Geometria Analı́tica e Álgebra Linear - 2020/1

Francisco Dutenhefner
chico@mat.ufmg.br
www.mat.ufmg.br/˜chico
adaptadas por israel vainsencher
(erros e tropeços exclusivamente meus)

Espaços Vetoriais.
Combinações lineares.
(In)dependência linear
Bases e dimensão.

30 de maio de 2022
devaneio vetorial
devaneio vetorial

Nesta 3a unidade, introduzimos algumas noções que fazem parte

da cultura geral fı́sico-matemática – e por que não dizer, cientı́fica,
desde os primórdios do século XX (ou um pouco antes).
devaneio vetorial

Nesta 3a unidade, introduzimos algumas noções que fazem parte

da cultura geral fı́sico-matemática – e por que não dizer, cientı́fica,
desde os primórdios do século XX (ou um pouco antes).
A ideia de espaço vetorial unifica e generaliza o tratamento de
objetos matemáticos “que podem ser somados e multiplicados por
constantes”.
devaneio vetorial

Nesta 3a unidade, introduzimos algumas noções que fazem parte

da cultura geral fı́sico-matemática – e por que não dizer, cientı́fica,
desde os primórdios do século XX (ou um pouco antes).
A ideia de espaço vetorial unifica e generaliza o tratamento de
objetos matemáticos “que podem ser somados e multiplicados por
constantes”.
O objetivo da aula de hoje é introduzir os seguintes termos:
devaneio vetorial

Nesta 3a unidade, introduzimos algumas noções que fazem parte

da cultura geral fı́sico-matemática – e por que não dizer, cientı́fica,
desde os primórdios do século XX (ou um pouco antes).
A ideia de espaço vetorial unifica e generaliza o tratamento de
objetos matemáticos “que podem ser somados e multiplicados por
constantes”.
O objetivo da aula de hoje é introduzir os seguintes termos:
I espaço e subespaço vetorial;
devaneio vetorial

Nesta 3a unidade, introduzimos algumas noções que fazem parte

da cultura geral fı́sico-matemática – e por que não dizer, cientı́fica,
desde os primórdios do século XX (ou um pouco antes).
A ideia de espaço vetorial unifica e generaliza o tratamento de
objetos matemáticos “que podem ser somados e multiplicados por
constantes”.
O objetivo da aula de hoje é introduzir os seguintes termos:
I espaço e subespaço vetorial;
I combinação linear;
devaneio vetorial

Nesta 3a unidade, introduzimos algumas noções que fazem parte

da cultura geral fı́sico-matemática – e por que não dizer, cientı́fica,
desde os primórdios do século XX (ou um pouco antes).
A ideia de espaço vetorial unifica e generaliza o tratamento de
objetos matemáticos “que podem ser somados e multiplicados por
constantes”.
O objetivo da aula de hoje é introduzir os seguintes termos:
I espaço e subespaço vetorial;
I combinação linear;
I (in)dependência linear;
devaneio vetorial

Nesta 3a unidade, introduzimos algumas noções que fazem parte

da cultura geral fı́sico-matemática – e por que não dizer, cientı́fica,
desde os primórdios do século XX (ou um pouco antes).
A ideia de espaço vetorial unifica e generaliza o tratamento de
objetos matemáticos “que podem ser somados e multiplicados por
constantes”.
O objetivo da aula de hoje é introduzir os seguintes termos:
I espaço e subespaço vetorial;
I combinação linear;
I (in)dependência linear;
I base;
I dimensão.
espaços vetoriais

Já sabemos somar matrizes,

espaços vetoriais

Já sabemos somar matrizes, somar funções,

espaços vetoriais

Já sabemos somar matrizes, somar funções, somar vetores no plano

R2 ou no espaço R3 .
espaços vetoriais

Já sabemos somar matrizes, somar funções, somar vetores no plano

R2 ou no espaço R3 . Vamos à definição geral, oficial.
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ c.v ,
soma mult. por escalar
espaços vetoriais

Já sabemos somar matrizes, somar funções, somar vetores no plano

R2 ou no espaço R3 . Vamos à definição geral, oficial.
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ c.v ,
soma mult. por escalar

que satisfazem as seguintes regras operatórias:

espaços vetoriais
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ cv ,
soma mult. por escalar

que satisfazem as seguintes regras operatórias:

espaços vetoriais
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ cv ,
soma mult. por escalar

que satisfazem as seguintes regras operatórias:

+ associatividade: ∀u, v , w ∈ V , u + (v + w ) = (u + v ) + w ;
espaços vetoriais
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ cv ,
soma mult. por escalar

que satisfazem as seguintes regras operatórias:

+ associatividade: ∀u, v , w ∈ V , u + (v + w ) = (u + v ) + w ;
+ comutatividade: u + v = v + u;
+ existência de 0 (zero) e existência de simétrico aditivo;
espaços vetoriais
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ cv ,
soma mult. por escalar

que satisfazem as seguintes regras operatórias:

+ associatividade: ∀u, v , w ∈ V , u + (v + w ) = (u + v ) + w ;
+ comutatividade: u + v = v + u;
+ existência de 0 (zero) e existência de simétrico aditivo;
· (cc 0 ).v = c.(c 0 .v ), 1.v = v ;
espaços vetoriais
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ cv ,
soma mult. por escalar

que satisfazem as seguintes regras operatórias:

+ associatividade: ∀u, v , w ∈ V , u + (v + w ) = (u + v ) + w ;
+ comutatividade: u + v = v + u;
+ existência de 0 (zero) e existência de simétrico aditivo;
· (cc 0 ).v = c.(c 0 .v ), 1.v = v ; c.v = 0 ⇐⇒ c = 0 ou v = 0
+· (c + c 0 ).v = c.v + c 0 v ;
espaços vetoriais
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ cv ,
soma mult. por escalar

que satisfazem as seguintes regras operatórias:

+ associatividade: ∀u, v , w ∈ V , u + (v + w ) = (u + v ) + w ;
+ comutatividade: u + v = v + u;
+ existência de 0 (zero) e existência de simétrico aditivo;
· (cc 0 ).v = c.(c 0 .v ), 1.v = v ; c.v = 0 ⇐⇒ c = 0 ou v = 0
+· (c + c 0 ).v = c.v + c 0 v ; c.(v + v 0 ) = c.v + c.v 0
espaços vetoriais
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ cv ,
soma mult. por escalar

que satisfazem as seguintes regras operatórias:

+ associatividade: ∀u, v , w ∈ V , u + (v + w ) = (u + v ) + w ;
+ comutatividade: u + v = v + u;
+ existência de 0 (zero) e existência de simétrico aditivo;
· (cc 0 ).v = c.(c 0 .v ), 1.v = v ; c.v = 0 ⇐⇒ c = 0 ou v = 0
+· (c + c 0 ).v = c.v + c 0 v ; c.(v + v 0 ) = c.v + c.v 0
A existência de zero significa: ∃ 0 ∈ V | ∀v ∈ V , 0 + v = v .
espaços vetoriais
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ cv ,
soma mult. por escalar

que satisfazem as seguintes regras operatórias:

+ associatividade: ∀u, v , w ∈ V , u + (v + w ) = (u + v ) + w ;
+ comutatividade: u + v = v + u;
+ existência de 0 (zero) e existência de simétrico aditivo;
· (cc 0 ).v = c.(c 0 .v ), 1.v = v ; c.v = 0 ⇐⇒ c = 0 ou v = 0
+· (c + c 0 ).v = c.v + c 0 v ; c.(v + v 0 ) = c.v + c.v 0
A existência de zero significa: ∃ 0 ∈ V | ∀v ∈ V , 0 + v = v .
A existência de simétrico aditivo significa
∀v ∈ V ∃ ve ∈ V | ve + v = 0.
Escreve-se habitualmente ve = −v .
(O adjetivo real refere-se às constantes;
espaços vetoriais
Um espaço vetorial real é um conjunto V munido de duas funções
(operações)

V × V −→ V R × V −→ V
(u, v ) 7→ u + v , (c, v ) 7→ cv ,
soma mult. por escalar

que satisfazem as seguintes regras operatórias:

+ associatividade: ∀u, v , w ∈ V , u + (v + w ) = (u + v ) + w ;
+ comutatividade: u + v = v + u;
+ existência de 0 (zero) e existência de simétrico aditivo;
· (cc 0 ).v = c.(c 0 .v ), 1.v = v ; c.v = 0 ⇐⇒ c = 0 ou v = 0
+· (c + c 0 ).v = c.v + c 0 v ; c.(v + v 0 ) = c.v + c.v 0
A existência de zero significa: ∃ 0 ∈ V | ∀v ∈ V , 0 + v = v .
A existência de simétrico aditivo significa
∀v ∈ V ∃ ve ∈ V | ve + v = 0.
Escreve-se habitualmente ve = −v .
(O adjetivo real refere-se às constantes; poderiam ser complexas. . .)
espaço vetorial

Os principais exemplos:
I {0}
espaço vetorial

Os principais exemplos:
I {0}
I R
I Rn
I {matrizes m × n}
espaço vetorial

Os principais exemplos:
I {0}
I R
I Rn
I {matrizes m × n}
I Fixado um conjunto C , a coleção de todas as funções
f : C −→ R.
espaço vetorial

Os principais exemplos:
I {0}
I R
I Rn
I {matrizes m × n}
I Fixado um conjunto C , a coleção de todas as funções
f : C −→ R.
Você pode se convencer de que este último exemplo engloba cada
um dos anteriores...
subespaços vetoriais
subespaços vetoriais
Seja V um espaço vetorial (e.v. para abreviar).
Um subconjunto W ⊆ V é dito um subespaço vetorial se
subespaços vetoriais
Seja V um espaço vetorial (e.v. para abreviar).
Um subconjunto W ⊆ V é dito um subespaço vetorial se
I 0 ∈ W;
subespaços vetoriais
Seja V um espaço vetorial (e.v. para abreviar).
Um subconjunto W ⊆ V é dito um subespaço vetorial se
I 0 ∈ W;
I ∀v , v 0 ∈ W , c ∈ R, cv + v 0 ∈ W
subespaços vetoriais
Seja V um espaço vetorial (e.v. para abreviar).
Um subconjunto W ⊆ V é dito um subespaço vetorial se
I 0 ∈ W;
I ∀v , v 0 ∈ W , c ∈ R, cv + v 0 ∈ W :
em palavras, operando com elementos de W permanecemos
em W .
subespaços vetoriais
Seja V um espaço vetorial (e.v. para abreviar).
Um subconjunto W ⊆ V é dito um subespaço vetorial se
I 0 ∈ W;
I ∀v , v 0 ∈ W , c ∈ R, cv + v 0 ∈ W :
em palavras, operando com elementos de W permanecemos
em W .
Exemplos triviais: W = {0}
subespaços vetoriais
Seja V um espaço vetorial (e.v. para abreviar).
Um subconjunto W ⊆ V é dito um subespaço vetorial se
I 0 ∈ W;
I ∀v , v 0 ∈ W , c ∈ R, cv + v 0 ∈ W :
em palavras, operando com elementos de W permanecemos
em W .
Exemplos triviais: W = {0}, W = V são subespaços de V .
subespaços vetoriais
Seja V um espaço vetorial (e.v. para abreviar).
Um subconjunto W ⊆ V é dito um subespaço vetorial se
I 0 ∈ W;
I ∀v , v 0 ∈ W , c ∈ R, cv + v 0 ∈ W :
em palavras, operando com elementos de W permanecemos
em W .
Exemplos triviais: W = {0}, W = V são subespaços de V .
Exemplos interessantes:
1. V = Mn espaço das matrizes quadradas n × n
subespaços vetoriais
Seja V um espaço vetorial (e.v. para abreviar).
Um subconjunto W ⊆ V é dito um subespaço vetorial se
I 0 ∈ W;
I ∀v , v 0 ∈ W , c ∈ R, cv + v 0 ∈ W :
em palavras, operando com elementos de W permanecemos
em W .
Exemplos triviais: W = {0}, W = V são subespaços de V .
Exemplos interessantes:
1. V = Mn espaço das matrizes quadradas n × n
2. Sn :=coleção das matrizes simétricas (i.e., At = A).
subespaços vetoriais
Seja V um espaço vetorial (e.v. para abreviar).
Um subconjunto W ⊆ V é dito um subespaço vetorial se
I 0 ∈ W;
I ∀v , v 0 ∈ W , c ∈ R, cv + v 0 ∈ W :
em palavras, operando com elementos de W permanecemos
em W .
Exemplos triviais: W = {0}, W = V são subespaços de V .
Exemplos interessantes:
1. V = Mn espaço das matrizes quadradas n × n
2. Sn :=coleção das matrizes simétricas (i.e., At = A).
3. Un =coleção das matrizes triangulares superiores
a11 a12 a13 ··· a1n !
0 a22 a23 ··· a2n
0 0 a33 ··· a2n
..
0 0 0 ··· ann
subespaços vetoriais
Seja V um espaço vetorial (e.v. para abreviar).
Um subconjunto W ⊆ V é dito um subespaço vetorial se
I 0 ∈ W;
I ∀v , v 0 ∈ W , c ∈ R, cv + v 0 ∈ W :
em palavras, operando com elementos de W permanecemos
em W .
Exemplos triviais: W = {0}, W = V são subespaços de V .
Exemplos interessantes:
1. V = Mn espaço das matrizes quadradas n × n
2. Sn :=coleção das matrizes simétricas (i.e., At = A).
3. Un =coleção das matrizes triangulares superiores
a11 a12 a13 ··· a1n !
0 a22 a23 ··· a2n
0 0 a33 ··· a2n
..
0 0 0 ··· ann
0 0 ··· 0
 a11 
4. Dn =coleção das matrizes diagonais 0 a22 0 ··· 0
..
0 0 0 ··· ann
subespaços vetoriais
Exemplos importantes:
1. O conjunto das soluções de um sistema linear homogêneo,
{X | AX = 0.}
subespaços vetoriais
Exemplos importantes:
1. O conjunto das soluções de um sistema linear homogêneo,
{X | AX = 0.}
2. O conjunto dos vetores-colunas B para os quais o sistema
linear AX = B admite solução.
subespaços vetoriais
Exemplos importantes:
1. O conjunto das soluções de um sistema linear homogêneo,
{X | AX = 0.}
2. O conjunto dos vetores-colunas B para os quais o sistema
linear AX = B admite solução.
3. Fixada uma lista de vetores v1 , . . . , vm em um espaço vetorial
V , o conjunto de todas as combinações lineares

c1 v1 + c2 v2 + · · · + cm vm

é o chamado subespaço gerado pela lista.

subespaços vetoriais
Exemplos importantes:
1. O conjunto das soluções de um sistema linear homogêneo,
{X | AX = 0.}
2. O conjunto dos vetores-colunas B para os quais o sistema
linear AX = B admite solução.
3. Fixada uma lista de vetores v1 , . . . , vm em um espaço vetorial
V , o conjunto de todas as combinações lineares

c1 v1 + c2 v2 + · · · + cm vm

é o chamado subespaço gerado pela lista.

É o menor subespaço de V que contém todos os elementos da lista.
subespaços vetoriais
Exemplos importantes:
1. O conjunto das soluções de um sistema linear homogêneo,
{X | AX = 0.}
2. O conjunto dos vetores-colunas B para os quais o sistema
linear AX = B admite solução.
3. Fixada uma lista de vetores v1 , . . . , vm em um espaço vetorial
V , o conjunto de todas as combinações lineares

c1 v1 + c2 v2 + · · · + cm vm

é o chamado subespaço gerado pela lista.

É o menor subespaço de V que contém todos os elementos da lista.
Mais geralmente, dado um subconjunto S ⊆ V , o subespaço
gerado por S é o menor subespaço de V que contém S.
subespaços vetoriais
Exemplos importantes:
1. O conjunto das soluções de um sistema linear homogêneo,
{X | AX = 0.}
2. O conjunto dos vetores-colunas B para os quais o sistema
linear AX = B admite solução.
3. Fixada uma lista de vetores v1 , . . . , vm em um espaço vetorial
V , o conjunto de todas as combinações lineares

c1 v1 + c2 v2 + · · · + cm vm

é o chamado subespaço gerado pela lista.

É o menor subespaço de V que contém todos os elementos da lista.
Mais geralmente, dado um subconjunto S ⊆ V , o subespaço
gerado por S é o menor subespaço de V que contém S.
É constituı́do por todas as combinações lineares de listas (finitas!)
de elementos de S.
subespaços vetoriais
Exemplos importantes:
1. O conjunto das soluções de um sistema linear homogêneo,
{X | AX = 0.}
2. O conjunto dos vetores-colunas B para os quais o sistema
linear AX = B admite solução.
3. Fixada uma lista de vetores v1 , . . . , vm em um espaço vetorial
V , o conjunto de todas as combinações lineares

c1 v1 + c2 v2 + · · · + cm vm

é o chamado subespaço gerado pela lista.

É o menor subespaço de V que contém todos os elementos da lista.
Mais geralmente, dado um subconjunto S ⊆ V , o subespaço
gerado por S é o menor subespaço de V que contém S.
É constituı́do por todas as combinações lineares de listas (finitas!)
de elementos de S. É igualmente a interseção de todos os
subespaços de V que contêm S.
(in)dependência linear
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores,
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
Uma lista v1 , . . . , vm ∈ V (= espaço vetorial) é
linearmente dependente
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
Uma lista v1 , . . . , vm ∈ V (= espaço vetorial) é
linearmente dependente (l.d.)
se existirem escalares c1 , . . . , cm ∈ R não todos nulos tais que
c1 v1 + · · · + cm vm = 0.
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
Uma lista v1 , . . . , vm ∈ V (= espaço vetorial) é
linearmente dependente (l.d.)
se existirem escalares c1 , . . . , cm ∈ R não todos nulos tais que
c1 v1 + · · · + cm vm = 0.
Uma tal expressão é chamada uma relação de dependência.
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
Uma lista v1 , . . . , vm ∈ V (= espaço vetorial) é
linearmente dependente (l.d.)
se existirem escalares c1 , . . . , cm ∈ R não todos nulos tais que
c1 v1 + · · · + cm vm = 0.
Uma tal expressão é chamada uma relação de dependência.
Por exemplo, em R2 , os vetores v1 = (1, 1), v2 = (2, 2) formam
uma lista dependente;
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
Uma lista v1 , . . . , vm ∈ V (= espaço vetorial) é
linearmente dependente (l.d.)
se existirem escalares c1 , . . . , cm ∈ R não todos nulos tais que
c1 v1 + · · · + cm vm = 0.
Uma tal expressão é chamada uma relação de dependência.
Por exemplo, em R2 , os vetores v1 = (1, 1), v2 = (2, 2) formam
uma lista dependente; eis uma relação: 2v1 + (−1)v2 = 0.
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
Uma lista v1 , . . . , vm ∈ V (= espaço vetorial) é
linearmente dependente (l.d.)
se existirem escalares c1 , . . . , cm ∈ R não todos nulos tais que
c1 v1 + · · · + cm vm = 0.
Uma tal expressão é chamada uma relação de dependência.
Por exemplo, em R2 , os vetores v1 = (1, 1), v2 = (2, 2) formam
uma lista dependente; eis uma relação: 2v1 + (−1)v2 = 0.
Três vetores quaisquer em R2 ,
v1 = (a1 , b1 ), v2 = (a2 , b2 ), v3 = (a3 , b3 ) ∈ R2
sempre são dependentes.
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
Uma lista v1 , . . . , vm ∈ V (= espaço vetorial) é
linearmente dependente (l.d.)
se existirem escalares c1 , . . . , cm ∈ R não todos nulos tais que
c1 v1 + · · · + cm vm = 0.
Uma tal expressão é chamada uma relação de dependência.
Por exemplo, em R2 , os vetores v1 = (1, 1), v2 = (2, 2) formam
uma lista dependente; eis uma relação: 2v1 + (−1)v2 = 0.
Três vetores quaisquer em R2 ,
v1 = (a1 , b1 ), v2 = (a2 , b2 ), v3 = (a3 , b3 ) ∈ R2
sempre são dependentes. De fato, examine o sistema
x1 v1 + x2 v2 + x3 v3 = 0 = (a1 x1 + a2 x2 + a3 x3 , b1 x1 + b2 x2 + b3 x3 ):
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
Uma lista v1 , . . . , vm ∈ V (= espaço vetorial) é
linearmente dependente (l.d.)
se existirem escalares c1 , . . . , cm ∈ R não todos nulos tais que
c1 v1 + · · · + cm vm = 0.
Uma tal expressão é chamada uma relação de dependência.
Por exemplo, em R2 , os vetores v1 = (1, 1), v2 = (2, 2) formam
uma lista dependente; eis uma relação: 2v1 + (−1)v2 = 0.
Três vetores quaisquer em R2 ,
v1 = (a1 , b1 ), v2 = (a2 , b2 ), v3 = (a3 , b3 ) ∈ R2
sempre são dependentes. De fato, examine o sistema
x1 v1 + x2 v2 + x3 v3 = 0 = (a1 x1 + a2 x2 + a3 x3 , b1 x1 + b2 x2 + b3 x3 ):
sistema homogêneo com duas equações, três incógnitas ⇒
existem soluções não triviais.
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
Uma lista v1 , . . . , vm ∈ V (= espaço vetorial) é
linearmente dependente (l.d.)
se existirem escalares c1 , . . . , cm ∈ R não todos nulos tais que
c1 v1 + · · · + cm vm = 0.
Uma tal expressão é chamada uma relação de dependência.
Por exemplo, em R2 , os vetores v1 = (1, 1), v2 = (2, 2) formam
uma lista dependente; eis uma relação: 2v1 + (−1)v2 = 0.
Três vetores quaisquer em R2 ,
v1 = (a1 , b1 ), v2 = (a2 , b2 ), v3 = (a3 , b3 ) ∈ R2
sempre são dependentes. De fato, examine o sistema
x1 v1 + x2 v2 + x3 v3 = 0 = (a1 x1 + a2 x2 + a3 x3 , b1 x1 + b2 x2 + b3 x3 ):
sistema homogêneo com duas equações, três incógnitas ⇒
existem soluções não triviais. O mesmo argumento mostra que, em
Rn , quaisquer n + 1 vetores são l.d.
(in)dependência linear
É a noção que generaliza a colinearidade de 2 vetores, bem como a
coplanaridade.
Uma lista v1 , . . . , vm ∈ V (= espaço vetorial) é
linearmente dependente (l.d.)
se existirem escalares c1 , . . . , cm ∈ R não todos nulos tais que
c1 v1 + · · · + cm vm = 0.
Uma tal expressão é chamada uma relação de dependência.
Por exemplo, em R2 , os vetores v1 = (1, 1), v2 = (2, 2) formam
uma lista dependente; eis uma relação: 2v1 + (−1)v2 = 0.
Três vetores quaisquer em R2 ,
v1 = (a1 , b1 ), v2 = (a2 , b2 ), v3 = (a3 , b3 ) ∈ R2
sempre são dependentes. De fato, examine o sistema
x1 v1 + x2 v2 + x3 v3 = 0 = (a1 x1 + a2 x2 + a3 x3 , b1 x1 + b2 x2 + b3 x3 ):
sistema homogêneo com duas equações, três incógnitas ⇒
existem soluções não triviais. O mesmo argumento mostra que, em
Rn , quaisquer n + 1 vetores são l.d. Voltaremos a esta discussão
mais adiante.
(in)dependência linear
Toda lista que contém alguma sub-lista l.d. é l.d.
(in)dependência linear
Toda lista que contém alguma sub-lista l.d. é l.d.
Em particular, se houver elemento repetido, ou algum nulo...
(in)dependência linear
Toda lista que contém alguma sub-lista l.d. é l.d.
Em particular, se houver elemento repetido, ou algum nulo...

Por fim, uma lista é independente

(in)dependência linear
Toda lista que contém alguma sub-lista l.d. é l.d.
Em particular, se houver elemento repetido, ou algum nulo...

Por fim, uma lista é independente (l.i.) se não for dependente:

(in)dependência linear
Toda lista que contém alguma sub-lista l.d. é l.d.
Em particular, se houver elemento repetido, ou algum nulo...

Por fim, uma lista é independente (l.i.) se não for dependente:

a única combinação nula é com todos os coeficientes
c1 = · · · = cm = 0.
→
− →
− →
−
Em R3 , os vetores i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1) são
independentes.
(in)dependência linear
Toda lista que contém alguma sub-lista l.d. é l.d.
Em particular, se houver elemento repetido, ou algum nulo...

Por fim, uma lista é independente (l.i.) se não for dependente:

a única combinação nula é com todos os coeficientes
c1 = · · · = cm = 0.
→
− →
− →
−
Em R3 , os vetores i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1) são
independentes.
Mais geralmente, em Rn ,
(1, 0, . . . , 0, 0)
(0, 1, . . . , 0, 0)
(0, 0, . . . , 1, 0)
(0, 0, . . . , 0, 1)

é uma lista de vetores independentes.

(in)dependência linear
Toda lista que contém alguma sub-lista l.d. é l.d.
Em particular, se houver elemento repetido, ou algum nulo...

Por fim, uma lista é independente (l.i.) se não for dependente:

a única combinação nula é com todos os coeficientes
c1 = · · · = cm = 0.
→
− →
− →
−
Em R3 , os vetores i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1) são
independentes.
Mais geralmente, em Rn ,
(1, 0, . . . , 0, 0)
(0, 1, . . . , 0, 0)
(0, 0, . . . , 1, 0)
(0, 0, . . . , 0, 1)

é uma lista de vetores independentes.

Constituem a chamada base canônica de Rn .
(in)dependência linear e bases
→
− →− → −
Vimos que em R3 , os vetores i , j , k são independentes.
(in)dependência linear e bases
→
− →− → −
Vimos que em R3 , os vetores i , j , k são independentes.
Além disso, todo vetor →
−
v em R3 se escreve como combinção linear
desses três vetores:
(in)dependência linear e bases
→ − →
− → −
Vimos que em R3 , os vetores i , j , k são independentes.
Além disso, todo vetor →−
v em R3 se escreve como combinção linear
desses três vetores:
→
− →
− →
−
v = (a, b, c) = a i + b j + c k .
(in)dependência linear e bases
→ − →
− → −
Vimos que em R3 , os vetores i , j , k são independentes.
Além disso, todo vetor →−
v em R3 se escreve como combinção linear
desses três vetores:
→
− →
− →
−
v = (a, b, c) = a i + b j + c k .
Em geral, uma lista v1 , . . . , vm em um e.v. V é uma base se
I é l.i. e
I gera.
(in)dependência linear e bases
→ − →
− → −
Vimos que em R3 , os vetores i , j , k são independentes.
Além disso, todo vetor →−
v em R3 se escreve como combinção linear
desses três vetores:
→
− →
− →
−
v = (a, b, c) = a i + b j + c k .
Em geral, uma lista v1 , . . . , vm em um e.v. V é uma base se
I é l.i. e
I gera.
Ou seja, para todo v ∈ V existem c1 , . . . , cm em R de modo que
(F) c1 v1 + · · · + cm vm = v .
(in)dependência linear e bases
→ − →
− → −
Vimos que em R3 , os vetores i , j , k são independentes.
Além disso, todo vetor →−
v em R3 se escreve como combinção linear
desses três vetores:
→
− →
− →
−
v = (a, b, c) = a i + b j + c k .
Em geral, uma lista v1 , . . . , vm em um e.v. V é uma base se
I é l.i. e
I gera.
Ou seja, para todo v ∈ V existem c1 , . . . , cm em R de modo que
(F) c1 v1 + · · · + cm vm = v .
Na relação acima, se v = 0 então c1 = · · · = cm = 0.
(in)dependência linear e bases
→
− →− → −
Vimos que em R3 , os vetores i , j , k são independentes.
Além disso, todo vetor →−v em R3 se escreve como combinção linear
desses três vetores:
→
− →
− →
−
v = (a, b, c) = a i + b j + c k .
Em geral, uma lista v1 , . . . , vm em um e.v. V é uma base se
I é l.i. e
I gera.
Ou seja, para todo v ∈ V existem c1 , . . . , cm em R de modo que
(F) c1 v1 + · · · + cm vm = v .
Na relação acima, se v = 0 então c1 = · · · = cm = 0.
Nesta situação, os coeficientes em (F) são unicamente
determinados por v : a1 v1 + · · · + am vm = b1 v1 + · · · + bm vm ⇒
(a1 − b1 )v1 + · · · + (am − bm )vm = 0 ⇒ a1 = b1 , . . . , am = bm .
(in)dependência linear e bases
→
− →− → −
Vimos que em R3 , os vetores i , j , k são independentes.
Além disso, todo vetor →−v em R3 se escreve como combinção linear
desses três vetores:
→
− →
− →
−
v = (a, b, c) = a i + b j + c k .
Em geral, uma lista v1 , . . . , vm em um e.v. V é uma base se
I é l.i. e
I gera.
Ou seja, para todo v ∈ V existem c1 , . . . , cm em R de modo que
(F) c1 v1 + · · · + cm vm = v .
Na relação acima, se v = 0 então c1 = · · · = cm = 0.
Nesta situação, os coeficientes em (F) são unicamente
determinados por v : a1 v1 + · · · + am vm = b1 v1 + · · · + bm vm ⇒
(a1 − b1 )v1 + · · · + (am − bm )vm = 0 ⇒ a1 = b1 , . . . , am = bm .
→
− →− →−
Exemplos: (1) i , j , k é base de R3 .
(in)dependência linear e bases
→
− →− → −
Vimos que em R3 , os vetores i , j , k são independentes.
Além disso, todo vetor → −v em R3 se escreve como combinção linear
desses três vetores:
→
− →
− →
−
v = (a, b, c) = a i + b j + c k .
Em geral, uma lista v1 , . . . , vm em um e.v. V é uma base se
I é l.i. e
I gera.
Ou seja, para todo v ∈ V existem c1 , . . . , cm em R de modo que
(F) c1 v1 + · · · + cm vm = v .
Na relação acima, se v = 0 então c1 = · · · = cm = 0.
Nesta situação, os coeficientes em (F) são unicamente
determinados por v : a1 v1 + · · · + am vm = b1 v1 + · · · + bm vm ⇒
(a1 − b1 )v1 + · · · + (am − bm )vm = 0 ⇒ a1 = b1 , . . . , am = bm .
→
− → − →−
Exemplos: (1) i , j , k é base de R3 .
Idem para a base canônica de Rn .
(in)dependência linear e bases
→
− → − → −
Vimos que em R3 , os vetores i , j , k são independentes.
Além disso, todo vetor → −v em R3 se escreve como combinção linear
desses três vetores:
→
− →
− →
−
v = (a, b, c) = a i + b j + c k .
Em geral, uma lista v1 , . . . , vm em um e.v. V é uma base se
I é l.i. e
I gera.
Ou seja, para todo v ∈ V existem c1 , . . . , cm em R de modo que
(F) c1 v1 + · · · + cm vm = v .
Na relação acima, se v = 0 então c1 = · · · = cm = 0.
Nesta situação, os coeficientes em (F) são unicamente
determinados por v : a1 v1 + · · · + am vm = b1 v1 + · · · + bm vm ⇒
(a1 − b1 )v1 + · · · + (am − bm )vm = 0 ⇒ a1 = b1 , . . . , am = bm .
→
− → − → −
Exemplos: (1) i , j , k é base de R3 .
Idem para a base canônica de Rn .
(2) ( 10 00 ) , ( 01 10 ) , ( 00 01 ) é base de S2 = {matrizes simétricas 2 × 2}.
(in)dependência linear e bases
→
− → − → −
Vimos que em R3 , os vetores i , j , k são independentes.
Além disso, todo vetor → −v em R3 se escreve como combinção linear
desses três vetores:
→
− →
− →
−
v = (a, b, c) = a i + b j + c k .
Em geral, uma lista v1 , . . . , vm em um e.v. V é uma base se
I é l.i. e
I gera.
Ou seja, para todo v ∈ V existem c1 , . . . , cm em R de modo que
(F) c1 v1 + · · · + cm vm = v .
Na relação acima, se v = 0 então c1 = · · · = cm = 0.
Nesta situação, os coeficientes em (F) são unicamente
determinados por v : a1 v1 + · · · + am vm = b1 v1 + · · · + bm vm ⇒
(a1 − b1 )v1 + · · · + (am − bm )vm = 0 ⇒ a1 = b1 , . . . , am = bm .
→
− → − → −
Exemplos: (1) i , j , k é base de R3 .
Idem para a base canônica de Rn .
(2) ( 10 00 ) , ( 01 10 ) , ( 00 01 ) é base de S2 = {matrizes simétricas 2 × 2}.
(3) Exc.: Escreva uma base para o espaço das matrizes 3×3
triangulares superiores. Idem para anti-simétricas.
dimensão
Teorema. Seja V um e.v. gerado pela lista finita L : v1 , . . . , vm .
Então existe uma sub-lista L◦ : w1 , . . . , wn que é base de V .
dimensão
Teorema. Seja V um e.v. gerado pela lista finita L : v1 , . . . , vm .
Então existe uma sub-lista L◦ : w1 , . . . , wn que é base de V .
Se u1 , . . . , ur é qualquer base de V então r = n.
Ou seja, o número de elementos em qualquer base do espaço V é
o mesmo.
dimensão
Teorema. Seja V um e.v. gerado pela lista finita L : v1 , . . . , vm .
Então existe uma sub-lista L◦ : w1 , . . . , wn que é base de V .
Se u1 , . . . , ur é qualquer base de V então r = n.
Ou seja, o número de elementos em qualquer base do espaço V é
o mesmo.
A dimensão de V é o número de elementos numa base qualquer.
dimensão
Teorema. Seja V um e.v. gerado pela lista finita L : v1 , . . . , vm .
Então existe uma sub-lista L◦ : w1 , . . . , wn que é base de V .
Se u1 , . . . , ur é qualquer base de V então r = n.
Ou seja, o número de elementos em qualquer base do espaço V é
o mesmo.
A dimensão de V é o número de elementos numa base qualquer.

A sub-lista L◦ prometida no Teorema aparece da seguinte forma,

“depurando” uma lista de geradores.
Primeiro, descartamos todos elementos nulos da lista L.
dimensão
Teorema. Seja V um e.v. gerado pela lista finita L : v1 , . . . , vm .
Então existe uma sub-lista L◦ : w1 , . . . , wn que é base de V .
Se u1 , . . . , ur é qualquer base de V então r = n.
Ou seja, o número de elementos em qualquer base do espaço V é
o mesmo.
A dimensão de V é o número de elementos numa base qualquer.

A sub-lista L◦ prometida no Teorema aparece da seguinte forma,

“depurando” uma lista de geradores.
Primeiro, descartamos todos elementos nulos da lista L.
A sub-lista L0 que resulta pode ser vazia, ou não.
dimensão
Teorema. Seja V um e.v. gerado pela lista finita L : v1 , . . . , vm .
Então existe uma sub-lista L◦ : w1 , . . . , wn que é base de V .
Se u1 , . . . , ur é qualquer base de V então r = n.
Ou seja, o número de elementos em qualquer base do espaço V é
o mesmo.
A dimensão de V é o número de elementos numa base qualquer.

A sub-lista L◦ prometida no Teorema aparece da seguinte forma,

“depurando” uma lista de geradores.
Primeiro, descartamos todos elementos nulos da lista L.
A sub-lista L0 que resulta pode ser vazia, ou não.
Se vazia, fim, trata-se de uma base que pouco emociona:
neste caso, V se reduz ao espaço nulo, {0}. (Sim, a base do
espaço nulo é vazia
dimensão
Teorema. Seja V um e.v. gerado pela lista finita L : v1 , . . . , vm .
Então existe uma sub-lista L◦ : w1 , . . . , wn que é base de V .
Se u1 , . . . , ur é qualquer base de V então r = n.
Ou seja, o número de elementos em qualquer base do espaço V é
o mesmo.
A dimensão de V é o número de elementos numa base qualquer.

A sub-lista L◦ prometida no Teorema aparece da seguinte forma,

“depurando” uma lista de geradores.
Primeiro, descartamos todos elementos nulos da lista L.
A sub-lista L0 que resulta pode ser vazia, ou não.
Se vazia, fim, trata-se de uma base que pouco emociona:
neste caso, V se reduz ao espaço nulo, {0}. (Sim, a base do
espaço nulo é vazia. . . questão de consistência lógica. Fecha()’s.)
dimensão
Teorema. Seja V um e.v. gerado pela lista finita L : v1 , . . . , vm .
Então existe uma sub-lista L◦ : w1 , . . . , wn que é base de V .
Se u1 , . . . , ur é qualquer base de V então r = n.
Ou seja, o número de elementos em qualquer base do espaço V é
o mesmo.
A dimensão de V é o número de elementos numa base qualquer.

A sub-lista L◦ prometida no Teorema aparece da seguinte forma,

“depurando” uma lista de geradores.
Primeiro, descartamos todos elementos nulos da lista L.
A sub-lista L0 que resulta pode ser vazia, ou não.
Se vazia, fim, trata-se de uma base que pouco emociona:
neste caso, V se reduz ao espaço nulo, {0}. (Sim, a base do
espaço nulo é vazia. . . questão de consistência lógica. Fecha()’s.)
Se L0 é não vazia, renomeando, fazemos w1 := v1 6= 0.
Prossigamos.
dimensão
Próximo passo, descartamos da sub-lista L0 os múltiplos de w1 ;
dimensão
Próximo passo, descartamos da sub-lista L0 os múltiplos de w1 ;
se sobrar algum, digamos v2 não múltiplo de w1 , fazemos w2 = v2 .
Assim, a sub-lista w1 , w2 é l.i.
dimensão
Próximo passo, descartamos da sub-lista L0 os múltiplos de w1 ;
se sobrar algum, digamos v2 não múltiplo de w1 , fazemos w2 = v2 .
Assim, a sub-lista w1 , w2 é l.i.
Continuamos, descartando os elementos que são combinação linear
de w1 , w2 .
dimensão
Próximo passo, descartamos da sub-lista L0 os múltiplos de w1 ;
se sobrar algum, digamos v2 não múltiplo de w1 , fazemos w2 = v2 .
Assim, a sub-lista w1 , w2 é l.i.
Continuamos, descartando os elementos que são combinação linear
de w1 , w2 . Em geral, extraı́mos passo a passo uma sub-lista
L◦ : w1 , . . . , ws l.i. maximal.
dimensão
Próximo passo, descartamos da sub-lista L0 os múltiplos de w1 ;
se sobrar algum, digamos v2 não múltiplo de w1 , fazemos w2 = v2 .
Assim, a sub-lista w1 , w2 é l.i.
Continuamos, descartando os elementos que são combinação linear
de w1 , w2 . Em geral, extraı́mos passo a passo uma sub-lista
L◦ : w1 , . . . , ws l.i. maximal.
Isto significa que o acréscimo de qualquer vi (da lista
remanescente) resulta em lista aumentada
até aqui l.i.
z }| {
w1 , . . . , ws ,
dimensão
Próximo passo, descartamos da sub-lista L0 os múltiplos de w1 ;
se sobrar algum, digamos v2 não múltiplo de w1 , fazemos w2 = v2 .
Assim, a sub-lista w1 , w2 é l.i.
Continuamos, descartando os elementos que são combinação linear
de w1 , w2 . Em geral, extraı́mos passo a passo uma sub-lista
L◦ : w1 , . . . , ws l.i. maximal.
Isto significa que o acréscimo de qualquer vi (da lista
remanescente) resulta em lista aumentada
até aqui l.i.
z }| {
w1 , . . . , ws , vi agora l.d.
dimensão
Próximo passo, descartamos da sub-lista L0 os múltiplos de w1 ;
se sobrar algum, digamos v2 não múltiplo de w1 , fazemos w2 = v2 .
Assim, a sub-lista w1 , w2 é l.i.
Continuamos, descartando os elementos que são combinação linear
de w1 , w2 . Em geral, extraı́mos passo a passo uma sub-lista
L◦ : w1 , . . . , ws l.i. maximal.
Isto significa que o acréscimo de qualquer vi (da lista
remanescente) resulta em lista aumentada
até aqui l.i.
z }| {
w1 , . . . , ws , vi agora l.d.
Daı́ se deduz que qualquer vi da lista original é combinação linear
de w1 , . . . , ws .
dimensão
Próximo passo, descartamos da sub-lista L0 os múltiplos de w1 ;
se sobrar algum, digamos v2 não múltiplo de w1 , fazemos w2 = v2 .
Assim, a sub-lista w1 , w2 é l.i.
Continuamos, descartando os elementos que são combinação linear
de w1 , w2 . Em geral, extraı́mos passo a passo uma sub-lista
L◦ : w1 , . . . , ws l.i. maximal.
Isto significa que o acréscimo de qualquer vi (da lista
remanescente) resulta em lista aumentada
até aqui l.i.
z }| {
w1 , . . . , ws , vi agora l.d.
Daı́ se deduz que qualquer vi da lista original é combinação linear
de w1 , . . . , ws .
Segue que a sub-lista depurada L◦ também gera V , e é l.i..
Portanto, temos uma base para o subespaço gerado pela lista L,
obtida pela seleção de sub-lista l.i. maximal.
dimensão
Próximo passo, descartamos da sub-lista L0 os múltiplos de w1 ;
se sobrar algum, digamos v2 não múltiplo de w1 , fazemos w2 = v2 .
Assim, a sub-lista w1 , w2 é l.i.
Continuamos, descartando os elementos que são combinação linear
de w1 , w2 . Em geral, extraı́mos passo a passo uma sub-lista
L◦ : w1 , . . . , ws l.i. maximal.
Isto significa que o acréscimo de qualquer vi (da lista
remanescente) resulta em lista aumentada
até aqui l.i.
z }| {
w1 , . . . , ws , vi agora l.d.
Daı́ se deduz que qualquer vi da lista original é combinação linear
de w1 , . . . , ws .
Segue que a sub-lista depurada L◦ também gera V , e é l.i..
Portanto, temos uma base para o subespaço gerado pela lista L,
obtida pela seleção de sub-lista l.i. maximal.
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
dimensão
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
dimensão
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
; (1, 1, 1), (2, 2, 2), (1, 2, 3), (2, 3, 4),
dimensão
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
; (1, 1, 1), (2, 2, 2), (1, 2, 3), (2, 3, 4), ;
(1, 1, 1), (1, 2, 3), (2, 3, 4),
dimensão
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
; (1, 1, 1), (2, 2, 2), (1, 2, 3), (2, 3, 4), ;
(1, 1, 1), (1, 2, 3), (2, 3, 4), ; (1, 1, 1), (1, 2, 3), base do subespaço
gerado pela lista inicial.
dimensão
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
; (1, 1, 1), (2, 2, 2), (1, 2, 3), (2, 3, 4), ;
(1, 1, 1), (1, 2, 3), (2, 3, 4), ; (1, 1, 1), (1, 2, 3), base do subespaço
gerado pela lista inicial.

A unicidade do número de elementos de uma base do e.v. V é

consequência do seguinte
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
dimensão
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
; (1, 1, 1), (2, 2, 2), (1, 2, 3), (2, 3, 4), ;
(1, 1, 1), (1, 2, 3), (2, 3, 4), ; (1, 1, 1), (1, 2, 3), base do subespaço
gerado pela lista inicial.

A unicidade do número de elementos de uma base do e.v. V é

consequência do seguinte
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..

Admitindo o lema, entenda como se demonstra a unicidade do

número de elementos de uma base.
dimensão
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
; (1, 1, 1), (2, 2, 2), (1, 2, 3), (2, 3, 4), ;
(1, 1, 1), (1, 2, 3), (2, 3, 4), ; (1, 1, 1), (1, 2, 3), base do subespaço
gerado pela lista inicial.

A unicidade do número de elementos de uma base do e.v. V é

consequência do seguinte
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..

Admitindo o lema, entenda como se demonstra a unicidade do

número de elementos de uma base.
Sejam u1 , . . . , ur e w1 , . . . , ws bases de um e.v. V . Em particular,
a lista u1 , . . . , ur gera, e a lista w1 , . . . , ws é l.i.
dimensão
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
; (1, 1, 1), (2, 2, 2), (1, 2, 3), (2, 3, 4), ;
(1, 1, 1), (1, 2, 3), (2, 3, 4), ; (1, 1, 1), (1, 2, 3), base do subespaço
gerado pela lista inicial.

A unicidade do número de elementos de uma base do e.v. V é

consequência do seguinte
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..

Admitindo o lema, entenda como se demonstra a unicidade do

número de elementos de uma base.
Sejam u1 , . . . , ur e w1 , . . . , ws bases de um e.v. V . Em particular,
a lista u1 , . . . , ur gera, e a lista w1 , . . . , ws é l.i.
Logo, pelo lema, s ≤ r .
dimensão
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
; (1, 1, 1), (2, 2, 2), (1, 2, 3), (2, 3, 4), ;
(1, 1, 1), (1, 2, 3), (2, 3, 4), ; (1, 1, 1), (1, 2, 3), base do subespaço
gerado pela lista inicial.

A unicidade do número de elementos de uma base do e.v. V é

consequência do seguinte
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..

Admitindo o lema, entenda como se demonstra a unicidade do

número de elementos de uma base.
Sejam u1 , . . . , ur e w1 , . . . , ws bases de um e.v. V . Em particular,
a lista u1 , . . . , ur gera, e a lista w1 , . . . , ws é l.i.
Logo, pelo lema, s ≤ r .
Trocando os papéis, vem r ≤ s e assim s = r .
dimensão
Acompanhe o algoritmo descrito para o caso da lista inicial de
geradores (1, 1, 1), (2, 2, 2), 0, (1, 2, 3), (2, 3, 4).
; (1, 1, 1), (2, 2, 2), (1, 2, 3), (2, 3, 4), ;
(1, 1, 1), (1, 2, 3), (2, 3, 4), ; (1, 1, 1), (1, 2, 3), base do subespaço
gerado pela lista inicial.

A unicidade do número de elementos de uma base do e.v. V é

consequência do seguinte
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..

Admitindo o lema, entenda como se demonstra a unicidade do

número de elementos de uma base.
Sejam u1 , . . . , ur e w1 , . . . , ws bases de um e.v. V . Em particular,
a lista u1 , . . . , ur gera, e a lista w1 , . . . , ws é l.i.
Logo, pelo lema, s ≤ r .
Trocando os papéis, vem r ≤ s e assim s = r .
dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
Para provar o lema, devemos mostrar que existe uma relação não
trivial, x1 w1 + · · · + xn wn = 0.
dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
Para provar o lema, devemos mostrar que existe uma relação não
trivial, x1 w1 + · · · + xn wn = 0.
Por hipótese,  existem constantes aij tais que

 w1 = a11 v1 + a21 v2 + · · · + am1 vm ,






dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
Para provar o lema, devemos mostrar que existe uma relação não
trivial, x1 w1 + · · · + xn wn = 0.
Por hipótese,  existem constantes aij tais que

 w1 = a11 v1 + a21 v2 + · · · + am1 vm ,
 w2 = a12 v1 + a22 v2 + · · · + am2 vm ,






dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
Para provar o lema, devemos mostrar que existe uma relação não
trivial, x1 w1 + · · · + xn wn = 0.
Por hipótese,  existem constantes aij tais que

 w1 = a11 v1 + a21 v2 + · · · + am1 vm ,
 w2 = a12 v1 + a22 v2 + · · · + am2 vm ,

.. .. ..


 . . .
wn = a1n v1 + a2n v2 + · · · + amn vm .

dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
Para provar o lema, devemos mostrar que existe uma relação não
trivial, x1 w1 + · · · + xn wn = 0.
Por hipótese,  existem constantes aij tais que

 w1 = a11 v1 + a21 v2 + · · · + am1 vm ,
 w2 = a12 v1 + a22 v2 + · · · + am2 vm ,

.. .. ..


 . . .
wn = a1n v1 + a2n v2 + · · · + amn vm .

Multiplicando a i-ésima igualdade por xi e somando membro a membro,
dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
Para provar o lema, devemos mostrar que existe uma relação não
trivial, x1 w1 + · · · + xn wn = 0.
Por hipótese,  existem constantes aij tais que

 w1 = a11 v1 + a21 v2 + · · · + am1 vm ,
 w2 = a12 v1 + a22 v2 + · · · + am2 vm ,

.. .. ..


 . . .
wn = a1n v1 + a2n v2 + · · · + amn vm .

Multiplicando X a i-ésima
 igualdade por xi e somando membro a membro,
X
⇒ xi wi = xi a1i v1 +
| {z }
y1
dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
Para provar o lema, devemos mostrar que existe uma relação não
trivial, x1 w1 + · · · + xn wn = 0.
Por hipótese,  existem constantes aij tais que

 w1 = a11 v1 + a21 v2 + · · · + am1 vm ,
 w2 = a12 v1 + a22 v2 + · · · + am2 vm ,

.. .. ..


 . . .
wn = a1n v1 + a2n v2 + · · · + amn vm .

Multiplicando X a i-ésima
 igualdade
X por xi e somandomembro a membro,
X X
⇒ xi wi = xi a1i v1 + xi a2i v2 + · · · + xi ami vm .
| {z } | {z } | {z }
y1 y2 ym
dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
Para provar o lema, devemos mostrar que existe uma relação não
trivial, x1 w1 + · · · + xn wn = 0.
Por hipótese,  existem constantes aij tais que

 w1 = a11 v1 + a21 v2 + · · · + am1 vm ,
 w2 = a12 v1 + a22 v2 + · · · + am2 vm ,

.. .. ..


 . . .
wn = a1n v1 + a2n v2 + · · · + amn vm .

Multiplicando X a i-ésima
 igualdade
X por xi e somandomembro a membro,
X X
⇒ xi wi = xi a1i v1 + xi a2i v2 + · · · + xi ami vm .
| {z } | {z } | {z }
y1 y2 ym

P· · · = ym P
Forçando y1 = = 0, caı́mos no sistema
P de equações
a1i xi = a2i xi = · · · = ami xi = 0.
dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
Para provar o lema, devemos mostrar que existe uma relação não
trivial, x1 w1 + · · · + xn wn = 0.
Por hipótese,  existem constantes aij tais que

 w1 = a11 v1 + a21 v2 + · · · + am1 vm ,
 w2 = a12 v1 + a22 v2 + · · · + am2 vm ,

.. .. ..


 . . .
wn = a1n v1 + a2n v2 + · · · + amn vm .

Multiplicando X a i-ésima
 igualdade
X por xi e somandomembro a membro,
X X
⇒ xi wi = xi a1i v1 + xi a2i v2 + · · · + xi ami vm .
| {z } | {z } | {z }
y1 y2 ym
Forçando y1 = P· · · = ym P
= 0, caı́mos no sistema
P de equações
a1i xi = a2i xi = · · · = ami xi = 0.
Como o número das incógnitas x1 , x2 , . . . , xn é maior que o das
equações, (n > m)
dimensão
Lema. Se uma lista v1 , . . . , vm gera V então qualquer lista
w1 , . . . , wn , com n > m, é l.d..
Para provar o lema, devemos mostrar que existe uma relação não
trivial, x1 w1 + · · · + xn wn = 0.
Por hipótese,  existem constantes aij tais que

 w1 = a11 v1 + a21 v2 + · · · + am1 vm ,
 w2 = a12 v1 + a22 v2 + · · · + am2 vm ,

.. .. ..


 . . .
wn = a1n v1 + a2n v2 + · · · + amn vm .

Multiplicando X a i-ésima
 igualdade
X por xi e somandomembro a membro,
X X
⇒ xi wi = xi a1i v1 + xi a2i v2 + · · · + xi ami vm .
| {z } | {z } | {z }
y1 y2 ym
Forçando y1 = P· · · = ym P
= 0, caı́mos no sistema
P de equações
a1i xi = a2i xi = · · · = ami xi = 0.
Como o número das incógnitas x1 , x2 , . . . , xn é maior que o das
equações, (n > m) temos assegurada a existência de soluções 6=0,
completando a verificação de que w1 , w2 , . . . , wn é l.d.
Exemplos

1. A coleção dos polinômios p(x) = ax 2 + bx + c de grau ≤ 2 é

um e.v. de dimensão 3: os polinômios 1, x, x 2 formam uma
base.
Exemplos

1. A coleção dos polinômios p(x) = ax 2 + bx + c de grau ≤ 2 é

um e.v. de dimensão 3: os polinômios 1, x, x 2 formam uma
base. Explique por que a coleção dos polinômios
p(x) = ax 2 + bx + c de grau = 2 (a 6= 0) não é subespaço.
Exemplos

1. A coleção dos polinômios p(x) = ax 2 + bx + c de grau ≤ 2 é

um e.v. de dimensão 3: os polinômios 1, x, x 2 formam uma
base. Explique por que a coleção dos polinômios
p(x) = ax 2 + bx + c de grau = 2 (a 6= 0) não é subespaço.
2. Se A é uma matriz m × n, então a dimensão do sub-espaço de
Rn gerado por suas m linhas é o número de pivôs na forma
escada.
Exemplos

1. A coleção dos polinômios p(x) = ax 2 + bx + c de grau ≤ 2 é

um e.v. de dimensão 3: os polinômios 1, x, x 2 formam uma
base. Explique por que a coleção dos polinômios
p(x) = ax 2 + bx + c de grau = 2 (a 6= 0) não é subespaço.
2. Se A é uma matriz m × n, então a dimensão do sub-espaço de
Rn gerado por suas m linhas é o número de pivôs na forma
escada.
“Misteriosamente” coincide com a dimensão do sub-espaço
de Rm gerado por suas n colunas.!
Exemplos

1. A coleção dos polinômios p(x) = ax 2 + bx + c de grau ≤ 2 é

um e.v. de dimensão 3: os polinômios 1, x, x 2 formam uma
base. Explique por que a coleção dos polinômios
p(x) = ax 2 + bx + c de grau = 2 (a 6= 0) não é subespaço.
2. Se A é uma matriz m × n, então a dimensão do sub-espaço de
Rn gerado por suas m linhas é o número de pivôs na forma
escada.
“Misteriosamente” coincide com a dimensão do sub-espaço
de Rm gerado por suas n colunas.! (A ver, em breve:-)