Baixe o app para aproveitar ainda mais
Prévia do material em texto
Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaços Vetoriais – 1a Parte Paulo Goldfeld Marco Cabral Departamento de Matemática Aplicada Universidade Federal do Rio de Janeiro Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaço Rn Definição (Rn) Rn é o conjunto das n-uplas ordenadas de números reais. (1,2,3) ∈ R3 (1,2) 6= (2,1) ∈ R2 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaço Rn Definição (Rn) Rn é o conjunto das n-uplas ordenadas de números reais. (1,2,3) ∈ R3 (1,2) 6= (2,1) ∈ R2 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaço Rn Definição (Rn) Rn é o conjunto das n-uplas ordenadas de números reais. (1,2,3) ∈ R3 (1,2) 6= (2,1) ∈ R2 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Soma em Rn Definição (Soma em Rn) u+ v = (u1,u2, . . . ,un) + (v1, v2, . . . , vn) = (u1 + v1,u2 + v2, . . . ,un + vn) Propriedades da Soma em Rn comutativ.: u+ v = v+ u, associativ.: (u+ v) +w = u+ (v+w), ∀ u,v,w elemento neutro: ∃ 0 t.q. u+ 0 = u ∀ u inverso aditivo: dado u, ∃ (−u) t.q. u+ (−u) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Soma em Rn Definição (Soma em Rn) u+ v = (u1,u2, . . . ,un) + (v1, v2, . . . , vn) = (u1 + v1,u2 + v2, . . . ,un + vn) Propriedades da Soma em Rn comutativ.: u+ v = v+ u, associativ.: (u+ v) +w = u+ (v+w), ∀ u,v,w elemento neutro: ∃ 0 t.q. u+ 0 = u ∀ u inverso aditivo: dado u, ∃ (−u) t.q. u+ (−u) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Multiplicação por Escalar em Rn Definição (multiplicação por escalar) αu = α(u1,u2, . . . ,un) = (αu1, αu2, . . . , αun) Propriedades da Multiplicação por Escalar em Rn (αβ)u = α(βu), ∀ α, ∀ u elemento neutro: 1u = u, ∀u Propriedades Distributivas de Rn α(u+ v) = αu+ αv, ∀ α,u,v (α+ β)u = αu+ βu, ∀ α, β,u Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Multiplicação por Escalar em Rn Definição (multiplicação por escalar) αu = α(u1,u2, . . . ,un) = (αu1, αu2, . . . , αun) Propriedades da Multiplicação por Escalar em Rn (αβ)u = α(βu), ∀ α, ∀ u elemento neutro: 1u = u, ∀u Propriedades Distributivas de Rn α(u+ v) = αu+ αv, ∀ α,u,v (α+ β)u = αu+ βu, ∀ α, β,u Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Multiplicação por Escalar em Rn Definição (multiplicação por escalar) αu = α(u1,u2, . . . ,un) = (αu1, αu2, . . . , αun) Propriedades da Multiplicação por Escalar em Rn (αβ)u = α(βu), ∀ α, ∀ u elemento neutro: 1u = u, ∀u Propriedades Distributivas de Rn α(u+ v) = αu+ αv, ∀ α,u,v (α+ β)u = αu+ βu, ∀ α, β,u Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Representações Gráficas (3, 2) 3 2 (3, 2) 3 2 3 2 (3, 2) 3 2 (1, 3, 2) 1 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Representações Gráficas (3, 2) 3 2 (3, 2) 3 2 3 2 (3, 2) 3 2 (1, 3, 2) 1 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Representações Gráficas (3, 2) 3 2 (3, 2) 3 2 3 2 (3, 2) 3 2 (1, 3, 2) 1 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Representações Gráficas (3, 2) 3 2 (3, 2) 3 2 3 2 (3, 2) 3 2 (1, 3, 2) 1 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Soma de Vetores u = (u1,u2) v = (v1, v2) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Soma de Vetores u = (u1,u2) v = (v1, v2) w = u+ v = (u1 + v1,u2 + v2) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Soma de Vetores u = (u1,u2) v = (v1, v2) w = u+ v = (u1 + v1,u2 + v2) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Soma de Vetores u = (u1,u2) v = (v1, v2) w = u+ v = (u1 + v1,u2 + v2) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Soma de Vetores u = (u1,u2) v = (v1, v2) w = u+ v = (u1 + v1,u2 + v2) Regra do Triângulo Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Soma de Vetores u = (u1,u2) v = (v1, v2) w = u+ v = (v1 + u1, v2 + u2) Regra do Triângulo Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Soma de Vetores u = (u1,u2) v = (v1, v2) w = u+ v = (v1 + u1, v2 + u2) Regra do Paralelogramo Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Somando Vários Vetores Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Somando Vários Vetores Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Somando Vários Vetores Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Somando Vários Vetores Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Somando Vários Vetores Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Multiplicação por Escalar v = (v1, v2) w = αv = (αv1, αv2) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Multiplicação por Escalar v = (v1, v2) w = αv = (αv1, αv2) α > 1 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Multiplicação por Escalar v = (v1, v2) w = αv = (αv1, αv2) 0 < α < 1 Álgebra Linear II 2008/2 Prof. MarcoCabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Multiplicação por Escalar v = (v1, v2) w = αv = (αv1, αv2) α < 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaço Vetorial Definição (espaço vetorial) Conjunto (de vetores) no qual estão definidos uma soma vetorial e uma multiplicação por escalar. Definição (escalar) Escalares são um conjunto de números no qual estão bem definidas as operações de soma, subtração, multiplicação e divisão. Neste curso, entenderemos sempre por escalar um número real. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaço Vetorial Definição (espaço vetorial) Conjunto (de vetores) no qual estão definidos uma soma vetorial e uma multiplicação por escalar. Definição (escalar) Escalares são um conjunto de números no qual estão bem definidas as operações de soma, subtração, multiplicação e divisão. Neste curso, entenderemos sempre por escalar um número real. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaço Vetorial Axiomas da soma vetorial comutativ.: u+ v = v+ u, associativ.: (u+ v) +w = u+ (v+w), ∀ u,v,w elemento neutro: ∃ 0 t.q. u+ 0 = u ∀ u inverso aditivo: dado u, ∃ (−u) t.q. u+ (−u) = 0 Axiomas da multiplicação por escalar (αβ)u = α(βu), ∀ α, ∀ u elemento neutro: 1u = u, ∀u Axiomas distributivos α(u+ v) = αu+ αv, ∀ α,u,v (α+ β)u = αu+ βu, ∀ α, β,u Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaço Vetorial Axiomas da soma vetorial comutativ.: u+ v = v+ u, associativ.: (u+ v) +w = u+ (v+w), ∀ u,v,w elemento neutro: ∃ 0 t.q. u+ 0 = u ∀ u inverso aditivo: dado u, ∃ (−u) t.q. u+ (−u) = 0 Axiomas da multiplicação por escalar (αβ)u = α(βu), ∀ α, ∀ u elemento neutro: 1u = u, ∀u Axiomas distributivos α(u+ v) = αu+ αv, ∀ α,u,v (α+ β)u = αu+ βu, ∀ α, β,u Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaço Vetorial Axiomas da soma vetorial comutativ.: u+ v = v+ u, associativ.: (u+ v) +w = u+ (v+w), ∀ u,v,w elemento neutro: ∃ 0 t.q. u+ 0 = u ∀ u inverso aditivo: dado u, ∃ (−u) t.q. u+ (−u) = 0 Axiomas da multiplicação por escalar (αβ)u = α(βu), ∀ α, ∀ u elemento neutro: 1u = u, ∀u Axiomas distributivos α(u+ v) = αu+ αv, ∀ α,u,v (α+ β)u = αu+ βu, ∀ α, β,u Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaços Vetoriais – Exemplo 1 Rn Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaços Vetoriais – Exemplo 2 Pn = {polinômios a0 + a1x + · · ·+ anxn} Soma vetorial: ( n∑ i=0 aix i ) + ( n∑ i=0 bix i ) = n∑ i=0 (ai + bi) x i Multiplicação por escalar: α ( n∑ i=0 aix i ) = n∑ i=0 (αai) x i Observação: 0(x) = n∑ i=0 0x i Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaços Vetoriais – Exemplo 2 Pn = {polinômios a0 + a1x + · · ·+ anxn} Soma vetorial: ( n∑ i=0 aix i ) + ( n∑ i=0 bix i ) = n∑ i=0 (ai + bi) x i Multiplicação por escalar: α ( n∑ i=0 aix i ) = n∑ i=0 (αai) x i Observação: 0(x) = n∑ i=0 0x i Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaços Vetoriais – Exemplo 2 Pn = {polinômios a0 + a1x + · · ·+ anxn} Soma vetorial: ( n∑ i=0 aix i ) + ( n∑ i=0 bix i ) = n∑ i=0 (ai + bi) x i Multiplicação por escalar: α ( n∑ i=0 aix i ) = n∑ i=0 (αai) x i Observação: 0(x) = n∑ i=0 0x i Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaços Vetoriais – Exemplo 2 Pn = {polinômios a0 + a1x + · · ·+ anxn} Soma vetorial: ( n∑ i=0 aix i ) + ( n∑ i=0 bix i ) = n∑ i=0 (ai + bi) x i Multiplicação por escalar: α ( n∑ i=0 aix i ) = n∑ i=0 (αai) x i Observação: 0(x) = n∑ i=0 0x i Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaços Vetoriais – Exemplo 3 F = {funções de R em R} Soma vetorial: (f + g)(x) = f (x) + g(x) ∀x Multiplicação por escalar: (αf )(x) = α (f (x)) ∀x Observação: 0(x) = 0 ∀x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaços Vetoriais – Exemplo 3 F = {funções de R em R} Soma vetorial: (f + g)(x) = f (x) + g(x) ∀x Multiplicação por escalar: (αf )(x) = α (f (x)) ∀x Observação: 0(x) = 0 ∀x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaços Vetoriais – Exemplo 3 F = {funções de R em R} Soma vetorial: (f + g)(x) = f (x) + g(x) ∀x Multiplicação por escalar: (αf )(x) = α (f (x)) ∀x Observação: 0(x) = 0 ∀x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Espaços Vetoriais – Exemplo 3 F = {funções de R em R} Soma vetorial: (f + g)(x) = f (x) + g(x) ∀x Multiplicação por escalar: (αf )(x) = α (f (x)) ∀x Observação: 0(x) = 0 ∀x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial Definição (Subespaço Vetorial) Subconjunto de um espaço vetorial que também é espaço vetorial. Lema (Primeira Caracterização de Subespaço) H ⊂ V é subespaço vetorial se 0 ∈ H, H é fechado para a soma vetorial e H é fechado para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial Definição (Subespaço Vetorial) Subconjunto de um espaço vetorial que também é espaço vetorial. Lema (Primeira Caracterização de Subespaço) H ⊂ V é subespaço vetorial se 0 ∈ H, H é fechado para a soma vetorial e H é fechado para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplos 1 V ⊂ V é subespaço vetorial de V . 2 {0} ⊂ V é subespaço vetorial de V . 3 Seja u ∈ V . H = {v ∈ V | v = αu, α ∈ R} é subespaço de V . 0 ∈ H v1 = α1u, v2 = α2u ⇒ v1 + v2 = (α1 + α2)u ∈ H v = αu, β ∈ R ⇒ βv = (βα)u ∈ H Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplos 1 V ⊂ V é subespaço vetorial de V . 2 {0} ⊂ V é subespaço vetorial de V . 3 Seja u ∈ V . H = {v ∈ V | v = αu, α ∈ R} é subespaço de V . 0 ∈ H v1 = α1u, v2 = α2u ⇒ v1 + v2 = (α1 + α2)u ∈ H v = αu, β ∈ R ⇒ βv = (βα)u ∈ H Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo GoldfeldDMA / IM / UFRJ 15 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplos 1 V ⊂ V é subespaço vetorial de V . 2 {0} ⊂ V é subespaço vetorial de V . 3 Seja u ∈ V . H = {v ∈ V | v = αu, α ∈ R} é subespaço de V . 0 ∈ H v1 = α1u, v2 = α2u ⇒ v1 + v2 = (α1 + α2)u ∈ H v = αu, β ∈ R ⇒ βv = (βα)u ∈ H Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplos 1 V ⊂ V é subespaço vetorial de V . 2 {0} ⊂ V é subespaço vetorial de V . 3 Seja u ∈ V . H = {v ∈ V | v = αu, α ∈ R} é subespaço de V . 0 ∈ H v1 = α1u, v2 = α2u ⇒ v1 + v2 = (α1 + α2)u ∈ H v = αu, β ∈ R ⇒ βv = (βα)u ∈ H Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplos 1 V ⊂ V é subespaço vetorial de V . 2 {0} ⊂ V é subespaço vetorial de V . 3 Seja u ∈ V . H = {v ∈ V | v = αu, α ∈ R} é subespaço de V . 0 ∈ H v1 = α1u, v2 = α2u ⇒ v1 + v2 = (α1 + α2)u ∈ H v = αu, β ∈ R ⇒ βv = (βα)u ∈ H Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplos 1 V ⊂ V é subespaço vetorial de V . 2 {0} ⊂ V é subespaço vetorial de V . 3 Seja u ∈ V . H = {v ∈ V | v = αu, α ∈ R} é subespaço de V . 0 ∈ H v1 = α1u, v2 = α2u ⇒ v1 + v2 = (α1 + α2)u ∈ H v = αu, β ∈ R ⇒ βv = (βα)u ∈ H Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 4 H = {(x , y ,0), x , y ∈ R} ⊂ R3 é subspaço. (0,0,0) ∈ H. Sejam (x1, y1,0), (x2, y2,0) ∈ H. Então (x1, y1,0) + (x2, y2,0) = (x1 + x2, y1 + y2, 0) ∈ H. Sejam (x , y ,0) ∈ H e α ∈ R. Então α(x , y ,0) = (αx , αy , 0) ∈ H. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 4 H = {(x , y ,0), x , y ∈ R} ⊂ R3 é subspaço. (0,0,0) ∈ H. Sejam (x1, y1,0), (x2, y2,0) ∈ H. Então (x1, y1,0) + (x2, y2,0) = (x1 + x2, y1 + y2, 0) ∈ H. Sejam (x , y ,0) ∈ H e α ∈ R. Então α(x , y ,0) = (αx , αy , 0) ∈ H. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 4 H = {(x , y ,0), x , y ∈ R} ⊂ R3 é subspaço. (0,0,0) ∈ H. Sejam (x1, y1,0), (x2, y2,0) ∈ H. Então (x1, y1,0) + (x2, y2,0) = (x1 + x2, y1 + y2, 0) ∈ H. Sejam (x , y ,0) ∈ H e α ∈ R. Então α(x , y ,0) = (αx , αy , 0) ∈ H. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 4 H = {(x , y ,0), x , y ∈ R} ⊂ R3 é subspaço. (0,0,0) ∈ H. Sejam (x1, y1,0), (x2, y2,0) ∈ H. Então (x1, y1,0) + (x2, y2,0) = (x1 + x2, y1 + y2, 0) ∈ H. Sejam (x , y ,0) ∈ H e α ∈ R. Então α(x , y ,0) = (αx , αy , 0) ∈ H. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Contra-exemplo 4 H = {(x , y ,1), x , y ∈ R} ⊂ R3 não é subspaço. (0,0,0) 6∈ H. Sejam (x1, y1,1), (x2, y2,1) ∈ H. Então (x1, y1,1) + (x2, y2,1) = (x1 + x2, y1 + y2, 2) 6∈ H. Sejam (x , y ,1) ∈ H e α ∈ R. Então α(x , y ,1) = (αx , αy , α) 6∈ H, se α 6= 1. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Contra-exemplo 4 H = {(x , y ,1), x , y ∈ R} ⊂ R3 não é subspaço. (0,0,0) 6∈ H. Sejam (x1, y1,1), (x2, y2,1) ∈ H. Então (x1, y1,1) + (x2, y2,1) = (x1 + x2, y1 + y2, 2) 6∈ H. Sejam (x , y ,1) ∈ H e α ∈ R. Então α(x , y ,1) = (αx , αy , α) 6∈ H, se α 6= 1. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Contra-exemplo 4 H = {(x , y ,1), x , y ∈ R} ⊂ R3 não é subspaço. (0,0,0) 6∈ H. Sejam (x1, y1,1), (x2, y2,1) ∈ H. Então (x1, y1,1) + (x2, y2,1) = (x1 + x2, y1 + y2, 2) 6∈ H. Sejam (x , y ,1) ∈ H e α ∈ R. Então α(x , y ,1) = (αx , αy , α) 6∈ H, se α 6= 1. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Contra-exemplo 4 H = {(x , y ,1), x , y ∈ R} ⊂ R3 não é subspaço. (0,0,0) 6∈ H. Sejam (x1, y1,1), (x2, y2,1) ∈ H. Então (x1, y1,1) + (x2, y2,1) = (x1 + x2, y1 + y2, 2) 6∈ H. Sejam (x , y ,1) ∈ H e α ∈ R. Então α(x , y ,1) = (αx , αy , α) 6∈ H, se α 6= 1. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 5 Pn ∈ F é subespaço (de F)? É espaço vetorial com soma e multiplicação de Pn, mas é espaço vetorial com soma e multiplicação de F? Sejam p(x) = n∑ i=0 aix i , q(x) = n∑ i=0 bix i . Então (p+ F q)(x) = p(x) + q(x) = ∑n i=0 aix i + ∑n i=0 bix i = ∑n i=0 (ai + bi) x i = (p+ Pn q)(x) ∀x ∈ R Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 5 Pn ∈ F é subespaço (de F)? É espaço vetorial com soma e multiplicação de Pn, mas é espaço vetorial com soma e multiplicação de F? Sejam p(x) = n∑ i=0 aix i , q(x) = n∑ i=0 bix i . Então (p+ F q)(x) = p(x) + q(x) = ∑n i=0 aix i + ∑n i=0 bix i = ∑n i=0 (ai + bi) x i = (p+ Pn q)(x) ∀x ∈ R Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 5 Pn ∈ F é subespaço (de F)? É espaço vetorial com soma e multiplicação de Pn, mas é espaço vetorial com soma e multiplicação de F? Sejam p(x) = n∑ i=0 aix i , q(x) = n∑ i=0 bix i . Então (p+ F q)(x) = p(x) + q(x) = ∑n i=0 aix i + ∑n i=0 bix i = ∑n i=0 (ai + bi) x i = (p+ Pn q)(x) ∀x ∈ R Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 5 Pn ∈ F é subespaço (de F)? É espaço vetorial com soma e multiplicação de Pn, mas é espaço vetorial com soma e multiplicação de F? Sejam p(x) = n∑ i=0 aix i , q(x) = n∑ i=0 bix i . Então (p+ F q)(x) = p(x) + q(x) = ∑n i=0 aix i + ∑n i=0 bix i = ∑n i=0 (ai + bi) x i = (p+ Pn q)(x) ∀x ∈ R Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 6 H = {p ∈ P3 | p(1) = 0} ⊂ P3 é subespaço. 0 ∈ H. Sejam p,q ∈ H. Como p(1) = q(1) = 0, então (p+ q)(1) = p(1) + q(1) = 0. Sejam p ∈ H e α ∈ R. Como p(1) = 0, então (αp)(1) = α(p(1)) = 0. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 6 H ={p ∈ P3 | p(1) = 0} ⊂ P3 é subespaço. 0 ∈ H. Sejam p,q ∈ H. Como p(1) = q(1) = 0, então (p+ q)(1) = p(1) + q(1) = 0. Sejam p ∈ H e α ∈ R. Como p(1) = 0, então (αp)(1) = α(p(1)) = 0. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 6 H = {p ∈ P3 | p(1) = 0} ⊂ P3 é subespaço. 0 ∈ H. Sejam p,q ∈ H. Como p(1) = q(1) = 0, então (p+ q)(1) = p(1) + q(1) = 0. Sejam p ∈ H e α ∈ R. Como p(1) = 0, então (αp)(1) = α(p(1)) = 0. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Subespaço Vetorial – Exemplo 6 H = {p ∈ P3 | p(1) = 0} ⊂ P3 é subespaço. 0 ∈ H. Sejam p,q ∈ H. Como p(1) = q(1) = 0, então (p+ q)(1) = p(1) + q(1) = 0. Sejam p ∈ H e α ∈ R. Como p(1) = 0, então (αp)(1) = α(p(1)) = 0. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear Definição (combinação linear) v é combinação linear de v1,v2, . . . ,vp se pode ser expresso como v = α1v1 + α2v2 + · · ·+ αpvp = p∑ i=1 αivi , onde αi ’s são escalares. (3,3) = 3(1,1) + 0(−2,−2) = 1(1,1)− 2(−2,−2) X (3,4) 6= α(1,1) + β(−2,−2) ∀α, β × Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear Definição (combinação linear) v é combinação linear de v1,v2, . . . ,vp se pode ser expresso como v = α1v1 + α2v2 + · · ·+ αpvp = p∑ i=1 αivi , onde αi ’s são escalares. (3,3) = 3(1,1) + 0(−2,−2) = 1(1,1)− 2(−2,−2) X (3,4) 6= α(1,1) + β(−2,−2) ∀α, β × Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear Definição (combinação linear) v é combinação linear de v1,v2, . . . ,vp se pode ser expresso como v = α1v1 + α2v2 + · · ·+ αpvp = p∑ i=1 αivi , onde αi ’s são escalares. (3,3) = 3(1,1) + 0(−2,−2) = 1(1,1)− 2(−2,−2) X (3,4) 6= α(1,1) + β(−2,−2) ∀α, β × Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear Definição (combinação linear) v é combinação linear de v1,v2, . . . ,vp se pode ser expresso como v = α1v1 + α2v2 + · · ·+ αpvp = p∑ i=1 αivi , onde αi ’s são escalares. (3,3) = 3(1,1) + 0(−2,−2) = 1(1,1)− 2(−2,−2) X (3,4) 6= α(1,1) + β(−2,−2) ∀α, β × Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear Definição (combinação linear) v é combinação linear de v1,v2, . . . ,vp se pode ser expresso como v = α1v1 + α2v2 + · · ·+ αpvp = p∑ i=1 αivi , onde αi ’s são escalares. (3,3) = 3(1,1) + 0(−2,−2) = 1(1,1)− 2(−2,−2) X (3,4) 6= α(1,1) + β(−2,−2) ∀α, β × Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Mais Exemplos 3x3 − x2 + 4x = 3(x3 + x)− (x2 − x) X x3 + 2x2 + 10 6= α(x3 + x) + β(x2 − x) ∀α, β × Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Mais Exemplos 3x3 − x2 + 4x = 3(x3 + x)− (x2 − x) X x3 + 2x2 + 10 6= α(x3 + x) + β(x2 − x) ∀α, β × Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Mais Exemplos 3x3 − x2 + 4x = 3(x3 + x)− (x2 − x) X x3 + 2x2 + 10 6= α(x3 + x) + β(x2 − x) ∀α, β × Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Mais Exemplos 3x3 − x2 + 4x = 3(x3 + x)− (x2 − x) X x3 + 2x2 + 10 6= α(x3 + x) + β(x2 − x) ∀α, β × Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Ainda Mais Exemplos (2,1,7) é c.l. de (1,2,3), (4,5,6) e (7,8,7)? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (2,1,7) m 1α +4β +7γ = 2 2α +5β +8γ = 1 3α +6β +7γ = 7 1 4 7 22 5 8 1 3 6 7 7 ∼ 1 4 7 20 −3 −6 −3 0 0 −2 7 ∼ 1 0 0 −5.50 1 0 8 0 0 1 −3.5 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Ainda Mais Exemplos (2,1,7) é c.l. de (1,2,3), (4,5,6) e (7,8,7)? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (2,1,7) m 1α +4β +7γ = 2 2α +5β +8γ = 1 3α +6β +7γ = 7 1 4 7 22 5 8 1 3 6 7 7 ∼ 1 4 7 20 −3 −6 −3 0 0 −2 7 ∼ 1 0 0 −5.50 1 0 8 0 0 1 −3.5 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Ainda Mais Exemplos (2,1,7) é c.l. de (1,2,3), (4,5,6) e (7,8,7)? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (2,1,7) m 1α +4β +7γ = 2 2α +5β +8γ = 1 3α +6β +7γ = 7 1 4 7 22 5 8 1 3 6 7 7 ∼ 1 4 7 20 −3 −6 −3 0 0 −2 7 ∼ 1 0 0 −5.50 1 0 8 0 0 1 −3.5 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Ainda Mais Exemplos (2,1,7) é c.l. de (1,2,3), (4,5,6) e (7,8,7)? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) ? = (2,1,7) m 1α +4β +7γ = 2 2α +5β +8γ = 1 3α +6β +7γ = 7 1 4 7 22 5 8 1 3 6 7 7 ∼ 1 4 7 20 −3 −6 −3 0 0 −2 7 ∼ 1 0 0 −5.50 1 0 8 0 0 1 −3.5 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Ainda Mais Exemplos (2,1,7) é c.l. de (1,2,3), (4,5,6) e (7,8,7)? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (2,1,7) m 1α +4β +7γ = 2 2α +5β +8γ = 1 3α +6β +7γ = 7 1 4 7 22 5 8 1 3 6 7 7 ∼ 1 4 7 20 −3 −6 −3 0 0 −2 7 ∼ 1 0 0 −5.50 1 0 8 0 0 1 −3.5 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Ainda Mais Exemplos (2,1,7) é c.l. de (1,2,3), (4,5,6) e (7,8,7)? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (2,1,7) m 1α +4β +7γ = 2 2α +5β +8γ = 1 3α +6β +7γ = 7 1 4 7 22 5 8 1 3 6 7 7 ∼ 1 4 7 20 −3 −6 −3 0 0 −2 7 ∼ 1 0 0 −5.50 1 0 8 0 0 1 −3.5 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Ainda Mais Exemplos (2,1,7) é c.l. de (1,2,3), (4,5,6) e (7,8,7)? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (2,1,7) m 1α +4β +7γ = 2 2α +5β +8γ = 1 3α +6β +7γ = 7 1 4 7 22 5 8 1 3 6 7 7 ∼ 1 4 7 20 −3 −6 −3 0 0 −2 7 ∼ 1 0 0 −5.50 1 0 8 0 0 1 −3.5 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof.Paulo Goldfeld DMA / IM / UFRJ 22 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear – Ainda Mais Exemplos (2,1,7) é c.l. de (1,2,3), (4,5,6) e (7,8,7)? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (2,1,7) m 1α +4β +7γ = 2 2α +5β +8γ = 1 3α +6β +7γ = 7 1 4 7 22 5 8 1 3 6 7 7 ∼ 1 4 7 20 −3 −6 −3 0 0 −2 7 ∼ 1 0 0 −5.50 1 0 8 0 0 1 −3.5 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Combinação Linear Trivial Definição (combinação linear trivial) 0 = 0v1 + 0v2 + · · ·+ 0vp Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado Definição (conjunto gerado) O conjunto gerado por v1,v2, . . . ,vp é o conjunto de todas as combinações lineares de v1,v2, . . . ,vp. 〈v1,v2, . . . ,vp〉 = { p∑ i=1 αivi ∣∣∣∣∣ αi ∈ R, i = 1,2, . . . ,p } Definição (conjunto gerador) {v1, . . . ,vp} gera (é gerador de) o conjunto S se 〈v1, . . . ,vp〉 = S. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado – Exemplos 〈(1,0,0), (0,1,0)〉 = {(x , y ,0) | x , y ∈ R} 〈(x − 1), x(x − 1), . . . , xn−1(x − 1)〉 = {p ∈ Pn | p(1) = 0} p(x) = (x − 1) ( n−1∑ i=0 aix i ) = n−1∑ i=0 ai ( x i(x − 1) ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado – Exemplos 〈(1,0,0), (0,1,0)〉 = {(x , y ,0) | x , y ∈ R} 6= R2 〈(x − 1), x(x − 1), . . . , xn−1(x − 1)〉 = {p ∈ Pn | p(1) = 0} p(x) = (x − 1) ( n−1∑ i=0 aix i ) = n−1∑ i=0 ai ( x i(x − 1) ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado – Exemplos 〈(1,0,0), (0,1,0)〉 = {(x , y ,0) | x , y ∈ R} 〈(x − 1), x(x − 1), . . . , xn−1(x − 1)〉 = {p ∈ Pn | p(1) = 0} p(x) = (x − 1) ( n−1∑ i=0 aix i ) = n−1∑ i=0 ai ( x i(x − 1) ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado – Exemplos 〈(1,0,0), (0,1,0)〉 = {(x , y ,0) | x , y ∈ R} 〈(x − 1), x(x − 1), . . . , xn−1(x − 1)〉 = {p ∈ Pn | p(1) = 0} p(x) = (x − 1) ( n−1∑ i=0 aix i ) = n−1∑ i=0 ai ( x i(x − 1) ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado – Outro Exemplo φ0 φ1 φ2 φ3 〈φ0, . . . , φ3〉 = funções tipo Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado – Outro Exemplo φ0 φ1 φ2 φ3 〈φ0, . . . , φ3〉 = funções tipo Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado Observação Convenciona-se que o conjunto gerado por um conjunto vazio de vetores é {0}.( Isto é consistente com a convenção de que ∑0 i=1 vi = 0 ) . Observação O conjunto gerado por um conjunto qualquer de vetores é um subespaço. De fato, sejam u = n∑ i=1 uivi , w = n∑ i=1 wivi . 0 ∈ H, u+w = n∑ i=1 (ui + wi)vi , αu = n∑ i=1 (αui)vi Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado Observação Convenciona-se que o conjunto gerado por um conjunto vazio de vetores é {0}.( Isto é consistente com a convenção de que ∑0 i=1 vi = 0 ) . Observação O conjunto gerado por um conjunto qualquer de vetores é um subespaço. De fato, sejam u = n∑ i=1 uivi , w = n∑ i=1 wivi . 0 ∈ H, u+w = n∑ i=1 (ui + wi)vi , αu = n∑ i=1 (αui)vi Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado Observação Convenciona-se que o conjunto gerado por um conjunto vazio de vetores é {0}.( Isto é consistente com a convenção de que ∑0 i=1 vi = 0 ) . Observação O conjunto gerado por um conjunto qualquer de vetores é um subespaço. De fato, sejam u = n∑ i=1 uivi , w = n∑ i=1 wivi . 0 ∈ H, u+w = n∑ i=1 (ui + wi)vi , αu = n∑ i=1 (αui)vi Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado Observação Convenciona-se que o conjunto gerado por um conjunto vazio de vetores é {0}.( Isto é consistente com a convenção de que ∑0 i=1 vi = 0 ) . Observação O conjunto gerado por um conjunto qualquer de vetores é um subespaço. De fato, sejam u = n∑ i=1 uivi , w = n∑ i=1 wivi . 0 ∈ H, u+w = n∑ i=1 (ui + wi)vi , αu = n∑ i=1 (αui)vi Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado Observação Convenciona-se que o conjunto gerado por um conjunto vazio de vetores é {0}.( Isto é consistente com a convenção de que ∑0 i=1 vi = 0 ) . Observação O conjunto gerado por um conjunto qualquer de vetores é um subespaço. De fato, sejam u = n∑ i=1 uivi , w = n∑ i=1 wivi . 0 ∈ H, u+w = n∑ i=1 (ui + wi)vi , αu = n∑ i=1 (αui)vi Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado Observação Convenciona-se que o conjunto gerado por um conjunto vazio de vetores é {0}.( Isto é consistente com a convenção de que ∑0 i=1 vi = 0 ) . Observação O conjunto gerado por um conjunto qualquer de vetores é um subespaço. De fato, sejam u = n∑ i=1 uivi , w = n∑ i=1 wivi . 0 ∈ H, u+w = n∑ i=1 (ui + wi)vi , αu = n∑ i=1 (αui)vi Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado 1 vetor 2 vetores 3 vetores caso “típico” caso “típico” caso “típico” “redundância” “redundância” Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado 1 vetor 2 vetores 3 vetores caso “típico” caso “típico” caso “típico” “redundância” “redundância” Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado 1 vetor 2 vetores 3 vetores caso “típico” caso “típico” caso “típico” “redundância” “redundância” Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado 1 vetor 2 vetores 3 vetores caso “típico” caso “típico” caso “típico” “redundância” “redundância” Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado 1 vetor 2 vetores 3 vetores caso “típico” caso “típico” caso “típico” “redundância” “redundância” Álgebra Linear II 2008/2 Prof.Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado 1 vetor 2 vetores 3 vetores caso “típico” caso “típico” caso “típico” “redundância” “redundância” Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Conjunto Gerado 1 vetor 2 vetores 3 vetores caso “típico” caso “típico” caso “típico” “redundância” “redundância” Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear “redundância”: um vetor é c.l. dos demais, vk = p∑ i=1 i 6=k αivi ⇓ α1v1 + . . .+ αk−1vk−1−1vk + αk+1vk+1 + . . .+ αpvp = 0 0 pode ser expresso como c.l. não-trivial dos vi ’s. Vale a volta? Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 29 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear “redundância”: um vetor é c.l. dos demais, vk = p∑ i=1 i 6=k αivi ⇓ α1v1 + . . .+ αk−1vk−1−1vk + αk+1vk+1 + . . .+ αpvp = 0 0 pode ser expresso como c.l. não-trivial dos vi ’s. Vale a volta? Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 29 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear “redundância”: um vetor é c.l. dos demais, vk = p∑ i=1 i 6=k αivi ⇓ α1v1 + . . .+ αk−1vk−1−1vk + αk+1vk+1 + . . .+ αpvp = 0 0 pode ser expresso como c.l. não-trivial dos vi ’s. Vale a volta? Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 29 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Se 0 pode ser expresso como c.l. não-trivial dos vi ’s, p∑ i=1 αivi = 0, com αk 6= 0, então, dividindo-se por (−αk ), −α1αk v1 − . . .− αk−1 αk vk−1−1vk − αk+1αk vk+1 − . . .− αp αk vp = 0 e portanto vk = p∑ i=1 i 6=k − αi αk vi . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 30 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Se 0 pode ser expresso como c.l. não-trivial dos vi ’s, p∑ i=1 αivi = 0, com αk 6= 0, então, dividindo-se por (−αk ), −α1αk v1 − . . .− αk−1 αk vk−1−1vk − αk+1αk vk+1 − . . .− αp αk vp = 0 e portanto vk = p∑ i=1 i 6=k − αi αk vi . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 30 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Se 0 pode ser expresso como c.l. não-trivial dos vi ’s, p∑ i=1 αivi = 0, com αk 6= 0, então, dividindo-se por (−αk ), −α1αk v1 − . . .− αk−1 αk vk−1−1vk − αk+1αk vk+1 − . . .− αp αk vp = 0 e portanto vk = p∑ i=1 i 6=k − αi αk vi . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 30 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Definição (dependência linear) Um conjunto de vetores é linearmente dependente (LD) se existe um vetor que é c.l. dos demais ou, equivalentemente, se o vetor nulo pode ser expresso como c.l. não-trivial destes vetores. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 31 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Definição (independência linear) Um conjunto de vetores é linearmente independente (LI) se ele não é LD ou, equivalentemente, se a única forma de expressar o vetor nulo como c.l. destes vetores é com uma c.l. trivial. Convenção O conjunto vazio é dito LI. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 32 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Definição (independência linear) Um conjunto de vetores é linearmente independente (LI) se ele não é LD ou, equivalentemente, se a única forma de expressar o vetor nulo como c.l. destes vetores é com uma c.l. trivial. Convenção O conjunto vazio é dito LI. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 32 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Teorema (caracterização dos conjuntos LD) Os vetores v1,v2, . . . ,vp são LD se e só se existe um vetor que é combinação linear dos anteriores, vk = ∑ i<k αivi . Prova Se: trivial. Só se: seja k ≥ 1 mínimo tal que v1,v2, . . . ,vk são LD. Seja ∑k i=1 αivi = 0 c.l. não-trivial. Se αk fosse zero, ∑k−1 i=1 αivi = 0 seria c.l. não-trivial, contrariando a minimalidade de k. Assim, αk 6= 0 e vk = − ∑k−1 i=1 αi αk vi . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 33 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Teorema (caracterização dos conjuntos LD) Os vetores v1,v2, . . . ,vp são LD se e só se existe um vetor que é combinação linear dos anteriores, vk = ∑ i<k αivi . Prova Se: trivial. Só se: seja k ≥ 1 mínimo tal que v1,v2, . . . ,vk são LD. Seja ∑k i=1 αivi = 0 c.l. não-trivial. Se αk fosse zero, ∑k−1 i=1 αivi = 0 seria c.l. não-trivial, contrariando a minimalidade de k. Assim, αk 6= 0 e vk = − ∑k−1 i=1 αi αk vi . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 33 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Teorema (caracterização dos conjuntos LD) Os vetores v1,v2, . . . ,vp são LD se e só se existe um vetor que é combinação linear dos anteriores, vk = ∑ i<k αivi . Prova Se: trivial. Só se: seja k ≥ 1 mínimo tal que v1,v2, . . . ,vk são LD. Seja ∑k i=1 αivi = 0 c.l. não-trivial. Se αk fosse zero, ∑k−1 i=1 αivi = 0 seria c.l. não-trivial, contrariando a minimalidade de k. Assim, αk 6= 0 e vk = − ∑k−1 i=1 αi αk vi . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 33 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Teorema (caracterização dos conjuntos LD) Os vetores v1,v2, . . . ,vp são LD se e só se existe um vetor que é combinação linear dos anteriores, vk = ∑ i<k αivi . Prova Se: trivial. Só se: seja k ≥ 1 mínimo tal que v1,v2, . . . ,vk são LD. Seja ∑k i=1 αivi = 0 c.l. não-trivial. Se αk fosse zero, ∑k−1 i=1 αivi = 0 seria c.l. não-trivial, contrariando a minimalidade de k. Assim, αk 6= 0 e vk = − ∑k−1 i=1 αi αk vi . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 33 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Teorema (caracterização dos conjuntos LD) Os vetores v1,v2, . . . ,vp são LD se e só se existe um vetor que é combinação linear dos anteriores, vk = ∑ i<k αivi . Prova Se: trivial. Só se: seja k ≥ 1 mínimo tal que v1,v2, . . . ,vk são LD. Seja ∑k i=1 αivi = 0 c.l. não-trivial. Se αk fosse zero, ∑k−1 i=1 αivi = 0 seria c.l. não-trivial, contrariando a minimalidade de k. Assim, αk 6= 0 e vk = − ∑k−1 i=1 αi αk vi . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 33 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Teorema (caracterização dos conjuntos LD) Os vetores v1,v2, . . . ,vp são LD se e só se existe um vetor que é combinação linear dos anteriores, vk = ∑ i<k αivi . Prova Se: trivial. Só se: seja k ≥ 1 mínimo tal que v1,v2, . . . ,vk são LD. Seja ∑k i=1 αivi = 0 c.l. não-trivial. Se αk fosse zero, ∑k−1 i=1 αivi = 0 seria c.l. não-trivial, contrariando a minimalidade de k. Assim,αk 6= 0 e vk = − ∑k−1 i=1 αi αk vi . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 33 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear Teorema (caracterização dos conjuntos LD) Os vetores v1,v2, . . . ,vp são LD se e só se existe um vetor que é combinação linear dos anteriores, vk = ∑ i<k αivi . Prova Se: trivial. Só se: seja k ≥ 1 mínimo tal que v1,v2, . . . ,vk são LD. Seja ∑k i=1 αivi = 0 c.l. não-trivial. Se αk fosse zero, ∑k−1 i=1 αivi = 0 seria c.l. não-trivial, contrariando a minimalidade de k. Assim, αk 6= 0 e vk = − ∑k−1 i=1 αi αk vi . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 33 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos {v1, v2, v3} = {(1,2,3), (2,3,4), (3,4,5)} é LD. De fato, v1 − 2v2 + v3 = 0. {v1, v2, v3} é LD, onde v1(x) = sin(x) v2(x) = sin(2x) e v3(x) = sin(x) cos(x) . De fato, v2 − 2v3 = 0, isto é, sin(2x)− 2 sin(x) cos(x) = 0 ∀x ∈ R. {1, t , . . . , tn} é LI. De fato, a0 + a1t + · · ·+ antn = 0 ∀t ⇔ ai = 0 ∀i . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 34 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos {v1, v2, v3} = {(1,2,3), (2,3,4), (3,4,5)} é LD. De fato, v1 − 2v2 + v3 = 0. {v1, v2, v3} é LD, onde v1(x) = sin(x) v2(x) = sin(2x) e v3(x) = sin(x) cos(x) . De fato, v2 − 2v3 = 0, isto é, sin(2x)− 2 sin(x) cos(x) = 0 ∀x ∈ R. {1, t , . . . , tn} é LI. De fato, a0 + a1t + · · ·+ antn = 0 ∀t ⇔ ai = 0 ∀i . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 34 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos {v1, v2, v3} = {(1,2,3), (2,3,4), (3,4,5)} é LD. De fato, v1 − 2v2 + v3 = 0. {v1, v2, v3} é LD, onde v1(x) = sin(x) v2(x) = sin(2x) e v3(x) = sin(x) cos(x) . De fato, v2 − 2v3 = 0, isto é, sin(2x)− 2 sin(x) cos(x) = 0 ∀x ∈ R. {1, t , . . . , tn} é LI. De fato, a0 + a1t + · · ·+ antn = 0 ∀t ⇔ ai = 0 ∀i . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 34 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos {v1, v2, v3} = {(1,2,3), (2,3,4), (3,4,5)} é LD. De fato, v1 − 2v2 + v3 = 0. {v1, v2, v3} é LD, onde v1(x) = sin(x) v2(x) = sin(2x) e v3(x) = sin(x) cos(x) . De fato, v2 − 2v3 = 0, isto é, sin(2x)− 2 sin(x) cos(x) = 0 ∀x ∈ R. {1, t , . . . , tn} é LI. De fato, a0 + a1t + · · ·+ antn = 0 ∀t ⇔ ai = 0 ∀i . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 34 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos {v1, v2, v3} = {(1,2,3), (2,3,4), (3,4,5)} é LD. De fato, v1 − 2v2 + v3 = 0. {v1, v2, v3} é LD, onde v1(x) = sin(x) v2(x) = sin(2x) e v3(x) = sin(x) cos(x) . De fato, v2 − 2v3 = 0, isto é, sin(2x)− 2 sin(x) cos(x) = 0 ∀x ∈ R. {1, t , . . . , tn} é LI. De fato, a0 + a1t + · · ·+ antn = 0 ∀t ⇔ ai = 0 ∀i . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 34 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos {v1, v2, v3} = {(1,2,3), (2,3,4), (3,4,5)} é LD. De fato, v1 − 2v2 + v3 = 0. {v1, v2, v3} é LD, onde v1(x) = sin(x) v2(x) = sin(2x) e v3(x) = sin(x) cos(x) . De fato, v2 − 2v3 = 0, isto é, sin(2x)− 2 sin(x) cos(x) = 0 ∀x ∈ R. {1, t , . . . , tn} é LI. De fato, a0 + a1t + · · ·+ antn = 0 ∀t ⇔ ai = 0 ∀i . Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 34 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,7) é LI? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +7γ = 0 1 4 7 02 5 8 0 3 6 7 0 ∼ 1 4 7 00 −3 −6 0 0 0 −2 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 35 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,7) é LI? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +7γ = 0 1 4 7 02 5 8 0 3 6 7 0 ∼ 1 4 7 00 −3 −6 0 0 0 −2 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 35 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,7) é LI? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +7γ = 0 1 4 7 02 5 8 0 3 6 7 0 ∼ 1 4 7 00 −3 −6 0 0 0 −2 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 35 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,7) é LI? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) ? = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +7γ = 0 1 4 7 02 5 8 0 3 6 7 0 ∼ 1 4 7 00 −3 −6 0 0 0 −2 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 35 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,7) é LI? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +7γ = 0 1 4 7 02 5 8 0 3 6 7 0 ∼ 1 4 7 00 −3 −6 0 0 0 −2 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 35 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,7) é LI? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +7γ = 0 1 4 7 02 5 8 0 3 6 7 0 ∼ 1 4 7 00 −3 −6 0 0 0 −2 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 35 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,7) é LI? Sim. α(1,2,3) + β(4,5,6) + γ(7,8,7) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 7γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +7γ = 0 1 4 7 02 5 8 0 3 6 7 0 ∼ 1 4 7 00 −3 −6 0 0 0 −2 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 35 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,9) é LI? Não. α(1,2,3) + β(4,5,6) + γ(7,8,9) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 9γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +9γ = 0 1 4 7 02 5 8 0 3 6 9 0 ∼ 1 4 7 00 −3 −6 0 0 0 0 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 36 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,9) é LI? Não. α(1,2,3) + β(4,5,6) + γ(7,8,9) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 9γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +9γ = 0 1 4 7 02 5 8 0 3 6 9 0 ∼ 1 4 7 00 −3 −6 0 0 0 0 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 36 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,9) é LI? Não. α(1,2,3) +β(4,5,6) + γ(7,8,9) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 9γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +9γ = 0 1 4 7 02 5 8 0 3 6 9 0 ∼ 1 4 7 00 −3 −6 0 0 0 0 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 36 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,9) é LI? Não. α(1,2,3) + β(4,5,6) + γ(7,8,9) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 9γ)) ? = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +9γ = 0 1 4 7 02 5 8 0 3 6 9 0 ∼ 1 4 7 00 −3 −6 0 0 0 0 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 36 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,9) é LI? Não. α(1,2,3) + β(4,5,6) + γ(7,8,9) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 9γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +9γ = 0 1 4 7 02 5 8 0 3 6 9 0 ∼ 1 4 7 00 −3 −6 0 0 0 0 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 36 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,9) é LI? Não. α(1,2,3) + β(4,5,6) + γ(7,8,9) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 9γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +9γ = 0 1 4 7 02 5 8 0 3 6 9 0 ∼ 1 4 7 00 −3 −6 0 0 0 0 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 36 / 36 Esp. Vet. I Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares Dependência Linear – Exemplos (1,2,3), (4,5,6) e (7,8,9) é LI? Não. α(1,2,3) + β(4,5,6) + γ(7,8,9) = ((α+ 4β + 7γ), (2α+ 5β + 8γ), (3α+ 6β + 9γ)) = (0,0,0) m 1α +4β +7γ = 0 2α +5β +8γ = 0 3α +6β +9γ = 0 1 4 7 02 5 8 0 3 6 9 0 ∼ 1 4 7 00 −3 −6 0 0 0 0 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 36 / 36 Espaços Vetoriais Espaço Rn Espaço Vetorial Combinações Lineares
Compartilhar