Luís Basílio Mucuta

ESPAÇOS VECTORIAIS

(Curso de Licenciatura em Ensino de Matemática)

Universidade Rovuma

Extensão de Niassa

2022
4
 Luís Basílio Mucuta

ESPAÇOS VECTORIAIS

(Curso de Licenciatura em Ensino de Matemática)

Trabalho de carácter avaliativo da cadeira de

Álgebra Linear I, a ser entregue no Departamento
de Ciências, Tecnologias, Engenharias e
Matemática sob orientação de Dr.

Universidade Rovuma

Extensão de Niassa

2022
Índice

1. Introdução......................................................................................................................4

2.0. ESPAÇOS VECTORIAIS......................................................................................5

2.2. Subespaço Vectorial...............................................................................................6

2.3. Sob espaço vectorial gerado...................................................................................7

2.4. Combinação Linear.................................................................................................8

2.5. Dependência e Independência Linear.....................................................................8

2.6. Base de um Espaço Vectorial.................................................................................9

2.7. Dimensão de um espaço vectorial........................................................................10

4.0. Bibliografia.......................................................................................................12
 4

1. Introdução

Um espaço vectorial real com relação a uma adição e a uma multiplicação por escalar
dadas, deveríamos mostrar que todas as condições daquela definição são satisfeitas, ou
seja, que o conjunto W é fechado com relação às operações de adição vectorial e de
multiplicação vectorial por escalares reais e que os oito axiomas são verificados.
Entretanto, de acordo com Anton e Rorres (2001, p. 162). ... se W é parte de um
conjunto maior V que já é sabido ser um espaço vectorial, então alguns axiomas não
precisam ser conferidos para W pois eles são “herdados” de V. Por exemplo, não há
necessidade de conferir que u+v=v+u (...) para W pois isto vale para todos os vectores
de V e consequentemente para todos os vectores de W.
 5

2.0. ESPAÇOS VECTORIAIS

Um espaço vectorial e um sítio onde se podem fazer combinações lineares. Para

isto tudo o que e necessário e saber como somar e como multiplicar por escalar os
objectos do espaço vectorial. Para que estas combinações lineares se comportem como
estamos habituados nos exemplos que vimos até agora é necessário que satisfaçam
certas propriedades que são especificadas na definição de espaço vectorial.
O arquétipo de um espaço vectorial é R n = {( x1 , … , x n ) : x i ∈ R } em que a
multiplicação por escalares é definida por
a ∙ ( x 1 , … , x n )=(ax 1 , … , ax n )
E a soma por

( x 1 ,… , x n ) + ( y 1 , … , y n ) = ( x 1 + y 1 , … , x n+ y n )
Nos casos em que n = 1,2 ou 3, estamos habituados a identificar R n geometricamente
com o conjunto dos vectores com origem em (0,…, 0) e sabemos interpretar
geometricamente o produto por escalar e a soma.

2.1. Espaço Vectorial

Definição:

Seja um conjunto V, não-vazio, sobre o qual estão definidas as operações adição e

multiplicação por escalar, isto é:

∀ u , v ∈ V ,u+ v ∈V

∀ a ∈ R , ∀ u∈ V , au∈ V

O conjunto V com essas duas operações é chamado de espaço vectorial real (ou espaço
vectorial sobre ℝ) se forem verificados os seguintes axiomas:

a) Em relação a adição:

 u + (v+w) = (u+v) + w, ∀ u,v,w∈V

 u+v=v+u, , ∀ u,v ∈V
 ∃0 ∈ V, ∀ u ∈ V,u+0 = u
 ∀ u ∈V ,∃ (−u ) ∈V , u+ (−u )=0
b) Em relação a multiplicação por escalar:
 6

 a ( βu ¿= ( aβ ) u
 (a+ β ¿u=au+ βu
 a (u +v) = au +av
 1 (u) = u
Obs: Os elementos do espaço vectorial V são chamados de vectores, independente de
sua natureza. Pode parecer estranho, o fato de se chamar de vectores os polinómios,
(quando V for constituído de polinómios), as matrizes (quando V for constituído de
matrizes), os números (quando V for constituído for um conjunto numérico), e assim
por diante. Podemos fazer isso, pois esses elementos de natureza tão distinta se
comportam de forma idêntica nas operações de adição e multiplicação de escalar, como
se estivéssemos trabalhando com os próprios vectores do ℝ2 e ℝ3.

Pn = { a0 +a1 x+ a2 x2 +… a n x n ;ai ∈ R }
M(m,n)

Se tivéssemos tomado para escalares o conjunto ℂ dos números complexos, V seria um

espaço vectorial complexo.

2.2. Subespaço Vectorial

Sejam V um espaço vectorial e S um subconjunto não-vazio de V. O subconjunto S é

um subespaço vectorial de V se S é um espaço vectorial em relação à adição e à
multiplicação por um escalar definidas em V.

Para mostrar que um subconjunto S é um subespaço vectorial de V, deveríamos

testar os 8 axiomas de espaço vectorial relativos à adição e multiplicação, mas como S é
parte de V, não há necessidade.

Um subconjunto S então é um subespaço vectorial se estiverem satisfeitas as condições:

I. ∀ u , v ∈ S ,u+ v ∈ S
II. ∀ u ∈ S e ∀ a ∈ R , au ∈ S

Todo espaço vectorial V admite pelo menos dois subespaço: o conjunto {0},
chamado subespaço zero ou subespaço nulo, e o próprio espaço vectorial V, que são
chamados de subespaços triviais de V. Os demais são chamados de subespaços próprios
de V.
 7

Por exemplo, os subespaços triviais do V=ℝ3 são {0,0,0} e o próprio ℝ3. Os subespaços
próprios do ℝ3 são rectas e planos que passam pela origem.

Para o V=ℝ2, os subespaços triviais são {0,0} e ℝ2. Os subespaços próprios do ℝ2 são
rectas que passam pela origem.

Exemplos: V = R 2

{ }
2
R
S= ( x , y ) ∈ =2 x
y

Exemplo2: V = R 2

{ }
2
R
S= ( x , y ) ∈ =2 x
y

2.3. Sob espaço vectorial gerado

Sejam V um espaço vectorial e A= { v 1 , v 2 , … , v n } ⊂ V , A ≠ ∅ .

Geradores

O conjunto S de todos os vectores de V que são combinações lineares dos vectores de A

é um subespaço vectorial de V.

[ v1 , v 2 , … , v n ] = {a 1 , v1 + a2 v 2 … a n v n }

Subespaço gerado

O subespaço S se diz gerado pelos vectores v1, v2, ..., vn:

S = [ v1 , v 2 , … , v n ] ou gerado pelo conjunto A: S = G (A)

 8

Exemplo: Os vectores e1 = (1,0) e e2 = (0,1) geram o espaço vectorial V= R 2, pois

qualquer par ordenado (x, y) ∈ R 2 é combinação linear de e1 e e2:

(x, y) = a1e1 + a2e2 = a1(1,0) + a2 (0,1) = (a1,0) + (0,a2)

= (a1, a2)
(x, y) = xe1 + ye2
[e1, e2] = R 2

2.4. Combinação Linear

Definição: Sejam os vectores v1, v2, ..., vn do espaço vectorial V e os escalares a1, a2, ...,
an. Qualquer vector v ∈ V da forma:
v =a1v1+a2v2+…+anvn

é uma combinação linear dos vectores v1, v2,...,vn.

Exemplo:
No espaço vectorial ℝ3, o vector v = (–7, –15,22) é uma combinação linear dos vectores
v1 = (2,-3,4) e v2 = (5,1,-2) porque:
v = 4v1 – 3v2
(–7, –15,22) = 4(2, –3,4) – 3(5,1, –2)
= (8, –12,16) + (–15, –3,6)
= (–7, –15,22)

2.5. Dependência e Independência Linear

Um conjunto de vectores { v 1 , v 2 , … , v n } ⊆ V é linearmente independente (LI)

quando k1 ∙ v1 +k2 ∙ v2 + … +kn ∙ vn =0v se e somente se k1 =k2 = … = kn = 0.

Ex: { ( 1,3 ) ,( 4,2) } é LI, pois:

k1 ∙ (1,3) + k2 ∙ (4,2) = (0,0)
(k1 + 4k2, + 3k2,) = (0,0)

Assim, k1 + 4k2 = 0
3k1 + 2k2 =0
 9

Matriz ampliada (13 4 0

2 0 )
e matriz escalonada
1 4
0 1 ( 0
0 )
O sistema é possível e determinado com k1 =k2 = 0.
Assim, o conjunto é LI. Um dos vectores não é múltiplo escalar do outro.

Foi visto que o espaço gerado por { ( 1,3 ) ,( 4,2) } é R 2, ou seja [(1,3), (4,2)]= R 2

Definição: Sejam V um espaço vectorial real. Dizemos que um subconjunto não-vazio S

de vectores de V é linearmente dependente (ou simplesmente, dependente), se existirem
vectores distintos v1, v2,…, vn em S, tais que a equação vectorial.
x1v1 + x2v2 + … + xnvn = 0

Admite solução não-trivial (solução não-nula), ou seja, se o vector nulo de V pode ser
escrito como combinação linear de vectores v1, v2,…, vn de S com algum dos escalares
sendo não-nulo. Se o conjunto S não é linearmente depende, dizemos que ele é
linearmente independente (ou simplesmente, independente).

No caso de S conter uma quantidade finita de vectores v1, v2,…, vn, dizemos
também que os vectores v1, v2,…, vn são dependentes (ou independentes) para dizer que
S é dependente (ou independente).

Ex: Se v1 = (4, –2,0,a –1), v2 = (–1,2,3,8) e v3 = (11, –4,3,5), então o conjunto S =

{ v 1 , v 2 , v 3 } de vectores do espaço vectorial real R 4 é LD. De facto que 3v1 + v2 – v3 = 0.
Por tanto a equação vectorial x1v1 + x2v2 + … + xnvn = 0, admite a solução com algum x
≠ 0 (solução não-trivial).

2.6. Base de um Espaço Vectorial

Um conjunto B={v1, v2, ..., vn} ⊂ V é uma base do espaço vectorial V se:
a) B é LI;
b) B gera V

Exemplos:
1) B={(1,0), (0,1)} é uma base do ℝ2, denominada base canónica. De fato:
I) B é LI
II) B gera ℝ2 2) B={(1,2), (3,5)} é base do ℝ2. De fato:
I) B é LI a1 (1,2) + a2 (3,5) = (0,0)
a1 + 3a2 = 0
2a1 + 5a2 = 0
 10

(a1, 2a1) + (3a2, 5a2) = (0,0)

(a1 + 3a2 , 2a1 + 5a2) = (0,0)

2.7. Dimensão de um espaço vectorial

Se V é um espaço vectorial e possui uma base com n vectores, V tem uma dimensão n.
A dimensão de V indica por dim V= n
Exemplos:
1)dim ℝ2=2
2)dim ℝ3=3
3)dim ℝn=n
4)dim M(2,2)=4
5)dim M(m,n)=mxn
6)dim Pn=n+1
 11

3.0. Conclusão
No presente trabalho vimos que as caracterizações de vectores, espaços vectoriais e
subespaços são relativamente simples. Esses entes matemáticos encontram aplicações
importantes em diversas áreas. Alguns desses objectos são muito conhecidos e até
corriqueiramente utilizados, como é o caso do R3. Ao trabalharmos com os espaços
vectoriais nos deparamos com o conceito de bases.
 12

4.0. Bibliografia

OLIVEIRA, António Augusto Lima. Espaços Vectoriais e Ortogonalização de

Vectores. 2010.

POOLE, David. Álgebra linear. Tradução Martha Salerno Monteiro; et al. São Paulo:
Thomson Learning, 2006.

CUNHA, Francisco Gêvane Muniz. Álgebra Linear: Licenciatura em Matemática.

Fortaleza – Brasil: UAB/IFCE, 2010.

BOLDRINI, José et al. Álgebra linear. 3. ed. São Paulo: Harbra, 1980. Cit por
CUNHA, Francisco Gêvane Muniz. Álgebra Linear: Licenciatura em Matemática.
Fortaleza – Brasil: UAB/IFCE, 2010.