Professional Documents
Culture Documents
COMBINAÇÃO LINEAR
Uma expressão da forma a1u1 + a2u2+ . . . +anun = w, onde a1, a2, . . . ,an são escalares e u1,
u2, . . .,un e w, vetores do n chama-se combinação linear.
Em outras palavras, sejam V um espaço vetorial real ( ou complexo), v 1, v2,...,vn V e
a1,...,an, números (ou complexos).
Então o vetor
v
a1 v1
Por exemplo, os vetores e1 = (1, 0, 0); e2 = (0, 1, 0) e e3 = (0, 0, 1) geram o espaço vetorial
R3, pois qualquer vetor (a, b, c) R3 pode ser escrito como combinação linear dos ei, especificamente:
Exemplos.:
1) Sejam v1 (3, 1) e v 2 (2, 4) e os escalares a1 = 2 e a2 = -1. Podemos encontrar um vetor v = (x, y)
que seja combinação linear de v1 e v 2 .
v a1v1 a 2 v 2 (x, y) = 2.(3, 1) + (-1).(2, 4) = (4, -2) = v
2) Sejam os vetores v1 = (1, -3, 2) e v 2 = (2, 4, -1).
O vetor v = (-4, -18, 7) pode ser escrito como combinação linear de v1 e v 2 .
(-4, -18, 7) = a1.(1, -3, 2) + a2.(2, 4, -1)
a1 2a 2 4 1 2 : 4 1 0 2
3 4 : 18 ~ 0 1 3 a1 2
3a1 4a 2 18
2a a 7 a 2 3
1 2
2 1 : 7 0 0 0
Seja um vetor espaço vetorial. Considere um subconjunto A { v 1 , , v n } V, com A .
O conjunto S de todos os vetores de V que são combinações lineares dos vetores de A é um subespaço
vetorial de V. O subespaço diz-se gerado por v 1 , , v n . Ou seja:
S = G (A) ou S [ v 1 , , v n ]
Exercícios:
Prof. Sérgio Ricardo de Brito Gadelha 2
1) Os vetores i = (1, 0) e j = (0, 1) geram o espaço vetorial 2, pois qualquer (x, y) é combinação
linear de i e j.
2) Os vetores i =(1, 0, 0), j =(0, 1, 0) e k =(0, 0, 1) geram o espaço vetorial 3.
(x, y, z) = x.(1, 0, 0) + y.(0, 1, 0) + z.(0, 0, 1)
Obs.: i, j e k são chamados de vetores unitários, e também podem ser representados por e1, e2, e3.
S = { (x, y, z) 3 / y = 0 }
S = { (x, o, z) 3 / x, z }
Obs.: S é o plano xz
Definição. Seja V um espaço vetorial e v1 , v2 ,....., vn V. Dizemos que o conjunto A={ v1 , v2 , ....., v n }
é linearmente independente (LI) ou os vetores v1 , v2 , ....., v n são L.I. se a equação:
1 v1 2 v 2 ......... n vn 0 1 , 2 ,....... n implica que 1 2 ....... n 0 .
No caso em que exista algum i 0 diremos que {v1 , v2 ,......, vn} é linearmente
dependente (LD) ou que os vetores v1, v2, ... , vn são L.D.
Em outras palavras, seja um conjunto de vetores de mesma dimensão:
v1 , v 2 ,..., v N R n
Se a única combinação linear que resulte no vetor nulo
1v1 2 v 2 ... N v N 0
for a trivial, isto é, aquela em que os coeficientes são nulos:
Prof. Sérgio Ricardo de Brito Gadelha 3
1 2 ... N 0
então dizemos que os vetores vN são linearmente independentes. Por outro lado, se houver alguma
combinação que produza o vetor nulo, em que os coeficientes não se anulam, então dizemos que os
vetores vN são linearmente dependentes.
Exemplos em R3:
Exercícios:
1 2 4 8
6) A , v 2 4v1
3 0 12 0
Prof. Sérgio Ricardo de Brito Gadelha 4
BASES E DIMENSÕES
Teorema
Se S = {v1, v2, ..., vn} é uma base de um espaço vetorial V, então cada vetor em V pode ser expresso da
forma v = c1v1 + c2v2 + ... +cnvn de uma única maneira
Obs.
1. Os vetores v1,. . .,vn são linearmente dependentes se, e somente se, um deles é combinação linear dos
outros.
2. Se dois vetores v1,. . . ,vm, são iguais, digamos v1= v2, então os vetores são dependentes. Pois v1- v2 = 0
3. Dois vetores v1 e v2 são dependentes se, e somente se, um deles é múltiplo do outro.
4. No espaço real R3 a dependência de vetores pode ser escrita geometricamente como segue: dois
vetores quaisquer u e v são dependentes se, e somente se, estão na mesma reta passando pela origem;
três vetores quaisquer u, v e w são dependentes se, e somente se, estão no mesmo plano passando pela
origem
Exercícios
a) B é L.I.?
a1.(1, -1) + a2.(0, 1) = (0, 0) a1 = 0 a1 = a2 = 0 B é L.I.
-a1 + a2 = 0
b) B gera o V = 2 ? Devemos escrever todo e qualquer v 2 como combinação linear de v1 e v 2 .
v a1v1 a 2 v 2 .
(x, y) = a1.(1, -1) + a2.(0, 1)
x = a1 a1 = x
y = -a1 + a2 a2 = x + y
(x, y) = x.(1, -1) + (x +y) (0, 1)
Prof. Sérgio Ricardo de Brito Gadelha 6
Logo, B gera o 2
Definição. Diz-se que um espaço vetorial V é de dimensão finita n ou é n-dimensional, e escreve-se dim
V = n se existem vetores linearmente independentes e1, e2, . . ., en que geram V. A seqüência {e1, e2, ..., en}
é então chamada de uma base de V
Teorema. Seja V um espaço vetorial de dimensão finita. Então, todas as bases de V tem o mesmo número
de elementos.
Exemplo
Os quatro vetores em R4 (1,1,1,1), (0,1,1,1), (0,0,1,1), (0,0,01) são linearmente independentes, pois
formam uma matriz escalonada. Além disso, como dim R4 = 4, eles formam uma base de R4.
Dimensão é o número de elementos necessários para gerar um espaço vetorial. Estes elementos, formam
uma base que gera o espaço V.
Ex.: V = 2 então dim. V = 2
V = 3 então dim. V = 3
1 0 0 1 0 0 0 0
V = M2x2 então dim. V = 4 , , ,
0 0 0 0 1 0 0 1
V = M2x3 então dim. V = 6
V = M2x1 então dim. V = 2
V = Mmxn então dim. V = m . n
TEOREMA: Se dim V = n, qualquer conjunto de “n” vetores L.I. formará uma base de V.
Diz-se que uma base {v1, v2, ..., vn} de V é ortogonal se os seus vetores são dois a dois ortogonais.
Exemplos:
{(1,2,-3), (3,0,1), (1,-5,-3)} é uma base ortogonal do R3.
Mostre que, o conjunto B = { (1, 0), (2, -1) } é uma base ortogonal em relação a esse produto interno.
(1, 0).(2, -1) = 2 –2 +0 +0 = 0 B é ortogonal.
Uma base B = {v1, v2, ..., vn} de um espaço vetorial euclidiano V é ortonormal se B é ortogonal e
0 para i j
todos os seus vetores são unitários, isto é: v i v j .
1 para i j
Se um conjunto B é uma base ortogonal então para que tenhamos uma base ortonormal, basta normalizar
cada elemento de B, isto é:
Prof. Sérgio Ricardo de Brito Gadelha 8
v1 v 2 vn
, ,...,
v1 v 2 vn
Exemplo1:
Seja B = { (1, 2), (-2, 1) } uma base ortogonal em relação ao produto interno usual. Construir uma base B’
ortonormal.
v1 1 2 v2 2 1 1 2 2 1
, ; , B' , , ,
v1 5 5 v2 5 5 5 5 5 5
v1 .v 2 0 v 2 .v 2 1
Prova:
v1 .v 2 1
Exemplo. 2:
O conjunto B = { (1, 3), (3, a) } é uma base ortogonal do V = 2 em relação ao produto interno usual.
a) Determine o valor de “a”.
b) A partir
de B, construa uma base B’, ortonormal.
u .v 0 (1, 3).(3, a) 0 3 3a 0 a 1
B (1, 3), (3, 1) é ortogonal.
v1 (1, 3) 1 3 v2 (3, 1) 3 1
2 , ; ,
v1 1 3 2 10 10 v 2 10 10 10
1 3 3 1
B' , , ,
10 10 10 10
Exemplo. 3:
A partir de v1 (1, 2) construa uma base B ortogonal do V = 2 em relação ao produto interno usual. A
partir de B, construa uma base B’ ortonormal.
a) B = { v1 , v 2 } = { (1, 2), (x, y) } (1, 2), (x, y) = 0
x +2y = 0 x = -2y v 2 = (-2y, y)
Podemos tomar y 0. Por exemplo, y = -1 e x = 2 v 2 =(2, 1)
Logo, B = { (1, 2), (2, 1) }
v1 1 2 v2 2 1 1 2 2 1
b) , ; , ; B' , , ,
v1 5 5 v2 5 5 5 5 5 5
De um espaço vetorial euclidiano V e uma base qualquer B = {v 1, v2, ..., vn} desse espaço, é
possível a partir dessa base, determinar uma base ortogonal, considere-se: w 1 = v1 e determina-se o valor
de de modo que o vetor w 2 v 2 w 1 seja ortogonal a w1, ou seja;
( v 2 w 1 ) w 1 0
v 2 w 1 ( w 1 w 1 ) 0
Prof. Sérgio Ricardo de Brito Gadelha 9
v 2 w1
w1 w1
v 2 w1
w 2 v2 w 1 assim w1 e w2 são ortogonais.
w1 w1
v3 w 2 v w
Analogamente determina-se w3, onde w 3 v 3 w 2 3 1 w 1 , onde w1, w2 e w3 são
w2 w2 w1 w1
ortogonais. O processo que permite a determinação de uma base ortogonal a partir de uma base qualquer
chama-se processo de ortogonalização de Gram-Schmidt. Para se obter uma base ortonormal, basta
wi
normalizar cada wi, fazendo u i .
wi
Dessa forma, dado um espaço euclidiano V e um a base qualquer B = { v1 , v 2 ,..., v n } desse
espaço, é possível, a partir dessa base, determinar uma base ortogonal de V.
w1
w1 v1 ; w2 v 2 (v1 .u1 ).u1 onde u1
w1
w2
w3 v3 (v3 .u 2 ).u 2 (v3 .u1 ).u1 onde u 2
w2
w3
w4 v 4 (v 4 .v3 ).u 3 (v 4 .u 2 ).u 2 (v 4 .u1 ).u1 onde u 3
w3
B {w1 , w2 , w3 ,..., wn } base ortogonal e B = {u1 ,..., u n } base ortonormal.
Bibliografia Recomendada
1. SIMON, Carl & Blume, L. Matemática para Economistas. Tradução: Claus Ivo Doering. Porto Alegre:
Bookman, 2004.
2. BRAGA, Márcio Bobik; KANNEBLEY JÚNIOR, Sérgio; ORELLANO, Verônica I.F. Matemática
para economistas. São Paulo: Atlas, 2003.
3. BOLDRINI, José Luiz. Álgebra linear: 591 problemas resolvidos. 442 problemas suplementares. Ed.
Harbra, 2004.
5. LIPSCHUTS, Algebra linear. Ed. PEARSON EDUCATION DO BRASIL LTDA, 2004
6. DAVID, C. Lay. Álgebra Linear e suas Aplicações. Editora: LTC, Rio de Janeiro, 1999.
7. KOLMAN, Bernard. Introdução a Álgebra Linear com Aplicações. Ed. Prentice-Hall do Brasil, 2000.
8.ANTON, Howard. Elementary Linear Algebra. 3a ed. John Wiley & Sons, 1981.
Recomendo que vocês exercitem seus conhecimentos na lista de exercícios referente ao “Ponto 49”.