UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA

DEXA- - ÁLGEBRA LINEAR I

JOILMA CARNEIRO

Espaços Vetoriais

Introdução
Sabe-se que o conjunto R2 = {(x, y) / x, y  R} é interpretado geometricamente como sendo
o plano cartesiano. Um par (x, y) pode ser encarado como um ponto (Figura 2.1a) e, nesse caso, x e
y são coordenadas, ou pode ser encarado como um vetor (Figura 2.1b) e, nesse caso, x e y são
componentes (ou coordenadas).
Essa mesma idéia, em relação ao plano, entende-se para o espaço tridimensional que é a
interpretação geométrica do conjunto R3. Embora se perca a visão geométrica de espaços com
dimensão acima de 3, é possível estender essa idéia a espaços como R4, R5, ..., Rn. Assim,
y

● (x, y) (x, y)

O x
Figura 2.1a Figura 2.1b
quádruplas de números (x1, x2, x3, x4) podem ser vistas como pontos ou vetores no espaço R4 de
quarta dimensão. A quíntupla (2, –1, 3, 5, 4) será interpretada como um ponto ou um vetor no
espaço R5 de dimensão cinco. Então, o espaço de dimensão n (ou o espaço n-dimensional) será
constituído pelo conjunto de todas as n-uplas ordenadas e representando por Rn, isto é, Rn = {(x1, x2,
..., xn); xi  R}
A maneira de se trabalhar nesses espaços é idêntica àquela vista em R2 e em R3. Por
exemplo, se:
u = (x1, x2, ...,xn) e v = (y1, y2, ..., yn) são vetores no Rn e  um escalar, define-se:
a) u = v se, e somente se, x1 = y1, x2 = y2, ..., xn = yn.
b) u + v = (x1 + y1, x2 + y2, ..., xn + yn)
c)  u = (  x1,  x2, ...,  xn).
d) u . v = x1y1 + x2y2 + ...+ xnyn.
e) u = u.u = x12  x 22  ...  x n2

Desde já é bom observar que o vetor u = (x1, x2, ..., xn) aparecerá, às vezes, com a notação
matricial (matriz-coluna n x 1):
  x1 
 
x 2 
 .
u 
 .
 .
 
 x n 
e é fácil ver que u + v e  u na notação matricial são os vetores :
  x1   y 1   x1  y 1 
 
x 2 y2 x2  y2
. .  . 
u v         
. .  . 
. .  . 
 
xn yn xn  yn

x1 x1
 
x 2 x2
.  . 
u     
.  . 
.  . 
 
 Vamos agora transmitir uma idéia nova. Para tanto, consideramos dois conjuntos: o Rn e o
conjunto das matrizes reais de ordem m x n, representado por M (m, n). Como nesses conjuntos
estão definidas as operações de adição e multiplicação por escalar, constata-se a existência de uma
série de propriedades comuns a seguir enumeradas.
Se u, v, w  Rn, e se ,   R e se A, B, C  M (m, n), podemos verificar que:
a) Em relação à adição valem as propriedades:
1) (u + v) + w = u + (v + w) e
(A + B) + C = A + (B + C) (associatividade da adição)
2) u + v = v + u e (comutatividade da adição)
A+B=B+A
3) Existe um só elemento em Rn e um só em M (m, n) indicado por 0 e tal que:
u+0=u e
A+0=A (existência do elemento neutro)
E o elemento 0, nesse caso, será o vetor 0 = (0, 0, ..., 0)  Rn, na primeira igualdade, e a
matriz nula:

0 0 ... 0
0 0 ... 0
0   M(m, n)
. . . . . . . . . .
 
0 0 ... 0
na segunda igualdade.
4) Para cada vetor u  Rn e para a matriz A  M (m, n) existe um só no vetor –u  Rn e
uma só matriz –A  M (m, n) tais que
u + ( –u) = 0 e
A + ( –A) = 0 (existência do elemento simétrico)
Por exemplo, se tivermos u = (x1, x2, ..., xn), então o vetor simétrico é –u = (–x1, –x2, ..., –xn),
e, caso semelhante, para a matriz A e sua correspondente simétrica –A.
b) Em relação à multiplicação por um escalar valem as propriedades:
1) (  ) u =  ( u) e
( ) A =  ( A)
2) (   ) u = u  u e
(   ) u = A  A

3)  (u  v) = u  v e
  ( A  B) = A  B

4) 1u = u e
1A = A
ESPAÇOS VETORIAIS
Seja um conjunto V, não-vazio, sobre o qual estão definidas as operações adição e
multiplicação por escalar, isto é:
 u, v  V, u + v  V

   R,  u  V, u  V
O conjunto V com essas duas operações é chamado espaço vetorial real (ou espaço vetorial
sobre R) se forem verificados os seguintes axiomas: ( os oitos citados acima)
Exemplos
1) O conjunto V = R2 = {(x, y)/x, y  R} é um espaço vetorial com as operações de adição
e multiplicação por um número real assim definidas:
(x1, y1) + (x2, y2) = (x1 + x2, y1 + y2)
 (x, y) = (x, y)

Fazer a verificação.

2) O conjunto M (m, n) das matrizes m x n com as operações adição e multiplicação por

escalar usuais.
3) O conjunto:
Pn = { ao + a1x + a2x2 + ...+ anxn; ai  R}
dos polinômios com coeficientes reais de grau ≤ n, mais o polinômio nulo, em relação às
operações usuais de adição de polinômios e multiplicação por escalar.

SUBESPAÇOS VETORIAIS
Sejam V um espaço e S um subconjunto não-vazio de V. O subconjunto S é um subespaço
vetorial de V se S é um espaço vetorial em relação à adição e à multiplicação por escalar definidas
em V.

Teorema
Um subconjunto S, não-vazio, de um espaço vetorial V é um subespaço vetorial de V se
estiverem satisfeitas as condições:
I) Para quaisquer u, v  S, tem-se:
u + v S
II) Para quaisquer   R, u  S, tem-se:
 u  S
Verificação.

Aplicações

1. Sejam V = R3 e S = { (x, y, z)/  R3/ ax + by +cz = 0}

Verificar se é subespaço.
2. Sejam V = M (3, 1) e S o conjunto-solução de um sistema linear homogêneo a três
variáveis ,verificar se é um subespaço.
3. Mostre que o conjunto V de todas as matrizes 2 x 2 com entradas reais é um espaço
vetorial se a adição vetorial é definida pela adição matricial e a multiplicação vetorial por escalar é
definida pela multiplicação matricial por escalar.
4. Seja V um plano qualquer pela origem do R3. Mostrar que os pontos em V formam um
espaço vetorial com as operações usuais de adição e multiplicação por escalar de vetores de R 3.
5. Seja W o conjunto de todos os pontos (x, y) em R2 tais que x ≥ 0 e y ≥ 0. Estes são os
pontos do primeiro quadrante. O conjunto W não é um subespaço de R2 pois não é fechado na
multiplicação por escalar. Por exemplo, v = (1, 1) está em W mas seu negativo ( –1) v = ( –1, –1)
não está (figura 5.2.3)
Y
W
(1, 1)

(–1, –1) W não é fechado na multiplicação por escalar.

Obs: Qualquer espaço vetorial não-nulo V tem pelo menos dois subespaços: o próprio V é
um subespaço e o conjunto {0} consistindo apenas do vetor nulo V é um subespaço, chamado
subespaço nulo.
Exemplo:
Subespaço de R2 Subespaço de R3
● {0} ● {0}
● Retas pela origem ● Retas pela origem
● R2 ● Planos pela origem
● R3
Interseção de dois Subespaço Vetoriais
 Sejam S1 e S2 dois subespaços vetoriais de V. A interseção S e S 1 e S2, que se representam
por S = S1 ∩ S2, é o conjunto de todos os vetores v  V tais que v  S1 e v  S2.

Teorema
A interseção S de dois subespaços vetoriais S1 e S2 de V é um subespaço vetorial de V.
Demonstração:

Soma de dois Subespaços Vetoriais

Sejam S1 e S2 dois subespaços vetoriais de V. A soma S de S 1 e S2, que se representa por S =
S1 + S2, é o conjunto de todos os vetores u + v de V tais que u  S1 e v  S2.

Teorema
A soma S de dois subespaços vetoriais S1 de S2 de V é um subespaço vetorial de V.
Demonstração:

Soma Direta de dois Subespaços Vetoriais

Sejam S1 e S2 dois subespaços vetoriais de V. Diz-se que V é a soma direta de S1 e S2, e se
representa por V = S1 + S2, se V = S1 + S2 e S1 ∩ S2 = {0}.
Definição
Dizemos que um vetor w é uma combinação linear dos vetores v 1, v2, ..., vr se w pode ser
escrito na forma
w = k1 v1 + k2v2 + …+ krvr
onde k1, k2, …, kr são escalares.

Os vetores em R3 são Combinações Lineares de i, j e k.

Cada vetor v = (a, b, c) em R3 pode ser escrito como um combinação linear dos vetores da
base canônica
i = (1, 0, 0), j = (0, 1, 0) k = (0, 0, 1) pois
v = (a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) = ai + bj + ck
Aplicações

6 .Considere os vetores u = (1, 2, –1) e v = (6, 4, 2) em R 3. Mostre que w = (9, 2, 7) é uma

combinação linear de u e v e que w´ = (4, –1, 8) não é uma combinação linear de u e v.
7. Determinar a condição para x, y e z de modo que (x, y, z) seja combinação linear dos vetores
v1 e v2.
 v1 =(1,-3,2) e v2 = ( 2,4,-1)
Subespaços Gerados
Seja V um espaço vetorial. Consideramos um subconjunto A = { v1, v2, ..., vn}  V, A ≠  .
O conjunto S de todos os vetores de V que são combinados lineares de vetores de A é um
subespaço vetorial de V.
De fato, se:
u = a1 v1 + a2 v2 + ...+ an vn
e
v = b1 v1 + b2 v2 + …+ bnvn
são dois vetores quaisquer de S, pode-se escrever:
u + v = (a1 + b1) v1 + (a2 + b2) v2 + ...+( an + bn) vn
 u = (  a1) v1 + (  a2) v2 + ...+ (  an) vn
Tendo em vista que u + v  S e que  u  S, por serem combinações lineares de v1, v2, ...,
vn, conclui-se que S é um subespaço vetorial de V.
Simbolicamente, o subespaço S é:
S = { v  V / v = a1 v1+ ...+ an v n , a1, ..., an  R}
Os vetores i = (1, 0) e j = (0, 1) geram o espaço vetorial R, pois qualquer (x, y)  R2 é
combinação linear de i e j.
Aplicações;
8.Seja V = R3. Determinar o subespaço gerado pelo vetor v1 = (1, 2, 3).
9. Mostrar que o conjunto A = { (3, 1), (5, 2) } gera o R2.

Definição
Sejam V um espaço vetorial e
A = { v1, ..., vn}  V
Consideramos a equação
a1 v1 + ...+ an vn = 0
Sabemos que essa equação admite pelo menos uma solução:
a1 = 0, a2 = 0, ..., an = 0
chamada solução trivial.
O conjunto A diz-se linearmente independente (LI), ou os vetores v1, ..., vn são (LI), caso a
equação (2.7) admita apenas a solução trivial.
S e existem soluções ai ≠ 0, diz-se que o conjunto A é linearmente dependente (LD), ou
que vetores v1, ..., vn são LD.
Teorema :
Um conjunto S de dois ou mais vetores é linearmente depende se, e somente se, pelo menos um dos
vetores de S pode ser escrito como uma combinação linear dos outros vetores de S.
Definição
Se V é um espaço vetorial qualquer e S = {v1, v2, ..., vn} é um conjunto de vetores em V,
dizemos que S é uma base de V se valerem as seguintes condições:
(a) S é linearmente independente.
(b) S gera V.
A base é a generalização para os espaços vetoriais arbitrários do sistema de coordenadas em
espaços bi e tridimensionais. O teorema a seguir ajuda a elucidar esta afirmação.

Unicidade da Representação em Base

Se S = { v1, v2, ..., vn} é uma base de espaço vetorial V, então cada vetor em V pode ser
expresso da forma v = c1 v1 + c2 v2 + ... + cn vn de uma única maneira.

Demonstração que um Conjunto de Vetores é uma Base

Sejam v1 = (1, 2, 1), v2 = (2, 9, 0) e v3 = (3,3,4) . Mostre que o conjunto S = {v1, v2, v3} é
uma base de R3.

Dimensão de um Espaço Vetorial

Seja V um espaço vetorial.
Se V possui uma base com n vetores, então V tem dimensão n e anota-se dim V = n.
Se V não possui base, dim V = 0.
Se V tem uma base com infinitos vetores, então a dimensão de V é infinita e anota-se dim V
= .
Consideramos os seguintes subespaços do R4:
S1 = { (a, b, c, d)/ a + b + c = 0} e
S2 = { ( a, b, c, d)/ a – 2b = 0 e c = 3d}
Determinar:
a) dim S1 e uma base de S1.
b) dim S2 e uma base de S2.

6) Sejam os vetores u = (2, –3, 2) e v = (–1, 2, 4) em R3.

a) Escrever o vetor w = (7, –11, 2) como combinação linear de u e v.
 b) Para que o valor de k o vetor (–8, 14, k) é combinação linear de u e v?
c) Determinar uma condição entre a, b e c para que o vetor (a, b, c) seja uma
combinação linear de u e v.

7) Determinar k para que

1 01 2 1

,  , 
1 0 0k 0
seja LD.