Scribd
Carregar
42 visualizações4 páginas

10 Aula: Dependência e Independência Linear

Este documento discute dependência e independência linear de vetores em um espaço vetorial. Explica que vetores são linearmente dependentes se um deles pode ser expresso como combinação linear dos outros, e independentes caso contrário. Mostra que vetores são dependentes se existirem escalares não todos nulos tal que sua combinação linear seja igual a zero.

Enviado por

Salvador Melo
Direitos autorais
© © All Rights Reserved
Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.
Formatos disponíveis
Baixe no formato PDF, TXT ou leia on-line no Scribd
42 visualizações4 páginas

10 Aula: Dependência e Independência Linear

Este documento discute dependência e independência linear de vetores em um espaço vetorial. Explica que vetores são linearmente dependentes se um deles pode ser expresso como combinação linear dos outros, e independentes caso contrário. Mostra que vetores são dependentes se existirem escalares não todos nulos tal que sua combinação linear seja igual a zero.

Enviado por

Salvador Melo
Direitos autorais
© © All Rights Reserved
Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.
Formatos disponíveis
Baixe no formato PDF, TXT ou leia on-line no Scribd
Você está na página 1/ 4

10a Aula

Dependência e independência linear


Seja V um espaço vectorial sobre K (com K = R ou K = C).
Dizemos que os vectores v1 ; v2 ; :::; vn 2 V são linearmente dependentes quando um deles
é combinação linear dos restantes.
Mais precisamente, os vectores v1 ; v2 ; :::; vn (não necessariamente distintos) são linearmente
dependentes se existir i 2 f1; :::; ng tal que

vi 2 L fv1 ; :::; vi 1 ; vi+1 ; :::; vn g :

Caso contrário dizemos que os vectores v1 ; v2 ; :::; vn ; são linearmente independentes.

Proposição 1: Os vectores v1 ; v2 ; :::; vn 2 V são linearmente dependentes se e só se


existirem escalares x1 ; :::; xn 2 K não todos nulos e tais que
!
x1 v1 + x2 v2 + ::: + xn vn = 0 :

Demonstração: Admitamos que os vectores v1 ; v2 ; :::; vn são linearmente dependentes.


Isto signi…ca que existe i 2 f1; :::; ng e escalares x1 ; :::; xi 1 ; xi+1 ; :::; xn 2 K tais que

vi = x1 v1 + + xi 1 vi 1 + xi+1 vi+1 + + xn vn ,

pelo que
!
x1 v1 + + xi 1 vi 1 + ( 1) vi + xi+1 vi+1 + + xn vn = 0 .
Reciprocamente, se existirem escalares x1 ; :::; xn 2 K, com xi 6= 0 para algum i 2 f1; :::; ng,
e tais que
!
x1 v1 + + xi 1 vi 1 + xi vi + xi+1 vi+1 + + xn vn = 0 ,
teremos
x1 xi 1 xi+1 xn
vi = v1 + + vi 1 + vi+1 + + vn ,
xi xi xi xi

pelo que vi 2 L fv1 ; :::; vi 1 ; vi+1 ; :::; vn g.

Exercício 8: Mostre que os vectores de R4

v1 = (1; 0; 0; 0) ; v2 = (0; 1; 0; 0) ; v3 = (0; 0; 1; 0) ; v4 = (0; 0; 0; 1)

são linearmente independentes.

Exercício 9: Mostre que os vectores de M2 2 (R)

1 0 0 1 0 0 0 0
v1 = ; v2 = ; v3 = v4 =
0 0 0 0 1 0 0 1

são linearmente independentes.

1
Exercício 10: Mostre que os vectores de P3
P1 (t) = 1; P2 (t) = t; P3 (t) = t2 ; P4 (t) = t3
são linearmente independentes.

Exercício 11: Mostre que para quaisquer vectores linearmente independentes, v1 ; v2 ; :::;
vn 2 V , as seguintes a…rmações são verdadeiras.
1) Os vectores v1 ; :::; vi 1 ; vi ; vi+1 ; :::; vn , com 2 Kn f0g, são linearmente independentes.
2) Os vectores v1 ; :::; vi 1 ; vi + vj ; vi+1 ; :::; vn , com 2 K e i 6= j, são linearmente indepen-
dentes.
3) Os vectores v1 ; v2 ; :::; vn ; vn+1 , com vn+1 2 V nL fv1 ; :::; vn g, são linearmente indepen-
dentes.

Dependência e independência linear em Rm


Exercício 1 Determinar quais dos seguintes vectores de R4 são linearmente independentes:
a) v1 = (1; 2; 0; 1); v2 = (3; 4; 0; 10)
b) v1 = (1; 2; 0; 1); v2 = (3; 4; 0; 10); v3 = (0; 0; 0; 0)
c) v1 = (1; 0; 0; 1); v2 = (0; 2; 2; 0); v3 = (3; 0; 0; 0)
d) v1 = (1; 0; 0; 1); v2 = (0; 2; 2; 0); v3 = (3; 0; 0; 0), v4 = (1; 3; 3; 2)
Resolução: a) Como dois vectores v1 ; v2 de um espaço V são linearmente dependentes
se e só são colineares, torna-se claro que os vectores (1; 2; 0; 1), (3; 4; 0; 10) são linearmente
independentes. b) Trata-se evidentemente de três vectores linearmente dependentes já que
um deles é o vector nulo. c) Aqui a situação não é tão simples, e por isso recorreremos à
Proposição 1. Como
x1 (1; 0; 0; 1) + x2 (0; 2; 2; 0) + x3 (3; 0; 0; 0) = (0; 0; 0; 0),
ou 2 3 2 3 2 3 2 3
1 0 3 0
6 0 7 6 2 7 6 7 6
0 7 6 0 7
x1 6 7 + x2 6
4 0 5 4
7 + x3 6 = 7,
2 5 4 0 5 4 0 5
1 0 0 0
equivale a dizer que (x1 ; x2 ; x3 ) é solução do sistema homogéneo
2 3 2 3
1 0 3 2 3 0
6 0 2 0 7 x1 6 0 7
6 74 5 6 7
4 0 2 0 5 x2 = 4 0 5 ,
x3
1 0 0 0
vemos, pela Proposição 1, que os vectores v1 ; v2 ; v3 são linearmente independentes se e só se
este sistema for determinado. Como por eliminação de Gauss,
2 3 2 3 2 3 2 3
1 0 3 1 0 3 1 0 3 1 0 3
6 0 2 0 7 6 0 2 0 7 6 0 2 0 7 6 0 2 0 7
6 7 6 7 6 7 6 7 = L;
4 0 2 0 5!4 0 2 0 5!4 0 0 0 5!4 0 0 3 5
1 0 0 0 0 3 0 0 3 0 0 0

2
se veri…ca que no referido sistema homogéneo todas as incógnitas são dependentes (pois
qualquer coluna de L exibe pivô), podemos concluir …nalmente que estamos na presença de
três vectores linearmente independentes. d) Pelo que vimos anteriormente, podemos resolver
o problema através da condensação da matriz
2 3
1 0 3 1
6 0 2 0 3 7
6 7
4 0 2 0 3 5:
1 0 0 2

Como neste caso,


2 3 2 3 2 3 2 3
1 0 3 1 1 0 3 1 1 0 3 1 1 0 3 1
6 0 2 0 7
3 7 6 0 2 0 7
3 7 6 0 2 0 7
3 7 6 0 2 0 3 7
6 !6 !6 !6 7 = L,
4 0 2 0 3 5 4 0 2 0 3 5 4 0 0 0 0 5 4 0 0 3 1 5
1 0 0 2 0 0 3 1 0 0 3 1 0 0 0 0

se veri…ca que número de pivôs de L é inferior ao número de colunas, podemos concluir que
estamos na presença de quatro vectores linearmente dependentes.

O procedimento usado no exercício anterior pode ser, naturalmente, generalizado a quaisquer


vectores de Rm .
Consideremos n vectores de Rm , v1 ; v2 ; :::; vn . Em termos de componentes podemos escrever
v1 = (v11 ; v21 ; :::; vm1 ) ; v2 = (v12 ; v22 ; :::; vm2 ) ; :::; vn = (v1n ; v2n ; :::; vmn ).
Então os vectores v1 ; v2 ; :::; vn são linearmente independentes se e só se a matriz
2 3
v11 v12 ::: v1n
6 v21 v22 ::: v2n 7
6 7;
4 ::: ::: ::: ::: 5
vm1 vm2 ::: vmn

pode ser transformada por operações elementares de linhas numa matriz em escada de linhas
com um pivô em cada coluna.

Como consequência fundamental do que acabámos de ver, e do que vimos na aula anterior,
tem-se o seguinte .

Teorema 1:
a) Qualquer subconjunto gerador de Rm tem pelo menos m vectores;
b) Qualquer subconjunto de Rm com mais de m vectores é formado por vectores linearmente
dependentes;
c) Qualquer subconjunto gerador de Rm formado por vectores linearmente independentes
tem exactamente m vectores;
d) Qualquer subconjunto de Rm com m vectores é gerador de Rm se e só se é formado por
vectores linearmente independentes.

De…nição de base de Rm : Chama-se base de Rm a qualquer conjunto gerador de Rm


formado por vectores linearmente independentes.

3
Como consequência do Teorema 1, vemos que qualquer base de Rm é formada por m vectores,
tendo-se ainda que m vectores de Rm ,

v1 = (v11 ; v21 ; :::; vm1 ) ; v2 = (v12 ; v22 ; :::; vm2 ) ; :::; vm = (v1m ; v2m ; :::; vmm ) ;

formam uma base de Rm se e só se a matriz


2 3
v11 v12 ::: v1m
6 v21 v22 ::: v2m 7
6 7
4 ::: ::: ::: ::: 5
vm1 vm2 ::: vmm

é invertível.

Você também pode gostar

pFad - Phonifier reborn

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


Alternative Proxies:

Alternative Proxy

pFad Proxy

pFad v3 Proxy

pFad v4 Proxy