Álgebra Linear - Combinação linear

Combinação Linear Podemos verificar que este sistema não possui solução.
Portanto, v não é uma combinação linear de v1 e v2
Sejam os vetores v1 , v2 , ..., vn do espaço vetorial V e os escalares
a1 , a2 , ..., an . Qualquer vetor v ∈ V da forma:
Subespaços Gerados
v = a1 v1 + a2 v2 + ... + an vn ,

é uma combinação linear dos vetores v1 , v2 , ..., vn .
Exemplo 1
Seja P2 o espaço vetorial dos polinômios com grau
menor ou igual a dois, mostre que o polinômio v =
8x2 − 5x + 8 é uma combinação linear dos polinômios
v1 = 3x2 − x + 2 e v2 = −2x2 + 3x − 4.
Para que v seja uma combinação linear de v1 e v2 temos
que v = a1 v1 + a2 v2 . Isto significa que:
8x2 − 5x + 8 = (3a1 x2 − a1 x + 2a1 ) + (−2a2 x2 + 3a2 x − 4a2 )
= (3a1 − 2a2 )x2 + (−a1 + 3a2 )x + (2a1 − 4a2 )
Seja V um espaço vetorial. Consideremos um subconjunto A =
{v1 , v2 , ..., vn } ∈ V , com A 6= ∅. O conjunto S de todos os ve-
tores de V que são combinações lineares dos vetores de A é um
subespaço de V . De fato, se:
u = a1 v1 + a2 v2 + ... + an vn
e
v = b1 v1 + b2 v2 + ... + bn vn
são dois vetores quaisquer de S, podemos escrever:
u + v = (a1 + b1 )v1 + (a2 + b2 )v2 + ... + (an + bn )vn
e
au = (a a1 )v1 + (a a2 )v2 + ... + (a an )vn .

Como u + v ∈ S e au ∈ S e, adicionalmente, ambos serem com-

Assim temos o sistema: binações lineares de V , então se diz que S é um subespaço de
 V.
3a1 − 2a2 = 8

Podemos representar este fato simbolicamente:


−a1 + 3a2 = −5



2a − 4a = 8 S = {v ∈ V | v = a1 v1 + ... + an vn ; a1 , ..., an ∈ R}
1 2

Algumas observações:
Podemos verificar que este sistema possui como solução
única a1 = 2 e a2 = −1. Portanto, v = 2v1 − v2 . • o subespaço S diz-se gerado pelos vetores v1 , v2 , ..., vn , ou
gerado pelo conjunto A, e representa-se por:

Exemplo 2 S = [v1 , v2 , ..., vn ] ou S = G(A) = L(A)

Seja P2 o espaço vetorial dos polinômios com grau me- • os vetores v1 , v2 , ..., vn são chamados de geradores do su-
nor ou igual a dois, mostre se o polinômio v = 21x2 + bespaço S, enquanto A é o conjunto gerador de S;
3x − 12 pode ser escrito como uma combinação linear
dos polinômios v1 = 3x2 − x + 2 e v2 = −2x2 + 3x − 4. • para o caso particular de A = ∅, define-se [∅] = {O};

• A ⊂ L(A), ou seja, {v1 , v2 , ..., vn ⊂ [v1 , v2 , ..., vn ]};

Para que v seja uma combinação linear de v1 e v2 temos
que v = a1 v1 + a2 v2 . Isto significa que: • todo conjunto A ⊂ V gera um subespaço vetorial de V , po-
dendo ocorrer L(A) = V . Neste caso A é um conjunto ge-
21x2 + 3x − 12 = (3a1 x2 − a1 x + 2a1 ) + (−2a2 x2 + 3a2 x − 4a2 )
rador de V .
= (3a1 − 2a2 )x2 + (−a1 + 3a2 )x + (2a1 − 4a2 )

Alguns Exemplos

Assim temos o sistema: • Os vetores i = (1, 0) e j = (0, 1) geram o espaço R2 pois

 qualquer vetor (x, y) pode ser expresso como uma combi-
 3a1 − 2a2 = 21
nação linear destes vetores:



−a1 + 3a2 = 3



2a − 4a = −12 (x, y) = x i + y j = x(1, 0) + j(0, 1).
1 2

Logo [i, j] = R2 .

© 2019 Agenor Hentz - UFSC/Araranguá

 • os vetores i = (1, 0, 0) e j = (0, 1, 0) formam um subespaço Vamos ver alguns exemplos:
de R3 :
S = {(x, y, 0) | x, y ∈ R}, Exemplo 3

pois: Determinar os subespaços de R3 gerados pelos se-

guintes conjuntos:
(x, y, 0) = xi + yj = x(1, 0, 0) + y(0, 1, 0).
1. A = {(2, −1, 3)};
Assim S = [i, j], que é subespaço próprio de R3 .
2. A = {(−1, 3, 2), (2, −2, 1)};
• Os vetores e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1) for-
mam o espaço R3 , pois qualquer vetor (x, y, z) ∈ R3 pode 3. A = {(1, 0, 1), (0, 1, 1), (−1, 1, 0)}
ser escrito como uma combinação linear destes vetores:
Vamos considerar cada um dos casos acima:
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)
1. Neste caso a combinação linear é tal que v =
= xe1 + ye2 + ze3
a(2, −1, 3) = (2a, −a, 3a). Assim, os vetores
Logo [e1 , e2 , e3 ] = R . 3
do subespaço S de R 3
são dados por S =
{(2x, −x, 3x)|x ∈ R};
Número Mínimo de Vetores Geradores
2. Aqui a combinação linear é tal que v = a(−1, 3, 2) +
Teorema 1: Dados n vetores v1 , v2 , ..., vn de um espaço b(2, −2, 1) = (x, y, z). Assim temos um sistema:
vetorial V , se w ∈ V é tal que:



 −a + 2b = x

w = a1 v1 + ... + an vn , 3a − 2b = y .



2a + b =z
então:
[v1 , ..., vn , w] = [v1 , ..., vn ]. Para que este sistema tenha solução (faça as con-
pois todo vetor v que é combinação linear de v1 , ..., vn , w tas!) temos que 7x + 5y − 4z = 0. Portanto, o su-
também é combinação linear de v1 , ..., vn . bespaço S é S = {(x, y, z) | 7x + 5y − 4z = 0};

3. Neste caso a combinação linear é v = a(1, 0, 1) +

Isto pode ser provado facilmente pois supondo que:
b(0, 1, 1) + c(−1, 1, 0) = (x, y, z). O sistema formado
v ∈ [v1 , ...v2 , w] é tal que: 

 a−c =x
então existem números reais b1 , ..., bn , b tais que:


b+c =y .


v = b1 v1 + ... + bn vn + bw

a + b =z

mas Para que este sistema tenha solução, temos que

w = a1 v1 + ... + an vn , x + y − z = 0, ou seja, S = {(x, y, z) | x + y − z = 0}.

logo:
v = b1 v1 + ... + bn vn + (a1 v1 + ... + an vn )

ou Espaço Vetorial Finitamente Gerado

v = (a1 + b1 )v1 + ... + (an + bn )vn ,

e portanto v é uma combinação linear de v1 , ..., vn , isto é: Definição 1: Um espaço vetorial é finitamente gerado se
existe um conjunto finito A, A ⊂ V tal que V = G(A).
v ∈ [v1 , ..., vn ].

A recíproca é verdadeira, pois se v ∈ [v1 , ..., vn ], então v ∈

[v1 , ..., vn , w] pois:
Exemplo: R3
w = a1 v1 + ... + an vn + 0w.

Seja S um subespaço gerado de um conjunto A, ao acres- Conforme visto anteriormente, qualquer vetor em R3 é uma com-

centarmos vetores de S a este conjunto A, os novos con- binação linear dos vetores i = (1, 0, 0), j = (0, 1, 0) e k = (1, 0, 0),

juntos continuarão gerando o mesmo subespaço S. Este uma vez que um vetor (x, y, z) é igual à:
! fato faz entender que um determinado subespaço S pode
ser gerado de uma infinidade de vetores, porém existe um (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)
número mínimo de vetores necessários para gerá-lo. = xe1 + ye2 + ze3 .

© 2019 Agenor Hentz - UFSC/Araranguá

 Praticamente todos os exemplos estudados neste curso se- que se reduz à:
rão de espaços vetoriais finitamente gerados. Um contra- " #
−1 5 0
exemplo é o conjunto de todos os possíveis polinômios. Se
0 13 0
considerarmos A = Pn , ou seja, o conjunto A é formado
! por todos os possíveis polinômios de grau finito n ou me- que não possui solução. Portanto o sistema é LI.
nor, então por maior que seja a combinação linear dos ve-
tores deste conjunto, nunca poderemos criar um polinômio
Exemplo 5
de grau maior do que n.

Classificar os seguintes subconjuntos de R3 em LI ou

LD:
Dependência e Independência Linear
1. {(1, −1, 1), (−1, 1, 1)};

2. {(2, −1, 0), (−1, 3, 0), (3, 5, 0)}

Definição 2 (Independência Linear): Seja V um espaço
vetorial e
Temos:
A = {v1 , ..., vn } ⊂ V.
1. O sistema é dado por:
Consideremos a equação:  
1 −1 0
a1 v1 + ... + an vn = 0 
−1

 1 0
Diz-se que o conjunto A é linearmente independente 1 1 0
quando a equação acima assume somente a solução tri- que se reduz à:
vial: a1 = a2 = ... = an = 0. " #
1 −1 0
0 2 0
Se existirem soluções da equação acima nos quais ao me-
Este sistema não tem solução, portanto o subcon-
! nos um dos fatores ai 6= 0, então se diz que os vetores
junto é LI.
v1 , ..., vn são linearmente dependentes.
2. o seguinte sistema:
 
Exemplo 4 2 −1 3 0
 
−1 3 5 0
 
Classificar os seguintes subconjuntos de R2 em LI ou 0 0 0 0
LD:
que se reduz à:
1. {(1, 3)}; " #
−1 3 5 0
2. {(1, 3), (2, 6)}; 0 5 13 0

3. {(2, −1), (3, 5)} que tem infinitas soluções. Por conta disso o sub-
conjunto é LD.
Temos:

1. Como só há um vetor, temos a(1, 3) = (0, 0) e este

sistema só tem solução quando a = 0, portanto o Subconjunto LD e Vetores Geradores
sistema é linearmente independente.
Consideremos o último exemplo dado acima. Temos a seguinte
2. Neste caso temos o seguinte sistema: equação inicial:
" # a1 v1 + a2 v2 + a3 v3 = 0.
1 2 0
3 6 0 Se resolvermos o sistema apresentado acima, temos que a1 =
14 13
− a3 e a2 = − a3 . Por conta disso, a equação inicial fica:
que se reduz à a + 2b = 0. Neste caso há infinitas 5 5
combinações de a e b, na forma a = −2b, que são 14 13
solução do sistema. Portanto este subconjunto é LD; − a3 v1 − a3 v2 + a3 v3 = 0
5 5

3. este sistema é dado por: Se dividirmos todas as parcelas por a3 6= 0 teremos:

14 13
" #
2 3 0 v3 = v1 + v2
5 5
−1 5 0
Podemos provar que esta última equação é verdadeira se uti-

© 2019 Agenor Hentz - UFSC/Araranguá

lizarmos os vetores definidos no problema: Propriedades da Dependência e Independência Linear
14 13 Consideremos as seguintes propriedades, considerando que V
v3 = (2, −1, 0) + (−1, 3, 0)
5 5 seja um espaço vetorial:
1 1
= (28, −14, 0) + (−13, 39, 0)
5 5 1. Se A = {v}, com v 6= 0, então A é LI.
1
= (15, 25, 0)
5 Isto pode ser verificado facilmente pois a equação:
= (3, 5, 0).
av = 0,

Isto nos leva ao seguinte axioma: só será válida quando a = 0.

Teorema 2: Um conjunto A = {v1 , ..., vn } é LD se, e so- 2. Se um conjunto A ⊂ V contém o elemento nulo, então
mente se, pelo menos um de seus vetores é combinação A é LD.
linear dos outros. Podemos provar este fato se tomarmos todos os coeficien-
tes nulos, com exceção daquele junto ao vetor nulo a 6= 0,
A prova é constituída de duas partes. temos:
0v1 + ... + a0 + ... = 0
Primeira Parte
3. Se uma parte de um conjunto A ⊂ V é LD, então A tam-
Se o conjunto A é linearmente dependente, então ao menos um bém é LD.
dos coeficientes da combinação linear dos vetores deste conjunto
Se A = {v1 , ..., vn } e B ⊂ A e B = {v1 , ..., vr }, com r ≤ n,
é diferente de zero. Suponhamos, sem perda de generalidade,
se B é LD, então existem coeficientes a1 , ..., ar tais que ao
que a1 6= 0. Neste caso podemos dividir a expressão da combina-
menos um destes fatores não é nulo e que são solução do
ção linear por a1 :
sistema:
a2 an a1 v1 + ... + ar vr = 0.
v1 + v2 + ... vn = 0.
a1 a1
Assim, A também é LD pois há coeficientes a1 , ..., ar , ..., an
Portanto: não nulos que são solução da equação:
a2 an
v1 = − v2 + ... − vn ,
a1 a1 a1 v1 + ... + ar vr + ... + an vn = 0.
e, portanto, v1 é uma combinação linear dos outros vetores do
4. Se um conjunto A é LI, então qualquer subconjunto
conjunto A.
A1 ⊂ A também é LI.

Segunda Parte Se A1 fosse LD, então pela propriedade anterior A também

teria que ser LD.
Se um dos vetores do subconjunto A é uma combinação linear
dos outros vetores (novamente, consideremos v1 , sem perda de Atenção! É fácil se enganar e tentar generalizar esta

generalidade), temos: última propriedade. Se um subconjunto de um con-

! junto menor é LI, isto não significa necessariamente
v1 = b1 v2 + ... + bn vn . que o conjunto maior também seja LI.

5. Se A = {v1 , ..., vn } ⊂ V é LI e B = {v1 , ..., vn , w} ⊂ V é

A equação acima pode ser reescrita como:
LD, então w é combinação linear de v1 , ..., vn
−v1 + b1 v2 + ... + bn vn = 0, A prova deste fato é relativamente simples. Se B é LD, en-
tão existem escalares a1 , a2 , ..., an , b, nem todos nulos, tais
Portanto, a equação acima é exatamente aquela utilizada para ve- que:
rificação da dependência linear. Como a1 = −1 6= 0, temos que a1 v1 + ... + an vn + bw = 0.
há uma solução que não é a trivial. Portanto o conjunto de vetores
Se b = 0, então alguns dos coeficientes a1 , ..., an não é
é LD.
nulo, o que contradiz a suposição inicial. Portanto b 6= 0.
Portanto, este teorema pode ser escrito de forma alternativa:
Dividindo-se a equação acima por b e rearranjando os ter-
Teorema 3: Um conjunto A = {v1 , ..., vn } é LI se, e so- mos, temos:
mente se, nenhum destes vetores for combinação linear a1 an
w=− v1 + ... − vn ,
dos outros. b b
ou seja, w é uma combinação linear dos vetores v1 , ..., vn .

© 2019 Agenor Hentz - UFSC/Araranguá