You are on page 1of 10

Prof.

Sérgio Ricardo de Brito Gadelha 1

COMBINAÇÃO LINEAR

Uma expressão da forma a1u1 + a2u2+ . . . +anun = w, onde a1, a2, . . . ,an são escalares e u1,
u2, . . .,un e w, vetores do ℜn chama-se combinação linear.
Em outras palavras, sejam V um espaço vetorial real ( ou complexo), v 1, v2,...,vn ∈ V e
a1,...,an, números ℜ (ou complexos).
Então o vetor é um elemento de V, e dizemos que “v” é uma
   
v =a1 v1 +a 2 v2 ++an vn

combinação linear de v1,...,vn.

W = [ v1,...,vn] é chamado subespaço quando por v1,...,vn.

Por exemplo, os vetores e1 = (1, 0, 0); e2 = (0, 1, 0) e e3 = (0, 0, 1) geram o espaço vetorial
R , pois qualquer vetor (a, b, c) ∈ R3 pode ser escrito como combinação linear dos ei, especificamente:
3

(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)

Sendo u = (x, y, z) se o sistema de equações lineares resultante da combinação linear não


for consistente, isto é, não tiver solução, então o vetor não pode ser escrito como combinação linear, logo
não gera um espaço.

Exemplos.:
  
1) Sejam v1 = (3, 1) e v 2 = (2, 4) e os escalares a1 = 2 e a2 = -1. Podemos encontrar um vetor v = (x,
 
y) que seja combinação linear de v1 e v 2 .
   
v = a1v1 + a 2 v 2 ∴ (x, y) = 2.(3, 1) + (-1).(2, 4) = (4, -2) = v

 
2) Sejam os vetores v1 = (1, -3, 2) e v 2 = (2, 4, -1).
  
O vetor v = (-4, -18, 7) pode ser escrito como combinação linear de v1 e v 2 .
(-4, -18, 7) = a1.(1, -3, 2) + a2.(2, 4, -1)

 a1 + 2a2 = − 4  1 2 : − 4  1 0 2 
 8− 3 4 : − 1  ~8  0 1 − 3 ∴ a1 = 2
 − 3a1 + 4a2 = − 1     a = −3
 2a − a = 7  2 − 1 : 7   0 0 0  2
12
COMBINAÇÕES LINEARES E SUBESPAÇOS GERADOS

→ →
Seja um vetor espaço vetorial. Considere um subconjunto A = { v 1 ,  , v n } ⊂ V, com A ≠
φ . O conjunto S de todos os vetores de V que são combinações lineares dos vetores de A é um subespaço
→ →
vetorial de V. O subespaço diz-se gerado por v 1 , , v n . Ou seja:
Prof. Sérgio Ricardo de Brito Gadelha 2

→ →
S = G (A) ou S = [ v 1 ,  , v n ]

Os vetores v1,...vn são chamados geradores de S e A é o conjunto gerador.

Exercícios:

1) Os vetores i = (1, 0) e j = (0, 1) geram o espaço vetorial ℜ2, pois qualquer (x, y) ∈ ℜ é combinação
linear de i e j.

(x, y ) = x.(1, 0) + y.(0, 1) = (x, y)


[ i, j ] = ℜ2

→ → →
2) Os vetores i =(1, 0, 0), j =(0, 1, 0) e k =(0, 0, 1) geram o espaço vetorial ℜ3.
(x, y, z) = x.(1, 0, 0) + y.(0, 1, 0) + z.(0, 0, 1)

Obs.: i, j e k são chamados de vetores unitários, e também podem ser representados por e1, e2, e3.

3) Seja V = ℜ3. Determinar o subespaço gerado por v1 = (2, 1, 3).


[ v1 ] = { (x, y, z) ∈ ℜ2 / (x, y, z) = a.(2, 1, 3), a ∈ ℜ }

 x = 2 ⇒ . =xa2 .y 3
  S = {( yxz ,ℜ∈ ) / =x2 e z y= 3 }o y u
v = a 1. 3( , 2)  y,= a 
 z = 3 ⇒ .z = a3 . Sy= {( 2y 3 y, y/ ℜ∈ , })

Obs.: O subespaço gerado por um vetor v, ∈ ℜ3, v1 ≠ 0, é uma reta que passa pela origem.

4) Determinar o subespaço gerado pelo conjunto A = { (1, 0, 0) , (0, 0, 1) }.


→ → →
v = a1 v 1 + a 2 v 2 ∴ (x, y, z) = a1 (1, 0, 0) + a2 (0, 0, 1).
(x, y, z) = (a1, 0, 0) + (0, 0, a2) = (a1, 0, a2) ∴ x = a1
y=0
z = a2

S = { (x, y, z) ∈ ℜ3 / y = 0 }
S = { (x, o, z) ∈ ℜ3 / x, z ∈ℜ }
Obs.: S é o plano xz

DEPENDÊNCIA E INDEPENDÊNCIA LINEAR


Prof. Sérgio Ricardo de Brito Gadelha 3

Definição. Seja V um espaço vetorial e v1 , v2 ,....., vn ∈ V. Dizemos que o conjunto A={

v1 , v2 ,....., vn v1 , v2 ,....., vn são L.I. se a


} é linearmente independente (LI) ou os vetores

equação: α 1 v1 + α 2 v2 + .........+ α n vn = 0 α 1 , α 2 ,.......α n ∈ ℜ implica que


α 1 = α 2 = ....... = α n = 0 .
No caso em que exista algum α i ≠ 0 d i r e m qou se{v1 , v2 ,......, v n} é linearmente
dependente (LD) ou que os vetores v1, v2, ... , vn são L.D.
Em outras palavras, seja um conjunto de vetores de mesma dimensão:

v1 , v 2 ,..., v N ∈ R n

Se a única combinação linear que resulte no vetor nulo

α1v1 + α2 v 2 + ... + αN v N = 0

for a trivial, isto é, aquela em que os coeficientes são nulos:

α1 = α2 = ... = α N = 0

então dizemos que os vetores vN são linearmente independentes. Por outro lado, se houver alguma
combinação que produza o vetor nulo, em que os coeficientes não se anulam, então dizemos que os
vetores vN são linearmente dependentes.

Exemplos em R3:

• v1 e v2 são dependentes se estão na mesma linha.

• v1, v2, v3 no mesmo plano são dependentes.

• v1, v2, v3 e v4 são sempre dependentes em R3.

Exercícios:

Verifique se os conjuntos são L.I. ou L.D.

1) A = { (3, 1), (1, 2) }, V = ℜ2


  
a1v1 + a2v2 = 0
 3a1 + a2 = 0
a1(3, 1) + a2 ( ,1 2) = (0, 0) ∴  a1 = a2 = 0 → A é L . I .
 a1 + 2a2 = 0
2) A = { (1, 2, 0), (0, 1, 1), (2, 4, 0) }
a1(1, 2, 0) + a2(0, 1, 1) + a3(2, 4, 0) = (0, 0, 0)
Prof. Sérgio Ricardo de Brito Gadelha 4

 a1 + 2a3 = 0

 2a1 + a2 + 4a3 = 0 a2 = 0 e a3 = q u a lLq ouAgée Lor . D .
a = 0
2
3) A = { (2, 4), (6, 12) }
a1(2, 4) + a2(6, 12) = (0, 0)

 2a1 + 6a2 = 0 (−∴ 2)  − 4a1 − 1 a2 = 02


  ⇒ éA L . D .
 4a1 + 1 a2 = 02  4a1 + 1 a2 = 02 S Ii ns a t d ed e mo t e a r m i n
0= 0
Obs. 1: Sempre que o conjunto A tiver elementos múltiplos, teremos um conjunto L.D.
 
No caso anterior, v 2 = 3v1 .

4) A = { (1, 0, 2), (2, 0, 4) } é L.D.


 
v 2 = 2v1
   
5) A = { (0, 0, 0), (2, 3, 4), (5, 6, 7) } v 2 = 0v1 e v 3 = 0v1 é L.D.

1 2  4 8   
6) A =  ,  v 2 = 4v1
3 0 12 
0

Obs. 2: Para gerar o V = ℜ2 é preciso de 2 vetores


Para gerar o V = ℜ3 é preciso de 3 vetores
Para gerar o V = M2X2 é preciso de 4 vetores
Prof. Sérgio Ricardo de Brito Gadelha 5
Prof. Sérgio Ricardo de Brito Gadelha 6

BASES E DIMENSÕES

Definição. Se V é um espaço vetorial qualquer e S = {v 1, 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.

Teorema
Se S = {v1, v2, ..., vn} é uma base de um espaço vetorial V, então cada vetor em V pode ser expresso da
forma v = c1v1 + c2v2 + ... +cnvn de uma única maneira

Obs.
1. Os vetores v1,. . .,vn são linearmente dependentes se, e somente se, um deles é combinação linear dos
outros.
2. Se dois vetores v1,. . . ,vm, são iguais, digamos v1= v2, então os vetores são dependentes. Pois v1- v2 = 0
3. Dois vetores v1 e v2 são dependentes se, e somente se, um deles é múltiplo do outro.
4. No espaço real R3 a dependência de vetores pode ser escrita geometricamente como segue: dois
vetores quaisquer u e v são dependentes se, e somente se, estão na mesma reta passando pela origem;
três vetores quaisquer u, v e w são dependentes se, e somente se, estão no mesmo plano passando pela
origem

Exercícios

1) Verifique se o conjunto B { (1, -1), (0, 1) } é uma base do V = ℜ2:

a) B é L.I.?
a1.(1, -1) + a2.(0, 1) = (0, 0) ⇒ a1 = 0 a1 = a2 = 0 ⇒ B é L.I.
-a1 + a2 = 0

b) B gera o V = ℜ2 ? Devemos escrever todo e qualquer v ∈ ℜ2 como combinação linear de
 
v1 e v 2 .
  
v = a1v1 + a 2 v 2 .
(x, y) = a1.(1, -1) + a2.(0, 1)
x = a1 ⇒ a1 = x
y = -a1 + a2 ⇒ a2 = x + y
Prof. Sérgio Ricardo de Brito Gadelha 7

(x, y) = x.(1, -1) + (x +y) (0, 1)


Logo, B gera o ℜ2

2) Verifique se B = { (2, 3), (4, 6) } é uma base do V = ℜ2 .


(B é L.D., logo não é base)

3) B = { (1, 0, 1), (0, 0, 1) } é uma base de ℜ3 ?


( Não, pois precisamos de 3 vetores para gerar o ℜ3.)

4) B = { (1, 0), (0, 1) } é uma base de ℜ2 ?


(Sim, e é chamada de Base Canônica)

5) B = { (1, 0, 0), (0, 1, 0), (0, 0, 1) } é uma base de ℜ3 ?


(É a base canônica do ℜ3)
Obs. 1: Sejam e1 = (1, 0, 0,..., 0), e2 = (0, 1, 0, ..., 0),..., en = (0, 0,...,1).
O conjunto B = { e1, e2,...,en) é uma base de ℜn, chamada de Base canônica do ℜn.
Prof. Sérgio Ricardo de Brito Gadelha 8

Definição. Diz-se que um espaço vetorial V é de dimensão finita n ou é n-dimensional, e escreve-se dim
V = n se existem vetores linearmente independentes e1, e2, . . ., en que geram V. A seqüência {e1, e2, ...,
en} é então chamada de uma base de V
Teorema. Seja V um espaço vetorial de dimensão finita. Então, todas as bases de V tem o mesmo número
de elementos.

Seja V de dimensão finita n. Então:


(i) Qualquer conjunto de n + 1 ou mais vetores é linearmente dependente
(ii) Qualquer conjunto linearmente independente é parte de uma base, isto é, pode ser estendido a uma
base
(iii) Um conjunto linearmente independente com n elementos é uma base.

Exemplo
Os quatro vetores em R4 (1,1,1,1), (0,1,1,1), (0,0,1,1), (0,0,01) são linearmente independentes, pois
formam uma matriz escalonada. Além disso, como dim R4 = 4, eles formam uma base de R4.

Dimensão é o número de elementos necessários para gerar um espaço vetorial. Estes elementos, formam
uma base que gera o espaço V.
Ex.: V = ℜ2 então dim. V = 2
V = ℜ3 então dim. V = 3
1 0 0 1 0 0 0 0
V = M2x2 então dim. V = 4 → 0 0
,
0
,
0
,
1
  0  1  0 
V = M2x3 então dim. V = 6
V = M2x1 então dim. V = 2
V = Mmxn então dim. V = m . n

TEOREMA: Se dim V = n, qualquer conjunto de “n” vetores L.I. formará uma base de V.

BASE ORTOGONAL E BASE ORTONORMAL

Diz-se que uma base {v1, v2, ..., vn} de V é ortogonal se os seus vetores são dois a dois ortogonais.

Exemplos:
{(1,2,-3), (3,0,1), (1,-5,-3)} é uma base ortogonal do R3.

Mostre que, o conjunto B = { (1, 0), (2, -1) } é uma base ortogonal em relação a esse produto interno.
(1, 0).(2, -1) = 2 –2 +0 +0 = 0 ⇒ B é ortogonal.

Uma base B = {v1, v2, ..., vn} de um espaço vetorial euclidiano V é ortonormal se B é ortogonal e

 0 p a i r≠ ja
todos os seus vetores são unitários, isto é: v ⋅ v =  .
i j
 1 p a i r= ja
Exemplo.: B = { (1, 2), (-2, 1) } Produto interno usual

(1, 2).(-2, 1) = 0 ∴ -2 +2 = 0 (1, 2).(1, 2) = 5 ≠ 1 → B não é base ortogonal


Prof. Sérgio Ricardo de Brito Gadelha 9

Se um conjunto B é uma base ortogonal então para que tenhamos uma base ortonormal, basta normalizar
cada elemento de B, isto é:
  
v1 v2 vn
 ,  ,..., 
v1 v2 vn

Exemplo1:
Seja B = { (1, 2), (-2, 1) } uma base ortogonal em relação ao produto interno usual. Construir uma base
B’ ortonormal.
 
v1  1 2  v2  2 1   1 2   2 1 
 =  ,  ;  =  − ,  ∴ B ' =  , ,  − , 
v1  5 5 v2  5 5  5 5   5 5 

   
v1 .v 2 = 0 v 2 .v 2 = 1
Prova:  
v1 .v 2 = 1

Exemplo. 2:

O conjunto B = { (1, 3), (3, a) } é uma base ortogonal do V = ℜ2 em relação ao produto interno usual.
a) Determine o valor de “a”.
b) A partir

de B, construa uma base B’, ortonormal.
u .v = 0 ∴(1, 3).( 3, a ) = 0 ∴3 + 3a = 0 ∴a = −1
B = {(1, 3), (3, −1)} é ortogonal.
 
v1 (1, 3)  1 3  v2 (3, − 1)  3 1 
 = =  ,  ;  = =  ,− 
v1 1 +3
2 2
 10 10  v2 10  10 10 
 1 3  3 1 
B ' =  , ,  ,− 
 10 10   10 10 

Exemplo. 3:

A partir de v1 = (1, 2) construa uma base B ortogonal do V = ℜ2 em relação ao produto interno usual. A
partir de B, construa uma base B’ ortonormal.
 
a) B = { v1 , v 2 } = { (1, 2), (x, y) } ∴ (1, 2), (x, y) = 0

x +2y = 0 ∴ x = -2y ⇒ v 2 = (-2y, y)

Podemos tomar ∀ y ≠ 0. Por exemplo, y = -1 e x = 2 v 2 =(2, 1)
Logo, B = { (1, 2), (2, 1) }
 
v1  1 2  v2  2 1   1 2   2 1 
b)  =  ,  ;  =  ,−  ; B ' =  ,  ,  ,− 
v1  5 5 v2  5 5  5 5   5 5 

Processo de Ortogonalização de Gram-Schmidt

De um espaço vetorial euclidiano V e uma base qualquer B = {v1, v2, ..., vn} desse espaço, é
possível a partir dessa base, determinar uma base ortogonal, considere-se: w1 = v1 e determina-se o valor
de α de modo que o vetor w 2 = v 2 − α w 1 seja ortogonal a w1, ou seja;
( v 2 − αw 1 ) ⋅ w 1 = 0
v 2 ⋅ w 1 − α (w 1 ⋅ w 1 ) = 0
Prof. Sérgio Ricardo de Brito Gadelha
10
v 2 ⋅ w1
α=
w1 ⋅ w1
v 2 ⋅ w1
w 2 = v2 − w 1 assim w1 e w2 são ortogonais.
w1 ⋅ w1

v3 ⋅ w 2 v ⋅w
Analogamente determina-se w3, onde w 3 = v 3 − ⋅ w 2 − 3 1 ⋅ w 1 , onde w1, w2 e w3 são
w2 ⋅ w2 w1 ⋅ w1
ortogonais. O processo que permite a determinação de uma base ortogonal a partir de uma base qualquer
chama-se processo de ortogonalização de Gram-Schmidt. Para se obter uma base ortonormal, basta
wi
normalizar cada wi, fazendo u i = .
wi
  
Dessa forma, dado um espaço euclidiano V e um a base qualquer B = { v1 , v 2 ,..., v n }
desse espaço, é possível, a partir dessa base, determinar uma base ortogonal de V.

        w
w1 =v1 ; w2 =v 2 −(v1 .u1 ). u1 onde u1 = 1
w1

         w
w3 =v 3 −(v3 .u 2 ). u 2 −(v3 .u1 ). u1 onde u 2 = 2
w2

            w
w4 =v 4 −(v 4 .v3 ). u 3 −(v 4 .u 2 ). u 2 −(v 4 .u1 ). u1 onde u 3 = 3
w3

     
B = {w1 , w2 , w3 ,..., wn } → base ortogonal e B = {u1 ,..., u n } → base ortonormal.

Bibliografia Recomendada

1. SIMON, Carl & Blume, L. Matemática para Economistas. Tradução: Claus Ivo Doering. Porto Alegre:
Bookman, 2004.
2. BRAGA, Márcio Bobik; KANNEBLEY JÚNIOR, Sérgio; ORELLANO, Verônica I.F. Matemática
para economistas. São Paulo: Atlas, 2003.
3. BOLDRINI, José Luiz. Álgebra linear: 591 problemas resolvidos. 442 problemas suplementares. Ed.
Harbra, 2004.
5. LIPSCHUTS, Algebra linear. Ed. PEARSON EDUCATION DO BRASIL LTDA, 2004
6. DAVID, C. Lay. Álgebra Linear e suas Aplicações. Editora: LTC, Rio de Janeiro, 1999.
7. KOLMAN, Bernard. Introdução a Álgebra Linear com Aplicações. Ed. Prentice-Hall do Brasil, 2000.
8.ANTON, Howard. Elementary Linear Algebra. 3a ed. John Wiley & Sons, 1981.

Recomendo que vocês exercitem seus conhecimentos na lista de exercícios referente ao “Ponto 49”.

Um forte abraço e até o nosso próximo encontro.

You might also like