Álgebra Linear - Aula05

Curso de lgebra Linear
Aula 5
Prof. Waldeck Schtzer, Ph.D.
waldeck@dm.ufscar.br
Universidade Federal de So Carlos

Departamento de Matemtica
Curso de lgebra Linear p. 1
Nesta aula
Dependncia Linear
Dimenso (exemplos)
Base
Coordenadas
Recordando a Dependncia Linear

Definio. Um conjunto de vetores {v1 , v2 , . . . , vn }
linearmente independente (LI) se a nica soluo da
equao
x1 v 1 + x2 v 2 + + xn v n = 0
()
a soluo trivial x1 = 0, x2 = 0, . . . , xn = 0.

equao
x1 v 1 + x2 v 2 + + xn v n = 0
()
Caso contrrio, o conjunto linearmente dependente
(LD)

equao
x1 v 1 + x2 v 2 + + xn v n = 0
()
(LD)
Uma soluo no trivial de () estabelece uma relao de
dependncia linear entre vetores do conjunto.

equao
x1 v 1 + x2 v 2 + + xn v n = 0
()
(LD)
Uma soluo no trivial de () estabelece uma relao de
dependncia linear entre vetores do conjunto.
Por isso, um conjunto LI aquele que no possui nenhuma
relao de dependncia entre seus vetores.
Recordando a Dependncia Linear ...

Teorema 36 Seja (V, +, ) um espao vetorial arbitrrio e
seja S V no-vazio. Ento:

i) S LD se, e somente se algum vetor de S o vetor nulo,
ou combinao linear dos demais vetores de S .

i) S LD se, e somente se algum vetor de S o vetor nulo,
ou combinao linear dos demais vetores de S .
ii) S LI se no contm o vetor nulo e nenhum de seus
vetores combinao linear dos demais vetores de S

seja S T Ento:

seja S T Ento:
i) Se S LD ento T LD

seja S T Ento:
i) Se S LD ento T LD
ii) Se T LI ento S LI
Propriedades de conjuntos LI
Teorema 38 Seja 6= 0. Ento {u, v, . . . , w} LI se, e
somente se, {u, v, . . . , w} tambm LI.
() Se {u, v, . . . , w} LI, a nica soluo de
(u) + v + + w =
()u + v + + w = 0
()
= 0, = 0, = 0, . . . , = 0, logo {u, v, . . . , w} LI.
() Se {u, v, . . . , w} LI, a nica soluo de
(u) + v + + w =
()u + v + + w = 0
()
= 0, = 0, = 0, . . . , = 0, logo {u, v, . . . , w} LI.

() Agora, se {u, v, . . . , w} LI, ento pela parte ()
{ 1 (u), v, . . . , w} = {u, v, . . . , w} tambm LI.
Propriedades de conjuntos LI ...

Teorema 39 {u, v, . . . , w} LI se, e somente se,
{v + u, v . . . , w} tambm LI.

{v + u, v . . . , w} tambm LI.
() Se {u, v, . . . , w}, a nica soluo de
(v + u) + v + + w =
(v) + u + v + + w =
u + ( + )v + + w = 0
()
= 0, + = 0, = 0, . . . , = 0, logo
{v + u, v . . . , w} LI.

{v + u, v . . . , w} tambm LI.
() Se {u, v, . . . , w}, a nica soluo de
(v + u) + v + + w =
(v) + u + v + + w =
u + ( + )v + + w = 0
()
= 0, + = 0, = 0, . . . , = 0, logo
{v + u, v . . . , w} LI.
() Se {v + u, v . . . , w} LI, pela parte (),
{v + (v + u), v . . . , w}={u, v, . . . , w} LI.

Concluso 40 As operaes

Multiplicar um vetor do conjunto por uma constante
6= 0.

6= 0.
Somar um mltiplo de um vetor a outro vetor do
conjunto.

6= 0.
conjunto.
levam conjuntos LI em conjuntos LI (logo conjuntos LD em
conjuntos LD).

6= 0.
conjunto.
levam conjuntos LI em conjuntos LI (logo conjuntos LD em
conjuntos LD).
Este resultado nos ser muito til em breve.
vetores-linha e vetores-coluna de A
Seja A = (aij ) uma matriz m n.
Os vetores-linha de A so as nuplas
A(1) = (a1j ), A(2) = (a2j ), . . . , A(m) = (amj )
A(1) = (a1j ), A(2) = (a2j ), . . . , A(m) = (amj )
Os vetores-coluna de A so as m-uplas
A(1) = (ai1 ), A(2) = (ai2 ), . . . , A(n) = (ain )
A(1) = (a1j ), A(2) = (a2j ), . . . , A(m) = (amj )
Os vetores-coluna de A so as m-uplas
A(1) = (ai1 ), A(2) = (ai2 ), . . . , A(n) = (ain )
A concluso anterior implica que:

Se B L A, ento {A(1) , A(2) , . . . , A(m) } LD se, e somente
se {B(1) , B(2) , . . . , B(m) } tambm LD. (idem para LI)
Recordando Dimenso
Definio. Seja (V, +, ) um espao vetorial arbitrrio.
Dizemos que V tem dimenso n, e escrevemos dim V = n,
se
Recordando Dimenso
se
V contm um subconjunto LI com n vetores.
Recordando Dimenso
se
Todo subconjunto de V com n + 1 vetores LD.
Recordando Dimenso
se

Se V possui um subconjunto LI com uma infinidade de
elementos, dizemos que V tem dimenso infinita e
escrevemos dim V = .
Recordando Dimenso
se

Se V possui um subconjunto LI com uma infinidade de
elementos, dizemos que V tem dimenso infinita e
escrevemos dim V = .
Em outras palavras, a dimenso a cardinalidade de
qualquer subconjunto maximal LI de vetores de V .
Exemplos Notveis
dim E 2 = 2, dim E 3 = 3
Exemplos Notveis
dim E 2 = 2, dim E 3 = 3
dim R = 1, dim R2 = 2, . . ., dim Rn = n
Exemplos Notveis
dim E 2 = 2, dim E 3 = 3
dim R = 1, dim R2 = 2, . . ., dim Rn = n
dim Pn = n + 1, pois {1, x, x2 , . . . , xn } LI
De fato, se esse conjunto fosse LD, existiriam escalares

c0 , c1 , . . . , cn no todos nulos tais que
p(x) = c0 + c1 x + c2 x2 + + cn xn = 0,
x R
()
Mas, pelo Teorema Fundamental da lgebra, p(x) no

pode ter mais do que n razes em R. Portanto
c0 = c1 = = cn = 0 a nica soluo de ().
Exerccio: mostre que todo subconjunto S de Pn com
n + 2 polinmios necessariamente LD.
Exemplos Notveis
dim E 2 = 2, dim E 3 = 3
dim R = 1, dim R2 = 2, . . ., dim Rn = n
S = {1, x, x2 , x3 , . . . , xn , . . .} LI em P , logo dim P =
De fato, pelo exemplo anterior, todo subconjunto de S

LI, logo S LI.
Com efeito, se T um subconjunto qualquer de S ,
ento T est contido em {1, x, x2 , . . . , xm }, para algum
inteiro m. Como este LI, ento T tambm LI
Exemplos Notveis
dim E 2 = 2, dim E 3 = 3
dim R = 1, dim R2 = 2, . . ., dim Rn = n
Seja Pn (S) = {p Pn | p est restrito a S}. Se S infinito,

ento dim Pn (S) = n + 1.
A prova anloga quela de Pn , pois um polinmio no
pode ter uma quantidade infinita de razes em S .
Certamente, tambm vale dim P(S) =
Exemplos Notveis
dim E 2 = 2, dim E 3 = 3
dim R = 1, dim R2 = 2, . . ., dim Rn = n

S infinito, ento dim RS = , pois RS contm P(S)
Exemplos Notveis
dim E 2 = 2, dim E 3 = 3
dim R = 1, dim R2 = 2, . . ., dim Rn = n

Se U um intervalo, ou reunio de intervalos, ento

dim F(U ) =
De fato, F(U ) contm P(U ) e U infinito
Exemplos Notveis
dim E 2 = 2, dim E 3 = 3
dim R = 1, dim R2 = 2, . . ., dim Rn = n


dim F(U ) =
dim Mmn = mn
Vamos calcular a seguir.

Exemplos Notveis
dim E 2 = 2, dim E 3 = 3
dim R = 1, dim R2 = 2, . . ., dim Rn = n


dim F(U ) =
dim Mmn = mn
dim{0} = 0 (o nico subconjunto LI de {0} )
A dimenso de Mmn
Consideremos as matrizes eij : S R definidas por
(
0, se k 6= i ou 6= j
eij (k, ) =
= ik j
1, se k = i e = j
onde o Delta de Kronecker:
(
0, se k =
6 i
ik =
1, se k = i
Aqui S = {1, 2, . . . , m} {1, 2, . . . , n}.
A dimenso de Mmn
Consideremos as matrizes eij : S R definidas por
(
0, se k 6= i ou 6= j
eij (k, ) =
= ik j
1, se k = i e = j
onde o Delta de Kronecker.
Exemplo: em M2 = M2,2 , temos (graficamente)
"
#
"
#
1 0
0 1
e11 =
, e12 =
,
0 0
0 0
e21 =
"
0 0
1 0
, e22 =
"
0 0
0 1
#
A dimenso de Mmn ...

Consideremos a equao em Mmn :
m X
n
X
cij eij = 0
()
i=1 j=1
onde cij so escalares incgnitas.

m X
n
X
cij eij = 0
()
i=1 j=1

Aplicando ambos os lados a (k, ) S , temos
m X
n
X
cij eij (k, ) = 0
i=1 j=1

m X
n
X
cij eij = 0
()
i=1 j=1

Aplicando ambos os lados a (k, ) S , temos
m X
n
X
cij eij (k, ) = 0
i=1 j=1
Isto
n X
n
X
cij ik j = 0
i=1 j=1

Mas, na equao
m X
n
X
cij ik j = 0
i=1 j=1
todos os termos se anulam, exceto quando i = k e j =

Mas, na equao
m X
n
X
cij ik j = 0
i=1 j=1

Nesse caso, o que sobra
ck = 0

Mas, na equao
m X
n
X
cij ik j = 0
i=1 j=1

Nesse caso, o que sobra
ck = 0
Como k e so arbitrrios, conclumos que () possui

apenas a soluo trivial, logo
{eij Mmn | 1 i m, 1 j n}
LI. Note que este contm mn elementos


Seja {A1 , A2 , . . . , Ar } Mmn e consideremos
c1 A1 + c2 A2 + + cr Ar = 0
()
(k)
onde Ak = (aij ).

c1 A1 + c2 A2 + + cr Ar = 0
()
(k)
onde Ak = (aij ).
Assim,
Ak =
m X
n
X
(k)
aij eij
i=1 j=1

c1 A1 + c2 A2 + + cr Ar = 0
()
(k)
onde Ak = (aij ).
Assim,
Ak =
m X
n
X
(k)
aij eij
i=1 j=1
Logo () equivale a
m X
n
r X
X
(k)
ck aij eij
=0
k=1 i=1 j=1

Aplicando ambos os membros de
m X
n
r X
X
(k)
ck aij eij = 0
k=1 i=1 j=1
a (s, t) S , vem
m X
n
r X
X
(k)
ck aij is jt
=0
k=1 i=1 j=1

Aplicando ambos os membros de
m X
n
r X
X
(k)
ck aij eij = 0
k=1 i=1 j=1
a (s, t) S , vem
m X
n
r X
X
(k)
ck aij is jt
=0
k=1 i=1 j=1
Logo
r
X
(k)
ck ast = 0, (s, t) S
k=1

Mas para cada s = 1, 2, . . . , m e t = 1, 2, . . . , n,
r
X
(k)
ast ck = 0
k=1
uma equao linear homognea nas incgnitas ck e

(k)
coeficientes ast

r
X
(k)
ast ck = 0
k=1

(k)
coeficientes ast
Temos um sistema de mn equaes lineares
homogneas a r incgnitas. Se r > mn, ento o
sistema tem soluo no-trivial, logo () tem soluo
no trivial

r
X
(k)
ast ck = 0
k=1

(k)
coeficientes ast
no trivial
Portanto, se r > mn, {A1 , A2 , . . . Ar } Mmn LD

r
X
(k)
ast ck = 0
k=1

(k)
coeficientes ast
no trivial
Portanto, se r > mn, {A1 , A2 , . . . Ar } Mmn LD
Isso mostra que dim Mmn = mn
C.Q.D.
Base de Espao Vetorial

Uma maneira de designar um espao vetorial dar uma
base para esse espao

Definio 41 Seja (V, +, ) um espao vetorial, dim V = n.
Uma base de V qualquer subconjunto B de V tal que
B LI
B possui exatamente n vetores
Exemplos:

B LI
Exemplos:
Dois vetores no colineares so base de E 2

B LI
Exemplos:
Trs vetores no coplanares em E 3 formam uma base

B LI
Exemplos:
{e1 , e2 , . . . , en } base de Rn

B LI
Exemplos:
{e1 , e2 , . . . , en } base de Rn
{eij , 1 i m, 1 j n} base de Mmn

B LI
Exemplos:
{e1 , e2 , . . . , en } base de Rn
{1, x, x2 } base de P2 . {1, 1 x, 1 x2 } outra.

B LI
Exemplos:
{e1 , e2 , . . . , en } base de Rn
{1, x, x2 } base de P2 . {1, 1 x, 1 x2 } outra.
Todo espao vetorial n-dimensional possui bases (

bvio)
Representao nica
Teorema 42 Seja (V, +, ) um espao vetorial
n-dimensional. Ento todo vetor v V pode ser expresso
unicamente como combinao linear dos vetores de uma
base de V .
Representao nica
base de V .
Prova:
Seja B = {u1 , u2 , . . . , un } base de V .
Representao nica
base de V .
Prova:
Ento o conjunto {u1 , u2 , . . . , un , v} LD, e existem
escalares 1 , 2 , . . . , n , no todos nulos tais que
1 u1 + 2 u2 + + n un + v = 0
()
Representao nica
base de V .
Prova:
Ento o conjunto {u1 , u2 , . . . , un , v} LD, e existem
escalares 1 , 2 , . . . , n , no todos nulos tais que
1 u1 + 2 u2 + + n un + v = 0
()
Obviamente 6= 0, logo
2
n
1
un
v = u1 u2
Representao nica...
Isso mostra que todo vetor v V se expressa em
termos da base B
Representao nica...
termos da base B
Suponhamos que
v = 1 u1 + 2 u2 + + n un
v = 1 u1 + 2 u2 + + n un
Representao nica...
termos da base B
Suponhamos que
v = 1 u1 + 2 u2 + + n un
v = 1 u1 + 2 u2 + + n un
Da, subtraindo uma eq. da outra:

0 = (1 1 )u1 + + (n n )un
Representao nica...
termos da base B
Suponhamos que
v = 1 u1 + 2 u2 + + n un
v = 1 u1 + 2 u2 + + n un

0 = (1 1 )u1 + + (n n )un
Mas B LI, logo 1 1 = 0, . . . , n n = 0, ou seja

1 = 1 , . . . , n = n .
Representao nica...
termos da base B
Suponhamos que
v = 1 u1 + 2 u2 + + n un
v = 1 u1 + 2 u2 + + n un

0 = (1 1 )u1 + + (n n )un
Mas B LI, logo 1 1 = 0, . . . , n n = 0, ou seja

1 = 1 , . . . , n = n .
Conclumos que a expresso de v em termos da base
B nica!
Representao nica...
Assim, dada a base B = {u1 , u2 , . . . , un } e dado v V
arbitrrio, existem nicos escalares 1 , 2 , . . . , n tais
que
v = 1 u1 + 2 u 2 + + n u n
Representao nica...
que
v = 1 u1 + 2 u 2 + + n u n
Em outras palavras, v est completamente
determinado por B e pela nupla (1 , 2 , . . . , n ) Rn
Representao nica...
que
v = 1 u1 + 2 u 2 + + n u n
Em outras palavras, v est completamente
determinado por B e pela nupla (1 , 2 , . . . , n ) Rn
Vamos chamar os escalares nessa nupla por um
nome conveniente. Em seguida vamos derivar
propriedades notveis desses escalares
Coordenadas relativas a uma base

Definio 43 Se B = {u1 , u2 , . . . , un } base de (V, +, ) os
nicos escalares 1 , 2 , . . . , n determinando v so
chamados coordenadas de v em relao base B .

Estes so os nicos escalares tais que
v = 1 u 1 + 2 u2 + + n u n

v = 1 u 1 + 2 u2 + + n u n
A nupla de coordenadas de v relativas a B ser denotada

[v]B = (1 , 2 , . . . , n )

v = 1 u 1 + 2 u2 + + n u n
A nupla de coordenadas de v relativas a B ser denotada

[v]B = (1 , 2 , . . . , n )
Exemplo: B = {1, x, x2 } base de P2 , logo

[3x2 2x + 7]B = (7, 2, 3)
Coordenadas em Rn
Sabemos que o subconjunto B Rn consistindo de
e1 = (1, 0, 0, . . . , 0)
e2 = (0, 1, 0, . . . , 0)
.. .. ..
. . .
en = (0, 0, 0, . . . , 1)
base de Rn . Vamos cham-la de base cannica.
Coordenadas em Rn
Sabemos que o subconjunto B Rn consistindo de
e1 = (1, 0, 0, . . . , 0)
e2 = (0, 1, 0, . . . , 0)
.. .. ..
. . .
en = (0, 0, 0, . . . , 1)
base de Rn . Vamos cham-la de base cannica.

Da, uma nupla arbitrria de Rn se expressa
unicamente como
(x1 , x2 , . . . , xn ) = x1 e1 + x2 e2 + + xn en
Coordenadas de um vetor em Rn ...

Portanto, em relao base cannica de Rn ,
[(x1 , x2 , . . . , xn )]B = (x1 , x2 , . . . , xn )

[(x1 , x2 , . . . , xn )]B = (x1 , x2 , . . . , xn )
Conclumos que em Rn , as coordenadas relativas

base cannica coincidem com os componentes do
vetor.

[(x1 , x2 , . . . , xn )]B = (x1 , x2 , . . . , xn )

vetor.
Cuidado: s podemos afirmar isso quando a base B
for a cannica

[(x1 , x2 , . . . , xn )]B = (x1 , x2 , . . . , xn )

vetor.
Cuidado: s podemos afirmar isso quando a base B
for a cannica
De fato, se B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} ento
[(x1 , x2 , x3 )]B = (x3 , x2 x3 , x1 x3 )
Verifique!
Exemplo em R3
Exemplo 44 Determine as coordenadas de v = (2, 4, 0)
relativas a B = {v1 = (1, 2, 1), v2 = (1, 0, 3), v3 = (2, 2, 1)}.
Exemplo em R3
relativas a B = {v1 = (1, 2, 1), v2 = (1, 0, 3), v3 = (2, 2, 1)}.
Soluo:
Devemos determinar x1 , x2 , x3 tais que
[(2, 4, 0)]B = (x1 , x2 , x3 )
Exemplo em R3
relativas a B = {v1 = (1, 2, 1), v2 = (1, 0, 3), v3 = (2, 2, 1)}.
Soluo:
[(2, 4, 0)]B = (x1 , x2 , x3 )
Isso equivale a resolver a equao
x1 (1, 2, 1) + x2 (1, 0, 3) + x3 (2, 2, 1) = (2, 4, 0)
Exemplo em R3
relativas a B = {v1 = (1, 2, 1), v2 = (1, 0, 3), v3 = (2, 2, 1)}.
Soluo:
[(2, 4, 0)]B = (x1 , x2 , x3 )
Isso equivale a resolver a equao
x1 (1, 2, 1) + x2 (1, 0, 3) + x3 (2, 2, 1) = (2, 4, 0)
que equivale a resolver o sistema linear
x1 x2 + 2x3 = 2
2x1
+ 2x3 = 4
x + 3x x = 0
1
2
3
Exemplo em R3 ...
A matriz ampliada desse sistema
1 1
2 2
0
2 4
2
1
3 1 0
Exemplo em R3 ...
1 1
2 2
0
2 4
2
1
3 1 0
Aplicando a ela o Gauss-Jordan, resulta
1 0 0
4
0
1
0
2
0 0 1 2
Exemplo em R3 ...
1 1
2 2
0
2 4
2
1
3 1 0
Aplicando a ela o Gauss-Jordan, resulta
1 0 0
4
0
1
0
2
0 0 1 2
E portanto a soluo do sistema linear

{(x1 , x2 , x3 ) = (4, 2, 2)}
Exemplo em R3 ...
Conclumos que [(2, 4, 0)]B = (4, 2, 2)
Exemplo em R3 ...
Conclumos que [(2, 4, 0)]B = (4, 2, 2)
Deste exemplo aprendemos que as coordenadas no
precisam coincidir com os componentes em R3
Exemplo em R3 ...
Conclumos que [(2, 4, 0)]B = (4, 2, 2)
Para calcular coordenadas relativas a uma base de Rn
devemos resolver sistema linear n n
Exemplo em R3 ...
Conclumos que [(2, 4, 0)]B = (4, 2, 2)
Esse sistema sempre possvel e determinado (Por
que?)
Exemplo em R3 ...
Conclumos que [(2, 4, 0)]B = (4, 2, 2)
Esse sistema sempre possvel e determinado (Por
que?)
Em qualquer espao vetorial n-dimensional,
coordenadas possuem propriedades notveis. Vejamos
algumas
Propriedades das coordenadas

Teorema 45 As coordenadas de um vetor em relao a
uma base possuem as seguintes propriedades:

(A) Aditividade: As coordenadas da soma so iguais
soma das coordenadas:
[u + w]B = [u]B + [w]B

[u + w]B = [u]B + [w]B
(H) Homogeneidade: As coordenadas do mltiplo so

iguais ao mltiplo das coordenadas:
[u]B = [u]B

[u + w]B = [u]B + [w]B
(H) Homogeneidade: As coordenadas do mltiplo so

iguais ao mltiplo das coordenadas:
[u]B = [u]B
Prova:
Aditividade das coordenadas

Seja B = {v1 , v2 , . . . , vn } base de V e suponhamos
[u]B = (1 , 2 , . . . , n )
[w]B = (1 , 2 , . . . , n )

[u]B = (1 , 2 , . . . , n )
[w]B = (1 , 2 , . . . , n )
Ento, unicamente,
u = 1 v1 + 2 v2 + + n vn
w = 1 v1 + 2 v2 + + n vn

[u]B = (1 , 2 , . . . , n )
[w]B = (1 , 2 , . . . , n )
Ento, unicamente,
u = 1 v1 + 2 v2 + + n vn
w = 1 v1 + 2 v2 + + n vn
Da, u + w = (1 + 1 )v1 + + (n + n )vn

[u]B = (1 , 2 , . . . , n )
[w]B = (1 , 2 , . . . , n )
Ento, unicamente,
u = 1 v1 + 2 v2 + + n vn
w = 1 v1 + 2 v2 + + n vn
Da, u + w = (1 + 1 )v1 + + (n + n )vn

Pela unicidade das coordenadas, conclumos que
[u + w]B = (1 + 1 , . . . , n + n ) = [u]B + [w]B
Homogeneidade das coordenadas

[u]B = (1 , 2 , . . . , n )

[u]B = (1 , 2 , . . . , n )
Ento
u = 1 v1 + 2 v2 + + n vn

[u]B = (1 , 2 , . . . , n )
Ento
u = 1 v1 + 2 v2 + + n vn
Da
u = (1 )v1 + + (n )vn

[u]B = (1 , 2 , . . . , n )
Ento
u = 1 v1 + 2 v2 + + n vn
Da
u = (1 )v1 + + (n )vn
Novamente, pela unicidade das coordenadas, temos:

[u]B = (1 , . . . , n ) = [u]B

[u]B = (1 , 2 , . . . , n )
Ento
u = 1 v1 + 2 v2 + + n vn
Da
u = (1 )v1 + + (n )vn
Novamente, pela unicidade das coordenadas, temos:

[u]B = (1 , . . . , n ) = [u]B
Claramente, o nico vetor cujas coordenadas so todas

iguais a zero o vetor nulo 0.
Coordenadas como funo

Seja (V, +, ) um espao vetorial e B = {v1 , v2 , . . . , vn }
base de V

base de V
A aplicao []B : V Rn uma funo entre V e Rn .
De fato, para cada v V , o valor [v]B est unicamente
determinado

base de V
determinado
Essa funo injetora: de fato, se [v]B = [w]B ento v
e w possuem as mesmas coordenadas relativas a B ,
logo v = w, pela unicidade das coordenadas

base de V
determinado
Essa funo injetora: de fato, se [v]B = [w]B ento v
e w possuem as mesmas coordenadas relativas a B ,
logo v = w, pela unicidade das coordenadas
Essa funo sobrejetora: de fato, se (1 , 2 , . . . , n )
uma nupla arbitrria de Rn , formando o vetor
v = 1 v1 + 2 v2 + + n vn
teremos [v]B = (1 , 2 , . . . , n )
Coordenadas como funo ...

Concluso: a funo []B : V Rn estabelece uma
bijeo entre V e Rn
Coordenadas como funo ...

Concluso: a funo []B : V Rn estabelece uma
bijeo entre V e Rn
Essa bijeo tal que
[v + w]B = [v]B + [w]B ,
v, w V,
e
[v]B = [v]B ,
R, v V
Fim da Aula 5
Final da Aula 5, obrigado.
Fim da Aula 5

Álgebra Linear - Aula05

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Álgebra Linear - Aula05

Uploaded by

Copyright:

Available Formats

Curso de lgebra Linear

Universidade Federal de So Carlos

Curso de lgebra Linear p. 1

Curso de lgebra Linear p. 2

Recordando a Dependncia Linear

Curso de lgebra Linear p. 3

Recordando a Dependncia Linear

Curso de lgebra Linear p. 3

Recordando a Dependncia Linear

Curso de lgebra Linear p. 3

Recordando a Dependncia Linear

Curso de lgebra Linear p. 3

Recordando a Dependncia Linear ...

Curso de lgebra Linear p. 4

Recordando a Dependncia Linear ...

Curso de lgebra Linear p. 4

Recordando a Dependncia Linear ...

Curso de lgebra Linear p. 4

Recordando a Dependncia Linear ...

Curso de lgebra Linear p. 5

Recordando a Dependncia Linear ...

Curso de lgebra Linear p. 5

Recordando a Dependncia Linear ...

Curso de lgebra Linear p. 5

Curso de lgebra Linear p. 6

= 0, = 0, = 0, . . . , = 0, logo {u, v, . . . , w} LI.

Curso de lgebra Linear p. 6

= 0, = 0, = 0, . . . , = 0, logo {u, v, . . . , w} LI.

Curso de lgebra Linear p. 6

Propriedades de conjuntos LI ...

Curso de lgebra Linear p. 7

Propriedades de conjuntos LI ...

Curso de lgebra Linear p. 7

Propriedades de conjuntos LI ...

Curso de lgebra Linear p. 7

Propriedades de conjuntos LI ...

Curso de lgebra Linear p. 8

Propriedades de conjuntos LI ...

Curso de lgebra Linear p. 8

Propriedades de conjuntos LI ...

Curso de lgebra Linear p. 8

Propriedades de conjuntos LI ...

Curso de lgebra Linear p. 8

Propriedades de conjuntos LI ...

Curso de lgebra Linear p. 8

Curso de lgebra Linear p. 9

Curso de lgebra Linear p. 9

Curso de lgebra Linear p. 9

A concluso anterior implica que:

Curso de lgebra Linear p. 9

Curso de lgebra Linear p. 10

Curso de lgebra Linear p. 10

Todo subconjunto de V com n + 1 vetores LD.

Curso de lgebra Linear p. 10

Todo subconjunto de V com n + 1 vetores LD.

Curso de lgebra Linear p. 10

Todo subconjunto de V com n + 1 vetores LD.

Curso de lgebra Linear p. 10

Curso de lgebra Linear p. 11

Curso de lgebra Linear p. 11

De fato, se esse conjunto fosse LD, existiriam escalares

Mas, pelo Teorema Fundamental da lgebra, p(x) no

De fato, pelo exemplo anterior, todo subconjunto de S