Unidade4 - Espaco Vetorial

06/07/2020 Ead.
br
ÁLGEBRA LINEAR COMPUTACIONAL

ESPAÇO VETORIAL
Autor: Dr. Ricardo Noboru Igarashi
INICIAR
introdução
Introdução
Nesta última parte, apresentaremos os conceitos de espaços vetoriais. Lembrando que no primeiro módulo
apresentamos os vetores e, neste momento, apresentamos os vetores em termos dos componentes. Por
exemplo, em R 2, duas componentes e em R^3 três componentes. Neste módulo, usaremos as propriedades
algébricas mais importantes dos vetores em R^n como axiomas. Consideraremos um conjunto de vetores,
em que de niremos as operações de adição e multiplicação por um escalar. Por meio dessas de nições e
axiomas, apresentaremos o chamado espaço vetorial. Por m, também estudaremos a transformação linear
entre elementos de um espaço vetorial. Esses conceitos possuem aplicações nos campos da Física,
Matemática, Computação e em diversos ramos das Engenharias.
https://unp.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 1/19
06/07/2020 Ead.br
06/07/2020 Ead.br
Espaço Vetorial
Os vetores podem ser representados nas formas bidimensionais, isto é, no plano xy, como mostrado na
Figura 4.1. Nesta situação, o par ordenado (x,y) representa um vetor:
A mesma ideia se apresenta no sistema tridimensional (x, y, z), isto é, no R 3 (WINTERLE, 2000). Esse mesmo
conceito pode ser aplicado em R 4, R 5, …, R n. Claro que nessas últimas dimensões não conseguiremos ter a
visão geométrica.
Nosso objetivo será trabalhar com os vetores no R n. Assim, apresentaremos um conjunto de dez axiomas,
oito dos quais são propriedades dos vetores no R n. Lembrando que em matemática não se demonstra os
axiomas. Os axiomas são pontos de partidas para provar teoremas (ANTON, 2012).
Para iniciarmos, designaremos os vetores ( ) (

u = u 1, u 2, u 3, …, u n , v = v 1, v 2, v 3, …, v n ) e
( )
w = w 1, w 2, w 3, …, w n e um escalar, que denotaremos como a e b. Com isso, consideraremos V um conjunto
não vazio, que contém u, v e w, no qual estejam de nidas duas operações, a adição entre dois vetores u e v e
multiplicação de um escalar por um vetor. Se os axiomas seguintes forem satisfeitos por todos os vetores u, v
e w em V e quaisquer escalares, podemos dizer que V é um espaço vetorial e que os objetos de V são vetores.
Dessa forma, os axiomas são os seguintes (ANTON, 2012):
1. Se u e v são objetos em V, então u + v é um objeto em V
06/07/2020 Ead.br
u+v=v+u
u + (v + w) = (u + v) + w
2. Existe um vetor nulo de V, 0, que 0 + u = u + 0 = u.

3. Existe um vetor − u, denominado negativo de u, tal que u + (− u) = (− u) + u = 0.
4. Se a for qualquer escalar e u um vetor em V, então au é um vetor em V.
5. a(u + v) = au + av.
(a + b)u = au + bu
6. a(bu) = (ab)u
1u = u
Assim, qualquer tipo de vetor pode estar dentro do espaço vetorial, desde que os dez axiomas sejam
satisfeitos. Assim, diversos outros espaços têm o comportamento com o espaço R n. Por exemplo, o espaço
vetorial V pode ser substituído por polinômios, por matrizes etc. Existem alguns passos que podemos usar
para mostrar que um conjunto com duas operações é um espaço vetorial:
a) identi que o conjunto V de objetos que serão os vetores;
b) identi que as operações de adição e multiplicação por escalar;
c) veri que a validade dos Axiomas 1 e 6;
d) con rme que valem os Axiomas 2, 3, 4, 5, 7, 8,9 e 10.
Vamos fazer alguns exemplos, para a ilustração desses passos junto com os axiomas.
Exemplo 1)
O espaço vetorial nulo.
Primeiramente, já identi camos o conjunto V como apenas constituído do vetor 0.
Agora, temos de identi car as operações de adição e multiplicação por um escalar.
0+0=0
a0 = 0.
Também é veri cado que os axiomas do espaço vetorial são satisfeitos. Assim, temos o espaço vetorial nulo.
Exemplo 2) O espaço vetorial R n.
Identi camos o conjunto como V = R n. Nesse caso, consideramos (

u = u 1, u 2, u 3, …, u n ) e
( )
v = v 1, v 2, v 3, …, v n . A operação de soma e multiplicação é de nida para esses vetores.
( ) ( ) (
u + v = u 1, u 2, u 3, …, u n + v 1, v 2, v 3, …, v n = u 1 + v 1, u 2 + v 2, u 3 + v 3, …, u n + v 1n )
( ) (
au = a u 1, u 2, u 3, …, u n = au 1, au 2, au 3, …, au n )
As operações anteriores obedecem aos axiomas e, portanto, são espaços vetoriais.
Exemplo 2) O espaço vetorial das matrizes 2x2
Identi camos o conjunto como as matrizes 2x2:
06/07/2020 Ead.br
( )a b
c d
( ) ( )
u 11 u 12 v 11 v 12
Designamos as matrizes como u = ev = .
u 21 u 22 v 21 v 22
De nimos as somas das matrizes como:
( )( )( )
u 11 u 12 v 11 v 12 u 11 + v 11 u 12 + v 12
u+v= + =
u 21 u 22 v 21 v 22 u 21 + v 21 u 22 + v 22
( )( )
u 11 u 12 au 11 au 12
au = a =
u 21 u 22 au 21 au 22
Agora, devemos veri car que os axiomas 2, 3, 4, 5, 7, 8, 9 e 10.
( )( )( )
u 11 u 12 v 11 v 12 u 11 + v 11 u 12 + v 12
2) u + v = + = = v + u.
u 21 u 22 v 21 v 22 u 21 + v 21 u 22 + v 22
3)
( ) [( )( )] ( )( )(
u 11 u 12 v 11 v 12 w 11 w 12 u 11 u 12 v 11 + w 11 v 12 + w 12 u 11 + v 11 + w 11 u1
u + (v + w) = + + = + =
u 21 u 22 v 21 v 22 w 21 w 22 u 21 u 22 v 21 + w 21 v 22 + w 22 u 21 + v 21 + w 21 u2
( ) ( )
u 11 u 12 0 0
4) 0.u = 0 = .
u 21 u 22 0 0
5) Existe um vetor u, denominado negativo de u, tal que u + (− u) = (− u) + u = 0. Por exemplo, nesse caso,
teremos:
)( )( ) (
u 11 u 12 u 11 u 12 0 0
− =
u 21 u 22 u 21 u 22 0 0
[( ) ( )] ( ) ( )
u 11 u 12 v 11 v 12 v 11 v 12 v 11 v 12
7) a(u + v) = a + =a +a = au + av.
u 21 u 22 v 21 v 22 v 21 v 22 v 21 v 22
( ) ( ) ( )
v 11 v 12 v 11 v 12 v 11 v 12
8) (a + b)v = (a + b) =a +b = av + bv.
v 21 v 22 v 21 v 22 v 21 v 22
( ) ( )
u 11 u 12 u 11 u 12
9) a(bu) = ab = (ab) .
u 21 u 22 u 21 u 22
( )( )
u 11 u 12 u 11 u 12
10) 1u = 1 =
u 21 u 22 u 21 u 22
06/07/2020 Ead.br
( ) ( )
Exemplo 3) Considere os seguintes vetores: u = u 1, u 2 = (2, 4), v = v 1, v 2 = (− 3, 9) e a = 7. São de nidas
as seguintes operações:
(
u + v = u 1 + v 1, u 2 + v 2 )
(
au = au 1, 0 )
Usando o conceito de soma e multiplicação por um escalar, teremos:
u + v = (2 − 3, 4 + 5) = (− 1, 9)
au = 7u = (7.2, 0) = (14, 0)
Quando aplicamos os axiomas nas operações anteriores, veri camos que o axioma 10 não é válido:
1u = 1(2, 4) = (1.2, 0) ≠ u
Assim, as operações não formam um espaço vetorial.
Subespaço Vetorial
Sejam V um espaço vetorial e S um subconjunto não vazio de V. Esse subconjunto S será um subespaço
vetorial em relação à adição e à multiplicação por um escalar de nidas em V. Nessa situação, também
teríamos de aplicar os axiomas para o subconjunto S, contudo, como S faz parte de V, não há necessidade.
Todo espaço vetorial V admite pelo menos dois subespaços: o conjunto {0}, chamado subespaço zero ou
subespaço nulo, e o próprio espaço vetorial V, que são chamados subespaços triviais de V. Os restantes são
chamados subespaços próprios de V.
Exemplo 4) O espaço vetorial R 2.
No espaço vetorial R 2, os subespaços triviais são (0, 0). Os subespaços próprios de R 2 são retas que passam
pela origem. Por exemplo: x = y, x = 2x.
Exemplo 5) O espaço vetorial R 3.
No espaço vetorial R 3, os subespaços triviais são (0, 0, 0). Os subespaços próprios de R 3 são retas e planos
que passam pela origem.
praticar
Vamos Praticar
Seja o espaço vetorial V conjunto de todos os pares ordenados de números reais e considerando as operações de
( )
adição e multiplicação por um escalar, a, de nidos como u = u 1, u 2 e v = v 1, v 2 : ( )
( )
u + v = u 1 + v 1, u 2 + v 2 , au = 0, au 2 ( )
06/07/2020 Ead.br
ANTON, H. Álgebra linear com aplicações. Porto Alegre: Bookman, 2012.
Nessa de nição, considere que u = (3, − 5), v = (2, 3) e a = 2. Assinale a alternativa que indica os valores de u + v e au,
respectivamente:
a) (5, − 2); (0, 10)

b) (5, − 2); (10, 0).
c) (5, − 2); (6, − 10).
d) (5, − 2); (0, − 10).
e) (5, − 2); (6, 10).
06/07/2020 Ead.br
Combinação Linear
Para apresentarmos o conceito de combinação linear, vamos considerar os vetores v 1, v 2, ..., v n que fazem
parte do espaço vetorial V e os escalares a 1, a 2, ..., a n. Podemos escrever um vetor v da forma:
v = a 1v 1 + a 2v 2 + a 3v 3 + … + a nv n
será uma combinação linear dos vetores v 1, v 2, ..., v n.
Exemplo 6) Considere os vetores v 1 = (2, 3, − 1) e v 2 = (0, − 3, 8). Monte uma combinação linear desses
vetores como v = 2v 1 − v 2.
v = 2(2, 3, − 1) − (0, − 3, 8) = (4, 6, − 2) − (0, − 3, 8) = (4, 9, − 10)
Subespaço Vetorial Gerado

Consideramos um espaço vetorial V que contém os vetores v 1, v 2, v 3, …, v n. Se zermos combinações
vetoriais desses vetores, geraremos um conjunto S que será um subespaço vetorial de V. A seguir, colocamos
dois exemplos:
Exemplo 7) Os vetores e 1 = (1, 0) e e 2 = (0, 1) gerarão o espaço vetorial chamado R 2. Isso pode ser veri cado,
pois qualquer par (x, y) será uma combinação linear de e 1 e e 2.
(
(x, y) = a 1e 1 + a 2e 2 = a 1(1, 0) + a 2(0, 1) = a 1, a 2 )
Onde a 1 e a 2 são escalares.
Exemplo 8) Os vetores e 1 = (1, 0, 0), e 2 = (0, 1, 0) e e 3 = (0, 0, 1) gerarão o espaço vetorial chamado R 3. Isso
pode ser veri cado, pois qualquer vetor (x,y,z) será uma combinação linear de e 1, e 2 e e 3.
(
(x, y, z) = a 1e 1 + a 2e 2 + a 3e 3 = a 1(1, 0, 0) + a 2(0, 1, 0) + a 3(0, 0, 1) = a 1, a 2, a 3 )
Em que a 1, a 2 e a 3 são escalares.
Dependência e Independência Linear
06/07/2020 Ead.br
Consideramos um espaço vetorial V e um conjunto de vetores que chamamos A = {v1, v2, v3, …, vn }, que
estão contidos em V. Com base nesses vetores, podemos escrever:
a 1v 1 + a 2v 2 + a 3v 3 + … + a nv n = 0
Uma das possíveis soluções seria a solução trivial \[{{a}_{1}}={{a}_{2}}={{a}_{3}}=\ldots ={{a}_{n}}=0\).
O conjunto de vetores A será linearmente independente (LI), caso a equação acima possua apenas a solução
trivial. Contudo, se existirem soluções que a i ≠ 0, o conjunto de vetores será linearmente dependente.
Nessa situação, podemos de nir o conjunto linearmente independente mais básico de R n, sendo os vetores
unitários canônicos:
e 1 = (1, 0, 0, …, 0), e 2 = (0, 1, 0, …, 0) e e 3 = (0, 0, 1, …, 0, …, 0)…, e n = (0, 0, 0…, 1).
No primeiro módulo, veri camos que em R 3 temos os vetores unitários:
î = (1, 0, 0), ĵ = (0, 1, 0), k̂ = (0, 0, 1)
Para veri car a dependência ou independência linear desses vetores, escrevemos:
a 1î + a 2ĵ + a 3k̂ = 0
A única maneira para que a equação acima seja zero será que a 1 = a 2 = a 3 = 0. Assim, o conjunto de vetores é
LI.
Exemplo 9) Determine se os vetores
v 1 = (1, − 2, 3), v 2 = (5, 6, − 1), v 3 = (3, 2, 1)
são linearmente independentes ou dependentes em R 3.
Primeiramente, escrevemos:
a 1(1, − 2, 3) + a 2(5, 6, − 1) + a 3(3, 2, 1) = 0
Com base nessa equação, encontramos o seguinte sistema:
a 1 + 5a 2 + 3a 3 = 0
− 2a 1 + 6a 2 + 2a 3 = 0
3a 1 − a 2 + a 3 = 0
| |
1 5 3
Calculando o determinante da matriz formada pelos elementos − 2 6 2 = 0.
3 −1 1
Podemos veri car que, com isso, temos um sistema possível e indeterminado, isto é, as soluções possíveis
são in nitas. Dessa forma, os vetores são linearmente dependentes.
Exemplo 10) Determine se os vetores v 1 = (1, 2, 2, − 1), v 2 = (4, 9, 9, − 4), v 3 = (5, 8, 9, − 5) são linearmente
dependentes ou independentes.
Primeiramente, devemos escrever:
a 1(1, 2, 2, − 1) + a 2(4, 9, 9, − 4) + a 3(5, 8, 9, − 5) = (0, 0, 0, 0)
06/07/2020 Ead.br
Com isso, podemos ter o seguinte sistema linear:
a 1 + 4a 2 + 5a 3 = 0
2a 1 + 9a 2 + 8a 3 = 0
2a 1 + 9a 2 + 9a 3 = 0
− a 1 − 4a 2 − 5a 3 = 0
Quando tentamos resolver esse sistema, encontramos que a única solução possível será que a 1 = a 2 = a 3 = 0
. Portanto, o conjunto de vetores acima será linearmente independente.
praticar
Vamos Praticar
Veri camos anteriormente que, para que um conjunto de vetores v 1, v 2, …, v n seja linearmente independente
a 1v 1 + a 2v 2 + a 3v 3 + … + a nv n = 0.
Em que a 1 = a 2 = … = a n = 0, isto é, apenas soluções triviais. Nesse caso, considere que:
I. Os conjuntos de vetores (1,2) e (3,5) são um conjunto linearmente independente.
Porque:
II. A solução do sistema formado por esses vetores somente aceita solução trivial.
Assinale a alternativa que apresenta a correlação correta:
a) A asserção I é uma proposição verdadeira, e a asserção II é uma proposição falsa.

b) As asserções I e II são proposições verdadeiras, mas a II não é uma justi cativa correta da I.
c) A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
d) As asserções I e II são proposições verdadeiras, e a II é uma justi cativa correta da I.
e) As asserções I e II são proposições falsas.
06/07/2020 Ead.br
Dimensão de um Espaço
Vetorial
A dimensão de um espaço vetorial V será de nida pela sua base de vetores. Por exemplo, se V tem uma base
com uma quantidade n vetores. Essa quantidade de nirá a dimensão do espaço vetorial. Exemplos:
1. dim R 2 = 2
2. dim R 3 = 3
3. dim R n = n
4. dim Matriz (2, 2) = 4
5. dim Matriz (m, n) = mxn.
reflita
Re ita
Muitos matemáticos deram importantes contribuições
à Geometria Plana e Espacial. Podemos citar Pitágoras,
Euclides, Arquimedes, dentre outros. Por meio das
obras desses matemáticos, a Matemática deixa seu
aspecto intuitivo e empírico e passa a assumir um
caráter racional, dedutivo e lógico, com de nições,
axiomas, postulados e teoremas.
Fonte: Boyer (2012).
Para ter um entendimento melhor desse conceito, vamos fazer o exemplo a seguir:
Determinar a dimensão e a base do seguinte espaço vetorial.
V= {(x, y, z) ∈ R / x + 2y + z = 0 }
3
Primeiramente, podemos isolar z: x + 2y + z = 0 ⇒ z = − x − 2y
06/07/2020 Ead.br
Também poderíamos ter isolado x ou y
(x, y, z) ∈ S tem a forma (x, y, − x − 2y)
(x, y, z) = (x, 0, − x) + (0, y, − 2y)
(x, y, z) = x(1, 0, − 1) + y(0, 1, − 2)
S = {(1, 0, − 2), (0, 1, − 1)} dimS = 2
Nesse caso, a dimensão do espaço vetorial será igual a 2, com a base dada por (1, 0, − 2), (0, 1, − 1).
praticar
Vamos Praticar
A dimensão de um espaço vetorial dependerá da sua base vetorial. Dessa forma, determine a base e a dimensão do
espaço vetorial descrito a seguir:
S= {(x, y, z, w) ∈ R 4 / x + 2y − z + w = 0 }
a) (1, 0, 0, − 1), (0, 1, 0, − 2) e (0, 0, 1, 1) dim = 3.
b) (1, 0, 0, − 1), e (0, 0, 1, 1) dim = 2.
c) (1, 0, 0, − 1) e (0, 1, 0, − 2) dim = 2.
d) (1, 0, 0, − 1), (0, 1, 0, − 2), (1, 1, 0, − 3) e (0, 0, 1, 1) dim = 4.
e) (1, 0, 0, − 1), (0, 1, 0, − 2) e (1, 1, 0, − 3) dim = 3.
06/07/2020 Ead.br
Transformações Lineares
Transformações lineares são funções da forma w = F(x) cuja variável independente x é um vetor, e a variável
dependente w é também um vetor. Estamos, portanto, interessados em estudar uma classe especial de tais
funções chamadas “Transformações Lineares”. As transformações lineares são fundamentais ao estudo da
álgebra linear e têm muitas aplicações na Física, Engenharia e em muitos ramos da Matemática.
Transformações lineares são dois conjuntos de vetores ligados por meio de um conjunto domínio e um
conjunto imagem por uma lei de formação.
Podemos ter transformações lineares R 2 → R 3, R 3 → R 2, R 3 → R 3
Vamos ver um exemplo de como funciona uma transformação linear
Dado T(x, y) = (2x, y, x + y) calcule T(1, 1)
Essa é uma transformação linear R 2 → R 3
T(1, 1) = (2.1, 1, 1 + 1) T(1, 1) = (2, 1, 2)
Condições necessárias para termos uma transformação linear:
u → T (→
Se → u ) , v → T (→
v ), → v → T (→
u+→ v ), Dado a ∈ Ra. →
u+→ uT (a. →
u)
06/07/2020 Ead.br
T (→ v ) = T (→
u+→ u ) + T (→
v)
T (a. →
u ) = a. T (→
u)
Dada a transformação linear T(x, y) = (3x, − 2y, x − y), os vetores →

u = (2, 1) e →
v = (− 1, 3) e o número real a = 3
, mostre que as duas regras são válidas.
T (→
u ) = T(2, 1) = (3.2, − 2.1, 2 − 1) = (6, − 2, 1)
T (→
v ) = T(− 1, 3) = (3.(− 1), − 2.3, − 1 − 3) = (− 3, − 6, − 4)
→
v = (1, 4) ⇒ T (→
u+→ v ) = (3.1, − 2.4, 1 − 4) = (3, − 8, − 3)
u+→
Propriedade 1
T ( u + v ) = T ( u ) + T ( v ) ⇒ (3, − 8. − 3) = (6, − 2, 1) + (− 3, − 6, − 4) = (3, − 8, − 3)

→ → → →
a. u = 3.(2, 1) = (6, 3) ⇒ T(6, 3) = (3.6, − 2.3, 6 − 3) = (18, − 6, 3)

→
Propriedade 2
T (a. →
u ) = a. T (→
u ) ⇒ (18, − 6, 3) = 3.(6, − 2, 1) = (18, − 6, 3)
saiba mais
Saiba mais
As transformações lineares, no plano, são estudadas com maior
a nco nas disciplinas de Álgebra Linear. Muitas vezes, não
mostram as relações existentes da Álgebra Linear com a
Geometria, fato que faz com que o ensino de tal disciplina se
torne mais abstrata. A proposta deste artigo é explorar
atividades com o uso do WINPLOT, para mostrar as
transformações lineares no plano e os tipos existentes,
objetivando dar um suporte maior para a inserção das
transformações lineares em outros espaços vetoriais e estudar a
Geometria das Transformações. O fato de as transformações
também serem uma função, justi ca ainda mais o uso do
WINPLOT. As atividades sugeridas, que contemplam exemplos
que facilitarão o entendimento das de nições que são
apresentadas, normalmente, na disciplina de Álgebra Linear,
fazendo um elo entre Álgebra e Geometria.
ACESSAR
Matriz de uma transformação linear
Dada a transformação linear T(x, y) = (2x − y, x − 2y, x + 2y).
Como a transformação está no R 2, vamos aplicar a transformação na base canônica.
06/07/2020 Ead.br
Base canônica = {(1, 0), (0, 1)}
T(1, 0) = (2, 1, 1) T(0, 1) = (− 1, − 2, 2)
[ ][ ]
2 −1
x
Matriz = 1 −2 .
y
1 2
praticar
Vamos Praticar
Seja T : R 3 → R 2 uma transformação linear e B = {v1, v2, v3 } uma base do R3, sendo v1 = (0, 1, 0) v2 = (1, 0, 1)
v 3 = (1, 1, 0).
( ) ( ) ( )
Determine T(2, 4, − 1), sabendo que T v 1 = (1, − 2), T v 2 = (3, 1) e T v 3 = (0, 2).
a) T(2, 4, − 1) = (2, 3).

b) T(2, 4, − 1) = (− 2, 3).
c) T(2, 4, − 1) = (2, 4).
d) T(2, 4, − 1) = (− 2, − 3).
e) T(2, 4, − 1) = (3, 2).
06/07/2020 Ead.br
indicações
Material
Complementar
FILME
Estrelas além do tempo (Hidden Figures)

Ano: 2016
Comentário: é história real que você quer? Pois se prepare, porque Estrelas
além do tempo remonta o auge da corrida espacial entre Estados Unidos e
Rússia durante a Guerra Fria. Como pano de fundo, há a segregação racial da
sociedade, que também se re ete na NASA, onde um grupo de funcionárias
negras é obrigada a trabalhar em parte do processo. Nesse grupo, estão
Katherine Johnson, Dorothy Vaughn e Mary Jackson, três matemáticas que,
além de provarem sua competência dia após dia, precisam lidar com o
preconceito, para que consigam ascender na hierarquia da NASA.
Assista ao trailer o cial do lme
TRAILER
06/07/2020 Ead.br
LIVRO
Matemática divertida e curiosa

Malba Tahan
Editora: Editora A liada
ISBN: 978-85-01-10192-1
Comentário: recreações e curiosidades da Matemática, que transformam a

aridez dos números e a exigência de raciocínio numa brincadeira, ao mesmo
tempo útil e recreativa. Eis, em síntese, o que é Matemática Divertida e Curiosa:
o professor Júlio César de Mello e Souza, com o pseudônimo de Malba Tahan,
consegue um verdadeiro milagre: a união da ciência com o lúdico,
transformando sua leitura num agradável passatempo.
06/07/2020 Ead.br
conclusão
Conclusão
Ao término deste capítulo, você terá feito um grande progresso em conceitos de álgebra linear. Estudamos,
inicialmente, o espaço vetorial e o subespaço vetorial, que são conceitos importantes da álgebra linear. Você
também aprendeu o que é uma combinação linear e quando dois ou mais vetores são linearmente
dependentes ou linearmente independentes. O conceito de independência linear é muito importante para
de nir uma base em um espaço ou um subespaço vetorial. Na sequência, vimos a de nição de dimensão de
uma base e concluímos o capítulo falando sobre as transformações lineares.
Você também aprendeu as principais operações vetoriais: soma, produto escalar e produto vetorial. Além
disso, teve um contato com outro importante tópico da Matemática: equações de reta e de plano. Com este
tópico, você aprendeu como se encontra uma equação de reta, conhecendo alguns pontos que pertencem a
essa reta. Esses fundamentos serão aplicados em outras disciplinas, como Cálculo Numérico, Estatística etc.
referências
Referências
Bibliográ cas
ANTON, H. Álgebra linear com aplicações. Porto Alegre: Bookman, 2012.
BOYER, C. B. História da Matemática. Tradução da terceira edição americana. São Paulo: Blucher, 2012.
WINTERLE, P. Vetores e geometria analítica. São Paulo: Pearson Makron Books, 2000.
06/07/2020 Ead.br

Unidade4 - Espaco Vetorial

Enviado por

Direitos autorais:

Formatos disponíveis

Unidade4 - Espaco Vetorial

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Unidade4 - Espaco Vetorial

Enviado por

Direitos autorais:

Formatos disponíveis

06/07/2020 Ead.

ÁLGEBRA LINEAR COMPUTACIONAL

Para iniciarmos, designaremos os vetores ( ) (

1. Se u e v são objetos em V, então u + v é um objeto em V

2. Existe um vetor nulo de V, 0, que 0 + u = u + 0 = u.

a) identi que o conjunto V de objetos que serão os vetores;

b) identi que as operações de adição e multiplicação por escalar;

c) veri que a validade dos Axiomas 1 e 6;

d) con rme que valem os Axiomas 2, 3, 4, 5, 7, 8,9 e 10.

O espaço vetorial nulo.

Primeiramente, já identi camos o conjunto V como apenas constituído do vetor 0.

Agora, temos de identi car as operações de adição e multiplicação por um escalar.

Exemplo 2) O espaço vetorial R n.

Identi camos o conjunto como V = R n. Nesse caso, consideramos (

Exemplo 2) O espaço vetorial das matrizes 2x2

Identi camos o conjunto como as matrizes 2x2:

De nimos as somas das matrizes como:

Agora, devemos veri car que os axiomas 2, 3, 4, 5, 7, 8, 9 e 10.

Assim, as operações não formam um espaço vetorial.

Exemplo 4) O espaço vetorial R 2.

Exemplo 5) O espaço vetorial R 3.

ANTON, H. Álgebra linear com aplicações. Porto Alegre: Bookman, 2012.

a) (5, − 2); (0, 10)

será uma combinação linear dos vetores v 1, v 2, ..., v n.

v = 2(2, 3, − 1) − (0, − 3, 8) = (4, 6, − 2) − (0, − 3, 8) = (4, 9, − 10)

Subespaço Vetorial Gerado

Dependência e Independência Linear

Uma das possíveis soluções seria a solução trivial \[{{a}_{1}}={{a}_{2}}={{a}_{3}}=\ldots ={{a}_{n}}=0\).

e 1 = (1, 0, 0, …, 0), e 2 = (0, 1, 0, …, 0) e e 3 = (0, 0, 1, …, 0, …, 0)…, e n = (0, 0, 0…, 1).

No primeiro módulo, veri camos que em R 3 temos os vetores unitários:

î = (1, 0, 0), ĵ = (0, 1, 0), k̂ = (0, 0, 1)

Para veri car a dependência ou independência linear desses vetores, escrevemos:

a 1î + a 2ĵ + a 3k̂ = 0

Exemplo 9) Determine se os vetores

v 1 = (1, − 2, 3), v 2 = (5, 6, − 1), v 3 = (3, 2, 1)

são linearmente independentes ou dependentes em R 3.

a 1(1, − 2, 3) + a 2(5, 6, − 1) + a 3(3, 2, 1) = 0

Com base nessa equação, encontramos o seguinte sistema:

Primeiramente, devemos escrever:

a 1(1, 2, 2, − 1) + a 2(4, 9, 9, − 4) + a 3(5, 8, 9, − 5) = (0, 0, 0, 0)

Com isso, podemos ter o seguinte sistema linear:

Em que a 1 = a 2 = … = a n = 0, isto é, apenas soluções triviais. Nesse caso, considere que:

I. Os conjuntos de vetores (1,2) e (3,5) são um conjunto linearmente independente.

Assinale a alternativa que apresenta a correlação correta:

a) A asserção I é uma proposição verdadeira, e a asserção II é uma proposição falsa.

Fonte: Boyer (2012).

Determinar a dimensão e a base do seguinte espaço vetorial.

Primeiramente, podemos isolar z: x + 2y + z = 0 ⇒ z = − x − 2y

Também poderíamos ter isolado x ou y

(x, y, z) ∈ S tem a forma (x, y, − x − 2y)

(x, y, z) = (x, 0, − x) + (0, y, − 2y)

(x, y, z) = x(1, 0, − 1) + y(0, 1, − 2)

S = {(1, 0, − 2), (0, 1, − 1)} dimS = 2

Podemos ter transformações lineares R 2 → R 3, R 3 → R 2, R 3 → R 3

Vamos ver um exemplo de como funciona uma transformação linear

Dado T(x, y) = (2x, y, x + y) calcule T(1, 1)

Essa é uma transformação linear R 2 → R 3

T(1, 1) = (2.1, 1, 1 + 1) T(1, 1) = (2, 1, 2)