1

Álgebra Vectorial - Espaços Vectoriais.

Nona aula teórica

2o semestre/2016

Definição 1.0.1. Diz-se que E é um espaço vectorial sobre o corpo K sempre que tenha
um conjunto E de elementos v1 , v2 , v3 , . . . , vn e um corpo K dos elementos α1 , α2 , α3 , . . . , αn ,
e E é definida em relação a adição (+), isto é, ∀u, v, w ∈ E, verifica os seguintes axiomas:

a1 . u + v = v + u(+ é associativa);

a2 . (u + v) + w = u + (v + w) (+ é comutativa);

a3 . ∃0 ∈ E : (u + 0) = 0 + u = u; (elemento neutro de +);

a4 . ∀u, ∃ − u ∈ E : u + (−u) = 0; (elemento oposto de +);

E também estiver definida em relação ao produto (×), isto é, α ∈ Keu ∈ E, associa o

elemento α × u ∈ E (ou simplesmente αu ), verifica os seguintes axiomas:

m1 . α(u + v) = αv + αu (× distribuitiva em relação a +);

m2 . (α + β)u = αu + βu × é distribuitiva em relação à adição +);

m3 . α(βu) = (αβ)u (× é associativa);

m4 . 1.u = u (elemento neutro de ×).

Exemplo 1.0.1. Exemplos de espaços vectoriais:

1. O conjunto Rn ;

2. O conjunto dos segmentos orientados;

3. O conjunto Cn .

1.0.1 Subespaço Vectorial, Combinação linear, subespaço gerado

Definição 1.0.2. Sendo E um espaço vectorial, qualquer conjunto não vazio S ⊂ E que
esja fechado relativamente à soma vectorial e ao produto escalar designa-se por subes-
paço vectorial de E.

Salienta-se que o fecho relativamente à soma vectorial e ao produto escalar implica

que todos os subespaços contêm o vector nulo.

1
Álgebra Linear e Geometria Analítica 2

Definição 1.0.3. Dado um conjunto de vectores V = u1 , u2 , u3 , . . . , unP⊂ E , e um conjunto

de escalares k1 , k2 , k3 , . . . , kn ∈ K o vector u = k1 u1 +k2 u2 +· · ·+kn un = ni=1 ki ui , designa-se
por combinação linear dos vectores de V.
Definição 1.0.4. O conjunto de todas as combinações lineares de um conjunto de vectores
V é um subespaço vectorial de E, e designa-se por subespaço gerado por V.
Exemplo 1.0.2. O polinómio p(x) = x + 2x3 pode ser descrito como uma combinação linear
dos polinómios p0 (x) = 1, p1 (x) = x, p2 (x) = x2 e p3 (x) = x3: p(x) = 0p0 (x) + 1p1 (x) + 0p2 (x) +
2p3 (x) ou simplesmente p(x) = [0 1 0 2].

1.0.2 Dependência e independência linear

Definição 1.0.5. Seja V um espaço vectorial sobre um corpo K. Diz-se que os vectores
v1 , v2 , . . . , vm inV são linearmente dependente sobre K, ou simplesmente dependentes,
se existem escalares α1 , α2 , α3 , . . . , αm ∈ K, nem todos nulos, tais que α1 v1 + α2 v2 + · · · +
αm vm = 0. O conjunto de vectores v1 , v2 . . . , vm ∈ V são linearmente independente se a
equação α1 v1 + α2 v2 + · · · + αm vm = 0, só possui a solução trivial α1 = α= . . . = αm = 0, Ou
seja, nenhum vector pode ser expresso como combinação linear dos restantes.
Lema 1.0.0.0.1. Os vectores não nulos v1 , v2 , v3 , . . . , vm são linearmente dependentes se,
e somente se, um deles é combinação linear dos vectores precedentes:

vi = k1 v1 + k2 v2 + · · · + ki−1 vi−1 (i ≥ 2)

Preposição 1.0.1. Sobre a dependência de vectores, temos as seguintes propriedades:

1. Se um vector v pode se escrever como combinação linear dos vectores u1 , u2 , u3 de
duas formas diferentes, então u1 , u2 , u3 são linearmente dependentes;

2. Um conjunto de vectores de R3 com quatro ou mais vectores é linearmente depen-

dente;

3. Um conjunto de vectores de R2 com três ou mais vectores é linearmente dependente.

1.0.3 Bases e dimensão

Definição 1.0.6. Diz-se que um espaço vectorial V é de dimensão finita ou é n-dimensional,
e secreve-se dimV = n, se existem vectores linearmente independentes e1 , e2 , . . . , en que
geram V. A sequência e1 , e2 , . . . , en é então chamada de base de V.
Teorema 1.0.1. Seja V um espaço vectorial de dimensão finita. Então, todas as bases
de V tem o mesmo número de elementos.
Um espaço vectorial pode ter um número infinito de vectores linearmente indepen-
dentes, como é o caso da maioria dos espaços de funções dizendo-se então um espaço
de dimensão infinita.
Preposição 1.0.2. Sobre as bases, verificam-se as seguintes propriedades:
1. Uma base de R2 sempre têm dois vectores;

2. Uma base de R4 sempre têm três vectores;

3. Uma base de um plano de R3 (contenha a origem) sempre têm dois vectores;

4. Uma base de R3 ou R2 (contenha a origem) sempre tem um vector;

5. Dois vectores linearmente independentes de R2 formam uma base de R2 ;

Álgebra Linear e Geometria Analítica 3

6. Três vectores linearmente independentes de R3 formam uma base de R3 ;

Exemplo 1.0.3. Observemos os seguintes exemplos:

   
1 0
1. Os vectores e são linearmente independentes, enquanto que os vectores
3 1
   
1 2
e são linermente dependentes.
3 6

2. Qualquer conjunto de vectores que contenha o vector nulo é linermente dependente;

3. Subconjunto de conjuntos linearmente independentes são linearmente independen-

tes, e portanto um conjunto que contenha um subconjunto linearmente dependente é
também dependente.

4. O conjunto de vectores V = 3x2 , 1 − x + 2x2 , 2 − 2x + x2 ⊂ P 2 é linermente dependente,

dado que 3x2 = 2(1 − x + 2x2 ) − (2 − 2x + x2 )

5. O conjunto de vectores P = 1, x, x2 , x3 é linearmente independente. Nenhum dos

seus vectores pode ser expresso como combinação linear dos outros.

6. O conjunto de vectores V = sin2 (x), cos2 (x), cos(2x) é linermente dependente, dado
que, cos(2x) = cos2 (x) − sin2 (x).