Вы находитесь на странице: 1из 23

Capítulo 3

Espaços Vetoriais

Um espaço vetorial é definido como um conjunto de vetores que


obedecem a certas propriedades. Ao longo deste capítulo vamos
perceber que outros elementos também atenderão a essas
propriedades e poderão ser considerados vetores, embora não
tenham representação geométrica. Por exemplo, matrizes e
funções são elementos que podem ser considerados vetores.
A partir da definição de espaço vetorial estaremos mais
preparados para estabelecer operações vetoriais mais gerais.
ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 2

Espaços vetoriais
Sabemos que um conjunto é uma coleção de elementos. Vejamos um exemplo.

Exemplo
A é o conjunto dos números naturais maiores que zero e menores que cinco. Representamos esse
conjunto das seguintes formas:

Diagrama de Venn Representações matemáticas

Ou também

Um espaço vetorial V é um conjunto em que cada elemento é um vetor:

Uma característica dos conjuntos chamados espaços vetoriais é que, em geral, eles possuem
infinitos vetores. Nesse conjunto especial, os seus elementos podem ser operados segundo as regras
dos vetores e o resultado dessas operações continua pertencendo ao conjunto.

Exemplo
O espaço vetorial conhecido como RGB (Red Green Blue) é baseado nas três cores primárias
(vermelho, verde e azul). Qualquer cor nesse espaço vetorial é representada como um vetor com
três coordenadas onde cada coordenada representa uma quantidade da respectiva cor primária na
composição da cor final:

A soma vetorial estudada no capítulo anterior fornece uma maneira de afirmarmos


matematicamente a mistura de duas cores.
Se considerarmos os vetores:

A soma vetorial resultaria na cor amarela dada por:


.
Ao somarmos duas cores desse espaço vetorial (cada uma
dependente das cores vermelho, verde e azul), a cor resultante
também poderá ser obtida a partir de uma combinação das cores
primárias, ou seja, a terceira cor também pertence ao espaço
vetorial.
Observe na figura ao lado como o Microsoft WORD® trata uma
cor. Note que as três coordenadas podem ser controladas
visualmente ou através da inserção de parâmetros pelo teclado.

Para operarmos vetores que possam assumir formas mais abstratas precisamos estabelecer regras
que nos permitam reconhecer quando estamos diante de um espaço vetorial, por exemplo, será que
uma matriz quadrada pode ser chamada de vetor? Será que o conjunto de matrizes quadradas pode
ser chamado de espaço vetorial?

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 3

Essas perguntas podem ser respondidas observando as propriedades da soma e da multiplicação por
escalar das matrizes e dos vetores estudadas no primeiro capítulo. Já que as propriedades são
exatamente iguais, então podemos chamar uma matriz quadrada de vetor e o conjunto desses
vetores de espaço vetorial das matrizes quadradas.
Formalmente, o espaço vetorial é definido como sendo um conjunto V, não vazio, com as operações
de adição e multiplicação por escalar dadas por:

ADIÇÃO VETORIAL MULTIPLICAÇÃO POR ESCALAR


A1) M1 )
A2) M2 )
A3) M3 )
A4) M4 )
A5) M5 )

As regras anteriores são chamadas de axiomas de espaço vetorial.

Axioma é uma palavra grega que significa digno de confiança. Quando usada com
significado matemático, axioma é uma regra que não pode ser demonstrada e deve
apenas ser aceita como correta. Outros exemplos de axiomas são as definições de
ponto, reta e plano dadas por Euclides há mais de 2000 anos.

Exemplo
Verificar se o conjunto é um espaço vetorial com as suas operações de
adição e multiplicação por escalar assim definidas:
∙ (soma vetorial):
∙ (multiplicação por escalar):

Solução
Vamos verificar os dez axiomas considerando:
, e

A1)
O primeiro axioma afirma que, ao somarmos dois elementos de V, o resultado pertencerá ao
conjunto V. Isso significa que a soma vetorial também deverá possuir as características dos
elementos de V.
Seguindo a regra da soma vetorial mostrada no enunciado:

A partir desse momento, devemos avaliar se o resultado possui as mesmas características dos
vetores pertencentes a V. Já que não existem restrições nas coordenadas dos vetores do conjunto V,
o resultado da soma vetorial também pertence a V.
Verificamos que o axioma é atendido.

Quando afirmamos que não existem restrições nas coordenadas dos vetores de V
queremos dizer que não importam os valores que podem aparecer no lugar de x e y em
qualquer vetor pertencente a V.
Podemos impor como restrição, por exemplo, a condição de que as coordenadas dos
vetores do conjunto V sejam todas positivas. Dessa forma, o resultado da soma vetorial
deve atender a essas exigências também.

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 4

A2)
Conforme esse axioma, a soma dos elementos do conjunto V deve ser comutativa, ou seja, ao
trocarmos a ordem dos elementos presentes na soma vetorial o resultado não deve se alterar.

O resultado, segundo a regra da soma de vetores no conjunto V, é dado por:

É possível trocar a ordem dos números reais presentes na expressão acima:

Verificamos que o axioma é atendido.

A3)
A soma vetorial é uma operação definida para dois vetores. Quando necessitamos somar mais de
dois vetores, devemos associá-los dois a dois. Portanto, os vetores pertencentes ao conjunto V
devem atender à regra associativa, isto é, a associação de dois em dois vetores em qualquer ordem
não deve alterar o resultado final.

Conforme a regra da soma vetorial dada no enunciado:

Verificamos que o axioma é atendido.

A4)
Todo espaço vetorial deve possuir um vetor nulo como ponto de referência principal. A principal
função do vetor nulo é fazer o papel de elemento neutro da soma vetorial, ou seja, se somarmos
qualquer vetor ao vetor nulo o resultado é o próprio vetor .

A regra da soma vetorial dada no enunciado faz com que a expressão anterior seja igual a:

Verificamos que o axioma é atendido.

O vetor nulo nem sempre será aquele cujas coordenadas são todas iguais a zero. A sua
característica dependerá do conjunto V e das regras de adição e multiplicação por
escalar definidas no enunciado.

A5)
Para qualquer vetor pertencente a V, deve existir o seu vetor oposto também pertencente ao
conjunto V. Note que a soma do vetor ao vetor deve resultar no vetor nulo encontrado no
axioma A4.
O vetor oposto é definido por:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 5
Perceba que o vetor oposto é definido a partir da regra da multiplicação de vetor por escalar dada no
enunciado.

Para provar o axioma A5, precisamos somar os vetores:

Pela regra da soma vetorial dada no enunciado:

Verificamos que o axioma é atendido.

M1 )
Ao multiplicarmos qualquer escalar α (que seja um número real) por um vetor que pertença ao
conjunto V, o resultado deve ser um vetor que também pertence a V.
Aplicando a regra da multiplicação por escalar dada no enunciado:

Devemos avaliar se o resultado possui as mesmas características dos vetores pertencentes a V. Por
não existirem restrições nas coordenadas dos vetores de V, o resultado da multiplicação por escalar
também pertence ao conjunto V.
Verificamos que o axioma é atendido.

Caso existisse a condição de que as coordenadas dos vetores fossem obrigatoriamente


positivas, certamente o axioma M1 falharia, pois um valor de α negativo tornaria as
duas coordenadas negativas. Isso mostra que devemos ter cuidado redobrado com os
axiomas A1 e M1.

M2 )
A multiplicação por escalar é uma operação definida para apenas um escalar e um vetor. Quando
dois ou mais escalares estão envolvidos, devemos associar um escalar e um vetor por vez.

A regra da multiplicação por escalar dada no enunciado fornece:

Verificamos que o axioma é atendido.

M3 )
Os vetores pertencentes ao conjunto V devem atender à propriedade distributiva.

A aplicação da regra da multiplicação por escalar dada no enunciado produz:

Segundo a regra da soma vetorial dada no enunciado, a expressão anterior resulta em:

Verificamos que o axioma é atendido.

M4 )

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 6
Os escalares reais também devem atender à propriedade distributiva.

Aplicando a regra da soma vetorial dada no enunciado:

A regra da multiplicação por escalar dada no enunciado torna a expressão anterior igual a:

Verificamos que o axioma é atendido.

M5 )
O último axioma se refere ao elemento neutro da multiplicação por escalar, isto é, quando
multiplicamos qualquer vetor pelo escalar 1 o resultado deve ser o próprio vetor .
Conforme a regra da multiplicação por escalar dada no enunciado:

Como todos os dez axiomas foram atendidos, então V é um espaço vetorial.

O espaço vetorial que acabamos de reconhecer é chamado espaço vetorial euclidiano.

Exemplo
Verificar se o conjunto é um espaço vetorial com as suas operações de
adição e multiplicação por escalar assim definidas:
∙ (soma vetorial):
∙ (multiplicação por escalar):

Solução
Vamos verificar os dez axiomas considerando os vetores:
, e

A1)
Conforme o enunciado, a soma vetorial é dada por:

Já que não existem restrições nas coordenadas dos vetores do conjunto V, o resultado da soma
vetorial também pertence a V.
Verificamos que o axioma é atendido.

A2)
Conforme esse axioma, a soma dos elementos do conjunto V deve ser comutativa, ou seja, ao
trocarmos a ordem dos elementos presentes na soma vetorial o resultado não deve se alterar.

O resultado, segundo a regra da soma de vetores no conjunto V, é dado por:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 7
É possível trocar a ordem dos números reais presentes na expressão acima:

Verificamos que o axioma é atendido.

A3)
Os vetores pertencentes ao conjunto V devem atender à regra associativa, isto é, a associação de
dois em dois vetores em qualquer ordem não deve alterar o resultado final.

Conforme a regra da soma vetorial dada no enunciado:

Verificamos que o axioma é atendido.

A4)
Ao somarmos qualquer vetor ao vetor nulo o resultado deve ser o próprio vetor .

A regra da soma vetorial dada no enunciado faz com que a expressão anterior seja igual a:

Verificamos que o axioma é atendido.

A5)
Para qualquer vetor pertencente a V, deve existir o seu vetor oposto também pertencente ao
conjunto V. Note que a soma do vetor ao vetor deve resultar no vetor nulo encontrado no
axioma A4.
O vetor oposto é definido segundo a regra da multiplicação por escalar dada no enunciado:

Para provar o axioma A5, somaremos os vetores:

Pela regra da soma vetorial dada no enunciado:

Perceba que o resultado não é o vetor nulo . Como o axioma A5 não é atendido, não
podemos considerar o conjunto V um espaço vetorial e os seus elementos não podem ser chamados
de vetores. Não é necessário testar os axiomas restantes.

É muito importante notar a aplicação das regras de soma vetorial e multiplicação por
escalar dadas no enunciado. O espaço vetorial é um conjunto que tem regras próprias
para operação dos seus elementos, desde que os dez axiomas sejam atendidos.

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 8

Outros exemplos de espaços vetoriais


Os axiomas de espaço vetorial sugerem o reconhecimento de padrões operatórios que se
assemelhem aos espaços vetoriais que conhecemos ( e ).
Estabelecidas as regras que nos permitem reconhecer quando estamos diante de um espaço vetorial,
vamos agora mostrar alguns exemplos mais abstratos. A demonstração de que cada um dos
exemplos a seguir é um espaço vetorial fica como exercício.
São espaços vetoriais:
∙ O conjunto de todos os polinômios do segundo grau:

As operações usuais de soma de dois polinômios e multiplicação de um polinômio por um escalar


são bem conhecidas, portanto, não serão mostradas.
Podemos então chamar qualquer polinômio do segundo grau de vetor.
De uma forma mais ampla, podemos provar que o conjunto de todos os polinômios de grau n
também é um espaço vetorial:

De uma forma geral, o conjunto de todas as funções com uma variável independente é um espaço
vetorial:

∙ O conjunto de todas as matrizes quadradas de segunda ordem:

As operações usuais de soma de duas matrizes e multiplicação de uma matriz por um escalar são
conhecidas e não serão mostradas.
Podemos assim chamar qualquer matriz de segunda ordem de vetor.
De uma forma mais ampla, podemos provar que o conjunto de todas as matrizes quadradas de
ordem n também é um espaço vetorial:

De uma forma geral, o conjunto de todas as matrizes de m linhas por n colunas é um espaço
vetorial:

∙ (Para os que já estudaram cálculo) O conjunto de todas as equações diferenciais ordinárias


(E.D.O.) homogêneas de segunda ordem:

As operações usuais de soma de duas equações diferenciais e multiplicação de uma equação


diferencial por um escalar são conhecidas e não serão mostradas.
Podemos então chamar de vetor uma E.D.O. homogênea de segunda ordem.
De uma forma mais ampla, podemos provar que o conjunto de todas as equações diferenciais
ordinárias homogêneas de ordem n também é um espaço vetorial:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 9

Onde y(n) é a derivada de ordem n da variável y.

Subespaços vetoriais
Considerando o conjunto mostrado anteriormente, podemos afirmar que o conjunto
é um subconjunto de A, ou seja, o conjunto B está contido em A (representamos por
B⊂A).

Se um espaço vetorial é um conjunto, então devem existir subconjuntos que estão contidos nesse
espaço. Tais subconjuntos são chamados subespaços vetoriais.
Matematicamente, o subespaço vetorial S é definido como sendo um subconjunto, não vazio, do
espaço vetorial V com as operações de adição e multiplicação por escalar dadas por:
A)
M)
É importante notar que essas duas operações básicas são o resumo das dez propriedades dos vetores
(cinco de adição vetorial e cinco de multiplicação por escalar). Portanto, um subespaço também é
um espaço vetorial por si só.
Quando as regras de subespaço vetorial são atendidas dizemos que o subespaço é fechado nas
operações de adição e multiplicação por escalar.

Exemplo
Considerando o espaço vetorial e o conjunto:
ou
Verificar se S é um subespaço vetorial de V.

Solução
Vamos testar as duas condições sabendo que:

Adição Vetorial Multiplicação por Escalar

∈ S, já que a segunda
∈ S, já que a componente é o dobro da primeira.
segunda componente é o dobro da primeira.

Então S é subespaço vetorial de V.

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 10
Exemplo
Considere o espaço vetorial e o conjunto:
ou
Verificar se S é um subespaço vetorial de V.

Solução
Vamos testar as duas condições sabendo que:

Adição Vetorial Multiplicação por Escalar


Não é necessário testar a segunda
, já que a segunda condição. Concluímos que S não é um
subespaço vetorial de V.
componente não atende à condição do subconjunto. Para
pertencer ao subconjunto S, deveria ter resultado
no valor .

Lembramos que, se todo espaço vetorial contém o vetor nulo, então qualquer subespaço
vetorial deve também conter esse mesmo vetor. Note que o par (0,0) não pertence ao
subconjunto S.

Combinação linear de vetores


Vamos desenhar o vetor no plano cartesiano:

Podemos perceber que é a resultante entre os vetores e , ou seja:

A expressão anterior estabelece a dependência entre o vetor e os vetores e . A essa relação de


dependência chamamos de combinação linear.
Nesse caso específico, dizemos que o vetor é combinação linear dos vetores e . De uma
forma geral, um vetor pode ser colocado em função de outros vetores do mesmo espaço vetorial
através de uma combinação linear.
Considere os vetores e os escalares . Um vetor é
uma combinação linear dos vetores se possuir a seguinte forma:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 11

Note que cada um dos termos dessa soma é um vetor.


A combinação linear é usada para sabermos de que maneira o vetor pode ser colocado como
resultante dos vetores .

A combinação linear é amplamente usada nos sistemas de cores . Por exemplo, dizemos que uma
determinada cor representada no sistema RGB é uma combinação linear das cores vermelho, verde
e azul. Isso significa que a determinada cor depende das quantidades das cores primárias.

Exemplo
Mostre que, no espaço vetorial , o vetor é uma combinação linear dos vetores
unitários , e .

Solução
Os vetores , e podem ser representados através das suas coordenadas:
, ,
Então o vetor pode ser escrito como:

Ou melhor:

Exemplo
Considere os vetores abaixo:
e
Escrever o vetor como uma combinação linear dos vetores e .

Solução
A expressão da combinação linear é dada pela fórmula:

Então:

Igualando-se as componentes do vetor, temos o seguinte sistema linear:

Resolvendo o sistema linear, temos como solução:


e
Portanto, a combinação linear é dada por:

Observando a expressão anterior, interpretamos o vetor como a resultante entre


e . Graficamente podemos perceber melhor o que acabamos de calcular:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 12

É importante observar que, dependendo dos vetores que participam da combinação linear, podem
existir infinitas formas de escrever um vetor em função dos vetores .

Exemplo
Verificar de quantas maneiras o vetor pode ser escrito como combinação linear dos
vetores , e .

Solução
Partindo da expressão da combinação linear:

Igualando-se as componentes do vetor, temos o seguinte sistema linear:

Temos então:

Note que só conheceremos os valores de a1 e a2 se fixarmos um valor para a3. Isso significa que
existem infinitas possibilidades de escolha (sistema linear com infinitas soluções), logo, o vetor
pode ser escrito em função dos vetores , e de infinitas
maneiras.

Dependência e independência linear


Verificamos que o vetor é a resultante entre os vetores e , ou seja:

Usando a propriedade A5 do espaço vetorial:

Uma observação mais atenta da equação anterior revela que existe uma relação de dependência
entre vetores se, através de uma combinação linear de constantes não-nulas, conseguirmos obter
uma resultante nula, isto é, o vetor nulo.
Dizemos nesse caso que os vetores são linearmente dependentes (L.D.).

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 13
Exemplo
Verificar se os vetores dados a seguir são linearmente dependentes:
,

Solução
Nesse caso podemos perceber que:

O que fornece:

Note que podemos cancelar os dois vetores sem que tenhamos que multiplicar cada um deles por
zero. Logo, os dois vetores são L.D.
Por outro lado, não existirá nenhuma relação de dependência entre vetores se a única forma de obter
uma resultante nula consistir em multiplicar por zero cada um dos vetores que participam da
combinação linear.
Nesse caso, dizemos que os vetores são linearmente independentes (L.I.).

Exemplo
Verificar se os vetores e são linearmente independentes.

Solução
Partindo da expressão da combinação linear:

Desejamos saber se as constantes a1 e a2 são iguais a zero. Para isso, basta substituir as coordenadas
dos vetores em questão:

A igualdade dos vetores fornece:


e
Note que não existe nenhuma outra forma de cancelar os vetores e a não ser multiplicando
cada um deles por zero. Portanto, os dois vetores são L.I.
Podemos aplicar o conceito de dependência e independência linear nos sistemas de cores. No
sistema RGB as cores verde, vermelho e azul são linearmente independentes já que não podemos
obter a cor azul como uma combinação das outras duas cores, da mesma forma acontece com o
vermelho e o verde. No sistema CMY, as cores ciano, magenta e amarelo também são
independentes.
Vamos formalizar os conceitos de dependência e independência linear considerando um espaço
vetorial V e (A é um conjunto de vetores de V).
Se a equação abaixo:

Admite somente a solução trivial, ou seja:

Dizemos que o conjunto A é linearmente independente ou que os vetores são L.I. Caso
exista pelo menos uma solução diferente da solução trivial, dizemos que o conjunto A é linearmente
dependente (L.D.).
Resumindo, se os vetores da combinação linear dada pela equação anterior forem L.I., então não
existe como cancelar os vetores a não ser multiplicando todos eles por zero.
Por exemplo, imagine que tenhamos interesse em saber se um vetor depende de um conjunto de
três vetores . Nesse caso, basta fazer a combinação linear:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 14

Se for a única solução, então cada vetor é independente dos três restantes. A
existência de outras soluções caracteriza uma relação de dependência entre os vetores.

Exemplo
Verificar se os vetores dados a seguir são L.I. ou L.D.:
, e

Solução
Vamos fazer a combinação linear:

Igualando-se as componentes do vetor, temos o seguinte sistema linear:

Temos então:

O sistema linear possui infinitas soluções, logo, os vetores , e são L.D.

O fato do sistema linear anterior ser L.D. não significa que a solução
não seja possível. Na verdade, essa solução está incluída dentre as infinitas soluções
que o sistema linear possui. Lembramos os três vetores seriam L.I. se a única solução
possível fosse .

Subespaço vetorial gerado


Sabemos que um espaço vetorial V (ou subespaço S) possui, em geral, infinitos vetores. Será que
qualquer um desses infinitos vetores depende de um número finito de vetores presentes no mesmo
espaço vetorial?
Se for possível infinitos vetores de V dependerem de um conjunto A formado por um certo número
de vetores então dizemos que o conjunto A gera o espaço (ou subespaço) vetorial. Isso significa que
qualquer vetor pertencente ao espaço (ou subespaço) vetorial pode ser combinação linear dos
vetores de A.
Por exemplo, considere os vetores:

Observamos que todos os vetores anteriores dependem de e . De uma forma geral, podemos
escrever qualquer vetor da seguinte forma:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 15
A equação anterior nos diz que qualquer um dos infinitos vetores do espaço vetorial depende
de apenas dois vetores. Nesse caso, podemos dizer que os vetores e geram o espaço vetorial
.

Em computação gráfica, dizemos que o espaço das cores é gerado pelo vermelho, verde e azul (o
sistema RGB), pois qualquer cor nesse espaço depende dessas três cores primárias. Por outro lado, o
espaço das cores também pode ser gerado pelas cores ciano, magenta e amarelo (o sistema CMY).
Com essas afirmações queremos dizer que pode existir mais de uma maneira de gerar o mesmo
espaço vetorial.
Vamos definir formalmente o significado de subespaço gerado considerando um espaço vetorial V e
um conjunto .
O conjunto S, de todos os vetores de V que são combinações lineares dos vetores de A, é um
subespaço vetorial de V. Matematicamente, queremos dizer que:

Se conseguirmos encontrar os valores que satisfaçam à combinação linear dizemos


então que o subespaço vetorial S é gerado pelos vetores ou gerado pelo conjunto
. Os vetores são chamados geradores do subespaço S e A é o
conjunto gerador de S.
Representamos essa situação por ou .
Para provarmos as afirmações anteriores, considere os vetores e que são combinações lineares
dos vetores :

Testando as condições de existência do subespaço:

, ou seja, .

, ou seja, .

Exemplo
Os vetores e geram o espaço vetorial , pois qualquer vetor
é combinação linear de e .
Vamos começar partindo da expressão da combinação linear:

Substituindo os vetores:

e
Concluímos que:

Exemplo

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 16
Considerando os vetores e , verificar se gera .

Solução
Para que o conjunto A gere é preciso que qualquer vetor seja combinação
linear de e :

A igualdade dos vetores resulta no sistema:

Que tem como solução:


e
Concluímos que:

Para esclarecer ainda mais, considere o vetor . Podemos colocá-lo como uma combinação
linear de e usando as relações acima, ou seja:

Enfim, será combinação linear do vetores e através da seguinte relação:

Note que:

Base
Aprendemos a posicionar um ponto ou vetor no sistema de coordenadas cartesianas projetando o
ponto P na direção dos eixos x e y.

As posições em cada direção são contadas em função dos vetores e . O vetor


tem tamanho unitário na direção x e o vetor tem tamanho unitário na direção y. Esses vetores
formam o que chamamos de base do .
A base é um conjunto de 2 vetores que tem a função de localizar qualquer ponto no .

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 17

A base formada pelos vetores e é chamada base canônica (natural ou mais comum)
do . A escala de contagem (tamanho dos vetores e ) é igual a 1.

Entretanto, a escala de contagem sobre os eixos não precisa necessariamente ser igual a 1. Além do
que, os dois eixos podem ter escalas diferentes.

Podemos também mudar a inclinação dos eixos, ou seja, não é necessário que os eixos sejam
perpendiculares.

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 18
Nesses casos, a base do não é mais formada pelos vetores e , mas por vetores diferentes.
Isso quer dizer que a contagem de posições não é feita sobre os eixos x e y, mas por eixos nas
direções de cada um dos vetores da base.
Ao longo do texto, verificamos que basicamente existem dois sistemas para representação das
cores: o sistema RGB e o sistema CMY. Ambos possuem cores linearmente independentes e ambos
geram o espaço vetorial de cores. Por isso, dizemos que o vermelho, o verde e o azul formam uma
base para o espaço das cores, assim como o ciano, o magenta e o amarelo também formam uma
base para o mesmo espaço.
Nossa intenção agora é saber quais vetores podem ser base de um espaço vetorial.
Um conjunto é uma base do espaço vetorial V se:
B é LI
B gera V
A primeira condição garante que deve existir um número exato de vetores para contar posições no
espaço vetorial (mais vetores seriam desnecessários e com menos vetores não conseguiríamos
localizar um ponto).
Por exemplo, necessitamos de apenas 2 vetores para contar posições no espaço vetorial . Já no
espaço vetorial necessitamos de apenas 3 vetores.
A segunda condição garante que qualquer vetor do espaço vetorial depende dos vetores do conjunto
B, ou seja, podemos localizar qualquer vetor do espaço vetorial em função dos vetores do conjunto
B através de uma combinação linear.

Exemplo
é uma base do espaço , já que:
B é LI

Como e , o conjunto B é LI.


B gera V
Qualquer vetor é combinação linear de (1,0) e (0,1):

e
Substituindo na expressão da combinação linear, concluímos que:

Exemplo
é uma base do espaço , já que:
B é LI

Igualando as coordenadas, teremos o seguinte sistema de equações:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 19
Como e , o conjunto B é LI.
B gera V
Qualquer vetor é combinação linear de (1,2) e (3,5):

Igualando as coordenadas, teremos o seguinte sistema de equações:

Resolvendo esse sistema teremos como resultado:


e
Substituindo na expressão da combinação linear, concluímos que:

Dimensão
Se V é um espaço vetorial e possui uma base com n vetores, então V tem dimensão n.

Exemplo
e

Componentes de um vetor
Conforme a segunda condição para um subconjunto B ser uma base, é necessário que qualquer
vetor de V possa ser escrito como uma combinação linear dos vetores de B. Assim:

Sendo uma base de V, os números são denominados componentes


ou coordenadas do vetor em relação à base B.

Só deve existir uma única forma de escrever um vetor na base considerada, ou seja,
só existe uma representação possível do vetor na base B.

Representamos as coordenadas de um vetor numa base não-canônica através do índice B. Por


exemplo, representa um vetor que está numa base não-canônica. Nesse caso,
precisamos saber em que base este vetor está sendo representado.

Exemplo
Já provamos que é uma base do espaço , assim, qualquer vetor
pode ser colocado como uma combinação linear dos vetores de B. O vetor em relação a
essa base tem coordenadas:

e são as coordenadas do vetor na base canônica.

Exemplo
Já provamos que é uma base do espaço , assim, qualquer vetor
pode ser colocado como uma combinação linear dos vetores de B. O vetor em relação a
essa base tem coordenadas:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 20

Podemos entender melhor o significado desses valores através de um gráfico. Começaremos


desenhando os vetores e :

Para localizar o vetor no sistema de coordenadas dado pelos vetores e , basta contar 3
posições no sentido contrário de (multiplicar por 3) e contar duas posições no sentido de
(multiplicar por 2 o vetor ). O vetor será a resultante entre e .

Podemos assim afirmar que as coordenadas do vetor na base B são -3 e 2 e representamos por
. Note que existe uma correspondência entre as coordenadas do vetor escrito na base
canônica e o mesmo vetor escrito na base B:
.

A ordem dos elementos dentro dos parênteses é muito importante já que representa a
contagem na direção de cada um dos vetores da base considerada. Por exemplo:

A primeira coordenada é contada sobre o primeiro vetor da base e a segunda


coordenada é contada sobre o segundo vetor da base e assim sucessivamente.
Logicamente precisamos conhecer quais são o primeiro e o segundo vetor da base.
A representação vetorial que nunca deixa dúvidas é a combinação linear:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 21

Nesses dois casos podemos verificar os vetores de cada uma das bases e suas
respectivas coordenadas na direção de cada vetor independentemente da ordem que
estão escritos.

Mudança de base
Às vezes um determinado problema se torna mais simples quando visualizado em um sistema de
coordenadas diferente do que é definido pela base canônica. A solução para esse tipo de problema é
a mudança de base.
Uma das aplicações mais interessantes da mudança de base é a mudança de sistemas de cores em
computação gráfica. Por exemplo, podemos mudar do sistema de cores RGB (vermelho-verde-azul)
para o sistema de cores CMY (ciano-magenta-amarelo) usando o conceito de mudança de base.
Através da mudança de base, podemos estabelecer como a mesma cor que aparece no monitor do
computador (sistema RGB) pode ser representada na impressora (sistema CMY).
Por uma questão de simplicidade, vamos demonstrar como realizar uma mudança de base no espaço
vetorial . Em seguida vamos generalizar o conceito para espaços vetoriais mais gerais.
Sejam e duas bases do espaço vetorial . As coordenadas dos vetores
de cada base são:
e para os vetores da base A.

e para os vetores da base B.

Podemos construir a matriz que representa cada base agrupando as coordenadas dos seus
respectivos vetores:
para a base A.

para a base B.

Se B é uma base do , então os vetores e podem ser escritos como uma combinação linear
dos vetores de B. Isso significa que, para realizarmos a mudança da base A para a base B,
precisamos escrever os vetores e como sendo uma combinação linear dos vetores e :

Teremos assim:

Colocando todas essas informações na matriz que representa a base A:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 22

Podemos desmembrar a matriz do lado direito da igualdade da seguinte forma:

Numa forma mais compacta:

Onde é a matriz que realiza a mudança da base A para a base B. Então, a matriz mudança de
base pode ser obtida através da equação:

Se quisermos transformar qualquer vetor escrito na base A para a base B, devemos fazer:

Quando for necessário aplicar a mudança de base no espaço vetorial , a matriz


deverá ter ordem n.

Exemplo
Considere os vetores e escritos na base . Escrever os
vetores na base .

Solução
Primeiramente, vamos escrever as matrizes que representam cada uma das bases:
para a base A.

para a base B.

A inversa da matriz B é dada por:


para a base B.

A matriz mudança de base é calculada através da equação:

Portanto, os vetores e serão escritos na base B através das seguintes


multiplicações matriciais:

Inversa da matriz mudança de base


Podemos reverter a mudança da base A para a base B simplesmente tomando a inversa da matriz
, ou seja:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)


ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA – PÁGINA 23

Exemplo
Usando os resultados do exemplo anterior, escreva na base B1 os vetores:
e

Solução
Precisamos encontrar a inversa da matriz de mudança da base A para B:

Os vetores escritos na base A são encontrados através das multiplicações matriciais a seguir:

PROF. FÁBIO NOGUEIRA BATISTA (fbatista@bol.com.br)