ALGA 1002 22 23 (Parte2)

Espaços vectoriais
Algebra Linear e Geometria Analitica (M1002)

Espaços vectoriais e aplicações lineares
Departamento de Matemática
Faculdade de Ciências
Universidade do Porto
1 semestre 2022/2023
ALGAI M1002 2022/23 k 0.0 - k1

Espaços vectoriais Combinações Lineares
Definição
Seja E um conjunto não vazio e K = R ou K = C. Suponhamos
que estão definidas duas operações
E × E −→ E
adição:
(u, v ) 7→ u + v
K × E −→ E
multiplicação por um escalar:
(λ, u) 7→ λu
dizemos que E = (E , +, .) é um espaço vectorial sobre K se:
adição é associativa: ∀u, v , w ∈ E , (u + v ) + w = u + (v + w );
existe elemento neutro: ∀u ∈ E , u + 0E = u = 0E + u;
a adição é comutativa: ∀u, v ∈ E , u + v = v + u;
existência de simétrico: ∀u ∈ E , ∃u 0 ∈ E : u + u 0 = 0 = u 0 + u;
∀α ∈ K , ∀u, v ∈ E , α(u + v ) = αu + αv ;
∀α, β ∈ K , ∀u ∈ E , (α + β)u = αu + βu;
∀α, β ∈ K , ∀u ∈ E , (αβ)u = α(βu);
∀u ∈ E , 1u = u.
ALGAI M1002 2022/23 k 1.0 Espaços vectoriais - k2

Dado um espaço vectorial E sobre K , aos elementos de E

chamamos vectores e aos elementos de K chamamos escalares
Proposição
Seja E um espaço vectorial sobre K .
O vector 0E é o único vector x que satisfaz a equação:
x + v = v , ∀v ∈ E ;
para todo o v ∈ E , o vector −v é o único vector y que
satisfaz v + y = 0E ;
Se u + v = u + w para quaisquer u, v , w ∈ E , então v = w ;
∀v ∈ E , 0K v = 0E ;
∀λ ∈ K , λ0E = 0E ;
(−λ)v = λ(−v ) = −λv , ∀λ ∈ K , ∀v ∈ E ;

Note-se que dado λ ∈ K , v ∈ E , se tem
λv = 0E ⇔ λ = 0K ∨ v = 0E .

Definição
Seja E = (E , +, .) um espaço vectorial e U um subconjunto de E
não vazio. Se (U, +, .) for também um espaço vectorial para as
operações definidas em E , dizemos que U é um subespaço de E .
Proposição
Seja E um espaço vectorial sobre K e seja U um subconjunto de
E . Diz-se que U é um subespaço vectorial de E se
0E ∈ U.
∀u, v ∈ U, u + v ∈ U (U é estável para a adição).
∀λ ∈ K , ∀u ∈ U, λu ∈ U (U é estável para a multiplicação por
um escalar).

Exemplos
1. Rm = {(r1 , . . . , rm )|r1 , . . . , rm ∈ R}
é um espaço vectorial com a adição usual de vectores e a
multiplicação por um escalar definidas por:
+: Rm × Rm −→ Rm
((r1 , . . . , rm ), (s1 , . . . , sm )) 7→ (r1 + s1 , . . . , rm + sm )
·: R × Rm −→ Rm
(λ, (s1 , . . . , sm )) 7→ (λs1 , . . . , λsm )
2. Seja X um conjunto não vazio. O conjunto
FX = {f : X → R}
é um espaço vectorial sobre R com a multiplicação e producto por
escalar definidos por
(f + g)(x ) = f (x ) + g(x ), ∀f , g ∈ FX
(λf )(x ) = λ(f (x )), ∀f ∈ FX , ∀λ ∈ R
Exemplos
3. O conjunto P(x ) de todos os polinómios em x é um espaço
vectorial real onde:
n
X n
X n
X
ri x i + si x i = (ri + si )x i ,
i=0 i=0 i=0
n
X n
X
λ ri x i = (λri )x i , ∀λ ∈ R
i=0 i=0
4. Cn = {(c1 , . . . , cn ) : ci ∈ C} é um espaço vectorial complexo
(c1 , . . . , cn ) + (c10 , . . . , cn0 ) = (c1 + c10 , . . . , cn + cn0 )
λ(c1 , . . . , cn ) = (λc1 , . . . , λcn ), ∀λ ∈ C.
5. Cn é um espaço vectorial real.

Examples:
6. Seja U1 = {(x , y ) ∈ R2 : x − y = 0}.

U1 é um subespaço de R2 como R-espaço vectorial.
7. U2 = {(x , y ) ∈ R2 : x 2 − y = 0} não é subespaço de R2 .
8. U3 = {(x , y ) ∈ R2 : x − y = 7} não é um subespaço de R2 .
9. U4 = {(x , y ) ∈ R2 : x − y ≤ 0} não é um subespaço de R2 .
10. U5 = {(x , y ) ∈ R2 : x 2 + y 2 ≤ 0} é um subespaço vectorial de

R2 .

Exemplos
" #
1 2 3
11. Seja A = ∈ M2×3 (K ). Tem-se que
4 5 6
   
 x " #
 0 
W1 = (x , y , z) ∈ R3 : A  y = é um subespaço de R3 .
 
 0 
 z 
   
 x " #
 1 
W2 = (x , y , z) ∈ R3 : A  y = não é um subespaço
 
 2 
 z 
de R3

Exemplos
Seja U = {(x , y ) ∈ R2 : x = y }, V = {(x , y ) ∈ R2 : x = 0}.

Tem-se que
U e V são subespaços de R2 .
U ∩ V = {(0, 0)} é subespaço vectoial de R2 .
U + V = R2 é um subespaço vectorial de R2 .

Teorema
Seja E um espaço vectorial e sejam U e V subespaços vectoriais
de E . Então:
1 U + V = {u + v : u ∈ U, v ∈ V } é um subespaço vectorial de
E;
2 U ∩ V é um subespaço vectorial de E .

Soluções de sistemas homogeneos
Definição
Dado A ∈ Mm×n (K ) e B ∈ Mm×1 , um sistema AX = B diz-se
homogeneo se B = [0]m×1 .
Proposição
Todo o sistema homogeneo é possı́vel.
Proposição
O conjunto de soluções de um sistema homogeneo é um espaço
vectorial.

Dado A ∈ Mm×n , B ∈ Mm×1 , o sistema homogeneo associado ao

sistema AX = B é AX = [0].
Suponhamos que o sistema AX = B é possı́vel. Seja Z uma

solução de AX = B e D o conjunto das solução do sistema
homogeneo AX = [0]. O conjunto das soluções de AX = B é
Z +D
Considere-se o sistema


 2x − 4y + t = 1
−x + 2y + −z + t = −2
3x − 6y + 2z = 0


o seu conjunto solução é
(2, 0, −3, −3) + {(x , y , 0, 0) : −x + 2y = 0}.

Definição
Seja E um espaço vectorial. Suponhamos que u1 , . . . , un são
vectores de E . Diz-se que um vector u ∈ E é combinação linear de
u1 , . . . , un se existem escalares λ1 , . . . , λn ∈ K tais que
u = λ1 u1 + . . . + λn un .
Definição
Seja E um espaço vectorial e S um subconjunto não vazio de E .
Diz-se que um vector u ∈ E é combinação linear de vectores de S
se existe um número finito de vectores u1 , . . . , uk ∈ S e de
escalares λ1 , . . . , λk ∈ K tais que
u = λ1 u1 + λ2 u2 + . . . + λk uk .
Ao conjunto de todas as combinações lineares de elementos de S
chama-se subespaço gerado por S e denota-se por L(S) ou < S >.
Se S = ∅ define-se L(S) = {0}.
ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k14
Exemplos:
1) Considere-se E = R2
(a, b) é combinação linear de (1, 0) e (0, 1).
L({(1, 0), (0, 1)}) = R2 .
(a, b) é combinação linear de (−1, 1) e (1, 2).
L({(−1, 1), (1, 2)}) = R2 .
2) Considere-se E = R3 , tem-se que

< (1, 2, −1), (2, 1, 0) >= {(x , y , z) ∈ R3 : x − 2y − 3z = 0};
< (1, 2, −1), (2, 1, 0), (4, 5, −2) >= {(x , y , z) ∈ R3 :
x − 2y − 3z = 0}.

Exemplos
3) Considere-se E = P(x ). Seja Pn (x ) os polinómios na variável x

de garu menor ou igual a n.
< 1, x , x 2 , . . . , x n >= Pn (x ).
< 1, 1 + x , 1 + x + x 2 , . . . , 1 + x + x 2 + . . . + x n >= Pn (x ).

Teorema
Seja S um subconjunto de um espaço vectorial E . Então < S > é
um subespaço vectorial de E , é o menor subespaço vectorial que
contém S, isto é se U é um subespaço vectorial de E e S ⊆ U
então < S >⊆ U.

Dependência Linear
Definição
Sejam u1 , . . . , un vectores de um espaço vectorial E . Diz-se que
u1 , . . . , un são linearmente dependentes se existem λ1 , . . . , λn não
todos nulos tais que
λ1 u1 + . . . + λn un = 0E .
Diz-se que u1 , . . . , un são linearmente independentes se quaisquer

que sejam os escalares λ1 , . . . , λn
λ1 u1 + λ2 u2 + . . . + λn un = 0E ⇒ λ1 = λ2 = . . . = λn = 0.

Exemplos
1) Em R2
(1, 0), (0, 1) são linearmente independentes;
(−1, 1), (1, 2) são linearmente independentes;
(−1, 1), (0, 0) são linearmente dependentes;
(1, 2), (−10, −20) são linearmente dependentes.
2) Em R3
(1, 2, −1), (2, 1, 0) são linearmente independentes;
(1, 2, −1), (2, 1, 0), (4, 5, −2) são linearmente dependentes;
(1, 2, −1), (2, 1, 0), (0, 1, 0) são linearmente independentes e
< (1, 2, −1), (2, 1, 0), (0, 1, 0) >= R3
3) Em P(x )
1, 1 + x , 1 + x + x 2 , . . . , 1 + x + x 2 + . . . + x n são linearmente
independentes.

Definição
Seja S um subconjunto não vazio de um espaço vectorial E . Diz-se
que S é linearmente dependente se existem vectores v1 , . . . , vp ∈ S
e escalares não todos nulos λ1 , . . . , λn tais que
λ1 v1 + . . . + λn vn = 0E .
Se S não é linearmente dependente diz-se linearmente

independente.
Proposição
S é linearmente independente se e só se quaisquer que sejam os
vectores v1 , . . . , vn ∈ S
λ1 v1 + . . . + λn vn = 0E ⇒ λ1 = λ2 = . . . = λn = 0.

Proposição
Seja E um espaço vectorial e S um subconjunto não vazio de E .
Então:
se S é linearmente dependente qualquer subconjunto de E
que contenha S é linearmente dependente;
se < S >= E , S ∪ {v } é linearmente dependente qualquer
que seja v ∈ E \S;
se S é linearmente independente, < S >$ E e v ∈ E \ < S >
então S ∪ {v } é linearmente independente.

Lema
Seja E um espaço vectorial sobre K , v1 , . . . , vn vectores de E e
u ∈ E tal que
u = λ1 v1 + . . . + λn vn , vi ∈ E .
Se λi 6= 0
< v1 , . . . , vi , . . . , vn >=< v1 , . . . , vi−1 , u, vi+1 , . . . , vn > .

Lema
Seja E um espaço vectorial sobre um corpo K e sejam
v1 , . . . , vn ∈ E . Então
< v1 , . . . , vi , . . . , vn >=< v1 , . . . , λvi , . . . , vn >, ∀λ ∈ K \{0}.

Teorema
Seja E um espaço vectorial sobre K e sejam S1 = {u1 , . . . , up } e
S2 = {v1 , . . . , vn } conjuntos de vectores de E tais que:
a) S1 é linearmente independente;
b) S1 ⊆< S2 >; (isto é os vectores u1 , . . . , up são combinações
linear dos vectores v1 , . . . , vn ).
Então:
i) p ≤ n;
ii) podemos acrescentar a S1 n − p vectores de S2 de modo a
que o conjunto obtido gere o subespaço < S2 >.

Exercı́cio:
Seja E um espaço vectorial e seja S ⊆ E . Mostre que S é um

subespaço vectorial de E se e só se S =< S >.

Bases e dimensão
Definição
Seja E um espaço vectorial. Uma base de E é um subconjunto B
de E tal que B é linearmente independente e gera E .
Definição
Diz-se que E tem dimensão finita se E = {0E } ou E tem uma base
finita. A dimensão de {0E } é 0.

Teorema
Seja E um espaço vectorial de dimensão finita. Então, todas as
bases de E têm o mesmo número de elementos.
Definição
Diz-se que um espaço vectorial E tem dimensão n > 0 se E
contém um base com n elementos.

Exemplos
{(1, 0), (0, 1)} e {(−1, 1), (1, 2)} são bases de R2 .
{(1, 3)} é uma base de {(x , y ) ∈ R2 : 3x − y = 0}.
{(1, 0, 0), (0, 1, 0), (0, 0, 1)} e {(1, 2, −1), (2, 1, 0), (0, 1, 0)}
são bases de R3 .
{(1, 2, −1), (2, 1, 0)} e {(0, 3, −2), (3, 0, 1)} são bases de
{(x , y , z) ∈ R3 : x − 2y − 3z = 0}
{(1, 2, −1), (2, 1, 0)} é uma base de
{(a + 2b + 8c, 2a + b + 7c, −a − 2c) : a, b ∈ R}

Teorema
Seja E um espaço vectorial de dimensão n > 0. Então:
1 Se v1 , . . . , vp são vectores linearmente independentes de E e
p < n existem vectores vp+1 , . . . , vn de E tais que
{v1 , . . . , vn } é uma base de E .
2 Se v1 , . . . , vn são vectores linearmente independentes de E ,
v1 , . . . , vn é uma base de E .
3 Se {v1 , . . . , vn } gera E , {v1 , . . . , vn } é uma base de E .
Exercı́cio
Seja E um espaço vectorial. {u1 , . . . , un } é base de E se e só se
qualquer que seja u ∈ E existem escalares λ1 , . . . , λn ∈ K , únicos
tais que
u = λ1 u1 + . . . + λn un .

Exemplos
I) Seja V = {(x , y , z) ∈ R3 : x + y − 3z = 0} um subespaço

vectorial de R3 . Determine a dimensão de V e uma base de V que
contenha {v1 }. Esta base é única?
II) Caso seja possı́vel, determine uma base para o espaço vectorial
real R5 que inclua os vectores (1, 1, 1, 1, 2), (2, 1, 1, 1, 1),
(0, 1, 1, 1, 0).

Proposição
Seja E = K m um espaço vectorial sobre um corpo K ,
v1 , . . . , vn ∈ E e A a matriz cujas linhas são os vectores
vi , i ∈ {1, . . . , n}. Tem-se que
dim(< v1 , . . . , vn >) = car (A).
O que acontece se em vez de tomarmos v1 , . . . , vn como as linhas

de A os considerarmos como colunas ?

Nota
Dado K um corpo e A ∈ Mn×p , sejam C1 , . . . , Cp as suas p
colunas e L1 , . . . , Ln as suas n linhas. Tem-se que
dim(< L1 , . . . , Ln >) = dim(< C1 , . . . , Cp >).

Soma directa de subespaços
Definição
Seja E um espaço vectorial e F , G subespaços de E . Dizemos que
F e G estão em soma directa se F ∩ G = {0}.
Dizemos que E é soma directa de F com G se:
E =F +G
F ∩ G = {0}
e escrevemos E = F ⊕ G.
Exemplo: Em R5 os subespaços
F = {(x1 , x2 , 0, 0, 0)|x1 , x2 ∈ R}
G = {(0, 0, x3 , x4 , x5 )|x3 , x4 , x5 }
são tais que R5 = F ⊕ G.
Soma directa de subespaços
Proposição
Seja E um espaço vectorial, F , G subespaços de E e (f1 , . . . , fr ) e
(g1 , . . . , gs ) bases de F e G respectivamente.
F ⊕ G se e só se (f1 , . . . , fr , g1 , . . . , gs ) é linearmente independente.
Proposição
Seja E um espaço vectorial de dimensão finita e F , G subespaços
de E . Se F ⊕ G então
dim(F ⊕ G) = dim(F ) + dim(G).

Dimensão da soma de subespaços
Teorema
Seja E um espaço vectorial de dimensão finita e F , G subespaços
de E . Tem-se que
dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G)

Existência de complementares
Definição
Os subespaços F e G do espaço E dizem-se complementares um
do outro se F ⊕ G = E .
Proposição
Seja E um espaço vectorial de dimensão finita e F um subespaço
de E . Existe G subespaço de E tal que E = F ⊕ G.

Seja E um espaço vectorial de dimensão n e seja {u1 , . . . , un } uma

base de E . Se considerarmos a base ordenada usa-se a notação
(u1 , . . . , un ).
B1 = ((1, 0), (0, 1)) e B2 = ((0, 1), (1, 0)) são bases ordenadas de
R2 mas B1 6= B2 .
A base canónica de Rn é a base ordenada
Bc = ((1, 0, . . . , 0), (0, 1, 0, . . . , 0), . . . , (0, 0, . . . , 0, 1)).
O vector u = (a1 , . . . , an ) ∈ Rn é combinação linear dos vectores

da base Bc ;
(a1 , . . . , an ) = a1 (1, 0, 0, . . . , 0)+a2 (0, 1, 0, . . . , 0)+. . .+an (0, 0, . . . , 1)
(a1 , . . . , an ) são as coordenadas de u na base canónica de Rn

Definição
Seja B = (u1 , . . . , un ) uma base de um espaço vectorial E . Dado
v ∈ E existem escalares a1 , . . . , an únicos tais que
v = a1 u1 + . . . + an un . As coordenadas de v na base B são
(a1 , . . . , an ) e escreve-se v = (a1 , . . . , an )B .

Exemplos
O vector (2, 3) ∈ R2 tem coordenadas:
(2, 3) na base ((1, 0), (0, 1));
(3, 2) na base ((0, 1), (1, 0));
(2, 1) na base ((1, 1), (0, 1));
(−1/3, 5/3) na base ((−1, 1), (1, 2)).
Dado um espaço vectorial E e B = (v1 , . . . , vn ) uma base de E , se

v = α1 u1 + . . . + αn un embora v determine o sistema de
coordenadas (α1 , . . . , αn ), não confundir o vector v com o sistema
das suas coordenadas.
Por exemplo considere-se em R3 [x ] o polinómio x 3 + 2x + 4 que
tem por coordenadas relativamente à base canónica (1, x , x 2 , x 3 ),
(4, 2, 0, 1). Mas
x 3 + 2x + 4 6= (4, 2, 0, 1).

Matrizes Mudança de Base

Definição
Sejam B1 = (u1 , . . . , un ) e B2 = (v1 , . . . , vn ) duas bases de um
espaço vectorial E . A matriz mudança de base M(Id; B1 , B2 ) é a
matriz n × n cujas colunas são as coordenadas dos vectores uj na
base B2 , isto é , para 1 ≤ j ≤ n, uj = a1j v1 + a2j v2 + . . . + anj vn ,
a11 . . . a1j . . . a1n

 
 .. .. .. 
M(Id; B1 , B2 ) =  . . . 
an1 . . . anj . . . ann
Se v = (λ1 , . . . , λn )B1 , as coordenadas de v na base B2 são obtidas

efectuando o produto
λ1
 
 .. 
M(Id; B1 , B2 )  . 
λn
Exemplo
Considere-se B1 = ((1, 0), (0, 1)) e B2 = ((−1, 1), (1, 2)) bases de
R2 .
Dado u = (a, b) ∈ R2 existem x , y ∈ R tais que
(a, b) = x (−1, 1) + y (1, 2)
−2a+b
de facto, x = 3 e y = a+b
3 .
−2a + b a + b
( , ) são as coordenadas de (a, b) na base B,
3 3
−2a + b a + b

escreve-se u = ,
3 3 B2
" #
−2/3 1/3
M(Id; B1 , B2 ) =
1/3 1/3
" # " #
a −2/3a + 1/3b
e M(Id; B1 , B2 ) =
b 1/3a + 1/3b
Tal como antes B1 = ((1, 0), (0, 1)) e B2 = ((−1, 1), (1, 2)).
" #
−1 1
M(Id; B2 , B1 ) =
1 2
Dado v = (c, d)B2 as coordenadas de um vector v na base B2 ,
então
" # " #
c −c + d
M(Id; B2 , B1 ) =
d c + 2d
Assim, (−c + d, c + 2d) são as coordenadas do vector v na base
canónica.
Que relação existe entre M(Id; B2 , B1 ) e M(Id; B1 , B2 )?
" #−1 " #

−1 1 −2/3 1/3
=
1 2 1/3 1/3
Teorema
Seja E um espaço vectorial de dimensão n > 0 e sejam B1 , B2
bases de E . Então M(Id; B1 , B2 ) é invertı́vel e
(M(Id; B1 , B2 ))−1 = M(Id; B2 , B1 ).
Toda a matriz mudança de base é invertı́vel

O teorema anterior é consequência imediata da seguinte

proposição:
Proposição
Seja E um espaço vectorial e B1 , B2 , B3 bases de E , tem-se que
M(Id; B2 , B3 )M(Id; B1 , B2 ) = M(Id; B1 , B3 ).

Exercı́cio
1. Sejam B1 , B2 bases de R3 tais que

 
1 0 2
M(Id; B1 , B2 ) =  0 1 −1  .
 
3 2 0
a) Dado u = (1, −3, 2)B1 indique as coordenadas de u na base

B2 .
b) Dado v = (1, −3, 2)B2 indique as coordenadas de v na base
B1 .

ALGA 1002 22 23 (Parte2)

Enviado por

Direitos autorais:

Formatos disponíveis

ALGA 1002 22 23 (Parte2)

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

ALGA 1002 22 23 (Parte2)

Enviado por

Direitos autorais:

Formatos disponíveis

Espaços vectoriais

Algebra Linear e Geometria Analitica (M1002)

ALGAI M1002 2022/23 k 0.0 - k1

ALGAI M1002 2022/23 k 1.0 Espaços vectoriais - k2

Dado um espaço vectorial E sobre K , aos elementos de E

ALGAI M1002 2022/23 k 1.0 Espaços vectoriais - k3

Note-se que dado λ ∈ K , v ∈ E , se tem

ALGAI M1002 2022/23 k 1.0 Espaços vectoriais - k4

ALGAI M1002 2022/23 k 1.0 Espaços vectoriais - k5

4. Cn = {(c1 , . . . , cn ) : ci ∈ C} é um espaço vectorial complexo

(c1 , . . . , cn ) + (c10 , . . . , cn0 ) = (c1 + c10 , . . . , cn + cn0 )

λ(c1 , . . . , cn ) = (λc1 , . . . , λcn ), ∀λ ∈ C.

5. Cn é um espaço vectorial real.

6. Seja U1 = {(x , y ) ∈ R2 : x − y = 0}.

7. U2 = {(x , y ) ∈ R2 : x 2 − y = 0} não é subespaço de R2 .

8. U3 = {(x , y ) ∈ R2 : x − y = 7} não é um subespaço de R2 .

9. U4 = {(x , y ) ∈ R2 : x − y ≤ 0} não é um subespaço de R2 .

10. U5 = {(x , y ) ∈ R2 : x 2 + y 2 ≤ 0} é um subespaço vectorial de

ALGAI M1002 2022/23 k 1.0 Espaços vectoriais - k8

ALGAI M1002 2022/23 k 1.0 Espaços vectoriais - k9

Seja U = {(x , y ) ∈ R2 : x = y }, V = {(x , y ) ∈ R2 : x = 0}.

ALGAI M1002 2022/23 k 1.0 Espaços vectoriais - k10

ALGAI M1002 2022/23 k 1.0 Espaços vectoriais - k11

Soluções de sistemas homogeneos

ALGAI M1002 2022/23 k 1.0 Espaços vectoriais - k12

Dado A ∈ Mm×n , B ∈ Mm×1 , o sistema homogeneo associado ao

Suponhamos que o sistema AX = B é possı́vel. Seja Z uma

o seu conjunto solução é

(2, 0, −3, −3) + {(x , y , 0, 0) : −x + 2y = 0}.

L({(1, 0), (0, 1)}) = R2 .

(a, b) é combinação linear de (−1, 1) e (1, 2).

L({(−1, 1), (1, 2)}) = R2 .

2) Considere-se E = R3 , tem-se que

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k15

3) Considere-se E = P(x ). Seja Pn (x ) os polinómios na variável x

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k16

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k17

Diz-se que u1 , . . . , un são linearmente independentes se quaisquer

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k18

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k19

Se S não é linearmente dependente diz-se linearmente

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k20

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k21

< v1 , . . . , vi , . . . , vn >=< v1 , . . . , vi−1 , u, vi+1 , . . . , vn > .

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k22

< v1 , . . . , vi , . . . , vn >=< v1 , . . . , λvi , . . . , vn >, ∀λ ∈ K \{0}.

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k23

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k24

Seja E um espaço vectorial e seja S ⊆ E . Mostre que S é um

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k25

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k26

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k27

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k28

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k29

I) Seja V = {(x , y , z) ∈ R3 : x + y − 3z = 0} um subespaço

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k30

dim(< v1 , . . . , vn >) = car (A).

O que acontece se em vez de tomarmos v1 , . . . , vn como as linhas

ALGAI M1002 2022/23 k 1.1 Espaços vectoriais - Combinações Lineares k31