Capítulo II

ESPAÇOS VECTORIAIS

Digitally signed by Maria

Alzira Pimenta Dinis
DN: cn=Maria Alzira
Pimenta Dinis,
o=Universidade Fernando
Pessoa, ou=CIAGEB,
email=madinis@ufp.pt,
c=PT
Reason: I am the author of
this document
Date: 2008.01.23 11:59:14 Z
 Capítulo II – Espaços Vectoriais

Capítulo II

Consideremos um conjunto K no qual estão definidas, pelo menos, duas operações: a

aditiva e a multiplicativa, simbolizadas, respectivamente, por + e × . O conjunto K
será um corpo se:
1. ∀a, b ∈ K , a + b ∈ K
2. a + b = b + a comutatividade
3. (a + b ) + c = a + (b + c ) associatividade
4. a + 0 = 0 + a = a 0 é o elemento nulo de K (zero)
5. ∀a, b ∈ K , ∃a ′ ∈ K : a + a ′ = a ′ + a = 0 a ′ é o elemento oposto de a
6. ∀a, b ∈ K , a × b ∈ K
7. a × b = b × a comutatividade
8. (a × b ) × c = a × (b × c ) associatividade
9. a × 1 = 1 × a = a 1 é o elemento unidade de K
10. ∀a, b ≠ 0 ∈ K , a × b −1 ∈ K ( b −1 é o inverso de b , isto é b × b −1 = b −1 × b = 1 )
11. (a × b ) × c = (a × c ) + (b × c ) distributividade
Facilmente se concluiria que o conjunto ℜ dos números reais – e também os
conjuntos Q dos números racionais e C dos números complexos – é um corpo. Neste
caso as operações + e × são respectivamente, as adição e multiplicação aritméticas.
1
O oposto de a é a ′ = − a e o inverso de b é b −1 = .
b

Definição – Dado o conjunto V = {v 1 , v 2 , …} e o corpo ℜ = {α 1 , α 2 , …} diz-se que V

é um espaço vectorial sobre o corpo ℜ se:
A0= ∀v i , v j ∈ V, v i + v j ∈ V

A1= vi + v j = v j + vi

A2= (v i + v j ) + v k = v i + (v j + v k )

A3= vi + 0 = 0 + vi = vi (0 – elemento nulo de V )

A4= ∀v i , ∃v ′i ∈ V : v i + v ′i = v ′i + v i = 0 ( v ′i - elemento oposto de v i )

Prof. Alzira Dinis

18
 Capítulo II – Espaços Vectoriais

B0= ∀α i ∈ ℜ e ∀v j ∈ V, α i v j ∈ V

B1= α i (v j + v k ) = α i v j + α i v k

B2= (α + α )v = α v + α
i j k i k j vk

B3= (α α )v = α (α v )
i j k i j k

B4= 1v i = v i
Um dos conjuntos, já conhecidos, onde todos estes axiomas são satisfeitos é o
conjunto dos vectores livres – quer no plano, quer no espaço. Daí que os elementos de
qualquer espaço vectorial sejam designados por vectores – aos elementos do corpo
chamamos escalares.

Exemplo – O conjunto M m,n das matrizes do tipo m × n é um espaço vectorial sobre

o corpo ℜ . Com efeito:

• Sendo A e B ∈ M m ,n também A + B ∈ M m ,n por definição de adição de matrizes.

• Como se viu, a adição de matrizes é comutativa - A + B = B + A - e

associativa - (A + B ) + C = A + (B + C) .
• O elemento nulo de M m ,n é a matriz nula – que é representada por 0.

• ∀A ∈ M m ,n , ∃A ′ ∈ M m ,n : A + A ′ = A ′ + A = 0

Sendo aij ( i = 1,2,… , m ; j = 1,2, …, n ) os elementos de A , os elementos de A ′

serão − aij , os opostos de aij .

• Vimos, também, que ∀α ∈ ℜ e ∀A ∈ M m ,n , também αA ∈ M m ,n .

• α (A + B ) = αA + αB como a seguir se demonstra:

⎛ ⎛ a11 a1n ⎞ ⎛ b11 b1n ⎞ ⎞ ⎛ a11 + b11 a1n + b1n ⎞

⎜⎜ ⎟ ⎜ ⎟⎟ ⎜ ⎟
α⎜⎜ ⋅ ⋅ ⎟+⎜ ⋅ ⋅ ⎟⎟ = α⎜ ⋅ ⋅ ⎟=
⎜⎜ a a mn ⎟⎠ ⎜⎝ bm1 ⎟ ⎟ ⎜ a mn + bmn ⎟⎠
⎝ ⎝ m1 bmn ⎠ ⎠ ⎝ a m1 + bm1

⎛ αa11 + αb11 αa1n + αb1n ⎞ ⎛ αa11 αa1n ⎞ ⎛ αb11 αb1n ⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟
=⎜ ⋅ ⋅ ⎟=⎜ ⋅ ⋅ ⎟+⎜ ⋅ ⋅ ⎟=
⎜αa + vb αa mn + αbmn ⎟⎠ ⎜⎝αa m1 αa mn ⎟⎠ ⎜⎝αbm1 αbmn ⎟⎠
⎝ m1 m1

⎛ a11 a1n ⎞ ⎛ b11 b1n ⎞

⎜ ⎟ ⎜ ⎟
α⎜ ⋅ ⋅ ⎟ + α⎜ ⋅ ⋅ ⎟.
⎜a a mn ⎟⎠ ⎜b bmn ⎟⎠
⎝ m1 ⎝ m1

Prof. Alzira Dinis

19
 Capítulo II – Espaços Vectoriais

• (α + β )A = αA + βA e (αβ )A = α (βA ) (as demonstrações dos axiomas são

análogas às anteriores)
• IA = A como é evidente.

Propriedades Elementares dos Espaços Vectoriais.

As propriedades dos espaços vectoriais demonstram-se a partir dos 8 axiomas que

constituem a sua definição:
1ª. - Em qualquer espaço vectorial existe um só elemento nulo.
2ª. - Em qualquer espaço vectorial cada elemento tem um só oposto.
3ª. - ∀v ∈ V,0 v = 0 (veja-se que o zero do 1º membro ∈ ℜ e o do 2º
membro ∈ V )
4ª. - ∀α ∈ ℜ, α 0 = 0 (ambos os zeros pertencem a V )
5ª. - ∀v ∈ V ,− v = (− 1)v

6ª. - ∀α ∈ ℜ e ∀v ∈ V , (− α )v = −(αv ) = α (− v )
7ª. - ∀α ≠ 0 ∈ ℜ e ∀u, v ∈ V, αu = αv ⇒ u = v
8ª. - αv = 0 ⇒ α = 0 ou v = 0
9ª. - αv = βv ⇒ α = β ou v = 0

Produto Cartesiano. O Espaço Vectorial ℜ n .

Sejam os conjuntos A = (a1 , a 2 , …) e B = (b1 , b2 , …) . Chama-se produto cartesiano de

A e B ( A × B ) ao conjunto A × B = {(ai , b j ) : ai ∈ A e b j ∈ B}. Se B = A tem-se o

produto cartesiano A × A ou, como é normalmente representado, A 2 sendo este

representado por A 2 = {(ai , b j ) : ai , b j ∈ A}. Generalizando teremos então

{( 2 n
)
A n = ai , ai ,…, ai : ai , ai ,…, ai ∈ A .
1 1 2 n
}

Exemplo – Sejam A = {2,5} e B = {2,4,6} , A × B = {(2,2 ), (2,4 ), (2,6), (5,2), (5,4), (5,6)} ,

B × A = {(2,4 ), (2,5), (4,2 ), (4,5), (6,2 ), (6,5)} , A 2 = {(2,2 ), (2,5), (5,2 ), (5,5)} . Note-se que
o número de elementos de A × B é igual ao produto do número de elementos de A
pelo número de elementos de B .

Prof. Alzira Dinis

20
 Capítulo II – Espaços Vectoriais

Prova-se que o conjunto ℜ n - ℜ é o conjunto dos números reais – é um espaço

vectorial, desde que estejam definidas as operações: (a1 , a 2 , …, a n ) + (b1 , b2 , …, bn ) =

= (a1 + b1 , a 2 + b2 , … , a n + bn ) e α (a1 , a 2 ,… , a n ) = (αa1 ,αa 2 ,… ,αa n ) com

α , a1 , a 2 ,… , a n , b1 , b2 ,… , bn ∈ ℜ e (a1 , a 2 ,… , a n ), (b1 , b2 ,… , bn ) ∈ ℜ n .

Muitos dos conjuntos já conhecidos podem ser considerados conjuntos ℜ n . Vejamos

alguns:
¾ O conjunto dos números complexos, C = {a + bi : a, b ∈ ℜ} ,

¾ o conjunto dos polinómios de grau menor ou igual a 1, P1 = {ax + b : a, b ∈ ℜ} ,

e
⎧⎡a ⎤ ⎫
¾ o conjunto das matrizes do tipo 2 × 1 , M 21 = ⎨⎢ ⎥ : a, b ∈ ℜ⎬ ,
⎩ ⎣b ⎦ ⎭
por exemplo, são conjuntos ℜ 2 . Com efeito vejamos o que sucede com P1 , já que
com C e M 21 se poderão tecer considerações análogas. Sendo p e p ′′ elementos de
P1 , com p ′ = a ′x + b ′ e p ′′ = a ′′x + b ′′ fácil é verificar que p ′ + p ′′ =
= (a ′ + a ′′)x + (b ′ + b ′′) e αp ′ = (αa ′)x + (αb ′) . Os mesmos resultados se podem obter
com o mesmo procedimento: (a ′x + b′) + (a ′′x + b′′) = (a ′, b′) + (a ′′, b′′) =
= (a ′ + a ′′, b ′ + b ′′) = (a ′ + a ′′)x + (b ′ + b ′′) e α (a ′x + b ′) = α (a ′, b ′) = (αa ′, αb′) =
= (αa ′)x + (αb ′) .
Vejamos mais alguns conjuntos:
¾ O conjunto dos polinómios de graus menor ou igual a 2,
P2 = {ax 2 + bx + c : a, b, c ∈ ℜ},
¾ o conjunto dos vectores do espaço, V3 = {u = (a, b, c ) : a, b, c ∈ ℜ} ,

e
¾ o conjunto das matrizes do tipo 1 × 3 , M 13 = {[a b c ] : a, b, c ∈ ℜ} ,

são exemplos de conjuntos ℜ 3 .

¾ O conjunto dos polinómios de grau menor ou igual a 3,
P3 = {ax 3 + bx 2 + cx + d : a, b, c, d ∈ ℜ},

e
⎧⎡a b ⎤ ⎫
¾ o conjunto das matrizes quadradas de 2ª ordem, M 2 = ⎨⎢ ⎥ : a , b, c , d ∈ ℜ ⎬ ,
⎩⎣ c d ⎦ ⎭

Prof. Alzira Dinis

21
 Capítulo II – Espaços Vectoriais

são conjuntos ℜ 4 .

Sub-espaços Vectoriais.

Seja V um espaço vectorial sobre ℜ e A ⊂ V . Diz-se que A é um sub-espaço

vectorial de V se:
1. ∀a, b ∈ A, a + b ∈ A
2. ∀α ∈ ℜ e ∀a ∈ A,αa ∈ A

Exemplo – Verificar se os conjuntos A = {(a, b, a + b ) : a, b ∈ ℜ} e

X = {( x, y , z ) : x + y + z = 1} são sub-espaços de ℜ 3 .

Note-se que tanto o conjunto A como o conjunto X estão contidos em ℜ 3 , já que

qualquer elemento de cada um destes conjuntos é também elemento de ℜ 3 . Teremos
de verificar se as condições que definem sub-espaço vectorial são aqui satisfeitas.
Comecemos com o conjunto A e tomemos dois elementos genéricos deste conjunto:
(a1 , b1 , a1 + b1 ), (a 2 , b2 , a 2 + b2 ) :
1. (a1 , b1 , a1 + b1 ) + (a 2 , b2 , a 2 + b2 ) = (a1 + a 2 , b1 + b2 , (a1 + b1 ) + (a 2 + b2 )) ,
o elemento obtido pertence também a A já que satisfaz a definição de elemento
deste conjunto – cada elemento de A é constituido por três números reais, o
terceiro sendo a soma dos primeiros.
2. α (a1 , b1 , a1 + b1 ) = (αa1 , αb1 ,αa1 + αb1 ) ,
também este elemento pertence a A pelas razões invocadas em 1.. O conjunto A
é, portanto, um sub-espaço de ℜ 3 . Passemos ao conjunto X . Como os três
números reais que definem os elementos deste conjunto estão interligados pela
relação x + y + z = 1 , ou seja, z = 1 − x − y , o conjunto pode ser descrito da
seguinte forma: X = {( x, y ,1 − x − y ) : x, y ∈ ℜ} . Procedendo como no exemplo
anterior, teríamos assim ( x1 , y1 ,1 − x1 + y1 ) + ( x2 , y 2 ,1 − x2 + y 2 ) =
= ( x1 + x 2 , y1 + y 2 ,2 − ( x1 + x 2 ) − ( y1 + y 2 )) o que nos leva a concluir que o
elemento obtido não pertence a X , pois o terceiro número que o constitui não é

Prof. Alzira Dinis

22
 Capítulo II – Espaços Vectoriais

igual a 1 − ( x1 + x 2 ) − ( y1 + y 2 ) . O conjunto X não é, portanto, um sub-espaço de

ℜ3 .

Combinação Linear de Vectores. Geradores de um Espaço Vectorial.

Dizemos que um vector v ∈ V é combinação linear dos vectores v 1 , v 2 , … , v k ∈ V

se existirem os escalares α 1 , α 2 , … , α k ∈ ℜ - coeficientes da combinação linear – tais

que v = α 1 v 1 + α 2 v 2 + … + α k v k .

Exemplo – O vector v = (6 , − 5,3) de ℜ 3 é combinação linear dos vectores

v 1 = (1,0,0 ) , v 2 = (0,1,0 ) , v 3 = (0,0,1) . Com efeito, bastará tomar α 1 = 6 , α 2 = −5 ,

α 3 = 3 para que se possa escrever v = 6 v 1 − 5v 2 + 3v 3 . É evidente que qualquer

vector v ∈ ℜ3 é combinação linear daqueles três vectores, pois

v = ( x,y,z ) = x(1,0,0 ) + y (0,1,0 ) + z (0,0,1) = xv 1 + yv 2 + zv 3 ( α 1 = x , α 2 = y , α 3 = z ).

Diremos que os vectores v 1 , v 2 , … , v k ∈ V geram – ou são geradores – do espaço

vectorial V se qualquer vector deste espaço vectorial for combinação linear daqueles
k vectores, isto é, se ∀v ∈ V, ∃α 1 , α 2 , … , α k ∈ ℜ : v = α 1 v 1 + α 2 v 2 + … + α k v k .

Como se conclui do exemplo anterior os vectores (1,0,0) , (0,1,0 ) e (0,0,1) geram ℜ 3 .

Exemplo – Verificar se os vectores v 1 = (2,1,−1) , v 2 = (− 2,1,0 ) , v 3 = (2,3,−2 ) geram

ℜ3 .

Tomemos o vector genérico v = ( x,y,z ) e façamos (x,y,z ) =

= α 1 (2,1,−1) + α 2 (− 2,1,0 ) + α 3 (2,3,−2 ) . Verifiquemos se quaisquer que sejam x, y, z

existem sempre escalares α 1 , α 2 ,α 3 tais que a relação anterior seja verdadeira.

Obtemos: ( x, y, z ) = (2α 1 − 2α 2 + 2α 3 ,α1 + α 2 + 3α 3 ,−α1 − 2α 3 ) , ou seja,

⎧ 2α 1 − 2α 2 + 2α 3 = x ⎛ 2 −2 2 x⎞
⎪ ⎜ ⎟
⎨ α 1 + α 2 + 3α 3 = y . Resolvamos o sistema: ⎜1 1 3 y⎟ →
⎪− α − α3 = z ⎜−1 0 − 2 z ⎟⎠
⎩ 1 ⎝

Prof. Alzira Dinis

23
 Capítulo II – Espaços Vectoriais

⎛1 1 3 y⎞ ⎛1 1 3 y ⎞ ⎛1 1 3 y ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
→⎜ 2 −2 2 x ⎟ → ⎜0 − 4 − 4 x − 2y⎟ → ⎜0 − 4 − 4 x − 2y ⎟ .
⎜−1 0 − 2 z ⎟⎠ ⎜⎝ 0 1 z + y ⎟⎠ ⎜⎝ 0 0 0 z + 2 y + 4 z ⎟⎠
⎝ 1

Conclui-se que o sistema só é possível para x + 2 y + 4 z = 0 , caso contrário não

existirão α 1 ,α 2 , α 3 que satisfaçam o sistema e consequentemente a relação ( x,y,z ) =

= α 1 (2,1,−1) + α 2 (− 2,1,0 ) + α 3 (2,3,−2 ) . Nem todos os vectores de ℜ 3 são, portanto,

combinação linear dos vectores dados. Estes não geram ℜ 3 .

Dependência e Independência Lineares.

Diz-se que os vectores v 1 , v 2 , … , v k ∈ V são linearmente independentes se

α1 v1 + α 2 v 2 + … + α k v k = 0 ⇒ α1 = α 2 = = α k = 0 . Se esta igualdade subsistir

para α 1 , α 2 ,… , α k não todos nulos, os vectores serão linearmente dependentes.

Exemplo – Os vectores v 1 = (1,0,0 ) , v 2 = (0,1,0 ) , v 3 = (0,0,1) são linearmente

α 1 (1,0,0) + α 2 (0,1,0) + α 3 (0,0,1) = (0,0,0)

independentes. Para o verificar escreve-se .
↑ ⇑ ↑↑↑

↓ ⇓ ↓↓↓

⎛1 0 0 0⎞
Então ⎜ ⎟ .
⎜ 0 1 0 0 ⎟ ⇔ α 1 = 0, α 2 = 0, α 3 = 0
⎜ 0 0 1 0⎟
⎝ ⎠

Teorema – Os vectores v 1 , v 2 , … , v k ∈ V são linearmente dependentes, se e só se um

deles for combinação linear de todos os outros.

Demonstração – Se v 1 , v 2 , …, v k são linearmente dependentes, então, a relação

α 1 v 1 + α 2 v 2 + … + α k v k = 0 é possível, também, para α 1 ,α 2 ,… ,α k não todos nulos.

Supondo que se poderá considerar α i ≠ 0 . Neste caso, a partir da equação anterior

podemos obter sucessivamente: α i v i = −α 1 v1 − α 2 v 2 − − α i −1 v i −1 − α i +1 v i +1 −

⎛ α ⎞ ⎛ α ⎞ ⎛ α ⎞ ⎛ α ⎞
− −αk vk , v i = ⎜⎜ − 1 ⎟⎟ v 1 + ⎜⎜ − 2 ⎟⎟ v 2 + + ⎜⎜ − i −1 ⎟⎟ v i −1 + ⎜⎜ − i +1 ⎟⎟ v i +1 + +
⎝ αi ⎠ ⎝ αi ⎠ ⎝ αi ⎠ ⎝ αi ⎠

Prof. Alzira Dinis

24
 Capítulo II – Espaços Vectoriais

⎛ α ⎞ α α α i −1 α i +1 αk
+ ⎜⎜ − k ⎟⎟ v k . Como α i ≠ 0 , − 1 ,− 2 , ,− ,− , ,− são números reais
⎝ αi ⎠ αi αi αi αi αi

e, daí, o vector v i ser combinação linear de todos os outros. Reciprocamente, se v

for combinação linear dos vectores v 1 , v 2 , … , v k , sabe-se que ∃α 1 , α 2 , … , α k ∈ ℜ tais

que v = α 1 v 1 + α 2 v 2 + … + α k v k . Adicionando a ambos os membros desta igualdade

o opsoto de v , obtém-se v + (− v ) = 0 = α 1 v 1 + α 2 v 2 + … + α k v k + (− v ) o que prova

que estes k + 1 vectores são linearmente dependentes já que aquela igualdade é

possível existindo um coeficiente não nulo: o último coeficiente é igual a (− 1) .

Teorema – Se os vectores v 1 , v 2 , … , v k são linearmente independentes e se v não é

combinação linear de v 1 , v 2 , … , v k , então v 1 , v 2 , …, v k , v são, também, linearmente

independentes. Este teorema pode ser demonstrado pelo método de redução ao

absurdo.

Demonstração – Suponhamos que v 1 , v 2 , … , v k são linearmente dependentes. Então a

relação α 1 v 1 + α 2 v 2 + … + α k v k + αv = 0 seria possível para α 1 , α 2 , … , α k , α não

todos nulos. É evidente que α tem que ser um destes porque se tal não acontecesse,
αv = 0 e a relação anterior reduzir-se-ia a α 1 v 1 + α 2 v 2 + … + α k v k = 0 mantendo a
condição de α 1 , α 2 , … , α k não serem todos nulos. Isto vai contra uma das hipóteses do

teorema, a qual diz que v 1 , v 2 , … , v k são linearmente independentes. Se, pelo

contrário, puder ser α ≠ 0 , a relação α 1 v 1 + α 2 v 2 + … + α k v k + αv = 0 leva,

⎛ α ⎞ ⎛ α ⎞
sucessivamente, a αv = −α 1 v 1 − α 2 v 2 − − α k v k , v = ⎜ − 1 ⎟ v1 + ⎜ − 2 ⎟ v 2 + +
⎝ α ⎠ ⎝ α ⎠

⎛ α ⎞
+ ⎜ − k ⎟ v k donde concluir-se-ia que v era combinaçãolinear de v 1 , v 2 , … , v k o que
⎝ α ⎠
contradiz a outra hipótese. Os vectores v 1 , v 2 , …, v k , v não podem ser linearmente

dependentes mas sim independentes.

Prof. Alzira Dinis

25
 Capítulo II – Espaços Vectoriais

Base e Dimensão.

Os vectores v 1 , v 2 , … , v k ∈ V formam uma base do espaço vectorial V se:

B1 - gerarem V ,
B2 - forem linearmente independentes.
Os vectores (1,0,0 ), (0,1,0 ), (0,0,1) que geram V - qualquer vector de V pode ser
escrito como combinação linear destes – e são linearmente independentes como se
viu, formam uma base de ℜ 3 . É a chamada base canónica de ℜ 3 . Do mesmo modo
{(1,0), (0,1)} é a base canónica de ℜ 2 . {(1,0,0,0), (0,1,0,0), (0,1,0,0), (0,0,0,1)} é a base

canónica de ℜ 4 , etc.

Exemplo – Verificar se os vectores (1,2,1), (− 1,−1,0 ), (3,1,−1) formam uma base de ℜ 3 .

B1 - Os vectores dados devem gerar ℜ 3 , isto é, qualquer que seja ( x, y, z ) ∈ ℜ 3

devem existir α1 ,α 2 ,α 3 ∈ ℜ , tais que a relação (x,y,z ) =
= α 1 (1,2,1) + α 2 (− 1,−1,0 ) + α 3 (3,1,−1) se verifique, o que equivale a

⎧ α 1 − α 2 + 3α 3 = x ⎛1 −1 − 3 x ⎞
⎪ ⎜ ⎟
⎨ 2α 1 − α 2 + α 3 = y . Resolvendo a equação: ⎜2 −1 1 y⎟ →
⎪ α − α3 = z ⎜1 0 −1 z ⎟
⎩ 1 ⎝ ⎠

⎛1 −1 − 3 x ⎞ ⎛1 −1 − 3 x ⎞
⎜ ⎟ ⎜ ⎟
→ ⎜0 1 − 5 y − 2 x ⎟ → ⎜ 0 1 − 5 y − 2 x ⎟ . O sistema é sempre
⎜0 0 − 4 z − x ⎟⎠ ⎜⎝ 0 0 1 x − y + z ⎟⎠
⎝
possível, quaisquer que sejam x, y, z , o que significa que existem sempre
α 1 ,α 2 ,α 3 que satisfazem a relação.
B2 - Os vectores são linearmente independentes. Na verdade, a igualdade:
α 1 (1,2,1) + α 2 (− 1,−1,0) + α 3 (3,1,−1) = (0,0,0) permite obter o sistema

⎧ α 1 − α 2 + 3α 3 = 0
⎪
⎨ 2 α 1 − α 2 + α 3 = 0 que só difere nos termos independentes, agora todos
⎪ α − α3 = 0
⎩ 1
nulos. A condensação da matriz, à semelhança da anterior, resulta na matriz

Prof. Alzira Dinis

26
 Capítulo II – Espaços Vectoriais

⎛1 −1 − 3 0⎞
⎜ ⎟
⎜ 0 1 − 5 0 ⎟ o que prova que o sistema é possível e determinado,
⎜0 0 1 0 ⎟⎠
⎝
existindo apenas a solução nula: α 1 = 0 , α 2 = 0 , α 3 = 0 . Assim, os três

vectores são linearmente independentes e, atendendo, também a B1, formam

uma base de ℜ 3 .

Teorema – Todas as bases de um dado espaço vectorial têm o mesmo número de

elementos.

Demonstração – Consideremos duas bases de um dado espaço vectorial e vamos

supor que o número de vectores de cada uma delas é, respectivamente, n e m , com
n ≠ m . Admitamos que n > m . Representemos a primeira base por {v 1 , v 2 , …, v n } e

a segunda por {u1 , u 2 , … , u m } . Como qualquer vector de um espaço vectorial V é

combinação linear dos vectores de uma qualquer base de V - por definição de

v 1 = a11u1 + a 21u 2 + + a m1u m
v 2 = a12 u1 + a 22 u 2 + + am2u m
base – podemos escrever: sendo aij ( i = 1,2, … , m ;
⋅ ⋅ ⋅ ⋅
v n = a1n u1 + a 2 n u 2 + + a mn u m
j = 1,2,…, n ) os coeficientes das n combinações lineares.
Façamos agora α 1 v 1 + α 2 v 2 + … + α n v n = 0 se v 1 , v 2 , … , v n formam uma base de

V , têm que ser linearmente independentes, o que não acontece. Vejamos, das
igualdades anteriores obtém-se: α 1 (a11u1 + a 21u 2 + + a m1u m ) +

+ α 2 (a12 u1 + a 22 u 2 + + am2u m ) + + α n (a1n u1 + a 2 n u 2 + + a mn u m ) = 0 , isto é:

tem-se assim (α 1a11 + α 2 a12 + + α n a1n )u1 + (α 1 a 21 + α 2 a 22 + + α n a 2 n )u 2 + +

+ (α 1 a m1 + α 2 a m 2 + + α n a mn )u m = 0 . Como u1 , u 2 , … , u m formam uma base de V

⎧a11α 1 + a12α 1 + + a1nα n = 0

⎪a α + a α + + a α = 0
⎪
eles são linearmente independentes e, daí, temos: ⎨ 21 1 22 2 2n n
.
⎪ ⋅ ⋅ ⋅
⎪⎩a m1α 1 + a m 2α 2 + + a mnα n = 0

Um sistema homogéneo - termos independentes todos nulos – é sempre possível, mas

neste caso é indeterminado, pois tendo nós admitido no início ser n > m , o número de

Prof. Alzira Dinis

27
 Capítulo II – Espaços Vectoriais

colunas é maior que o número de linhas e há incógnitas definidas à custa de outras

não determinadas.

⎛1 1 1 1 0⎞ z + t = 0 ⇔ z = −t
⎜ ⎟
Exemplo - ⎜ 0 1 1 1 0 ⎟ . Então y + z + t = 0 ⇔ y = − z − t = −(− t ) − t = 0 .
⎜0 0 1 1 0⎟ x+ y+ z+t = 0 ⇔ x+0 = 0 ⇔ x = 0
⎝ ⎠

Significa então que além da solução nula, α 1 = α 2 = = α n = 0 , existem também

soluções não nulas o que prova que a relação α 1 v 1 + α 2 v 2 + … + α n v n = 0 é

verdadeira para α 1 , α 2 ,… , α n não todos nulos. Os vectores u1 , u 2 , … , u m não são

linearmente independentes e, por isso, não formam uma base de V . Se m > n ,

far-se-ia uma demonstração análoga, só que representaríamos os vectores
u1 , u 2 , … , u m como combinação linear de v 1 , v 2 , … , v n - admitindo que estes

vectores formavam uma base de V . Sendo assim, nem podemos ter m > n , nem
m < n . As duas bases terão o mesmo número de vectores.

Chama-se dimensão de um espaço vectorial V ao número de vectores de uma base

qualquer de V . Se este número é igual a n , escreve-se dim V = n .
Como os vectores (1,0,0 ), (0,1,0 ), (0,0,1) formam uma base de ℜ 3 , qualquer base de

ℜ 3 terá sempre três vectores, e dim ℜ 3 = 3 .

Construção de Uma Base.

A construção de uma base pode fazer-se vector a vector, atendendo ao penúltimo

teorema e a que qualquer vector não nulo é linearmente independente → se u ≠ 0 ,
αv = 0 ⇒ α = 0 , pela oitava propriedade dos espaços vectoriais.

Exemplo – Construa uma base do espaço vectorial V = {( x, y, x + y ) : x, y ∈ ℜ} .

Qualquer vector não nulo de V , por exemplo (1,0,1) satisfaz a 2ª condição de

definição de base. Vejamos agora se verifica a 1ª condição, isto é, se gera V . Para

Prof. Alzira Dinis

28
 Capítulo II – Espaços Vectoriais

isso, quaisquer que fossem x, y , deveria existir um α 1 ∈ ℜ , tal que

⎧α 1 = x
( x, y, x + y ) = α 1 (1,0,1) , ou seja: ⎪⎨0 = y . É evidente que não há qualquer α 1 que
⎪α = x + y
⎩ 1
satisfaça o sistema anterior quando o vector ( x, y, x + y ) ∈ V é tal que y ≠ 0 . Assim,
nem todos os vectores de V são combinação linear de (1,0,1) e, portanto, este vector
não constitui uma base de V . Um dos vectores que não é combinação linear de (1,0,1)
é, por exemplo, (0,1,1) → y = 1 ≠ 0 . Pelo penúltimo teorema podemos concluir que
estes dois vectores são linearmente independentes, satisfazendo assim a 2ª condição
da definição de base. Vejamos se também satisfazem a 1ª:
⎧α 1 = x ⎛1 0 x ⎞
⎪ ⎜ ⎟
( x, y, x + y ) = α 1 (1,0,1) + α 2 (0,1,1) e assim ⎨α 2 = y ⇔ ⎜0 1 y ⎟→
⎪α + α = x + y ⎜1 1 x + y ⎟
⎩ 1 2 ⎝ ⎠

⎛1 0 x ⎞ ⎛1 0 x ⎞
⎜ ⎟ ⎜ ⎟
→ ⎜0 1 y ⎟ → ⎜ 0 1 y ⎟ . O sistema é sempre possível e determinado. Sendo
⎜0 1 y ⎟⎠ ⎜⎝ 0 0 0 ⎟⎠
⎝
assim ∀x, y ∈ ℜ, ∃α 1 , α 2 ∈ ℜ , pois ( x, y, x + y ) = x(1,0,1) + y(0,1,1) tais que
( x, y, x + y ) = α 1 (1,0,1) + α 2 (0,1,1) . Os dois vectores geram V e como, além disso, são
linearmente independentes, formam uma base de V .

Prof. Alzira Dinis

29