Espaço Vetorial

Em Cálculo Vetorial já foi visto o conceito de vetor no plano e no espaço.

Podemos então considerar o plano cartesiano como um conjunto de vetores, representados por pares de
números reais, onde se têm definidas duas operações: adição e produto por escalar.

V = R2 . Dados u = ( x1 , y1 ) e v = ( x2 , y2 ) em V, definimos
u + v = ( x1 , y1 ) + ( x2 , y2 ) = ( x1 + x2 , y1 + y2 )
α.u = α . ( x1 , y1 ) = (α x1 , α y1 )

Já foi visto também que essas operações satisfazem algumas propriedades. Essas propriedades caracterizam
uma estrutura de espaço vetorial.

Podemos generalizar e definir:

Um Espaço Vetorial real é um conjunto V, onde estão definidas duas operações:

para cada u e v em V, u + v está em V ( adição ),
para cada α em R e v em V , α .v está em V ( produto por escalar ) ,
que satisfazem as seguintes propriedades:
1) Para cada u , v e w em V , ( u + v ) + w = u + ( v + w )
2) Para cada u e v em V , u + v = v + u
3) Existe θ em V onde para cada v em V , θ + v = v , θ = elemento neutro da adição
4) Para cada v em V , existe -v em V com v + ( -v ) = θ , -v = simétrico de v
5) Para cada α e β em R e v em V , ( α β ) v = α ( β v )
6) Para cada α e β em R e v em V, ( α + β ) v = α v + β v
7) Para cada α em R e cada u e v em V , α ( u + v ) = α u + α v
8) Para cada v em V , 1.v = v

Outros espaços vetoriais:1) V = R 3 = { ( x , y , z ) / x , y , z ∈ R }

2) V = R , R4 ... Rn
3) M2x2 ... M m x n espaços de matrizes de ordem mxn
4) Pn conjunto de polinômios de grau menor ou igual a n

Propriedades: Em um espaço vetorial V, temos que:

1) o elemento neutro θ é único
2) o simétrico –v de cada vetor v é único
3) para cada v em V , – (- v) = v
4) para cada u, v e w em V , se u + v = w + v então u = w
5) para cada u e v e V existe um único x tal que u + x = v.
6) para cada v em v , 0.v = θ
7) para cada α em R , α . θ = θ
8) para cada α em R e v em V, se α .v = θ então α = 0 ou v = θ
 Subespaços

Dado S ⊂ V, dizemos que S é subespaço de V se S também é um espaço vetorial com as mesmas

operações de adição e multiplicação por escalar de V restritas a S.

Observamos que para saber se um subconjunto S de V é um subespaço vetorial de V basta verificar:

(1) θ S
(2) para cada u e v em S , u + v está em S ( adição )
(3) para cada α em R e v em S , α .v está em S ( produto por escalar )

Exemplos: São subespaços de R2

1) A reta S = { ( x , y ) / y = 3x }
2) A reta S = { ( x , y ) / 2x – 3y = 0 }

Não são subespaços de R2

1) S = { ( x , y) / y = x – 1 }
2) S = { ( x , y ) / y = x2 }

São subespaços de R3
1) O plano S = { ( x , y , z ) / 2x – y + 5z = 0 }
2) A reta S = { ( x , y , z ) / x + y = 0 e z = 0 }

Não são subespaços de R3

1) S = { ( x , y , z ) / x + y + z = 2 }
2) S = { ( x , y , z ) / x2 + y – z = 0 }
3)
Observação: São subespaços de R2 as retas que passam pela origem.
São subespaços do R3 as retas e os planos que passam pela origem.

Combinações lineares

Consideremos o vetor v = ( 1 , 2 ) em R2
Quando multiplicamos v por escalares α temos α v = (α , 2α )

Por exemplo, 5.( 1 , 2 ) = ( 5 , 10 ) (-3).( 1 , 2 ) = ( -3 , -6 )

Cada vetor α v = (α , 2α ) é dito uma combinação linear de v

Graficamente vemos que os vetores resultantes estão sobre a reta y = 2x

Dizemos então que a reta S = { ( x , y ) / y = 2x } é o subespaço de R2

S gerado por v
 Consideremos agora os vetores v1 = ( 1 , 2 ) e v2 = ( 3 , 0 ) em R2
Cada vetor
α v1 + v2 = é dito uma combinação linear de v1 e v2 .

Note que o sistema é compatível para qualquer x e y , daí

o conjunto desses vetores é o espaço R2 .Dizemos então que R 2 é o espaço gerado por v1 e v2 .

Generalizando,
dados v1 , ... , vn vetores em V e escalares reais, cada vetor
é chamado de combinação linear de v1 , ... vn

Observação: Dado A um conjunto de vetores de V, o conjunto

L(A) de todas as combinações lineares dos vetores de A é um subespaço de V.
E qualquer subespaço de V que contenha os vetores de A, contém L(A).
O subespaço L(A) é denominado subespaço gerado por A.

Exemplos: 1) Considere o vetor v = ( -3, 5) em R2.

a) O vetor u = ( 6 , 4 ) é combinação linear de v?
b) O vetor w = ( 2/5 , -2/3) é combinação linear de v?
c) Dê condições a x e y para que o vetor w = ( x , y ) seja combinação linear de v.
d) Descreva o subespaço gerado pelo conjunto {v}.

2) Considere os vetores v1 = ( 1 , 1 , -1 ) e v 2 = ( 2 , 5 , -1 ) em R3.

a) Verifique se o vetor v = ( 0 , 3 , 1) é combinação linear dos vetores v1 e v2.
b) Verifique se o vetor w = ( -1 , 3 , -1 ) é combinação linear de v 1 e v 2 .
c) Determine k para que o vetor v = ( 4 , 7 , k ) seja combinação linear de v 1 e v 2 .
d) Dê condições a x , y , e z para que o vetor v = ( x , y , z ) seja combinação linear de v 1 e v 2 .
e) Determine o subespaço L(A) , sendo A = { v 1 , v 2 }

Dependência Linear

Dados os vetores v1 , ... , vn em V, dizemos que esses vetores são

linearmente dependentes ( LD ) se e somente se um deles é combinação linear dos demais.
Ou seja , se podemos escrever, para algum i = 1 , ... , n ,
vi =
Caso contrário os vetores são ditos linearmente independentes ( LI ).

Exemplo: Os vetores v1 = ( 1 , 1 , 1 ) , v2 = ( 2 , 5 , -1 ) e v3 = ( 0 , 3 , 1 ) são linearmente dependentes, pois .

v2 = 2.v1 + 1. v3 .
É fácil constatar que os vetores v1 e v 2 são linearmente independentes.
Observações: 1) os vetores v1 , ... , vn são linearmente dependentes ( LD )
se e somente se
existem escalares , não todos nulos, tais que

2) os vetores v1 , ... , vn são linearmente independentes ( LI )

se e somente se
implica que todos os escalares são nulos.

Exemplos: Verifique se os vetores dados são LD ou LI:

1) v1 = ( 3 , 7 ) e v2 = ( 5 , -2 )
suponhamos → →det = -41 ≠ 0 →
o sistema é determinado → = 0 → os vetores são LI

2) v1 = ( -2 , 5 ) , v2 = ( -4 , 10 )
→ os vetores são LD

3) v1 = ( 2 , 1 , -1) , v2 = ( 3 , -4 , 1 )
suponhamos → =0 → os vetores são LI

4) v1 = ( 2 , 1 , -1) , v2 = ( 3 , -4 , 1 ) , v3 = ( 1 , 3 , -2 )

Note que, nesse caso basta verificar que det =4 0, daí o sistema

é determinado , ou seja, a = b = c = 0, e com isso os vetores são LI

5) v1 = ( 2 , 1 , -1) , v2 = ( 3 , -4 , 1 ) , v3 = ( 3 , 7 , -4)

det = 0, daí os vetores são LD

6) v1 = ( 0 , 5 , -1) , v2 = ( 1 , 4 , -2 ) , v3 = ( 2 , 1 , 4)

det = - 33 0, os vetores são LI

7) v1 = (1,2,1) , v2 = (2,-1,5) e v3 = ( -1,8,-2)

det = -27 os vetores são LI

8) v1 = ( 3, 1 , 2 ) , v 2 = ( 4 , -1 , 5) e v 3 = ( 1 , 4 , 2 )

det = -35 0 vetores LI

9) v1 = ( 3, 1 , 5 ) , v 2 = ( 4 , -1 , 9) e v 3 = ( 1 , 4 , -2 )

det =0 vetores LD

10) v1 = ( 5 , -1 ) , v2 = ( 1 , 2 ) , v3 = ( 1 , 4 )

a.v1 + b.v2 + c.v3 = 0 → → sistema indeterminado → vetores LD

11) v1 = ( 2 , 1 , 3 ) , v2 = ( 2 , -3 , -1 ) são vetores LI.

No exemplo ( 11 ) O subespaço gerado por v1 e v 2 é S = { ( x , y , z ) / x + y = z }

Sendo w = ( 3 , 4 , 7 ) , observe que v1 , v2 e w são vetores LD.

Sendo w = ( 3 , 4 , 0 ) , observe que w não é combinação linear de v1 , v2 e
v1 , v 2 e w são vetores LI.

Observações:
Em R2 : Dois vetores LD estão na mesma reta.
Quaisquer três ou mais vetores são LD.
Dois é o número máximo de vetores LI em R2 .
Dois ou mais vetores que não estejam na mesma reta geram R2.

Em R3: Dois vetores LD estão na mesma reta.

Três vetores LD estão no mesmo plano.
Quaisquer quatro vetores ou mais são LD.
Três é o número máximo de vetores LI em R3 .
Três ou mais vetores que não estejam no mesmo plano geram R3.

Em um espaço vetorial, podemos também observar:

1) Se um dos vetores v1 , ... , vn é o vetor nulo então os vetores v1 , ... , vn são LD.
2) Qualquer vetor v não nulo é LI.
3) Dois vetores são LD se e somente se um é múltiplo do outro.
4) Qualquer parte de um conjunto de vetores LI é também LI.
5) Se um conjunto de vetores contém uma parte de vetores LD então esse conjunto de vetores é LD.

Base e Dimensão

Diz-se que um espaço vetorial V é de dimensão finita n se existem vetores v1 , ... , vn LI, que geram V.
O conjunto de vetores B = { v1 , ... , vn } é denominado base de V.

Notação: dim V = n
Todas as bases de um mesmo espaço de dimensão finita têm o mesmo número de vetores.

Exemplos:1) dim R = 1.
Qualquer número a ≠ 0 é uma base para R.
Os únicos subespaços de R são { 0 }( espaço nulo ) e R . dim { 0 } = 0

2) dim R2 = 2
Quaisquer dois vetores LI em R2 formam uma base para R2.
Base canônica de R2 : B = { ( 1 , 0 ) , ( 0 , 1 ) }.
Se S é subespaço de R2 então dim S = 0 , 1 ou 2.

Se dim S = 0 então S = { ( 0 , 0 ) }
Se dim S = 1 então S é uma reta passando pela origem.
Se dim S = 2 então S = R2.

3)dim R3 = 3
Quaisquer três vetores LI em R3 formam uma base para R3.
Base canônica de R3 : B = { ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0, 1 ) }.
Se S é um subespaço de R3 então dim S = 0 , 1 , 2 ou 3.

Se dim S = 0 então S = { ( 0 , 0 , 0 ) }
Se dim S = 1 então S é uma reta passando pela origem.
Se dim S = 2 então S é um plano passando pela origem.
Se dim S = 3 então S = R3.

4)dim R4
Base para R4: B = { ( 1 , 0 , 0 , 0 ) , ( 0 , 1 , 0 , 0 ) , ( 0 , 0 , 1 , 0 ) , ( 0 , 0 , 0 , 1 ) }

5)dimM2x2 = 4
Base para M2x2 : B =

6)Sendo P 3 = conjunto dos polinômios de grau menor ou igual a 3 e com coeficientes reais,
dim P 3 = 4 onde a base canônica é B = { t 3 , t 2 , t , 1 }

7)Sendo P n = conjunto dos polinômios de grau menor ou igual a n e com coeficientes reais,
dim P n = n+1 onde a base canônica é B = { t n , t n-1 , ... , t , 1 }

8)Considere P o conjunto de todos os polinômios com coeficientes reais

P = { a n tn + a n-1 tn-1 + ... + a1 t + a0 / n = 0,1, ... , n e a n , ... , a0 }
P é um espaço vetorial de dimensão infinita.
Note que nenhum conjunto finito de polinômios gera P

Generalizando o que observamos para R2 e R 3 , em um espaço V de dimensão n:

1) Qualquer conjunto com mais de n vetores é LD.
2) Qualquer conjunto de vetores LI em V tem no máximo n vetores e se tiver menos de n, pode ser
estendido a uma base de V.
 3) Qualquer subespaço de V tem dimensão menor ou igual a n.
4) Todo conjunto LI com n elementos é base de V
5) Dada um base B = { v1 , ... , vn } de V, qualquer vetor w de V é expresso como combinação linear
dessa base, de forma única.
Ou seja, w = α 1 v 1 + ... + α n v n com únicos α 1 , ... , α n

Notação: [w]B = denominada matriz dos coeficientes de w com respeito a base B

Exemplos: 1) Considere a base B = { ( 1 , 2 ) , ( -3 , 1 ) } de R2

a) Sendo w = ( 5 , 7 , -8 ) , determine [w]B
b) Sendo w = ( - 3 , 4 , 0 ) , determine [w]B

Matriz mudança de base

Exemplo: 1) Considere A = { ( 1 , 2 ) , ( -1 , 1 ) } e B ={ ( 1 , 0 ) , ( 0 , 1 ) } bases de R2 .

e w = ( 4 , 5 ).
[w]A = [w]B =
Cada vetor da base A também pode ser expresso como combinação linear da base B.
[ ( 1 , 2 ) ]B = [ ( -1 , 1 ) ]B =

A Matriz M= é denominada matriz troca de base de A para B.

Observe que [w]B = M . [w]A

Generalizando,

sendo A = { u1 , ... , un } e B = { v1 , ... , vn } bases de V,

a matriz M troca de base de A para B é a matriz de ordem nxn onde cada coluna i de M é definida como a
matriz [ v i ]B , dos coeficientes de vi com respeito a base B.

E para cada vetor w de V, [w]B = M . [w]A .

Nota: M-1 é a matriz troca de base de B para A e

E para cada vetor w de V, [w]A = M-1 . [w]B .

Exemplos: 1)Sejam A = { ( 0 , 2 ) , ( 1 , 3 ) } e B = { ( -2 , 0 ) , ( -3 , 1 ) } bases de R2 .

a)determine M, a matriz troca de base de A para B .

Resp: M =
b)sendo w = ( 8 , -10 ) determine [w]A e [w]B
Resp: [w]A = e [w]B =

c) Calcule M. [w]A
Resp:
2) Sejam A = { ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0 , 1 ) } ) } e
B = { ( -1 , 1 , 0 ) , ( 1 , 2 , 1 ) ( 0 , 2 , 0 ) } bases de R3 .

a)determine M, a matriz troca de base de A para B .

Resp:

b)sendo w = ( -5 , 2 , 3 ) determine [w]A

Resp:

c) sendo w = ( -5 , 2 , 3 ) determine [w]B

Resp:

d)Calcule M . [w]A .

Resp: