You are on page 1of 37

1

1.1

Espaços Vetoriais Arbitrários

Espaços Vetoriais Reais

O que essa seção faz é estender o conceito de vetor usando as propriedades básicas de vetores
em Rn como axiomas. Se um conjunto de objetos satis…zer esses axiomas teremos a garantia
de que eles se comportam como vetores conhecidos.

1.1.1

Axiomas de Espaço Vetorial

A próxima de…nição consiste de 10 axiomas, 8 dos quais foram enunciados no Cap 3 como
propriedades de vetores no Rn :
De…nição 1 Seja V um conjunto não vazio qualquer de objetos no qual estejam
de…nidas duas operações, a adição e a multiplicação por escalar. Por adição entendemos uma regra que associa a qualquer par de objetos !
u e !
v em V um objeto !
u +!
v
!
!
denominada soma de u com v ; por multiplicação por escalar entendemos uma regra que
associa a cada escalar a e cada objeto !
u em V, um objeto a!
u , denominado multiplo escalar
!
de u por a. Se os axiomas seguintes forem satisfeitos por todos os objetos !
u, !
v e!
w em
V e quaisquer escalares a e b diremos que V é um espaço vetorial e os objetos em V
são vetores.
1. Se !
u e!
v 2 V , então, !
u +!
v 2V
!
!
!
!
2. u + v = v + u
3. !
u + (!
v +!
w ) = (!
u +!
v)+!
w
!
4. 9 0 2 V; Denominado Vetor nulo (ou zero) de V, tal que 0 + !
u = !
u + 0, para
!
qualquer u 2 V
5. Dado qualquer u 2 V existe algum objeto !
v 2 V , denominado negativo de u, tal
que u + ( !
v)=( !
v)+!
v =0
6. Se a 2 R e u 2 V; então au 2 V
7. a(!
v +!
v ) = a!
v + a!
v
!
!
8. (a + b) v = a v + b!
v
9. a(b!
v ) = (ab)!
v
!
10. 1 v =!
v
Observação 2 Note que a de…nição de um espaço vetorial não especi…ca nem a natureza
dos objetos (vetores) nem das operações (não precisam ser as operações padrões de soma e
multiplicação por escalar). A única exigência é que os 10 axiomas sejam satisfeitos.Como
veremos existe o espaço vetorial de funções reais, das matrizes e etc.
Passos para mostrar que um espaço com duas operações é um espaço vetorial
Passo 1.- Identi…que o conjunto de objetos que serão os vetores
Passo 2.- Identi…que as operações de soma e multiplicação por escalar
Passo 3.- Veri…que a validade dos Axiomas 1 e 6, que podem também ser denominados,
fechamento na soma e na multiplicação por escalar, respectivamente.
Passo 4.- Con…rme que valem os Axiomas 2, 3,4, 5, 7, 8, 9, 10.
Exemplos de Espaçõs Vetoriais:
Exemplo 3 Espaço vetorial nulo

1

Passo
Passo
Passo
Passo

1.2.3.4.-

V consiste de um único elemente, que denotamos por 0
De…na a operação usual a operação usual 0 + 0 = 0 e a0 = 0 para a 2 R
Decorre da de…nição acima
São facilmente veri…cáveis.

Exemplo 4 Rn é um espaço vetorial
Passo 1.- V consiste de todas as n-uplas de reais, ou seja V =Rn .
Passo 2.- De…na as operações usuais de soma e multiplicação por escalar como u + v =
(u1 ; u2 ; :::; un ) + (v1 ; v2 ; :::; vn ) e a(u1 ; u2 ; :::; un )=(au1 ; au2 ; :::; aun ) para a 2 R
Passo 3.- Note que V é fechado na soma e na multiplicação por escalar, pois as operações
do passo 2 de…nem n-uplas de reais, e portanto pertencem a V .
Passo 4.- Pelo que foi visto no cap 3 (teorema 3.1.1) essas n-uplas satisfazem os Axiomas
2, 3, 4, 5, 7, 8, 9 e 10.
Exemplo 5 O espaço vetorial das sequências in…nitas de números reais.
Passo 1.- V consiste de todos os objetos da forma u =(u1 ; u2 ; :::; un ; ::::), ou seja, V =R1 .
Passo 2.- De…na as operações usuais de soma e multiplicação por escalar como u + v =
(u1 ; u2 ; :::; un ; :::) + (v1 ; v2 ; :::; vn ; ::::) e a(u1 ; u2 ; :::; un ; :::)=(au1 ; au2 ; :::; aun ; :::) para a 2 R
Passo 3.- Note que V é fechado na soma e na multiplicação por escalar, pois as operações
do passo 2 de…nem sequencias in…nitas de numeros reais, e portanto pertencem a V .
Passo 4.- Novamente, pelo que foi visto no cap 3 (teorema 3.1.1) essas sequências in…nitas
de numeros reais satisfazem os Axiomas 2, 3, 4, 5, 7, 8, 9 e 10.
Exemplo 6 Espaço vetorial das matrizes 2x2.
u11 u12
V =M22 .
u21 u22
Passo 2.- De…na as operações usuais de soma e multiplicação por escalar como u + v =
u11 u12
v11 v12
u11 u12
au11 au12
+
ea
=
para a 2 R
u21 u22
v21 v22
u21 u22
au21 au22
Passo 3.- Note que V é fechado na soma e na multiplicação por escalar, pois as operações
do passo 2 de…nem matrizes 2x2 de numeros reais, e portanto pertencem a V .
Passo 4.- Alguns dos Axiomas decorrem das próprias propriedades de soma e multiplicação
por escalar de matrizes. Por exemplo, do teorema 1.4.1 temos que
Axioma 2 equivalente a (a) A + B = B + A
Axioma 3 equivalente a (b) (A + B) + C = A + (B + C)
Axioma 7 equivalente a (h) a(A + B) = aA + aB
Axioma 8 equivalente a (j) (a + b)A = aA + bA
Axioma 9 equivalente a (l) a(bA) = (ab)A
Falta veri…car os axiomas 4, 5 e 10
Axioma 4 - Note que no espaço de matrizes M22 existe uma matriz 0 2 V tal que
0 + u = u + 0 = upara qualquer u 2 V
0 0
u11 u12
u11 u12
0 0
u11
Seja 0 =
eu=
,então u + 0 =
+
=
0 0
u21 u22
u21 u22
0 0
u21
u
0 0
u11 u12
u11 u12
e analogamente, 0 + u =
+
=
=u
0 0
u21 u22
u21 u22
Axioma 5 - Para cada u 2 V; existe um u 2 V; tal que u + ( u) = ( u) + u = 0
u11 u12
u11
u12
u11 u12
Seja u =
então u =
; logo u + ( u) =
+
u21 u22
u21
u22
u21 u22
u11
u12
0 0
=
=0
u21
u22
0 0
u11
u12
u11 u12
0 0
Analogamente, ( u) + u =
+
=
=0
u21
u22
u21 u22
0 0
u11 u12
u11 u12
Axioma 10 - É válido pois 1u = 1
=
=u
u21 u22
u21 u22
Passo 1.- V consiste de todos os objetos da forma u =

2

u12
u22

=

Exemplo 7 Espaço vetorial das matrizes mxn.
Facilmente mostrado adaptando a explicação do exemplo anterior.
Exemplo 8 Espaço vetorial de funções de reais.
Passo 1 - V é o conjunto das funções reais, isto é f :R ! R que estão de…nidas em cada
x do intervalo ( 1;1)
Passo 2.- Se f e g 2 V de…na as operações usuais de soma e multiplicação por escalar
como (f + g)(x) = f (x) + g(x) e (af )(x)=af (x) para a 2 R: O conjunto V com essas
propriedades é denotado pelo símbolo F ( 1;1) e é um espaço vetorial em R.
Passo 3.- Axiomas 1 e 6, tomando duas funções quaisquer no intervalo ( 1;1), e portanto em V é fácil ver que a soma e a multiplicação por escalar também estarão de…nidas
em ( 1;1) e portanto também estarão em V , logo, F ( 1;1) é fechado na soma e na
multiplicação por escalar ver grá…co abaixo (a) e (b) abaixo:

Passo 4.- Veri…cação dos Axiomas 2,3,4,5,7,8,9 e10
O Axioma 4 exige que exista alguma função 0 em F ( 1;1) que somada com qualquer
outra função f em F ( 1;1), produza valores f de volta como resultado. Geometricamente,
o grá…co da função 0 é a reta que coincide com o eixo x, conforme o grá…co (c) acima
O Axioma 5 exige que dada qualquer função f em F ( 1;1), existe uma função f em
F ( 1;1) que somada a função f produza a função 0. O grá…co de f pode ser obtido
re‡etindo o grá…co de f em torno do eixo x, conforme o grá…co (c) acima.
Os axiomas 2, 3, 7, 8, 9 e 10 seguem das propriedades dos números reais, por exemplo, se
f e g forem funções em F ( 1;1), então elas assumem valores reais, consequentemente, o Axioma exige que f + g = g + f . Mas, isso segue de (f + g)(x) = f (x) + g(x) = g(x) + f (x) = (g + f )(x)
em que a igualdades central é uma propriedade dos números reais.
Exemplo 9 Um conjunto que não é espaço vetorial (Exercício 15)
Passo 1.- Seja V = R2 .
Passo 2.- De…na as operações de soma e multiplicação por escalar como u + v = (u1 ; u2 ) +
(v1 ; v2 ) e a(u1 ; u2 )=(au1 ; 0) para a2 R: A adição é padrão mas o multiplicação por escalar
não.
Passo 3.- Note que os Axiomas (1) e (6) são satisfeitos.
Passo 4.- Veri…cação dos Axiomas 2,3,4,5,7,8,9 e10
Axioma 2 u + v = (u1 ; u2 ) + (v1 ; v2 ) = (v1 ; v2 ) + (u1 ; u2 ) = v + u
Axioma 3 como a anterior decorre da soma dos reais.
Axioma 4. 9 0 = (0; 0) 2 V; Denominado Vetor nulo (ou zero) de V , tal que 0 + u =
(0; 0) + (u1 ; u2 ) = (u1 ; u2 ) + (0; 0) = u + 0, para qualquer u 2 V
Axioma 5. Dado qualquer u 2 V existe algum objeto u = ( u1 ; u2 ), denominado
negativo de u, tal que u+( u) = (u1 ; u2 )+( u1 ; u2 ) = ( u1 ; u2 )+(u1 ; u2 ) = ( u)+u = 0
(note que ( 1)u = ( u1 ; 0)), mas o negativo de u é u = ( u1 ; u2 ) ja seria um furo)
Axioma 7. a(u + v) = a(u1 ; u2 ) + a(v1 ; v2 ) = (au1 ; 0) + (av1 ; 0) = au + av;
Axioma 8. (a + b)u = a(u1 ; u2 ) + b(u1 ; u2 ) = (au1 ; 0) + (bu1 ; 0) = au + bu
Axioma 9. a(bu) = a(b(u1 ; u2 )) = a(bu1 ; 0) = ((ab)u1 ; 0) = (ab)u
Axioma 10. 1u = (u1 ; 0) 6= u = (u1 ; u2 )
Não Vale
3

Seja V =R+ . (a + b)u = (a + b)u = ua+b = ua ub = au + bu Axioma9.Exemplo 10 Espaço vetorial incomum Passo 1. Axioma 4 . a(bu) = a(ub ) = (ub )a = uab = (ab)u Axioma 10.Fechamento na Adição. Passo 4. Note que 1 funciona como 0 desse espaço... Passo 3. logo em R+ e se eu elevar qualquer número positivo a um número real ele continuará positivo . No entanto. pois se eu multiplicar dois reais positivos ele continua positivo. pois 1 + u = u + 1 = u para qualquer u 2 V Axioma 5. De…nição 11 Um subconjunto W de um espaço vetorial V é denominado subespaço vetorial de V se W for um espaço vetorial com as operações de soma e multiplicação por escalar de…nidas em V . a esse primeiro espaço damos o nome de subespaço vetorial. Por outro lado. Deveríamos veri…car os 10 axiomas para mostrar que W é um espaço vetorial. então certos axiomas não precisam ser veri…cados pois eles são "herdados" de V . 1u=u1 = u 2 Subespaços Vetoriais É possível que um espaço vetorial esteja contido em um outro espaço vetorial. e u + ( u) = u u1 = 1 Axioma 7. Axioma 5 . é necessário veri…car que W é fechado na soma e multiplicação por escalar. Dado qualquer u 2 V existe algum objeto u 2 V tal que u + ( u) = 1 (zero do espaço). conforme …gura abaixo.Axioma 2 u + v = uv = vu = v + u Axioma 3 u + (v + w) = u(v + w) = u(vw) = (uv)w = (u + v)w = (u + v) + w Axioma 4.Existência do 0 em W . 4 . Axiomas que não são herdados por W são: Axioma 1 . 9 0 2 V. Note que u = u1 .De…na as operações de soma e multiplicação por escalar como u + v = uv e au=ua para a 2 R: Nem a adição nem a multiplicação por escalar são padrões. Assim.Note que os Axiomas (1) e (6) são satisfeitos. Passo 2.Existencia do inverso aditivo. a(u + v) = a(uv) = (uv)a = ua v a = au + av.. já que a soma de dois vetores em W ou a multiplicação de um vetor em W pode produzir um vetor em V mas que não está em W. logo em R+ . Axioma 6 .Fechamento na multiplicação por escalar. se W for parte de um espaço vetorial V conhecido. Axioma 8.

então au 2 W para qualquer escalar a. No entanto. W é um subespaço de V se e só se.7. Logo. Exemplo 13 O subespaço zero Se V for um espaço vetorial qualquer e se W = f0g for o subespaço de V que consiste somente no vetor nulo. W é fechado na soma e na multiplicação por escalar. esses são os axiomas que devem ser veri…cados para mostrar que W é um subespaço de V . Assim.3.9 e 10 são herdados de V . Como por hipótese b) é satisfeita. Dizemos que W é o subespaço zero ou nulo de V . então (4) e (5) também valem e não precisam ser veri…cados.Então. Exemplo 14 Retas pela orígem são subespaços em R2 e R3 Se W for uma reta que passa pela orígem no R2 ou R3 então tanto a soma de quaisquer dois vetores na reta como a multiplicação por escalar de algum vetor na reta também estarão na reta. então.8. mostrando que valem os axiomas 4 e 5 em W . que são exatamente as condições a) e b). A tabela seguinte dá uma lista de subespaços de R2 e R3 que encontramos até aqui. Mais adiante veremos que esses são os únicos subespaços de R2 e R3 : 5 . Reciprocamente. Seja u 2 W . vale para a = 0 e a = 1. valem os 10 axiomas. Se W for um subespaço de V então. basta mostrar que valem os axiomas 1 e 6 já basta. inclusive o (1) e o (6). suponha que valham a) e b) como esses axiomas são os (1) e (6) e os axiomas 2. basta mostrar que valem os axiomas 4 e 5 para W . Ver …gura abaixo: Exemplo 15 Planos pela orígem são subespaços do R3 Se u e v são vetores num plano W que passa pela origem de R3 então é geometricamente evidente que u + v e au estarão nesse plano W . então au 2 W: Prova. pois 0 + 0 = 0 e a0 = 0 para qualquer escalar a. Teorema 12 Se W for um subconjunto de um ou mais vetores num espaço vetorial V . então 0u 2 W e ( 1)u = u 2 W. então W é fechado na adição e multiplicação por escalar.então u + v 2 W b) Se a for um escalar qualquer e u 2 W . logo W é fechado na soma e multiplicação por escalar. O teorema seguinte mostra que se os axiomas (1) e (6) valem para W . as condições abaixo forem verdadeiras: a) Se u e v 2 W.

Assim. 1). Exemplo 17 Subespaços de Mnn Pelo Teorema 1.Analogamente o conjunto das matrizes triangulares superiores. sendo que o expoente 1 enfatiza que a primeira derivada é contínua. 6 . e que uma constante vezes uma função contínua é contínua. 1) Existe um teorema no Cálculo que a…rma que a soma de funções contínuas é contínua. 1). que pode ser adaptado facilmente a Mnn . o conjunto das funções contínuas em ( 1. sabemos que a soma de duas matrizes n x n simétricas é simétrica e um múltiplo escalar de uma matriz n x n simétrica é simétrica. 1) e C 1 ( 1. triangulares inferiores e diagonais são subespaços Mnn . (1. bem como é um subespaço o conjunto das funçoes com derivadas de todas as ordens contínuas em (-1. Considere as matrizes 1 2 1 2 eV = 2 5 2 5 matriz 0U é a matriz 2x2 nula e. tampouco é invertível. 1) não. o conjunto de todas as matrizes simetricas é um subespaço de Mnn . portanto. Por exemplo.2. 1) é um subespaço de F ( 1. 1). Esse conjunto não é um subespaço do R2 . que não é um subespaço O conjunto das matrizes n x n invertíveis não é um subespaço de Mnn . falhando duas vezes. Denotaremos esse subespaço por C( 1. Denotamos esse espaço por C 1 ( 1. respectivamente. Exemplo 20 Funções com derivada contínua Dizemos que uma função com derivada contínua é continuamente derivável. e a matriz U + V tem uma coluna de zeros. U= Exemplo 19 Subespaço C( 1. Denotamos esses espaços por C m ( 1. Exemplo 18 Um subconjunto de Mnn . as funções que são continuamente deriváveis em (-1. o conjunto das funções com derivadas até ordem m contínuas em ( 1. 1). y) em R2 tais que x 0 e y 0 (primeiro quadrante). 1) é um subespaço de F ( 1. 1).7. pois não é nem fechado na soma nem na multiplicação por escalar. 1). portanto. 1) formam um subespaço de F ( 1.Exemplo 16 Um subconjunto de R2 que não é subespaço Seja W o conjunto de todos os pontos (x. Levando isso um passo adiante. Existe um teorema no Cálculo que a…rma que a soma de duas funções continuamente deriváveis é continuamente derivável. Ilustramos isso num exemplo em M22 . e que uma constante vezes uma função continuamente derivável é continuamente derivável. 1). Assim. Enunciado na linguagem de espaços vetoriais. 1) 2 W mas 1(1. não é invertível. por não ser fechado na adição nem na multiplicação por escalar.

:::. W2 . Teorema 25 Seja S = fw1 . No entanto. que denotamos por Pn Teorema 23 Se W1 . ambos os polinonnos _ 1 + 2x + 3x2 e 5 + 7x 3x2 têm grau 2. Como os subespaços são fechados na multiplicação por escalar. Como esses subespaços são fechados na adição então.Exemplo 21 O subespaço de todos os polinômios Lembre que um polinômio é uma função que pode ser expressa na forma p(x) = ao + a1 x + ::: + an xn É evidente que a soma de dois polinômios é um polinômio e que uma constante vezes um polinômio é um polinômio. v2 . os polinômios de grau menor do que ou igual a n formam um subespaço de F( 1. :::. Assim. W2 . estará na interseção W . então a interseção desses subespaços também será um subespaço de V. estará na interseção W. …xado qualquer inteiro não negativo n. u + v também está em cada um deles e portanto. wr g um conjunto não vazio de vetores num espaço vetorial V. mas sua soma tem grau 1. Esses escalares são denominados coe…cientes da combinação linear. falta mostrar que W é fechado na adição e na multiplicação por escalar. Wr . 7 . o conjunto de todos os polinomios é fechado na adiçao e na multiplicação por escalar e é. :::. 1). também sua interseção tem o vetor nulo. em que a1 . Adição: Sejam u e v 2 W . Seja W a interseção dos subespaços W1 . o que é verdade é que. um subespaço de F(-1. au também está em cada um deles e portanto. 1). vr 2 V se w puder ser expresso na forma w = a1 v1 + a2 v2 + ::: + ar vr . :::. portanto. w2 . Multiplicação por escalar: Analogamente seja u 2 W . Esse conjunto não é vazio por que como cada um desses subespaços contém o vetor nulo de V. ar são escalares. Exemplo 22 O subespaço dos polinômios de grau n Não é verdade que o conjunto dos polinôrnios de grau positivo n seja um subespaço de F ( 1. De…nição 24 Dizemos que um vetor w num espaço vetorial V é uma combinação linear de v1 . Wr forem subespaços de um espaço vetorial V . porque esse conjunto nao e fechado na adiçao. Prova. 1). Denotamos esse espaço por P1 . então estão em cada um desses subespaços. :::. a2 . Por exemplo.

:::. e dizemos que os vetores em S geram esse subespaço. 0. w2 . 1. os vetores canonicos do R3 .. e2 = (0. 1) geram o R3 pois cada vetor v = (v1 . v2 . 0. é o plano pela origem determinado por esses dois vetores. 0). (b) Se v1 e v2 forem vetores não nulos em R3 com pontos iniciais na origem. 0.. :::.. 0. 1) . vn ) em Rn pode ser expresso como v = v1 e1 + v2 e2 + ::: + vn en que é uma combinação linear de e1 . Então u = c1 w1 + c2 w2 + ::: + cr wr e v = k1 w1 + k2 w2 + ::: + kr wr logo u + v = c1 w1 +c2 w2 +:::+cr wr +k1 w1 +k2 w2 +:::+kr wr = (c1 +k1 )w1 +(c2 +k2 )w2 +:::+(cr +kr )wr que é uma combinação linear dos vetores em S e portanto está em W . v2 g. Prova. v2 . no sentido de que qualquer outro subespaço de V que contenha aqueles vetores contém W . 0. Esses vetores geram Rn . então gerfv1 . en = (0. v3 ) nesse espaço pode ser expresso como v = (v1 .e e3 = (0. v2 .. Como W 0 é fechado na adição e na multiplicação por escalar ele contém todas as combinações lineares de vetores em S e portanto. 0). w2 . :::. contém W . 1. que é o conjunto de todos os múltiplos escalares de v. 0. observando que o ponto …nal do vetor kv pode ser feito coincidir com qualquer ponto da reta escolhendo o valor de k de maneira apropriada. 0) + v3 (0.então gerfvg. (b) O conjunto W da parte (a) é o "menor" subespaço de V que contém todos os vetores de S. que consiste em todas as combinações lineares de v1 e v2 . 0). Teorema 26 Dizemos que o subespaço de um espaço vetorial V que é formado com todas as combinações lineares possíveis de vetores de um conjunto não vazio S é gerado por S. Isso pode ser visualizado na …gura abaixo. 8 . Isso pode ser visualizado na Figura abaixo. :::. :::. :::. vn ) = v1 e1 + v2 e2 + v3 e3 = v1 (1. denotamos o gerado de S por gerfw1 .e en .(a) O conjunto W de todas as combinações lineares possível em S é um subespaço de V . e2 = (0. wr g. Sejam u e v 2 W . por exemplo. observando que o ponto …nal do vetor k1 v1 +k2 v2 pode ser feito coincidir com qualquer ponto do plano ajustando apropriadamente os escalares k1 e k2 para encompridar. :::. e1 = (1. (a) Seja W o conjunto de todas as combinações lineares possível em S. 0. 1). pois cada vetor v = (v1 . logo au = ac1 w1 + ac2 w2 + ::: + acr wr : (b) Seja W 0 um subespaço qualquer de V que contenha todos os vetores em S. 0) + v2 (0. 1. wr g ou ger(S) Exemplo 27 Os vetores unitários canônicos geram Rn Lembre que os vetores unitários canônicos em Rn são e1 = (1. Assim. e2 . é a reta pela origem determina por V . 0. 0). encurtar ou reverter o sentido dos vetores k1 v1 e k2 v2 . Seja a 2 R e u 2 W: Então u = c1 w1 + c2 w2 + ::: + cr wr . 0. Se S = fw1 . Exemplo 28 Uma visão geométrica de espaço gerado em R2 e R3 (a) Se v for um vetor não nulo em R2 ou R3 com ponto inicial na origem.

1. 2. . xn g Os dois exemplos seguintes se referem a dois tipos de problema importantes. x2 . x. . Solução 31 Para que w seja uma combinação linear de u e v. determine se v é uma combinação linear de vetores de S Dado um conjunto S de vetores em Rn determine se os vetores geram Rn . :::. 1) + k2 (6. tais que w = k1 u + k2 v. 2. 2). 7) é uma combinação linear de u e v e que w0 = (4. Mostre que w = (9. 2k1 + 4k2 . 7) = (k1 + 6k2 . x.de modo que w = 3u + 2v Analogamente. x2 . 2) ou (9. 2. xn . 2. 2. . xn geram o espaço vetorial Pn de…nido no Exemplo 10. 2k1 + 4k2 . 8) não é uma combinação linear de u e v. 1. 1. Podemos denotar isso escrevendo Pn = gerf1. Exemplo 30 Combinações lineares Considere os vetores u = (1. x2 . tais que w0 = k1 u + k2 v.Exemplo 29 Um conjunto gerador para Pn Os polinômios 1. logo não existem tais escalares k1 e k2 tais que w0 seja combinação linear de u e v. encontramos k1 = 3 e k2 = 2. k1 + 2k2 ) Igualando o os componentes correspondentes temos: k1 + 6k2 = 9 2k1 + 4k2 = 2 k1 + 2k2 = 7 Resolvendo. devem existir escalares k1 e k2 . 2. ou seja. k1 + 2k2 ) Igualando o os componentes correspondentes temos: k1 + 6k2 = 4 2k1 + 4k2 = 1 k1 + 2k2 = 8 Esse sistema é inconsistente (veri…que). pois cada polinômio p em Pn pode ser escrito como p = a0 + a1 x + ::: + an xn que é uma combinação linear de 1. 1) + k2 (6. x. 2) ou (4. . (9. 8) seja uma combinação linear de u e v. . para que w0 = (4. devem existir escalares k1 e k2 . Dado um conjunto S de vetores em Rn e um vetor v em Rn . 1. 4. (4. 4. ou seja. . 7) = k1 (1. . 8) = (k1 + 6k2 . 4. . 8) = k1 (1. 1) e v = (6. Exemplo 32 Testando o gerado 9 .

para qualquer vetor (b1 . 1. b2 e b3 : Relembrando um teorema anterior. 3) geram o espaço vetorial R3 Solução 33 Devemos determinar se um vetor arbitrário b = (b1 . 1) e v3 = (2. 1). Resta mostrar que W é fechado na soma vetorial e na multiplicação por escalar. b2 . 2) + k2 (1. 1. ax1 2 W então W é fechado na multiplicação por escalar. 3) 10 . pois contém pelo menos a solução trivial x = 0. 0. Ax1 = 0 e Ax2 = 0. 1. que detA 6= 0 1 1 2 A=4 1 0 1 5 . como esses vetores são soluções de Ax = 0 então temos. 0) + ( 3x3 . Aax1 = aAx1 = a0 = 0:Logo. 3) ou (b1 . b3 ) = k1 (1. 1. x2 . Soma vetorial: Sejam x1 e x2 dois vetores em W . se a matriz de coe…cientes do sistema for não singular então o sistema tem uma única solução para cada termo do lado direito. x3 ) = (2x2 . ou seja. 1. ou seja. b2 . k2 e k3 tal que a combinação linear b = k1 v1 + k2 v2 + k3 v3 seja satisfeita para qualquer vertor (b1 . b2 . b2 . k1 + 0k2 + k3 . x2 . Teorema 35 O conjunto solução W de um sistema linear Ax = 0 em n icógnitas é um subespaço do Rn : Prova. b3 ) 2 R3 pode ser expresso como uma combinação linear de v1 . 0. os vetores não geram o R3 :Isso acontece porque não podemos encontrar k1 . apenas para alguns (b1 . 0) + x3 ( 3. b = k1 v1 + k2 v2 + k3 v3 (b1 . cujo vetor normal é:n = (1. v2 e v3 não geram o R3 : Isso acontece 2 1 3 ! porque não podemos encontrar k1 . k2 e k3 tal que a combinação linear b = k1 v1 + k2 v2 + k3 v3 seja satisfeita. Exemplo 36 Espaços Soluções de Sistemas homogêneos 2 32 3 2 3 2 32 3 2 3 1 2 3 x1 0 1 2 3 x1 0 4 6 5 4 x2 5 = 4 0 5 8 5 4 x2 5 = 4 0 5 (a) 4 2 (b) 4 3 7 6 9 3 2x3 3 20 3 62 x33 2 3 0 2 3 22 4 3 1 2 3 x1 0 0 0 0 x1 0 8 5 4 x2 5 = 4 0 5 (c) 4 3 7 (d) 4 0 0 0 5 4 x2 5 = 4 0 5 4 1 2 x3 0 0 0 0 x3 0 (a) Conjunto solução na forma paramétrica W = (2x2 3x3 .. v2 = (1. b3 ). b2 . A(x1 + x2 ) = Ax1 + Ax2 x1 + Ax2 = 0 + 0 = 0: Logo. Multiplicação por escalar: Seja a2 R e x1 2 W: como x1 é solução de Ax = 0 então Ax1 = 0:Precisamos mostrar que ax1 também é solução de Ax = 0: Portanto. Precisamos mostrar que x1 + x2 também é solução de Ax = 0: Portanto. 2k1 + k2 + 3k3 ) Igualando o os componentes correspondentes temos: 8 < k1 + k2 + 2k3 = b1 k1 + 0k2 + k3 = b2 : 2k1 + k2 + 3k3 = b3 O problema se reduz a determinar se o sistema é consistente para quaisquer valores de b1 .Determine se v1 = (1. x3 ) = x2 (2. detA = 0: Então v1 . v2 e v3 . Seja W o conjunto solução do sistema O conjunto W é não vazio. 2. 0. b3 ).mas apenas para alguns vetores do R3 Observação 34 Se detA = 0. b2 . Resta só mostrar2 que a matriz 3 de coe…cientes é não singular. 1) + k3 (2. 0. forma não paramétrica x1 = 2x2 3x3 ou x1 2x2 + 3x3 = 0. b3 ) = (k1 + k2 + 2k3 .logo. 2). x1 + x2 2 W então W é fechado na soma vetorial. b3 ): As soluções de sistemas lineares homogêneos Ax = 0 de m equações e n icógnitas podem ser vistas como soluções no Rn .

no sentido de que um ou mais deles podem ser escritos como combinação linear dos demais Suponha um plano xy. e2 e w. 3). v2 = 4w1 + 3w2 . b. v3 g = gerfw1 . obtemos x51 = x2 = x3 : W é a reta ao longo de (5. 0) de modo que o subespaço de solução é f(0. 4. gerfv1 . por exemplo. 14) Mostre que gerfv1 . x2 . Note que não existe forma não paramétrica na forma padrão a1 x1 +a2 x2 +:::+an xn +b = 0. v2 .(b) Conjunto solução na forma paramétrica W = (5x2 . então. o vetor w. wk g 0 se. :::. 1. a única maneira de escrever o vetor (3. 2. 4. x2 ) = x2 (5. x2 e x3 de modo que o subespaço de solução é o próprio R3 Observação 37 É importante reconhecer que os conjuntos geradores não são únicos. 0) + 1(0. p12 = 3e1 + 2e2 + 0w p p (3. 4. poderiamos expressar qualquer vetor nesse plano de forma única como combinação linear de e1 e e2 . 2) = 3(1. Quando introduzimos w haverá uma in…nidade de maneira de escrever cada um dos vetores no plano xy como combinação linear de e1 . 1) Por exemplo. 11). 3. Por exemplo. 0) + 2(0. 0)g (d) Esse sistema é satisfeito por quaisquer valores reais de x1 . 0. 1) + 2 p12 . cada vetor em S é uma combinação linear dos vetores em S . Uma forma mais e…ciente 3 2 3 2 é usando espaços3 linha 2 1 1 2 1 3 1 2 1 3 1 2 0 3 8 5 2 5~4 0 0 3 8 5~4 0 0 1 A=4 2 4 1 3 3 6 3 7 0 0 6 16 0 0 0 0 1 1 2 4 11 1 2 4 11 1 2 0 3 B= ~ ~ 8 2 4 5 14 0 0 5 8 0 0 1 3 Como as linhas não nulas dessas matrizes em forma canônica reduzida por linhas sao identicas. 2) e v3 = (3. 1. w2 = 4v1 + 1v2 + 0v3 : Logo. 6. igualando as tres componentes (5b. v3 = 7w1 + 5w2 w1 = 3v1 + 1v2 + 0v3 . (3. vr g = gerfw1 . Por exemplo. v2 . v2 = (2. 5. wk g são conjuntos de vetores não vazios em V. e só se. w2 . 0) e e2 = (0. 2. v3 g = gerfw1 . p12 = 2e1 + 1e2 + 2w 11 .e cada vetor em 0 S é uma combinação linear dos vetores em S: Exemplo 39 (Lipschutz p. cada vetor no plano pode ser expresso de uma única maneira como combinação linear dos vetores canônicos e1 = (1. Enquanto que quando tinhamos dois vetores no plano xy. :::. 7) e w1 = (1.129)Considere os dois conjuntos de vetores de R4 dados a seguir v1 = (1. 1.2) como combinação linear de e1 = (1. w2 g: 3 Independencia Linear Nesta seção vamos discutir o problema de os vetores de um determinado conjunto serem interrelacionados. 0. portanto gerfv1 . x3 ). 1) + 0 p12 . Portanto. x2 .3 2 1 2 3 8 5 = 19. v2 . 0 Teorema 38 Se S = fv1 . vr g e S = fw1 . o sistema só adimite a solução (c) Note que det 4 3 7 4 1 2 trivial W = (0. 2) = 2(1. 1) é (3. 0) e e2 = (0. 1). 1. O próximo teorema enuncia as condições sob as quais dois conjuntos de vetores geram o mesmo espaço. qualquer vetor no grá…co da reta do grá…co passado gera aquela reta e quaisquer dois vetores não colineares geram aquele plano. w2 g note que v1 = w1 + w2 . v2 . mas. :::. os dois conjuntos geram o mesmo espaço. :::. b) da solução a (x1 . 2) = 3e1 + 2e2 : Vejamos o que acontece se introduzirmos um terceiro vetor. w2 . w2 = (2. 1). os espaços linhas de A e de B são iguais.

1) e v3 = (3. v2 = (4. 9. pois w = p12 e1 + p12 e2 : Como descobrir se um vetor de um conjunto S é uma combinação linear dos demais vetores em S??? De…nição 40 Se S = fv1 . ao introduzir um vetor "super‡uo" criamos a complicação de ter múltiplas maneiras de associar qualquer vetor do plano a uma combinação linear de vetores do plano. 0) + 3(0. Portanto. ou LD). k2 = 0 e kr = 0 dizemos que S é um conjunto linearmente independente (seus vetores são linearmente independentes. logo. 0) igualando as componentes correspondentes dos dois lados. Exemplo 42 Independência Linear no R3 v1 = (1. logo os vetores serão Linearmente Independentes no R3 : Exemplo 44 Independência Linear no R4 v1 = (1. 0) igualando as componentes correspondentes dos dois lados. a trivial. e1 . então. Prova da independencia linear de vetores canônicos e1 = (1. 2k1 +9k2 +9k3 . e2 e e3 são LI. vr g for um conjunto não vazio de vetores em um espaço ! vetorial V . 2. 9. dessa forma só restará a matriz 12 . 0. são LD) Outra forma de descobrir se os vetores são LI ou LD é calcular o determinante da matriz 3 2 de coe…cientes 1 5 3 A=4 2 6 2 5 3 1 1 Observação 43 Se detA = 0 há in…nitas soluções. e2 = (0. 0). dizemos que S é um conjunto linearmente dependente (seus vetores são linearmente dependentes. 6. 2k1 +9k2 +8k3 . k2 = 12 t e k3 = t (ou seja. 2. 0. 5) = ! 0 ! (k1 +4k2 +5k3. respostas diferentes das triviais. O que torna w supér‡uo é o ato de ele poder ser expresso como uma combinação linear dos vetores e1 e e2 . 0) e e3 = ! (0. 8. 2. os vetores são LI) Não dá para saber se são LI ou LD via determinante. 1k1 4k2 5k3 ) = (0. 5) são LI ou LD??? ! Monte a equação k1 v1 +k2 v2 +k3 v3 = 0 ! k1 (1. k2 . 1). 0. 3). 2. 9. se a equação vetorial k1 v1 + k2 v2 + ::: + kr vr = 0 tem somente a solução trivial k1 = 0. :::. 6. Se existem outras soluções além da trivial. ou LI). 3k1 1k2 + k3 ) = (0. 1) em R3 : Monte a equação k1 e1 + k2 e2 + k3 e3 = 0 ! (k1 . A não ser que notemos que a L4 é 1L1 e a eliminarmos do sistema. obtemos o sistema linear homogêneo k1 + 5k2 + 3k3 = 0 2k1 + 6k2 + 2k3 = 0 3k1 k2 + k3 = 0 Resolvendo o sistema obtemos k1 = 21 t. 2. 2. 1) são LI ou LD??? ! Monte a equação k1 v1 + k2 v2 + k3 v3 = 0 ! k1 (1. p12 = 4e1 + 3e2 2w Então. 9. v2 = (5. 2. 4) e v3 = (5. 1) + k3 (3. 3) + k2 (5. Exemplo 41 Independencia linear dos vetores canônicos no Rn A independência linear de vetores canônicos em qualquer espaço vertorial em que estes vetores estejam contidos é o caso mais simples. obtemos o sistema linear homogêneo k1 + 4k2 + 5k = 0 2k1 + 9k2 + 8k3 = 0 2k1 + 9k2 + 9k3 = 0 1k1 4k2 5k3 = 0 Resolvendo o sistema obtemos k1 = 0. 1) = ! 0 ! (k1 + 5k2 + 3k3. 2. 0. Se detA 6= 0 há uma única solução. 2k1 + 6k2 + 2k3 . 1. 1) 2 p12 . k3 ) = (0. 0.p p (3. 8. 1)+k2 (4. 0) ou k1 = k2 = k3 = 0. k2 = 0 e k3 = 0 (Logo. v2 . logo os vetores são LD. 2) = 4(1. 9. 9. 0. 4)+k3 (5.

p2 = x2 . (b) linearmente independentes se. logo os coe…cientes da equação têm que ser todos nulos e os polinômios são LI. pelo menos um dos vetores de S pode ser expresso como uma combinação linear dos outros vetores em S. Suponha que possa. Exemplo 45 Um conjunto Linearmente independente em Pn Mostre que os polinômios 1. Teorema 49 Um conjunto S de dois ou mais vetores é (a) linearmente dependentes se. 1): Mas. logo. 9 antes. cada polinômio não nulo de grau n tem no máximo n raízes distintas. 0. 0) + k2 (0. p2 . pois detA = det 4 1 3 0 2 1 o conjunto fp1 . não e3 não pode ser expresso como combinação linear de e1 e e2 .2 1 4 A=4 2 9 2 9 como obtida 3 5 8 5 . são LI. Exemplo 51 Revisitando o exemplo anterior. e só se. ou (a1 + 5a2 + a3 ) + ( a1 + 3a2 + 3a3 )x + ( 2a2 a3 )x2 = 0 como cada coe…ciente deve ser nulo então a1 + 5a2 + a3 = 0 a1 + 3a2 + 3a3 = 0 2a2 a3 = 0 2 3 1 5 1 3 5 = 0. k2 . 1. A equação pode ser escrita como a1 (1 x) + a2 (5 + 3x 2x2 ) + a3 (1 + 3x x2 ) = 0. :::. portanto a solução do sistema será a solução trivial. 4 + 4x + x2 = 0 vale para x = 2 (duas raízes iguais) a equação ao lado vale. Assim. 0) = (k1 . p3 = 1 + 3x conjunto lineamente dependente ou independente em P2 x2 formam um Solução 48 Devemos mostrar que a equação a1 p1 + a2 p2 + a3 p3 = 0 tem somente a solução trivial ou não. x. e só se. pn = xn : Devemos mostrar que a equação a0 p0 + a1 p1 + a2 p2 + ::: + an pn = 0 tem somente a solução trivial a0 = a1 = a2 = ::: = an = 0 Note que. 0. 0) Não existem k1 e k2 que satisfaçam a equação acima. mas não para todos os outros valores de x. Por exemplo. O sistema não tem só a solução trivial. da seguinte forma e3 = k1 e1 + k2 e2 ou (0. x2 . 1) = k1 (1. p2 = 5 + 3x 2x2 . p1 = x.o problema é análogo a mostrar que a0 = a1 = a2 = ::: = an = 0 para a equação a0 + a1 x + a2 x2 + ::: + an xn = 0. 13 . cujo detA = 1 6= 0. p3 g é LD. Exemplo 47 Independencia linear de polinômios Determine se os polinômios p1 = 1 x. nenhum dos vetores de S pode ser expresso como uma combinação linear dos outros vetores em S. xn formam um conjunto lineamente independente em Pn Solução 46 Faça p0 = 1. para qualquer x 2 ( 1. portanto. :::. Exemplo 50 Revisitando os vetores canônicos em R3 são LI Pelo teorema anterior nenhum desses vetores pode ser escrito como uma combinação linear dos outros vetores.

Três vetores no R3 são LI se . :::. esse vetor é não nulo. então existem k1 e k2 não nulos ! tais que k1 v1 + k2 v2 = 0 ou v1 = kk21 v2 3. nenhum dos dois é um múltiplo escalar do outro. Por exemplo v3 = 12 v1 + 12 v2 ou v2 = 2v3 v1 ou v1 = 2v3 v2 (Descobrir a solução para os coe…cientes da combinação linear) (a) Um conjunto …nito de vetores que contenha 0 é LD (b) Um conjunto de exatamente um vetor é linearmente independente se. 0g esses vetores são LD pos 0w1 + 0w2 + ! ::: + 0wr + 1(0) = 0 ! (b) Considere o conjunto S = fvg e v 6= 0 esse vetor é LI pois 0v = 0 (c) Considere o conjunto S = fv1 . pelo menos um deles seria uma combinação linear dos outros dois (ou seja estaria no plano formado pelos outros dois). Teorema 52 Seja S = fv1 . 1) e v3 = (3.v1 = (1. Do teorema anterior eu posso a…rmar que um dos vetores pode ser expresso como combinação linear dos outros dois. 2. Caso contrário. (c) Um conjunto de axatamente dois vetores é linearmente independente se. 14 . 2. 6. v2 . e só se. v2 g. e só se. v2 = (5. quando colocados seus pontos iniciais na orígem. :::. v2 . e só se. os vetores não …cam numa mesma reta. Caso contrário. os vetores não …cam num mesmo plano. um seria múltiplo escalar do outro. vr . e só se. 3). 1) são LD. quando colocados seus pontos iniciais na orígem.1 Interpretação geométrica da dependência e independencia linear Dois vetores no R2 e R3 são LI se . se v1 e v2 são LD. Prova. (a) Considere o conjunto S = fv1 . vr g um conjunto de vetores no Rn :Se r > n então S é linearmente dependente.

Mas isso implica que o determinante da matriz de coe…cientes anterior é zero para cada um dos x. o determinante W (x) = f1 (x) 0 f1 (x) .. Consequentemente. vr = (vr1 .. então. Usando essa equação juntamente com as equações obtidas por n 1 derivações sucessivas. f2 (x) f20 (x) . Suponha que v1 = (v11 . . . k1 v1n + k2 v2n + ::: + kr vrn = 0 Isso é um sistema com r icóginitas e n equações. f1n 1 (x) f2n 1 (x) ::: fnn 1 (x) é denominado Wronskiano de f1 . v12 . f2 = f2 (x). :::. Observação 55 A recíproca desse teorema não é verdadeira. 1) nada se pode a…rmar sobre a dependencia ou independencia linear de f1 . :::. fn = fn (x) sejam vetores linearmente dependentes em C n 1 ( 1. kr . :::. . então.. k2 .. sempre haverá uma variável livre e portanto. f2 . f2 . . o conjunto S = fv1 ..... . 1). fn (Esse conjunto pode ser LI ou LD) Exemplo 56 Independencia linear usando o wronskiano 15 . :::. 3 o sistema 2 2 fn implica 3 2 que f1 (x) f2 (x) ::: fn (x) k1 0 6 f10 (x) 6 7 6 7 f20 (x) ::: fn0 (x) 7 6 7 6 k2 7 6 0 7 6 7 6 . 5 4 . v1n ) v2 = (v21 . :::. v2 .. . . f2 = f2 (x).. Como determinar se um conjunto de funções é linearmente independente ou não? De…nição 53 Se f1 = f1 (x). 5 . ::: ::: .. . . Isso implica que para certos valores dos coe…cientes a equação vetorial k1 f1 + k2 f2 + ::: + kn fn = 0 tem alguma solução não trivial. ou seja. Como r > n teremos mais icógnitas do que equações. vr g é LD. :::. fn tiverem n 1 derivadas contínuas no intervalo ( 1. . . essas funções formam um conjunto linearmente independente de vetores em C n 1 ( 1. k1 f1n 1 (x) + k2 f2n 1 (x) + ::: + kn fnn 1 (x) = 0 Assim. :::. 7 = 6 . v2n ) . n 1 n 1 n 1 kn 0 f1 (x) f2 (x) ::: fn (x) tem uma solução não trivial. . f2 . v22 . a dependencia linear de f1 . Se W (x) = 0 em ( 1.. :::. :::. . obtemos o seguite sistema k1 v11 + k2 v21 + ::: + kr vr1 = 0 k1 v12 + k2 v22 + ::: + kr vr2 = 0 .3.Prova. ... f2 . :::. 1). 1) e se o wronskiano dessas funções não for identicamente zero em ( 1. fn : Suponha que f1 = f1 (x). o resultado é o sistema linear k1 f1 (x) + k2 f2 (x) + ::: + kn fn (x) = 0 0 0 0 k1 f1 (x) + k2 f2 (x) + ::: + kn fn (x) = 0 . fn = fn (x) forem funções n 1 vezes deriváveis no intervalo (-1. Teorema 54 Se as funções f1 . 1). haverá in…rnitas soluções para k1 . vrn ) e considere a combinação linear ! k1 v1 + k2 v2 + ::: + kr vr = 0 expressando ambos os lados dessa equação em termos dos componentes e igualando os componentes correspondente. vr2 . 7 . 1). fn (x) fn0 (x) ... :::. . 4 54 .

:::. 0). sabemos que são linearmente independentes. 0. Exemplo 63 A base canônica de Rn Vimos.3. 1) pois W ( 2 ) = funções são LI. Assim. en = (0. (a) S é LI. para qualquer x2 ( 1. Em particular. 0). não há a e b para os quais valha a combinação linear ax3 + b x3 = 0: ax3 + bx3 = 0 ! (a + b)x3 = 0 se x > 0 ax3 bx3 = 0 ! (a b)x3 = 0 se x < 0 Consequentemente. 0. no Exemplo 11 da Seção 4. e1 = (1. W (x) = 3. 0.2 Coordenadas e Bases De…nição 62 Se V for um espaço vetorial qualquer e S = fv1 .2. Pensando numa base como descrevendo um sistema de coordenadas para um espaço vetorial V. e2 = (0. 0. Vejamos alguns exemplos. Solução 61 O wronskiano é x3 x3 =0 se x > 0 2 3x 3x2 x3 x3 =0 se x < 0 se x < 0 W (x) = 3x2 3x2 Essa função é zero em ( 1. a = 0 e b = 0 e as funções são LI. dizemos que S é uma base de V se valerem as duas condições a seguir. (b) S gera V. 1) é a base canônica de R3 . vn g for um conjunto …nito de vetores em V. 0). 0. 1). 0. :::. 1) geram Rn e. 0. e a parte (b) garante que há vetores da base em número su…ciente para fornecer coordenadas para todos os vetores em V. então a+b=0 a b=0 Logo. e2 = (0. No entanto. Solução 57 O wronskiano é x senx = x cos x senx 1 cos x Essa função não é zero em ( 1. 0). (Diferente do Livro) W (x) = 2 cos 2 sen 2 = 1 6= 0: Assim as Exemplo 58 Independencia linear usando o wronskiano Use o wronskiano para mostrar que f1 = 1 e f2 = ex e f2 = e2x são LI. 1. :::. 1. 16 . 1) portanto as funções formam um conjunto LI. então a parte (a) da de…nição garante que não há interrelações entre os vetores da base. :::. Solução 59 O wronskiano é 1 W (x) = 0 0 Essa função ex e2x ex 2e2x = 2e3x ex 4e2x não é zero em ( 1. que os vetores unitários canônicos e1 = (1. e3 = (0. pelo Exemplo 1 da Seção 4. esses vetores formam uma base de Rn que denominamos base canônica de Rn . v2 .Use o wronskiano para mostrar que f1 = x e f2 = senx são LI. Exemplo 60 Independencia linear usando o wronskiano Use o wronskiano para mostrar se f1 = x3 e f2 = x3 são LI ou LD. :::. 1) e poderíamos ser induzidos a achar que as funções formam um conjunto LD.

0) e v3 = (3. M2 = 0 0 1 0 . 3. 2. b2 . M1 = 0 0 0 1 1 0 0 0 . Para mostrar a independência linear. Se detA 6= 0 há uma única solução. Mas os dois sistemas têm a mesma matriz de coe…cientes 2 3 1 2 3 A=4 2 9 3 5 det A = 1 1 0 4 Se detA = 0 há in…nitas soluções. devemos mostrar que a equação vetorial c1 v1 + c2 v2 + c3 v3 = 0 só tem a solução trivial. x2 . logo os vetores são LD e não geram o R3 . b2 e b3 .2. 9. logo os vetores serão LI e geram o R3 : Como det A 6= 0 então v1 . Solução 65 Devemos mostrar que os polinômios em S são linearmente independentes e que geram Pn . e para provar que essas matrizes geram M22 . devemos mostrar que a equação vetorial c1 M1 + c2 M2 + c3 M3 + c4 M4 = 0 só tem a solução trivial. x. no Exemplo 4 da Seção 4. em que 0 é a matriz nula 2x2. v2 e v3 formam uma base de R3 . :::. essas duas equações podem ser expressas como os sistemas lineares 8 8 < c1 + 2c2 + 3c3 = b1 < c1 + 2c2 + 3c3 = 0 2c1 + 9c2 + 3c3 = 0 e 2c1 + 9c2 + 3c3 = b2 : : c1 + 0c2 + 4c3 = 0 c1 + 0c2 + 4c3 = b3 Assim. :::. que esses vetores geram Pn e. Exemplo 66 Uma outra base de R3 Mostre que os vetores v1 = (1. devemos mostrar que cada matriz 2x2 a b B= c d pode ser expressa como c1 M1 + c2 M2 + c3 M3 + c4 M4 = B as formas matriciais das equações são 1 0 0 1 0 0 0 0 0 0 c1 + c2 + c3 + c4 = 0 0 0 0 1 0 0 1 0 0 17 . p1 = x. reduzimos o problema a mostrar que o sistema homogêneo só tem a solução trivial.Exemplo 64 A base canônica de Pn Mostre que S = f1. Assim. Exemplo 68 A base canônica de Mmn Mostre que as matrizes. Denotemos esses polinômios por p0 = 1. 4) formam uma base de R3 . b3 ) de R3 pode ser expresso como c1 v1 + c2 v2 + c3 v3 = b igualando componentes correspondentes dos dois lados. devemos mostrar que cada vetor b = (b1 . v2 = (2. 1). Solução 69 Devemos mostrar que as matrizes são linearmente independentes e que geram M22 : Para mostrar a independência linear. xn g é uma base do espaço vetorial Pn dos polinômios de grau no máximo n. Solução 67 Devemos mostrar que esses vetores são linearmente independentes e que geram R3 . M3 = 0 1 0 0 e M4 = formam uma base do espaço vetorial M22 das matrizes 2x2. esses vetores formam uma base de Pn que denominamos base canônica de Pn . e para provar que esses vetores geram R3 . pn = xn Mostramos no Exemplo 13 da Seção 4. e que o sistema não homogêneo é consistente com quaisquer valores de b1 . que são linearmente independentes. p2 = x2 .3.

Isso. portanto.O exemplo mais simples é o do espaço vetorial nulo. digamos. Exemplo 74 Alguns espaços de dimensão …nita e in…nita Nos Exemplos encontramos bases para Rn . 1). por sua vez. :::. c3 = c e c4 = d (geram o M22 ) respectivamente. Portanto. S = fp1 . portanto. dizemos que um espaço vetorial que não pode ser gerado por um número …nito de vetores é de dimensão in…nita. o que contradiria a hipótese de que os vetores de S geram P1 : Por motivos que serão esclarecidos em breve.e 1 0 0 1 + c2 + c3 0 0 0 0 que podem ser rescritas como c1 c1 c3 c2 c4 = 0 0 0 0 e c1 c3 0 1 c2 c4 0 0 = + c4 0 0 0 1 = a b c d a b c d cujas soluções são c1 = c2 = c3 = c4 = 0 (são LI) e c1 = a. não haveria como expressar o polinômio xn+1 + 1 como uma combinação linear de polinômios em S. c2 = b. Nos exercícios desta e da próxima seções. a base canônica de Mmn consiste nas mn matrizes distintas com uma única entrada 1 e todas as demais entradas 0. O espaço vetorial do exemplo seguinte também não tem base no sentido da De…niçao anterior. Assim. n. Teorema 75 (Unicidade da representação em base) Se S = fv1 . não tem base. pn g. 1). então os graus dos polinômios em S teriam um valor máximo. vn g for uma base de um espaço vetorial V . que não contém conjuntos linearmente independentes e. pedimos ao leitor mostrar que os espaços vetoriais R1 . então cada vetor em V pode ser expresso na forma v = c1 v1 + c2 v2 + ::: + cn vn exatamente de uma única maneira. F ( 1. v2 . as matrizes M1 . porque nao pode ser gerado por um numero …nito de vetores. não é gerado por um número …nito de vetores e. 1) e C 1 ( 1. ao passo que um que pode é de dimensão …nita. no máximo. portanto. Mostramos no Exemplo anterior que o espaço vetorial P1 . p2 . :::. implicaria que qualquer combinação linear de polinômios em S teria grau n. M2 . 18 . é de dimensão in…nita. Solução 73 Se existisse algum conjunto gerador …nito. esses espaços vetoriais são de dimensão …nita. 1) têm dimensão in…nita. M3 e M4 formam uma base de M22 : Em geral. C m ( 1. Exemplo 72 Um espaço vetorial que não tem conjunto gerador …nito Mostre que o espaço vetorial P1 de todos os polinômios com coe…cientes reais não tem conjunto gerador …nito. Observação 70 Alguns autores de…nem o conjunto vazio como sendo uma base do espaço base do espaço vetorial nulo mas aqui não faremos isso Observação 71 Não é verdade que todo espaço vetorial tenha uma base no sentido da De…niçao anterior. digamos. Pn e Mmn . C( 1.

em qualquer discussão envolvendo uma base S. produzindo possivelmente um vetor de coordenadas diferente. Então as duas expressões para v são as mesmas. Isso implica que c1 k1 = 0. c1 = k1 . c2 = k2 . aqui só utilizaremos essa terminologia quando a ênfase na ordem for necessária para o entendimento. cn ) Observação 77 Lembre que dois conjuntos são considerados iguais se têm os mesmos elementos. o Teorema anterior estabelece uma bijeção entre os vetores em V e os vetores em Rn : Ver …gura abaixo 19 . O vetor (c1 . Como S gera V . No entanto. c) de um vetor v são precisamente os coe…cientes na fórmula v = ae1 + be2 + ce3 que expressa v como uma combinaçao linear dos vetores canonicos de R3 ver …gura abaixo De…nição 76 Se S = fv1 . cn kn = 0. cn ) em Rn construído com essas coordenadas é denominado vetor de coordenadas de v em relação a S e é denotado por (v)S = (c1 . Agora dispomos de todos os ingredientes necessários para de…nir a noção de “coordenadas” num espaço vetorial arbitrário. a ordem dos vetores em S permanece inalterada. b. :::. cn são denominados coordenadas de v em relação à base S. por exemplo. :::. c2 k2 = 0. vn g for um conjunto de vetores de base.Prova. de modo que. c2 . Para motivar o conceito. Para ver que só existe uma maneira de expressar um vetor como uma combinação linear dos vetores em S. :::. v2 . No entanto. se S = fv1 . :::. c2 . então uma troca na ordem em que escrevemos os vetores trocaria a ordem das entradas em (v)S . v2 . então os escalares c1 . Suponha que um certo vetor v possa ser escrito como v = c1 v1 + c2 v2 + ::: + cn vn e v = k1 v1 + k2 v2 + ::: + kn vn Subtraindo a segunda equação da primeira obtemos ! 0 = (c1 k1 )v1 + (c2 k2 )v2 + ::: + (cn kn )vn Como os vetores v1 . cn = kn . Para evitar essa complicação. c2 . observe que em R3 . v2 . segue da de…nição de conjunto gerador que cada vetor de V pode ser expresso como uma combinação linear dos vetores em S. vn formam uma base eles são linearmente independentes. as coordenadas (a. mesmo se esses elementos estiverem escritos em alguma outra ordem. :::. Alguns autores dizem que um conjunto de vetores de base com essa restrição é uma base ordenada. :::. vn g for uma base de um espaço vetorial V e se v = c1 v1 + c2 v2 + ::: + cn vn é a expressão de um vetor v em termos da base S. ou seja. uma vez fornecida uma base S de um espaço vetorial V . :::. Observe que (v)S é um vetor em Rn . introduzimos a convenção de que. :::.

9. obtemos c1 + 2c2 + 3c3 = 5 2c1 + 9c2 + 3c3 = 1 c1 + 4c3 = 9 Resolvendo esse sistema obtemos c1 = 1.como uma combinação linear dos vetores da base canônica é c d a b 1 0 0 1 0 0 0 0 = c1 + c2 + c3 + c4 c d 0 0 0 0 1 0 0 1 de modo que o vetor de coordenadas de B em relação a S é (B)S = (a. (5. 4) igualando as componentes correspondentes. 9. em termos de componentes. o vetor de coordenadas (v)S é igual ao vetor v. 0) + c3 (3. c) de um vetor como combinação linear dos vetores na base canônica S = fe1 . ou seja. Encontre o vetor de coordenadas de v = (5. 31. (b) Encontre o vetor em R3 cujo vetor de coordenadas em relação à base S é (v)S = ( 1. a representação v = (a. a b (b) Encontre 0 vetor de coordenadas de B = em relação à base canônica de c d M22 . 3. :::. v2 . e3 g é v = ae1 + be2 + ce3 = a(1. x. em R3 . Assim. 9) em relação à base S = fv1 . c2 . 0) + c(0. c2 1 e c3 = 2 Solução 84 (b) Usando a de…nição de (v)S = ( 1. b. 4) = (11. Solução 80 (a) A fórmula dada de p(x) expressa esse polinômio como uma combinação linear dos vetores da base canônica S = f1. 1) de modo que o vetor de coordenadas em relação a essa base é v = (v)S = (a. 3. 2) obtemos v = ( 1)v1 + 3v2 + 2v3 = ( 1)(1. 0) + b(0. v2 = (2. c2 e c3 tais que v = c1 v1 + c2 v2 + c3 v3 ou. 9. 1. v3 = (3. x2 . que é igual ao vetor v. xn g. o vetor de coordenadas de p em relação a S é (p)S = (c0 . 3. c). 2. b. 7) 20 . 0). 0) + 2(3. 2. 1). 1) + 3(2. precisamos encontrar valores de c1 .Exemplo 78 Coordenadas em relação à base canônica de Rn No caso especial em que V = Rn e S for a base canônica. d) B= Exemplo 82 Coordenadas em R3 (a) Mostramos num Exemplo anterior que os vetores v1 = (1. 2. c. 4) formam uma base de R3 . 9) = c1 (1. b. v3 g. 0. 0. cn ) Solução 81 (b) Mostramos num exemplo anterior que a representação de um vetor B = a b . Exemplo 79 Vetores de coordenadas em relação a bases canônicas (a) Encontre o vetor de coordenadas do polinômio p(x) = c0 + c1 x + c2 x2 + ::: + cn xn em relação à base canônica do espaço vetorial Pn . e2 . 2): Solução 83 (a) Para encontrar (v)S precisamos primeiro expressar v como uma combinação linear dos Vetores em S. :::. c1 . 1) + c2 (2. 1. 3. 3. 1. v = (v)S Por exemplo.

e qualquer conjunto em V com menos de n vetores não gera V . vn g geram ger(S) e consequentemente. vn g então. Teorema 85 Todas as bases de um espaço vetorial de dimensão …nita têm o mesmo número de vetores. v2 . vn g for uma base arbitrária de V . Nesta seção. :::. :::. :::. cuja prova é deixada para o …nal desta seção. Como fv1 . e a base canônica de R1 (= R) tem um vetor. desenvolvemos essa ideia. v2 . Exemplo 90 Dimensão de um espaço solução 21 . vn g uma base qualquer de V (a) um conjunto com mais de n vetores é LD (b) um conjunto com menos de n vetores não gera V. entao S é automaticamente uma base de ger(S) (Por que?Resposta: ger(S) é o conjunto de todas as combinações lineares de fv1 . vemos que um conjunto em V não pode ser base a menos que tenha exatamente n vetores. de…nimos o espaço vetorial nulo como tendo dimensão zero. vamos precisar do resultado preliminar seguinte. portanto. :::. na introduçao desta seção. a noção intuitiva de dimensão coincide com o número de vetores numa base. qualquer v 2 ger(S) pode ser escrito como v = a1 v1 + a2 v2 + :::an vn . que para certos espaços vetoriais familiares. :::. v2 . v2 . A base canônica tem mn vetores Exemplo 89 Dimensão de ger(S): Se S = fv1 . Além disso.3. Teorema 86 Sejam V um espaço vetorial de dimensão …nita e fv1 . Agora não é difícil ver por que vale o Teorema anterior. v2 . Para provar esse teorema. então há uma única solução para cada v 2 ger(S). a base canônica de R3 tem três vetores. então a independência linear de S implica que qualquer conjunto em V com mais de n vetores é linearmente dependente. Assim. v2 . A de…nição seguinte torna precisa essa idéia. a base canônica de R2 tem dois vetores. A base canônica tem n + 1 vetores. se S = fv1 . :::. portanto fv1 . formam uma base ger(S)) e isso implica dim[ger(S)] = r Em palavras. vn g são LI.3 Dimensão Na seção anterior. parece haver uma relação entre o número de vetores em uma base e a dimensão do espaço vetorial. De…nição 87 A dimensão de um espaço vetorial de dimensão …nita V é denotada por dim(V ) e é de…nida como o número de vetores numa base de V . mostramos que a base canônica de Rn tem n vetores e que. um plano como bidimensional e uma reta como unidimensional. pois. Exemplo 88 Dimensões de alguns espaços vetoriais familiares dim(Rn ) = n dim(Pn ) = n + 1 dim(Mmn ) = mn A base canônica tem n vetores. Como pensamos no espaço como sendo tridimensional. vn g for um conjunto linearmente independente no espaço vetorial V . Notamos. a dimensão do espaço gerado por algum conjunto linearmente independente de vetores é igual ao número de vetores naquele conjunto.

0. 1. 0. 2. 0. t. 0)+s( 4. Enunciado informalmente. x6 ) = ( 3r 4s 2t. 0. então o conjunto aumentado ainda continua linearmente independente. s. x5 = t. 1. x4 = 0. o espaço solução tem dimensão 3 Observação 94 Pode ser mostrado que. começando com um conjunto S de dois ou mais vetores no qual um dos vetores é uma combinação linear dos outros. x6 = 0 que pode ser escrita em forma vetorial como (x1 . t) = s( 1. x3 = 2s. 1. portanto. x4 . 0. 1. 0. r. 0). x5 ) = ( s t. 1) geram o espaço solução. mostrando que nenhum deles é combinação linear dos outros dois (mas veja a observação a seguir). 0. começando com um conjunto linearmente independente S e juntando a S um vetor que não é uma combinação linear dos de S. formam uma base do espaço solução. Esses teoremas não são simples exercícios de matemática teórica. 0. 0. x2 = r. x5 . x2 . v2 = ( 4. 0) e V2 = ( 1.Encontre uma base e a dimensão do espaço solução do sistema homogêneo 2x1 + 2x2 x3 + x5 = 0 x1 x2 + 2x3 3x4 + x5 = 0 x1 + x2 2x3 + x5 = 0 x3 + x4 + x5 = 0 Solução 91 Deixamos para o leitor resolver esse sistema com eliminação de Gauss-Jordan e mostrar que sua solução geral é x1 = s t. eles são essenciais para o entendimento de espaços vetoriais e das aplicações com eles construídas. vimos que a solução desse sistema é x1 = 3r 4s 2t. 0. 2s. x3 = t. x5 = t que pode ser escrita em forma vetorial como (x1 . o espaço solução tem dimensão 2. 0. então esse vetor pode ser removido de S sem afetar o gerado por S. t. o método do exemplo anterior sempre produz uma base do espaço solução do sistema. base e dimensão.2. 0. 0) + t( 1. x3 . Ver …gura abaixo 22 . 0) = r( 3. 0. v3 = ( 2. 2. s. 0)+ t( 2. 0. 0. Assim. x4 . x2 . x3 . Assim. 1. x2 = s. 1. 0. para sistemas homogêneos. 1. 0. 1) Isso mostra que os vetores v1 = ( 1. Além disso. x4 = s. Deixamos para o leitor veri…car que esses vetores são linearmente independentes. 0) Isso mostra que os vetores v1 = ( 3. 1. 0. 0. também são linearmente independentes e. Exemplo 92 Dimensão de um espaço solução Encontre uma base e a dimensão do espaço solução do sistema homogêneo x1 + 3x2 2x3 + x5 =0 2x1 + 6x2 5x3 2x4 + 4x5 3x6 = 0 5x3 + 10x4 + 15x6 = 0 2x1 + 6x2 + 8x4 + 4x5 + 18x6 = 0 Solução 93 No Exemplo 6 da Seção 1. 0. Começamos com um teorema (demonstrado no …nal desta seção) que trata do efeito sobre a independência linear de um conjunto não vazio de vetores e do espaço por ele gerado se um vetor for juntado a esse conjunto ou removido dele. 0. 0. 1. 1. 0. 0. 0). 0) geram o espaço solução. 0. Como nenhum desses vetores é um múltiplo escalar do outro. Dedicamos o restante desta seção a uma série de teoremas que revelam as interrelações sutis entre os conceitos de independência linear.

se soubermos que V tem dimensão n (de modo que fv1 . Como o vetor p3 não pode ser expresso como combinação linear dos vetores em S (por quê?). S gera V ou S é LI Prova. S gera V . então existe algum vetor v de V que não está no ger(S). 23 . pois o Teorema 4. (b) Se v for um vetor em S que pode ser expresso como uma combinação linear dos outros vetores de S. Mas isso é impossível.2a a…rma que nenhum conjunto com mais de n vetores em um espaço vetorial de dimensão n pode ser linearmente independente. p3 g a1 p1 + a2 p2 + a3 p3 = 0 =) a1 (1 x) + a2 (2 x2 ) + a3 x3 = 0 =) a1 + 2a2 a1 x a2 x2 + a3 x3 = 0 =) a1 = a2 = a3 = 0 logo são LI Em geral. (a) Se S for um conjunto linearmente independente e se v for um vetor em V que está fora do ger(S). O conjunto S = fp1 . então S e S fvg geram o mesmo espaço. v2 . No entanto. a outra condição é automaticamente satisfeita. Se esse não for o caso. v2 .Teorema 95 Teorema do mais / menos Seja S um conjunto não vazio de vetores num espaço vetorial V . então algum vetor v em S é uma combinação linear dos demais vetores. devemos mostrar que S gera V . Mostre que p1 = 1 x. :::. e só se.5 3b que o conjunto restante de n . vn g é uma base de um espaço vetorial V. Para provar que S é uma base. ger(s) = ger(S fvg) Exemplo 96 Aplicando o teorema mais/menos . que o conjunto resultante de n + 1 vetores ainda é linearmente independente.5. pode ser juntado a S para produzir um conjunto linearmente 0 independente S = fp1 . Removendo esse vetor de S. para mostrar que um conjunto de vetores fv1 . Teorema 97 Sejam V um espaço vetorial de dimensão n e S um conjunto em V com exatamente n vetores. Mas isso é impossível. dessa forma.5.3a. p2 g é linearmente independente. pois segue do Teorema 4. pois nenhum de seus vetores é um múltiplo escalar do outro. Assim. :::. ou seja. vn g tem o número correto de vetores de uma base). segue do Teorema 4.1 vetores ainda gera V. segue do Teorema 4. devemos mostrar que os vetores são linearmente independentes e que geram V. Suponha que S tenha exatamente n vetores e que gere V . S é linearmente independente. Acrescentando esse vetor a S. pois. Se esse não for o caso. devemos mostrar que S é um conjunto linearmente independente. Assim. então o conjunto S [ fvg que resulta do acréscimo de v a S ainda é linearmente independente. Então S é uma base de V se. Para provar que S é uma base. p2 . Suponha que S tenha exatamente n vetores e que seja um conjunto LI.5. então basta veri…car ou que são linearmente independentes ou que geram. Esse é o conteúdo do teorema a seguir. p2 = 2 x2 e p3 = x3 sao vetores linearmente independentes. e se S fvg denotar o conjunto obtido removendo v de S.2b que nenhum conjunto com menos do que n vetores pode gerar um espaço vetorial de dimensão n.

explique por que v1 = ( 3. de modo que possui uma base S = fv1 . v2 = (4. então (a) W tem dimensão …nita. 7) e v2 = (5. Cada conjunto linearmente independente num subespaço ou é uma base desse subespaço ou pode ser estendido a uma base dele. Se não for. 1. (a) Se W é um subconjunto de V e a dimensão de V é …nita. contradizendo nossa hipótese. Concluímos esta seção com um teorema que relaciona a dimensão de um espaço vetorial com as dimensões de seus subespaços Teorema 102 Se W for um subespaço de um espaço vetorial V de dimensão …nita. S deve ser também uma base de V . 7) e v3 = ( 1. 24 . 0. os dois vetores formam um conjunto linearmente independente no espaço R2 de dimensão 2 e. o que signi…ca que dim(W ) = dim(V ). o que signi…ca que W = V . Solução 99 (a) Como nenhum dos dois vetores é um múltiplo escalar do outro. Prova. Teorema 101 Seja S um conjunto …nito de vetores num espali vetorial V de dimensão …nita (a) Se S gerar V . constituem uma base. S poderia ser ampliado a uma base de V pela parte (b) do Teorema anterior. 4) formam uma base de R3 . pode ser ampliado a uma base de V pela parte (b) do Teorema anterior. :::. então dim(V ) = m. 0. (c) Suponha que dim(W ) = dim(V ) e que S = fv1 . (b) dim(W ) dim(V ): (c) W = V se. em ambos casos. portanto. Prova. 2. o conjunto fv1 .Exemplo 98 Base por inspeção (a) Por inspeçao. 1. 5) formam uma base de R2 . v3 g é uma base de R3 . então S pode ser reduzido a uma base de V removendo vetores apropriados de S: (b) Se S for um conjunto linearmente independente. e só se. O próximo teorema (cuja prova é adiada para o …nal desta seção) revela dois fatos importantes sobre os vetores num espaço vetorial de dimensão …nita. Como R3 tem dimensão 3 o Teorema anterior (a) implica que fv1 . então. (b) A parte (a) mostra que W tem dimensão …nita. v2 . :::. v2 . expliqgue por que v1 = (2. v2 . mas não for uma base de V . vm g. então a dimensão de W também é …nita. vm g seja uma base de W . o que implica que dim(W ) < dim(V ). Se for. v2 . 1). então S pode ser ampliado a uma base de V acrescentando vetores apropriados a S. A Figura abaixo ilustra as relações geométricas entre os subespaços de R3 em ordem de dimensão crescente. mostramos que dim(W ) dim(V ). Se S não fosse também uma base de V . mas não for uma base de V . Mas isso signi…caria que dim(V ) > dim(W ). portanto. Assim. v3 g também é linearmente independente. por ser linearmente independente. Cada conjunto gerador de um subespaço ou é uma base desse subespaço ou contém nele uma base. O vetor v3 esta fora do plano xz. Assim. como S é um conjunto linearmente independente. S também é uma base de V ou não. dim(W ) = dim(V ): Prova. (b) Por inspeção. pelo Teorema anterior Solução 100 (b) Os vetores v1 e v2 formam um conjunto linearmente independente no plano xz(por que?).

respectivamente. Suponha que sejam 0 0 a c [u1 ]B = e [u2 ]B = b d isto é. devemos expressar v em termos da base velha B. então. de modo que 0 0 v = k1 u1 + k2 u2 Para conseguir encontrar as coordenadas velhas de v. 25 . 0 u1 = au1 + bu2 0 u2 = cu1 + du2 Seja. v um vetor qualquer em V e seja k1 [v]B 0 = k2 O novo vetor de coordenadas. agora.4. vn g for uma base de um espaço vetorial V de dimensão …nita e se a aplicação de coordenadas e se (v)S = (c1 . acaba sendo importante saber como se relacionam as coordenadas de um vetor …xado em relação a cada um desses sistemas de coordenadas. como observamos na Seção 4. Nesta seção estudamos problemas relativos à mudança de bases. Como a base é a generalização de coordenadas para um espaço vetorial.3.4 Mudança de bases Uma base conveniente para um problema pode não ser conveniente para um outro. a aplicação v ! (v)S cria uma conexão (uma bijeção) entre os vetores do espaço vetorial arbitrária V e os vetores do espaço vetorial familiar Rn . Nesses casos. c2 . Existem muitas aplicações em que é necessário trabalhar com mais de um sistema de mudança de bases coordenadas. :::. Problema da mudança de base Se v for um vetor num espaço vetorial V de dimensão …nita e se mudarmos a base de V de uma base B (velha) para uma base B0 (nova) qual é a relação entre os vetores de coordenadas [v]B e [v]B 0 ???. v2 . u2 g as bases velha e nova. Se S = fv1 . cn ) for o vetor de coordenadas de v em relação a S. :::. Sejam B = fu1 . a mudança de bases é relacionada à mudança de eixos coordenados em R2 e R3 . A solução para 0 0 espaços de dimensão n é analoga. Isso nos leva ao problema seguinte. de forma que é um procedimento comum no estudo de espaços vetoriais a mudança de uma base para uma outra. resolvemos esse problema em espaços bidimensionais. u2 g e B 0 = fu1 . Para simpli…car. Precisamos dos vetores de coordenadas dos vetores da base nova (B 0 ) em relação a base velha (B).

1) = (3. PB 0 !B = [v]B = 1 1 2 1 2 1 1 1 2 1 [v]B 0 Para veri…car que deu certo. 1). o velho vetor de coordenadas [v]B está relacionado com o novo vetor de coordenadas [v]B 0 pela equação [v]B = P [v]B 0 onde as colunas de P são os vetores de coordenadas dos vetores da base nova em relação a 0 0 0 base velha. u2 g de R2 . para enfatizar. 4). pegue um vetor qualquer v dentro do espaço gerado pelo 0 0 0 5 u1 e u2 .v = k1 (au1 + bu2 ) + k2 (cu1 + du2 ) ou v = (ak1 + ck2 )u1 + (bk2 + dk2 )u2 Assim. Substitua na equação anterior [v]B = = . 0) + k2 (0. 0) + c2 (0. :::. muitas vezes denotamos por PB 0 !B . 1) ) 0 2 ) u2 = 2u1 + u2 1 do que segue que h 0i h 0i 1 u1 = e u2 = 1 e portanto. 0). u2 g e B 0 = fu1 . de B para B 0 . 1) = k1 (1.([v]B ! [v]B 0 ) Solução 104 (a) Aqui. Consequentemente. essa matriz pode ser expressa em termos de seus vetores colunah como i 0 0 0 PB 0 !B = [u1 ]B j[u2 ]B j:::je[un ]B ou seja [v]B = PB 0 !B [v]B 0 Analogamente. queremos encontrar a matriz que nos faz expressar as cordenadas de um vetor qualquer v na base B em termos das cordenadas desse mesmo vetor na base B 0 0 0 0 Queremos encontrar os vetores de coordenadas dos vetores u1 e u2 da base B em relação aos vetores u1 e u2 da base B. observamos que . onde u1 = (1. por exemplo.a matriz de transição de B para B 0 pode ser expressa em termos de seus vetores coluna por PB!B 0 = [[u1 ]B 0 j[u2 ]B 0 j:::j[un ]B 0 ]ou seja [v]B 0 = PB!B 0 [v]B Exemplo 103 Encontrando matrizes de transição 0 0 0 Considere as bases B = fu1 . u2 . :::. un g. então. 1). ou seja. e [un ]B : A matriz P é denominada matriz de transição de B 0 para B que. o velho vetor de coordenadas de v é ak1 + ck2 a c k1 [v]B = = = P [v]B 0 bk2 + dk2 b d k2 Essa equação a…rma que o velho vetor de coordenadas [v]B é o resultado da multiplicação a c do novo vetor de coordenadas [v]B 0 . u1 = 0 (1. u2 = (0. Portanto. 4) só que agora na base B 0 : 0 26 . Para isso. 1) (a) Encontre a matriz de transição PB 0 !B de B 0 para B. a esquerda pela matriz P = b d Resultado para o problema de mudanga de base Se mudarmos a base de um 0 espaço vetorial V de alguma base velha B = fu1 . u2 . :::. logo v = 5u1 u2 e portanto [v]B 0 = na base 1 1 2 5 3 B. 0 u1 = k1 u1 + k2 u2 ) (1. os vetores coluna de P são [u1 ]B . un g para uma base nova B = 0 0 0 fu1 . 1) ) 1 1 1 0 0 1 k1 k2 = 1 1 ) k1 k2 = 1 0 0 1 c1 c2 = 2 1 ) c1 c2 = 0 ) u1 = u1 + u2 0 u2 = c1 u1 + c2 u2 ) (2. dado qualquer vetor v em V . u2 = (2. ([v]B 0 ! [v]B ) (b) Encontre a matriz de translçao PB!B 0 . [u2 ]B . 0) + 4(0. 1 1 1 4 v = 3u1 + 4u2 = 3(1. 1) = c1 (1. v = (3.

transforma essas coordenadas em relação a B 0 de volta nas coordenadas em relação a B. 1) = c1 (1. temos 27 . transforma vetores de coordenadas em relação à base B em vetores de coordenadas em relação à base B 0 . agora. observamos que 0 0 u1 = k1 u1 + k2 u2 ) (1. 1) = ( 5. e PB!B 0 . Para isso. 1) + k2 (2. queremos encontrar a matriz que nos faz expressar as cordenadas 0 de um vetor qualquer v na base B em termos das cordenadas desse mesmo vetor na base B Queremos encontrar os vetores de coordenadas dos vetores u1 e u2 da base B em relação aos 0 0 0 vetores u1 e u2 da base B . v = 11u1 1 1 3 8 0 8u2 = 11(1. ou seja. Como o efeito …nal das duas operações é deixar cada vetor de coordenadas no lugar em que se encontrava. 1)+c2 (2. então (PB 0 !B )(PB!B 0 ) = PB!B = I já que a multiplicação por (PB 0 !B )(PB!B 0 ) transforma inicialmente as coordenadas de um vetor em relação a B nas coordenadas em relação a B 0 e. que B e B 0 sejam as bases de um espaço vetorial V de dimensão …nita. logo v = 5u1 + 3u2 e portanto [v]B = . PB!B 0 = 1 1 1 2 [v]B 0 = [v]B 1 1 Para veri…car que deu certo. Como a multiplicação por PB 0 !B transforma vetores de coordenadas em relação à base B 0 em vetores de coordenadas em relação à base B. [v]B = 7 2 Invertibilidade de Matrizes de Transição Se B e B 0 forem bases de um espaço vetorial V de dimensão …nita. 1) ) 1 1 2 1 c1 c2 0 1 = ) k1 + 2k2 = 0 ) k1 + k2 = 1 c1 2 ) u2 = 2u1 u2 = c2 1 do que segue que h 0i h 0i 1 2 u1 = e u2 = 1 1 1 2 e portanto.Solução 105 (b) Aqui. Use uma fórmula apropriada para encontrar 3 [v]B . 3) Suponha. Consequentemente. 3). por exemplo. Das matrizes de transições anteriores. 1) ) k1 + 2k2 = 1 ) k1 + k2 = 0 0 k1 k2 1 1 = ) u1 = 0 1 1 2 1 k1 k2 = 1 0 ) 0 u1 + u2 0 u2 = c1 u1 +c2 u2 ) (0. 0) = k1 (1. (PB 0 !B )(PB!B 0 ) = I Por exemplo. 1) 8(2. pegue um vetor qualquer v dentro do espaço gerado pelo u1 5 e u2 .1 1 1 2 1 3 5 = 7 2 ou seja. segue que [v]B = PB 0 !B [v]B 0 = 3. v = ( 5. segue que para cada vetor v de V temos [v]B = PB 0 !B [v]B 0 [v]B 0 = PB!B 0 [v]B Exemplo 106 Calculando vetores de coordenadas Sejam B e B 0 as bases no Exemplo anterior. Substitua na 3 0 1 2 5 11 equação anterior [v]B 0 = = . sabendo que [v]B 0 = 5 Solução 107 Para encontrar [v]B precisamos fazer a transição de B 0 para B.4. com as matrizes de transição obtidas no Exemplo anterior. somos levados a concluir que PB!B deve ser a matriz identidade. depois.

[B 0 jB]Gauss Jordan[IjPB!B 0 ] ! Exemplo 109 Relembrando o exemplo anterior Relembrando a parte (a) do exemplo anterior temos 1 0 k1 1 1 0 c1 2 = e = 0 1 k2 1 0 1 c2 1 Como as duas matrizes de coe…cientes são as mesmas. podemos agrupar os dois sistemas da seguinte forma 1 2 k1 c1 1 0 = note que a matriz aumentada desse sistema é 1 1 k2 c2 0 1 0 B B Para resolver esse sistema temos que aplicar o método de Gauss Jordan (Se AX = I. então P é invertível e P 1 é a matriz de transição de 0 B para B Nosso próximo objetivo é desenvolver um procedimento e…ciente para calcular matrizes matrizes de transição de transição entre bases de Rn . Conforme ilustrado no Exemplo anterior. podemos agrupar os dois da seguinte forma 1 0 k1 c1 1 2 = note que a matriz aumentada desse sistema é 0 1 k2 c2 1 1 1 0 não é preciso fazer nenhuma manipulação para obter I PB 0 !B = 0 1 1 2 O sistema já está resolvido e a solução é PB 0 !B = . do lado direito da matriz do Passo 3. (PB 0 !B )(PB!B 0 ) = 0 Teorema 108 Se P for uma matriz de transição de uma base B para uma base B de um espaço vetorial V de dimensão …nita. Extraímos a matriz PB!B 0 . 1 0 1 2 então IX = A 1 ). os vetores coluna da matriz que faz a transição da base B 0 para a base canônica foram exatamente os vetores de B 0 escritos em forma de colunas. obtemos o teorema a seguir.1 2 1 2 1 0 = =I 1 1 1 1 0 1 Segue que (PB 0 !B ) é invertível e que sua inversa é (PB!B 0 ). Isso ilustra o seguinte resultado geral. 28 . todos com a mesma matriz de coe…cientes (por quê?). Um procedimento para calcular PB!B 0 Passo 1. Assim. Esse procedimento é capturado no diagrama seguinte. no primeiro passo no cálculo de uma matriz de transição é expressar cada vetor da base nova como uma combinação linear dos vetores da base antiga. Passo 3. Montamos a matriz [B 0 jB].. Em Rn . isso envolve resolver n sistemas lineares em n incógnitas. Passo 2. na parte (a) do último exemplo. Passo 4. O resultado será I PB!B 0 = : 0 1 1 1 Transição para a Base Canônica no Rn Note que. Reduzimos a matriz do Passo 1 à forma escalonada reduzida usando operações elementares com as linhas (Gauss Jordan). A matriz resultante é [IjPB!B 0 ]. 1 1 sistemas B B 0 1 2 1 1 Relembrando a parte (b) do exemplo anterior 1 2 k1 1 = 1 1 k2 0 1 2 c1 0 = 1 1 c2 1 Como as duas matrizes de coe…cientes são as mesmas.

u2 . u2 . 5 4 . un g uma base qualquer do espaço vetorial Rn e S = fe1 . 3 7 7 7 5 am1 am2 amn em Rn formados pelas colunas de A são denorninados vetores coluna de A. Quais relações existem entre as soluções de um sistema linear Ax = b e o espaço linha.. . 0). o espaço coluna e o espaço nulo de uma matriz? Começando com a primeira questão.. então PB 0 !S = [u1 ju2 j:::jun ] Segue desse teorema que se A = [u1 ju2 j:::jun ] é uma matriz n x n invertível qualquer. . Se os vetores dessas bases forem escritos em forma de colunas. . :::. Questão 1. cn = 6 4 5 a1n a2n . 2 3 2suponha 3 que a11 a12 ::: a1n x1 6 a21 a22 ::: a2n 7 6 x2 7 6 7 6 7 A=6 . u3 = (3. 0. . estudamos alguns espaços vetoriais importantes associados com matrizes. :::.. 5. . que é um subespaço de Rn . 4 . e2 .Teorema 110 Sejam B 0 = fu1 . . é denominado espaço nulo de A. 4 . e o subespaço de Rm gerado pelos vetores coluna de A é denominado espaço coluna de A. 5 am1 am2 ::: amn Os vetores r1 = a11 a12 ::: a1n r2 = a21 a22 ::: a2n . 5 am1 am2 ::: amn xn 29 . Quais relações existem entre o espaço linha. Aprofundaremos o entendimento das relações entre as soluções de um sistema linear e as propriedades de sua matriz de coe…cientes. então A pode ser vista como a matriz de transição da base fu1 . 7 7 .2a matriz 3 1 2 3 A = 4 2 5 3 5 é invertível (det A 6= 0) e portanto. . . 2. 3 2 6 7 6 7 7 . e=6 . . :::. e os vetores 2 6 6 c1 = 6 4 a11 a21 ..5 Espaço linha. . Assim. então o subespaço de Rn gerado pelos vetores linha de A é denominado espaço linha de A. 1. O espaço solução do sistema homogêneo de equações Ax = 0. . c2 = 6 4 5 a12 a22 . 3 2 6 7 6 7 7 . Nesta seção e na próxima.. espaço coluna e espaço nulo Nesta seção. rm = am1 am2 ::: amn em Rn formados pelas linhas de A são denominados vetores linha de A. De…nição 111 Se A for uma matriz m x n. Para 2uma matriz n x n 3 a11 a12 ::: a1n 6 a21 a22 ::: a2n 7 6 7 A=6 .. 1) 3. por exemplo. :::..a base canônica do Rn . 3. e3 = (0. 0). . 7 .. iremos nos ocupar de duas questões gerais. o espaço coluna e o espaço nulo da matriz de coe…cientes A? Questão 2.. 0. 8) para a base e1 = (1... un g de Rn para a base canônica de Rn . en g. uma matriz de transição da base 1 0 8 u1 = (1. 0). .. 1) : u2 = (2. . e2 = (0..

ou seja.4. ck . b está no espaço coluna de A. c2 . um sistema linear Ax = b de m equações em n incógnitas pode ser escrito como x1 c1 + x2 c2 + ::: + xn cn = b do que podemos concluir que Ax = b é consistente se. obtemos (veri…que) x12= 2. e só se. com qualquer escolha dos escalares c1 . sabemos que a solução geral de um sistema linear consistente Ax = b pode ser obtida somando qualquer solução especí…ca desse sistema com a solução geral do sistema linear homogêneo Ax = 0 correspondente. b está no espaço coluna de A Seja linear 2 Ax = b o sistema 32 3 2 3 1 3 2 x1 1 4 1 2 3 5 4 x2 5 = 4 9 5 2 1 2 x3 3 Mostre que b está no espaço coluna de A expressando b como uma combinação linear dos vetores coluna de A. b pode ser expresso como uma combinação linear dos vetores coluna de A. Solução 113 Resolvendo o sistema por eliminação gaussiana. Solução geral de um sistema linear Ax = b Na subseção …nal da Seção 3. Teorema 112 Um sistema linear Ax = b de equações lineares é consistente se. então o produto Ax pode ser expresso como uma combinação linear desses vetores com coe…cientes de x. podemos reescrever aquele teorema neste formato. comparamos as soluções dos sistemas lineares 30 . Teorema 114 Se x0 denotar uma solução qualquer de um sistema linear consistente Ax = b e se S = fv1 . o vetor x dessa formula é uma solução de Ax = b: O conjunto das soluções de Ax = b pode ser visto geometricamente como a translaçãopor x0 do espaço solução de Ax = 0 (ver …g abaixo). e só se. vk g for uma base do espaço nulo de A. part. v2 . cn denotam os vetores coluna de A. :::. :::. x32 = 2 1. então cada solução de Ax = b pode ser expressa na forma x = x0 + c1 v1 + c2 v2 + ::: + ck vk (x =sol. Ax = x1 c1 + x2 c2 + ::: + xn cn Assim. 3 2 3 3 2 1 1 logo. Lembrando que o espaço nulo de A é igual ao espaço solução de Ax = 0. 24 1 5 4 2 5 + 34 3 5 = 4 9 5 1 2 3 2 Relembrando. Isso fornece o seguinte teorema. c2 . x33 = 32ou seja. :::.Se c1 .+soluç geral) reciprocamente.

2 2 1 3 6 2 6 6 4 0 0 2 6 2 5 5 0 0 2 2 4 10 0 8 4 3 2 6 0 6 7 3 76 6 15 5 6 6 18 4 x1 x2 x3 x4 x5 x6 3 2 7 7 7 6 7=6 7 4 7 5 3 2 0 1 6 2 0 7 7e6 0 5 4 0 0 2 3 6 0 6 2 5 5 0 0 2 2 4 10 0 8 4 3 2 6 0 6 7 3 76 6 15 5 6 6 18 4 x1 x2 x3 x4 x5 x6 3 7 7 7 7= 7 7 5 3 0 6 1 7 6 7 4 5 5 6 deduzimos que a solução geral x do sistema não homogêneo e a solução geral xh do sistema homogêneo correspondente (quando vetor por 2 relacionadas 3 2 3 2 2 3estão 2 3 coluna) 3 2 escrita 3 como 3r 4s 2t 0 2 x1 4 3 6 x2 7 6 7 6 0 7 6 1 7 6 0 7 6 0 7 r 7 6 7 6 7 6 7 6 7 6 7 6 6 x3 7 6 7 6 0 7 6 0 7 6 2 7 6 0 7 2s 7 7=6 7+t 6 7+s 6 7=6 7+r 6 x=6 6 x4 7 6 7 6 0 7 6 0 7 6 1 7 6 0 7 = x0 +xh s 7 6 7 6 7 6 7 6 7 6 7 6 4 x5 5 4 5 4 0 5 4 0 5 4 0 5 4 1 5 t 1 1 0 x6 0 0 3 3 Sabemos que os vetores em xh formam uma base do espaço solução de Ax = 0. Segue que aplicar uma operação elementar com as linhas de A não muda o conjunto de soluções do sistema linear Ax = 0 correspondente ou. tem a base 31 . Assim. Contudo. e nosso trabalho mostrou que efetuar uma operação elementar com as linhas de uma matriz aumentada não altera o conjunto de soluções do sistema linear correspondente. dito de outra forma. essa operação mudou o espaço coluna de A. conforme vimos no Exemplo anterior. pois esse espaço 1 coluna consiste nos múltiplos escalares de enquanto o espaço coluna de B consiste nos 2 1 múltiplos escalares de e os dois espaços são diferentes. 3. temos o teorema seguinte. Teorema 115 As operações elementares com linhas não alteram o espaço nulo de uma matriz Teorema 116 As operações elementares com linhas não alteram o espaço linha de uma matriz Os Teoremas anteriores podem levar o leitor a acreditar erroneamente que as operações elementares com linhas não afetam o espaço coluna de uma matriz. não altera o espaço nulo de A. coluna e nulo Iniciamos o desenvolvimento de operações elementares com linhas com o propósito de resolver sistemas lineares. compare a matrizes 1 3 1 3 A= eB= 2 6 0 0 A matriz B pode ser obtida de A somando -2 vezes a primeira linha à segunda (operação sobre linhas).6 Bases dos espaços linha. 0 Exemplo 117 Encontrando uma base do espaço nulo de uma matriz Encontre uma base do espaço nulo 2 3 da matriz A 1 3 2 0 2 0 6 2 6 5 2 4 3 7 7 A=6 4 0 0 5 10 0 15 5 2 6 0 8 4 18 O espaço nulo de A é o espaço solução do sistema linear homogêneo Ax = 0 que. Para ver por que isso não é verdade.

1. 0. 3. os vetores linha não nulos) formam uma base do espaço linha de R. formam uma base do espaço linha de A. 3. c3 = 4 1 5 0 0 0 formam uma base do espaço coluna de R: Exemplo 120 Bases de um espaço linha com redução por linhas Encontre uma base do espaço linha da3 matriz 2 1 3 4 2 5 4 6 2 6 9 1 8 2 7 7 A=6 4 2 6 9 1 9 7 5 1 3 4 2 5 4 Solução 121 Como operações elementares com linhas não alteram o espaço linha de uma matriz. 0. 0. 2. apenas por inspeção. 2. portanto. 3] r2 = [0. obtemos (veri…que) 2 3 1 3 4 2 5 4 6 0 0 1 3 2 6 7 7 R=6 4 0 0 0 0 1 5 5 0 0 0 0 0 0 Pelo Teorema anterior. 5. 1. 0. 6] r1 = [0. v2 = 6 6 7 6 7 4 5 4 0 2 1 0 0 3 2 6 7 6 7 6 7 7 . 0. v3 = 6 6 7 6 7 4 5 2 0 0 0 1 0 3 7 7 7 7 7 7 5 O próximo teorema toma possível encontrar. 0] e os vetores 3 2 3 2 2 3 0 2 1 6 0 7 6 1 7 6 0 7 7 6 7 7 6 c1 = 6 4 0 5 . 0] r3 = [0. Esses vetores de base são r1 = [1. Pelo Teorema anterior. 3. 0. c2 = 4 0 5 . 0. os vetores linha não nulos de R formam uma base do espaço linha de R e. 4. Exemplo 119 Bases dos espaços linha e coluna A matriz 3 2 1 2 5 0 3 6 0 1 3 0 0 7 7 R=6 4 0 0 0 1 0 5 0 0 0 0 0 está em forma escalonada por linhas. Teorema 118 Se uma matriz R está em forma escalonada por linhas. 5. podemos encontrar uma base do espaço linha deA encontrando uma base do espaço linha de qualquer forma escalonada por linhas de A. 0. 4] r1 = [0. 1. e os vetores coluna com os pivôs formam uma base do espaço coluna de R. bases para os espaços linha e coluna de uma matriz em forma escalonada. então os vetores linha com os pivôs (ou seja. os vetores r1 = [1. 2. 1. Reduzindo A à forma escalonada reduzida por linhas. 5] O problema de encontrar uma base do espaço coluna da matriz A no exemplo anterior complicado pelo fato de que uma operação elementar com linhas pode alterar o espaço 32 .2 6 6 6 v1 = 6 6 6 4 3 1 0 0 0 0 3 2 6 7 6 7 6 7 7 .

de modo que existam escalares c1 . c3 = 4 1 5 0 0 0 formam uma base do espaço coluna de R. isso não ocorre. w2 . w2 . Esses métodos podem ser facilnente adaptados ao problema mais geral de encontraruma base do espaço gerado por um conjunto de vetores em Rn . terceira e quinta colunas de R contêm os pivôs dos vetores linha. Contudo. Teorema 122 Sejam A e B matrizes equivalentes por linhas (a) Um conjunto qualquer de vetores coluna de A é LI se. Contudo. (b) Um conjunto qualquer de vetores coluna de A forma uma base do espaço coluna de A se. c2 . :::. Assim. poderia parecer possível que os vetores transformados poderiam ser linearmente independentes. relacionados por uma equação 0 0 0 c1 w1 + c2 w2 + ::: + ck wk = 0 que tem exatamente os mesmos coe…cientes da equação anterior. não podemos encontrar uma base do espaço coluna de A diretamente a partir dos vetores coluna de R. e só se. :::. temos que os vetores 2 3 2 3 2 3 1 4 5 6 0 7 0 6 1 7 0 6 2 7 0 7 6 7 6 7 c1 = 6 4 0 5 . 33 . o conjunto de vetores colunas correspondentes de B forma uma base do espaço coluna de B. então os vetores coluna de A correspondentes formarão uma base do espaço coluna de A. Para tomar isso mais preciso. Contudo. Como as primeira.coluna. e só se. O próximo teorema resume todos esses resultados. a boa notícia é que as operações elementares com linhas não alteram as relações de dependência linear entre os vetores coluna. o conjunto de vetores colunas de B é LI. wk sejam vetores coluna linearmente dependentes de A. c3 = 4 9 5 1 4 5 formam uma base do espaço coluna de A. esses vetores serão alterados 0 0 0 em novos vetores coluna w1 . pois pode ser provado que esses novos vetores colrma serão linearmente dependentes e. os vetores coluna de A correspondentes. 2 3 2 3 2 3 1 4 5 6 2 7 6 9 7 6 8 7 7 6 7 6 7 c1 = 6 4 2 5 . segue do Teorema anterior que se encontrarmos um conjunto de vetores coluna de R que formem uma base do espaço coluna de R. ck não todos nulos e tais que Efetuando uma operação elementar com as linhas de A. O fato de as operações elementares preservarem a independência linear entre vetores coluna decorre do fato de essas operações serem reversíveis (por quê?). focamos nosso estudo em métodos para encontrar bases associadas a matrizes. wk . Ate aqui. a saber. Lembrando que A e R podem ter espaços coluna distintos. Exemplo 123 Base de um espaço coluna com redução por linhas Encontre uma base do espaço coluna 3 da matriz 2 1 3 4 2 5 4 6 2 6 9 1 8 2 7 7 A=6 4 2 6 9 1 9 7 5 1 3 4 2 5 4 No exemplo anterior vimos que 3 2 1 3 4 2 5 4 6 0 0 1 3 2 6 7 7 R=6 4 0 0 0 0 1 5 5 0 0 0 0 0 0 é uma forma escalonada reduzida por linhas de A. A primeira vista. :::. suponha que w1 . c2 = 4 0 5 . c2 = 4 9 5 . de fato.

obtemos 2 3 1 2 0 2 6 2 5 5 6 7 6 7 6 3 15 18 7 A=6 0 7 4 0 2 10 8 5 3 6 0 6 Reduzindo essa matriz a 3uma forma escalonada por linhas. procuramos bases sem considerar restrições particulares impostas sobre os vetores individuais na base. 10. Exemplo 124 Uma base do espaço linha de uma matriz Encontre uma base do espaço3linha de 2 1 2 0 0 3 6 2 5 3 2 6 7 7 A=6 4 0 5 15 10 0 5 2 6 18 8 6 consistindo totalmente em vetores linha de A. formam uma base do subespaço de R5 gerado por v1 . v3 . O próximo exemplo mostra como adaptar o procedimento do Exemplo 7 para encontrar uma base do espaço linha de uma matriz que seja formada por seus vetores linha. 15. w3 = (0. 5. 0. 3). 0. 2. 1. consequentemente. 1. v2 . 6). v4 = (2. 8. vamos transpor de novo para converter os vetores coluna de volta para vetores linha. 18. 6. mas aquela base não consistia em vetores linha de A. 0. v3 = (0. Transpondo A. de fato. de modo que os vetores coluna de AT correspondentes formam uma base do espaço coluna de AT . uma base do espaço coluna de A constituída de vetores coluna de A. obtemos 2 1 2 0 2 6 0 1 5 10 7 6 7 6 1 7 R=6 0 0 0 7 4 0 0 0 0 5 0 0 0 0 As primeira. 6) O espaço gerado por esses vetores é o espaço linha da matriz 2 3 1 2 0 0 3 6 2 5 3 2 6 7 7 A=6 4 0 5 15 10 0 5 2 6 18 8 6 Reduzindo essa matriz a uma forma escalonada por linhas. 2. 0). com isso. converter o espaço linha de A no espaço coluna de AT . 0. 5. segunda e quarta colunas contêm pivôs. 2. 2. v4 : Em todos os nossos exemplos considerados até aqui. 0) Esses vetores formam uma base do espaço linha e. 3.Base de um espaço vetorial usando operações com linhas Encontre uma base do subespaço de R5 gerado pelos vetores v1 = (1. 0. 2. em seguida. 1. 34 . ao passo que o procedimento usado no Exemplo 6 produziu uma base do espaço linha de A. obtemos 2 3 1 2 0 0 3 6 0 1 3 2 0 7 7 R=6 4 0 0 1 1 0 5 0 0 0 0 0 Os vetores linha não nulos nessa matriz são w1 = (1. 3). a saber. Solução 125 Vamos transpor A e. 0). Re‡etindo sobre o que …zemos anterionnente. …nalmente. usaremos o método do Exemplo 7 para encontrar uma base do espaço coluna de AT e. v2 = (2. vemos que o procedimento usado no Exemplo 7 produziu. w2 = (0. Agora atacamos o problema de encontrar uma base do espaço linha de uma matriz A constituída inteiramente de vetores linha de A e uma base do espaço coluna de A constituída inteiramente de vetores coluna de A.

2. A maneira mais simples de fazer isso é expressar W3 e W5 em termos dos vetores da base com os menores índices. 6. apresentamos um resumo dos passos que seguimos no último exemplo para resolver o problema proposto.fv1 . w3 . 2) que forma uma base para o espaço gerado por esses vetores. w4 g é uma base do espaço coluna de A e. Assim. v4 . 0). portanto. 3. pelo Teorema. v2 = (2. vk g como vetores coluna. v5 como vetores coluna. veremos um exemplo que adapta os métodos desenvolvidos acima para resolver o problema geral em Rn que segue. como segue. v3 = (0. Exemplo 126 Bases e combinações lineares (a) Encontre um subconjunto dos vetores v1 = (1. Inspecionando R. 3 2 1 2 0 2 5 6 2 5 1 1 8 7 7 A=6 4 0 3 3 4 1 5 3 6 0 7 2 A primeira parte de nosso problema pode ser resolvida encontrando uma base do espaço coluna dessa matriz. encontre um subconjunto desses vetores que forme uma base de ger(S) e expresse os vetores que não estejam na base como combinações lineares dos vetores da base. 1. v5 = (5. 35 . :::. 2 e 4 e. Em seguida. w4 da base. As relações correspondentes em A são v3 = 2v1 v2 v5 = v1 + v2 + v4 A seguir. 3. 8. w4 . v2 . 6] que formam uma base do espaço linha de A. c2 = 6 6 7 4 5 2 5 3 2 6 3 2 6 7 6 7 7 . 8. essas combinações lineares são w3 = 2w1 w2 w5 = w1 + w2 + w4 denominadas equações de dependência. 6] e r4 = [2. w5 . :::. obtemos 1 0 2 0 1 6 0 1 1 0 1 7 7 R=6 4 0 0 0 1 1 5 0 0 0 0 0 Os pivôs ocorrem nas colunas 1. Reduzindo a matriz a uma forma escalonada reduzida por linhas e2denotando os vetores 3 coluna da matriz resultante por w1 . expressaremos w3 como combinação linear de w1 e w2 e w5 como combinação linear de w1 . c4 = 6 6 7 4 5 2 6 18 8 6 3 7 7 7 7 5 Transpondo de novo e ajustando a notação de acordo. 1. 2. 2. 7). Problema Dado um conjunto S = fv1 . v3 . fw1 . vk g de vetores em Rn . 3]. 0. 0. w2 . w2 .2 6 6 c1 = 6 6 4 1 2 0 0 3 3 2 6 7 6 7 7 . v4 = (2. v4 g é uma base do espaço coluna de A. 1. Solução 128 (b) Começamos expressando w3 e w5 como combinações lineares dos Vetores w1 . 8. obtemos os vetores r1 = [1. consequentemente. w2 . 3. 5. 5. (b) Expresse cada vetor não da base como uma combinação linear dos vetores da base. 3). Solução 127 (a) Começamos construindo uma matriz que tem v1 . w4 . v2 . Base de ger(S) Passo 1. 1. v2 . Formamos a matriz A com os vetores em S = fv1 . r2 = [2. 6). 0. w2 . 4. v2 .

Nos exemplos anteriores. mas sim uma consequência do teorema seguinte. como uma combinação linear de vetores coluna que contenham pivô. A dimensão do espaço nulo de A é denominada nulidade de A e denotada por nul(A) Exemplo 131 Encontre o posto e a nulidade de A 3 2 1 2 0 4 5 3 6 3 7 2 0 1 4 7 7 A=6 4 2 5 2 4 6 1 5 4 9 2 4 4 7 Solução 132 A forma escalonada reduzida por linhas de A é 2 3 1 2 0 4 5 3 6 0 1 2 12 16 5 7 7 R=6 4 0 0 0 0 0 0 5 0 0 0 0 0 0 Como essa matriz tem dois pivôs. wk g Passo 4. Os Vetores coluna de A corres pondentes formam uma base de ger(S).7 Posto Nulidade e os espaços matriciais fundamentais Na seção anterior investigamos as relações entre um sistema de equações lineares e os espaços linha. Passo 5. Denotamos os vetores coluna de R por w1 .Substituímos os vetores coluna de R qe aparecem nas equações de dependência pelos vetores coluna de A correspondentes. O fato de esses espaços terem a mesma dimensão não é acidental. :::. Nesta seção. seus espaços linha e coluna são bidimensionais e pos(A)=2. Isso completa a primeira parte do problema. Identi…camos as colunas de R com os pivôs. w2 . Passo 6. ambos são tridimensionais.Passo 2. 3. tratamos as dimenções desses espaços. coluna e nulo de sua matriz de coe…cientes. devemos encontrar a solução do sistema linear Ax = 0 O sistema será reduzido a 1x1 + 2x2 + 0x3 + 4x4 + 5x5 3x6 = 0 0x1 + 1x2 2x3 12x4 16x5 + 5x6 = 0 Resolvendo para as variáveis líderes x1 = 4x2 + 0x3 + 28x4 + 37x5 13x6 x2 = 2x3 + 12x4 + 16x5 5x6 A solução geral é x1 = 4r + 28s + 37t 13u x2 = 2r + 12s + 16t 5u 36 . vimos que os espaços linha e coluna da matriz 3 2 1 3 4 2 5 4 6 2 6 9 1 8 2 7 7 A=6 4 2 6 9 1 9 7 5 1 3 4 2 5 4 têm tres vetores de base e portanto. Obtemos um conjunto de equações de dependência expressando cada vetor coluna de R que não tem pivô. Passo 3. Reduzimos a matriz A a uma forma escalonada reduzida por linhas R. Para encontrar a Nulidade de A. Teorema 129 Os espaços linha e coluna de uma matriz têm a mesma dimensão De…nição 130 A dimensão comum do espaço linha e do espaço coluna de uma matriz A é denominada posto de A de denotada por pos(A).

que é o posto de A. o espaço linha de A tem. Teorema 135 Se A for uma matriz com n colunas. então pos(A) + nul(A) = n Como A tem n colunas. portanto. dimensão m. O teorema seguinte estabelece uma relação importante entre o posto e a nulidade de uma matriz. o menor dos dois números m e n. e o espaço coluna de A tem. Assim. Exemplo 133 Valor máximo do posto Qual é o valor máximo possível para o posto de uma matriz A de tamanho m x n que não é quadrada? Solução 134 Como os vetores linha de A estão em Rn e os vetores coluna. n) em que min(m. Isso pode ser denotado por pos(A) min(m.x3 = r x4 = s x5 = t x6 = u Ou em formato paramétrico x1 = 4r + 28s + 37t 13u x2 = 2r + 12s + 16t 5u x3 = r x4 = s x5 = t x 2 3 2 3 2 3 2 3 26 = u3 13 37 28 4 x1 6 6 16 7 6 12 7 6 2 7 6 x2 7 5 7 6 7 6 7 6 7 6 7 6 7 6 0 7 6 0 7 6 0 7 6 1 7 6 x3 7 7 7 + u6 7 + t6 6 7 = r6 7 + s6 6 0 7 6 0 7 6 1 7 6 0 7 6 x4 7 6 7 6 7 6 7 6 7 6 7 4 0 5 4 1 5 4 0 5 4 0 5 4 x5 5 1 0 0 0 x6 Como os 4 vetores do lado direito de fomam uma base do espaço solução. Como o posto de A é a dimensão comum dos espaços linha ecoluna. [número de variáveis líderes] + [número de variáveis livres] = n Ocorre que o número de variáveis líderes é igual ao número de pivôs na forma escalonada reduzida por linhas de A. pos(A) + nul(A) = 6 Isto é consistente com o exemplo onde pos(A) = 2 e N ul(A) = 4 37 . e o número de variáveis livres é igual ao número de parâmetros na solução geral de Ax = 0 Exemplo 136 A soma do posto e a nulidade 2 3 1 2 0 4 5 3 6 3 7 2 0 1 4 7 7 A=6 4 2 5 2 4 6 1 5 4 9 2 4 4 7 tem 6 colunas. Essas variáveis entram em duas categorias: as líderes e as livres. no máximo. dimensão n. temos nul(A)=4. segue que o posto é. em Rm . n) é o mínimo entre m e n. o sistema linear homogêneo Ax = 0 tem n incógnitas (variáveis). no máximo. no máximo.