linear - Aula 4 p. 7

Curso de lgebra Linear - Aula 4 p. 7

Curso de lgebra Linear - Aula 4 p. 8

Por exemplo, {v1 = (1, 2, 1), v2 = (2, 2, 3), v3 = (0, 4, 10)}

Curso de lgebra Linear - Aula 4 p. 8

Por exemplo, {v1 = (1, 2, 1), v2 = (2, 2, 3), v3 = (0, 4, 10)}

Aqui 1 = 2, 2 = 1, 3 = 12 so escalares no todos

Curso de lgebra Linear - Aula 4 p. 8

Por exemplo, {v1 = (1, 2, 1), v2 = (2, 2, 3), v3 = (0, 4, 10)}