Você está na página 1de 23

O Espaço Vetorial Rn: Dependência e

Independência Linear

APRESENTAÇÃO

Nesta Unidade de Aprendizagem, abordaremos conceitos que nos permitirão encontrar um


conjunto gerador para Rn contendo o número mínimo de vetores.

Bons estudos.

Ao final desta Unidade de Aprendizagem, você deve apresentar os seguintes aprendizados:

• Definir dependência e independência linear.


• Relacionar dependência e independência linear com os conceitos de gerador e matriz
inversa.
• Reconhecer a interpretação geométrica de dois vetores linearmente dependentes.

DESAFIO

Na aula de Álgebra Linear, o professor de Amanda e Gabriel abordou os conceitos de


dependência e independência linear. Ele explicou que quando o conjunto tem apenas 2 vetores
uma forma simples de verificar se eles são linearmente dependentes (LD) é observar se eles são
múltiplos.

Por exemplo:

Logo após, o professor pediu que os alunos descobrissem qual o significado geométrico de dois
vetores LD no R². Vamos ajudá-los?

1) Represente os vetores
INFOGRÁFICO

Veja, a seguir, um infográfico que apresenta algumas caraterísticas da dependência e


independência linear.

CONTEÚDO DO LIVRO

Acompanhe um trecho da obra Algebra Linear, de Keith Nicholson, que aborda os conceitos de
dependência e independência linear. Nele essas ideias são desenvolvidas e relacionadas com os
conceitos de gerador e matriz inversa.

Boa leitura!
2a Edição
ISBN 85-86804-92-4

Nenhuma parte desta publicação poderá ser reproduzida ou distribuída de qualquer forma ou por qualquer meio, ou
armazenada em um banco de dados ou sistema de recuperação, sem o consentimento, por escrito, da Editora, incluindo,
mas não limitado a, qualquer rede ou outro dispositivo eletrônico de armazenamento ou transmissão ou difusão para
ensino a distância.

Todos os direitos reservados. © 2006 de McGraw-Hill Interamericana do Brasil Ltda.


Av. Engenheiro Luís Carlos Berrini, 1.253 – 10o andar
04571-010 – São Paulo – SP

Tradução do original em inglês Elementary Linear Algebra


Copyright © 2004, 2001 de McGraw-Hill Ryerson Limited, uma subsidiária da The McGraw-Hill Companies, Inc.
ISBN da obra original: 0-07-091142-8

Diretor-geral: Adilson Pereira


Editora de Desenvolvimento: Ada Santos Seles
Preparação de Texto: Jorge Avelino
Imagem de Capa: © Hideki Kuwajima/Photonica
Editoração Eletrônica: Printfit Soluções

N624a Nicholson, W. Keith.


Álgebra linear [recurso eletrônico] / W. Keith Nicholson ;
tradução técnica: Célia Mendes Carvalho Lopes, Leila Maria
Vasconcellos Figueiredo, Martha Salerno Monteiro. – 2. ed. –
Porto Alegre : AMGH, 2014.

Editado como livro impresso em 2006.


ISBN 978-85-8055-477-9

1. Álgebra linear. I. Título.

CDU 517.986.3

Catalogação na publicação: Poliana Sanchez de Araujo – CRB 10/2094

Se você tem dúvidas, críticas ou sugestões, entre em contato pelo endereço eletrônico: sac@grupoa.com.br
178 CAPÍTULO 4 O Espaço Vetorial Rn

4.2 DEPENDÊNCIA LINEAR

Alguns conjuntos geradores de um subespaço U de Rn são melhores do que outros. Se


U = ger{X1, X2, · · · , Xk }, então todo vetor em U pode ser escrito como uma combinação
linear dos Xi de pelo menos uma maneira. Nosso interesse aqui é em conjuntos geradores
para os quais cada vetor em U tem exatamente uma representação como uma combinação
linear desses vetores.

4.2.1 Conjuntos Independentes de Vetores


Suponha que duas combinações lineares sejam iguais:
r1X1 + r2X2 + · · · + rkXk = s1X1 + s2X2 + · · · + skXk .
Estamos procurando por uma condição nos vetores Xi de modo que a equação acima implique
que ri = si para todo i. Passando todos os termos para o lado esquerdo da equação, temos
(r1 − s1)X1 + (r2 − s2)X2 + · · · + (rk − sk)Xk = 0
e assim a condição desejada é que esta equação force todos os coeficientes ri − si a serem
nulos. Com isso em mente, formulamos a definição a seguir.
Um conjunto {X1, X2, · · · , Xk} de vetores é linearmente independente (ou simplesmente
independente) se satisfazer a seguinte condição:
If t1X1 + t2X2 + · · · + tkXk = 0, então t1 = t2 = · · · = tk = 0 .
Deixaremos registrado o resultado da discussão acima no próximo teorema para referência
posterior.

T EOREMA 1 Se {X1, X2, · · · , Xk} é um conjunto independente de vetores, então todo vetor X em
ger{X1, X2, · · · , Xk} tem uma única representação como combinação linear dos vetores Xi .
4.2 Dependência Linear 179

É útil escrever a definição de independência em uma forma um pouco diferente. Dizemos


que uma combinação linear de vetores é trivial se todo coeficiente é nulo. Então:
Um conjunto de vetores é independente se, e somente se, a única combinação
linear que se anula é a trivial.
(Aqui dizemos que uma combinação linear se anula quando ela for igual ao vetor nulo.)
Assim o procedimento para verificar se um conjunto de vetores é independente é como
a seguir:

TESTE DE Para verificar que um conjunto {X1, X2, · · · , Xk} de vetores em Rn é linearmente
INDEPENDÊNCIA independente, proceda do seguinte modo:
Passo 1. Escreva uma combinação linear dos vetores e iguale a zero:
t1X1 + t2X2 + · · · + tkXk = 0.
Passo 2. Mostre que a única maneira disso ocorrer é trivialmente – com todos os
coeficientes ti = 0.
É claro que se existir alguma combinação linear não-trivial no passo 2, os vetores Xi não
serão linearmente independentes.

O próximo exemplo ilustra como essa condição é usada para verificar a independência
em uma situação concreta.

Exemplo 1 Mostre que o conjunto de vetores {[2 0 −2 3]T , [2 1 0 7]T , [1 1 3 0]T } de R4


é linearmente independente.

SOLUÇÃO Suponha que uma combinação linear se anula:


r[2 0 −2 3]T + s[2 1 0 7]T + t[1 1 3 0]T = 0 = [0 0 0 0]T .
Igualando os elementos correspondentes das matrizes, obtemos quatro equações:
2r + 2s + t = 0
s + t= 0
−2r + 3t = 0
3r + 7s = 0
A única solução é trivial: r = s = t = 0, por eliminação de Gauss. Logo, os vetores são
linearmente independentes pelo teste de independência.

A solução do Exemplo 1 é o modo típico de usar o Teste de Independência para mostrar


que um conjunto de vetores de Rn (linhas ou colunas) é linearmente independente.
Entretanto, em muitas situações a álgebra de matrizes pode ser usada para verificar que um
conjunto de vetores é independente. Em todos os casos, a idéia é escrever uma combinação
dos vetores e igualar a zero e então mostrar de alguma maneira que isso força que todos os
coeficientes sejam nulos. Aqui temos seis exemplos.

Exemplo 2 Se E1, E2, · · · , En são as colunas da matriz identidade n × n, mostre que {E1, E2, · · · , En}
é um conjunto independente de vetores de Rn .

SOLUÇÃO Suponha que uma combinação linear se anula: t1E1 + t2E2 + · · · + tnEn = 0, onde
t1, t2, · · · , tn são escalares. Temos que t1E1 + t2E2 + · · · + tnEn = [t1 t2 · · · tn]T , como
você pode verificar, e daí decorre que [t1 t2 · · · tn]T = 0. Isso implica que
t1 = t2 = · · · = tn = 0 e, então, {E1, E2, · · · , En} é independente pelo Teste de
Independência.
180 CAPÍTULO 4 O Espaço Vetorial Rn

Exemplo 3 Mostre que {X} é independente para todo vetor X ≠ 0 em Rn .


SOLUÇÃO Suponha que tX = 0 onde t é um escalar. Então, t = 0 pois X ≠ 0 (Teorema 3 da Seção 1.1).
Em outras palavras, a única combinação linear de {X} que se anula é a trivial.

Exemplo 4 Se {X, Y} é independente, mostre que {2X + Y , 3X − 5Y} também é independente.

SOLUÇÃO Suponha que uma combinação linear dos vetores 2X + Y e 3X – 5Y se anula, digamos
s(2X + Y) + t(3X − 5Y) = 0 .
Precisamos mostrar que essa é a combinação linear trivial; isto é, s = t = 0. Quando
agrupamos os termos em X e em Y no lado esquerdo, o resultado é uma combinação linear
de X e Y que se anula:
(2s + 3t)X + (s − 5t)Y = 0 .
A independência de {X, Y} implica que essa é a combinação linear trivial, isto é, ambos os
coeficientes precisam ser nulos. Portanto, 2s + 3t = 0 e s − 5t = 0, e você pode verificar que
esse sistema de equações tem apenas a solução trivial s = t = 0. Isso é o que queríamos.

Exemplo 5 Mostre que se um conjunto de vetores contém o vetor nulo então ele não pode ser
independente.

SOLUÇÃO Dado um conjunto {0, X1, X2, · · · , Xk} contendo o vetor nulo 0, temos a combinação
linear não-trivial
1 · 0 + 0X1 + 0X2 + · · · + 0Xk = 0
que se anula. Logo, {0, X1, X2, · · · , Xk} não é linearmente independente.

Exemplo 6 Seja {X1, X2, · · · , Xk} um conjunto linearmente independente de Rn . Se U é uma


matriz inversível n × n, mostre que {UX1, UX2, · · · , UXk} também é linearmente
independente.

SOLUÇÃO Suponha que t1(UX1) + t2(UX2) + · · · + tk(UXk) = 0 . Então U(t1X1 + t2X2 + · · · + tkXk) = 0
e multiplicando à esquerda por U –1 obtemos t1X1 + t2X2 + . . . + tkXk = 0, o que implica que
t1 = t2 = · · · = tk = 0 pela independência de {X1, X2, · · · , Xk}.

O próximo exemplo revela uma outra razão da importância de matrizes escalonadas por
linhas, e será mencionado posteriormente.

Exemplo 7 Mostre que as linhas não nulas de uma matriz escalonada por linhas R são linearmente
independentes.

SOLUÇÃO Denote por Y1, Y2, · · · , Yr as linhas não nulas de R e suponha que uma combinação linear
se anula:
t1Y1 + t2Y2 + · · · + trYr = 0.
Por conveniência, escreva C = t1Y1 + t2Y2 + · · · + trYr . Precisamos mostrar que cada
coeficiente ti é nulo. Suponha que o primeiro pivô 1 em R está na coluna j. Então, a j-ésima
coordenada de C é t1 pois todos os outros Y têm a j-ésima coordenada nula (o primeiro pivô
1 tem zeros abaixo dele em R). Então a condição C = 0 força t1 = 0.
Assim, C = t2Y2 + · · · + trYr = 0. Agora, considere Y2, · · · , Yr como linhas de uma matriz
(menor) escalonada por linhas obtida de R pela exclusão de sua primeira linha. Então o
mesmo argumento mostra que t2 = 0. Continue desse modo para concluir que ti = 0 para
todo i = 1, 2, · · · , r. Isso é o que queríamos.
4.2 Dependência Linear 181

4.2.2 Inversibilidade de Matrizes


A inversibilidade de uma matriz A de tamanho n × n está estreitamente relacionada com a
independência de colunas e linhas (e com os subespaços gerados pelas linhas e colunas) de
A. Tudo depende da próxima observação. Escreva A = [C1 C2 · · · Cn] onde
C1, C2, · · · , Cn são as colunas de A e dados escalares x1, x2, · · · , xn, escreva
X = [x1 x2 · · · xn]T . Então a multiplicação em blocos (Teorema 3 da Seção 1.4) fornece
⎡ ⎤
x1
⎢ ⎥
⎢ x2 ⎥
⎢ ⎥
AX = [C1 C2 · · · Cn]⎢
⎢ . ⎥
⎥ = x1C1 + x2C2 + · · · + xnCn . (∗)
⎢ .. ⎥
⎣ ⎦
xn

Com essa equação provaremos a equivalência de (1), (2) e (3) no próximo teorema útil.

T EOREMA 2 Os seguintes são equivalentes para uma matriz A de tamanho n × n:


(1) A é inversível.
(2) As colunas de A são linearmente independentes em Rn .
(3) As colunas de A geram Rn .
(4) As linhas de A são linearmente independentes em Rn .
(5) As linhas de A geram Rn .

DEMONSTRAÇÃO Como acima, sejam C1, C2, · · · , Cn as colunas de A.


(1)⇔(2). Pelo Teorema 5 da Seção 1.5, A é inversível se, e somente se, o sistema AX = 0
tem apenas a solução trivial X = 0 . Por (∗) isso vale se, e somente se, {C1, C2, · · · , Cn}
for linearmente independente.
(1)⇔(3). Pelo Teorema 5 da Seção 1.5, A é inversível se, e somente se, AX = B tem solução
para todo B em Rn . Por (∗) isso vale se, e somente se, ger{C1, C2, · · · , Cn} = Rn .
(1)⇔(4). A independência das linhas de A na condição (4) é equivalente à independência
das colunas de AT , e então à inversibilidade de AT (por (1) ⇔ (2) aplicada à AT ) . Mas AT
é inversível se, e somente se, A é inversível (pelo Corolário do Teorema 3 da Seção 1.5).
(1)⇔(5). Essa demonstração é análoga à de (1)⇔(3).

Exemplo 8 Mostre que o conjunto {[1 0 −2 4]T , [5 −3 7 0]T , [2 8 −1 6]T , [1 3 0 2]T } é


linearmente independente.
⎡ ⎤
1 5 2 1
⎢ ⎥
⎢ 0 −3 3⎥
⎢ 8 ⎥
SOLUÇÃO A matriz A = ⎢
⎢ −2
⎥ com esses vetores como colunas é inversível pois
⎣ 7 −1 0⎥⎦
4 0 6 2

detA = 36 ≠ 0. Logo, o resultado decorre do Teorema 2.

4.2.3 Dependência Linear


Um conjunto {X1, X2, · · · , Xk} de vetores de Rn é linearmente dependente
(ou simplesmente dependente) se não for linearmente independente. Então a nossa
condição para a dependência é:
Um conjunto de vetores é linearmente dependente se, e somente se, existe alguma
combinação linear não-trivial que se anula.
Existe um teste útil para a dependência linear que registramos para referência posterior.
182 CAPÍTULO 4 O Espaço Vetorial Rn

T EOREMA 3 Um conjunto {X1, X2, · · · , Xk} de vetores de Rn é linearmente dependente se, e somente se,
pelo menos um dos vetores Xi é uma combinação linear dos outros.

DEMONSTRAÇÃO Suponha que {X1, X2, · · · , Xk} é dependente. Então alguma combinação linear não-trivial
se anula, digamos, t1X1 + t2X2 + · · · + tkXk = 0 com algum dos ti ≠ 0. Se t1 ≠ 0, então
X1 = − tt21 X2 − · · · − tt1k Xk , donde X1 é uma combinação linear dos outros. Analogamente, se
ti ≠ 0, então Xi é uma combinação linear dos restantes.
Reciprocamente, assuma que um dos vetores seja combinação linear dos outros, digamos,
X1 = r2X2 + · · · + rkXk . Então 1X1 − r2X2 − · · · − rkXk = 0 é uma combinação linear não-
trivial que se anula, de modo que {X1, X2, · · · , Xk} é dependente. Um argumento similar dá
certo quando algum dos Xi é uma combinação linear dos restantes.

O Teorema 3 tem uma interpretação geométrica em R3 que esclarece a noção de


dependência linear. Sejam v e w dois vetores não nulos em R3. Então o Teorema 3 afirma
que o conjunto {v, w
 } é linearmente dependente se, e somente se, um deles (v ou w ) é
múltiplo escalar do outro; isto é, se, e somente se, eles são paralelos. Temos, então:

COROLÁRIO Sejam v e w vetores não nulos em R3.


(1) {v, w
 } é linearmente dependente se, e somente se, v e w
 são paralelos.
(2) {v, w
 } é linearmente independente se, e somente se, v e w
 não são paralelos.

Agora podemos dar uma descrição geométrica completa do subespaço gerado por dois
vetores não nulos em R3.

 sejam dois vetores não nulos em R3. Existem dois casos:


Suponha que v e w
Z

w  são paralelos (isto é, {v, w
1º Caso. Se v e w  } é linearmente dependente em R3), então
v  }} é a reta que passa pela origem e tem a direção do vetor v (ou w
ger{v, w  ). Isso é
}
ger{v, w
ilustrado na Figura 4.1.
O
Y 2º Caso. Se v e w não são paralelos (isto é, {v, w
 } é linearmente independente em R3),
X então ger{v, w  } é o plano que passa pela origem com vetor normal n = v × w
.
Figura 4.1 Nesse caso, ger{v, w  } é o único plano que passa pela origem e contém os vetores
v e w
 . Isso é ilustrado na Figura 4.2.

DEMONSTRAÇÃO 1º Caso. Nesse caso, um dos vetores v ou w  é múltiplo escalar do outro pelo Teorema 3 e
então ger{v, w  } = ger{v} = ger{w } é a reta que passa pela origem e tem a direção do vetor
Z }
ger{v, w v (ou w ).
v 2º Caso. Temos que n = v × w  ≠ 0 , pois v e w não são paralelos (Teorema 2 da Seção 3.3).
Por conveniência, escreva U = ger{v, w  } e denote por P o plano que passa pela origem e tem

w
vetor normal n . Então P = {p | n • p = 0} e é um subespaço de R3 (verifique). Além disso,
O
Y  estão em P pelo Teorema 2 da Seção 3.3 e, portanto, U ⊆ P pelo Teorema 1 da Seção
v e w
X 4.1. Só falta então mostrar que P ⊆ U. Seja p um vetor em P; necessitamos mostrar que p
Figura 4.2 está em U. Se [p v w  ] denota a matriz tendo p, v e w  como colunas, o Teorema 1 da Seção
3.5 fornece
det[p v w  ] = p • (v × w
 ) = p • n = 0 .

Logo, [p v w  ] não é uma matriz inversível e, assim, {p, v, w  } é linearmente dependente
pelo Teorema 2. Isso quer dizer que existe uma combinação linear ap + bv + c w = 0 onde
a, b e c não são todos nulos. Mas a ≠ 0 pois {v, w  } é linearmente independente e, assim,
p = −ba

v + −c
a

w está em U. Logo, P ⊆ U, como queríamos.
Encerra aqui o trecho do livro disponibilizado para
esta Unidade de Aprendizagem. Na Biblioteca Virtual
da Instituição, você encontra a obra na íntegra.
DICA DO PROFESSOR

Acompanhe no vídeo a seguir uma síntese dos conceitos desta unidade e que lhe ajudarão a
resolver os exercícios.

Conteúdo interativo disponível na plataforma de ensino!

EXERCÍCIOS

1) Marque a alternativa que contém um conjunto de vetores linearmente independentes.

A)

B)
C)

D)

E)

2) Sabendo que quando um conjunto de vetores é linearmente dependente (LD) existe


uma combinação linear não-trivial que seja igual a zero, marque a alternativa
correta:

A)

B)
C)

D)

E)

3) Sabendo que quando as colunas de uma matriz A de ordem nxn, vistas como vetores,
são linearmente dependentes a matriz A não é inversível e quando as colunas são
linearmente independentes a matriz A é inversível, marque a alternativa que contém
uma matriz não inversível.
A)
B)
C)

D)
E)

4) Sabendo que quando uma matriz A de ordem nxn tem determinante diferente de
zero, as colunas desta matriz, vistas como vetores, geram o Rn, marque a alternativa
correta.

A)
B)

C)

D)

E)

5) Sabendo que quando uma matriz A de ordem nxn tem determinante diferente de
zero, as colunas desta matriz, vistas como vetores, são independentes, marque a
alternativa correta.
A)

É um conjunto linearmente independente.

B)

É um conjunto linearmente independente.

C)

É um conjunto linearmente independente.

D)

É um conjunto linearmente independente.


E)

É um conjunto linearmente independente.

NA PRÁTICA

No desafio desta Unidade de Aprendizagem, vimos uma aplicação geométrica para um conjunto
de 2 vetores linearmente dependentes. A importância de distinguir conjuntos linearmente
dependentes dos conjuntos independentes vai muito além da representação geométrica.

O conceito de independência linear é fundamental na álgebra linear, pois permite que tenhamos
conjuntos geradores com um número mínimo de vetores.

Imagine que você tem um conjunto com 50 vetores que representem informações que você
gostaria de armazenar. Se você puder obter um conjunto de vetores capaz de descrever todas as
informações, não haverá a necessidade de armazenar todos os 50 vetores iniciais, mas apenas
esse conjunto mínimo.

SAIBA MAIS

Para ampliar o seu conhecimento a respeito desse assunto, veja abaixo as sugestões do
professor:

Álgebra Linear: introdução a independência linear

Para saber mais sobre dependência e independência linear, assista ao vídeo do link a seguir.
Conteúdo interativo disponível na plataforma de ensino!

Álgebra Linear: dependência linear

Dê continuidade a seus estudos assistindo ao vídeo a seguir, que mostra a definição de


dependência linear ilustrada em exemplos.

Conteúdo interativo disponível na plataforma de ensino!

Vetores Linearmente Dependentes - Matriz 2x2

Acompanhe no vídeo a seguir a resolução de um exercício para mostrar que uma sequência de
vetores é linearmente dependente.

Conteúdo interativo disponível na plataforma de ensino!

Você também pode gostar