Você está na página 1de 35

Capı́tulo 4 - Espaços vectoriais

(V, ⊕, ) ESPAÇO VECTORIAL REAL

1. V é fechado relativamente a ⊕, ⊕ operação entre elementos de V

1 a) ⊕ é comutativa
1 b) ⊕ é associativa
1 c) existe em V um (único) elemento neutro para ⊕
1 d) cada elemento de V tem simétrico, X → −X

2. V é fechado relativamente a , operação entre elementos do corpo


eV

2 a) é distributiva em relação a ⊕
2 b) é distributiva em relação a +
2 c) α (β X) = (αβ) X, ∀ α, β ∈ R ∀ X ∈ V
2 d) 1 X = X, ∀X ∈ V
h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Exemplos:

São espaços vectoriais reais:

1) Rn com a adição de vectores e multiplicação por escalares usuais.

2) {(0, y, z) : y, z ∈ R} com as operações usuais.

3) O conjunto de todos os polinómios na variável t, com as operações


usuais.

4) O conjunto dos polinómios em t de grau menor ou igual a 5 (n), com


as operações usuais.

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Exemplos:

Não são espaços vectoriais reais:

1) {(1, y, z) : y, z ∈ R} com as operações usuais.

2) O conjunto dos polinómios em t de grau igual a 5 (n), com as


operações usuais.

3) R2 com as operações

(x1 , x2 ) ⊕ (y1 , y2 ) = (−x1 − y1 , −x2 − y2 )

α (x1 , x2 ) = (αx1 , αx2 )

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Teorema: Seja V um espaço vectorial. Então:

1) 0 X = 0 , ∀X ∈ V.
2) c 0 = 0 , ∀c ∈ R.
3) c X = 0 ⇒ c = 0 ou X = 0 .
4) (−1) X = −X, ∀X ∈ V.

Dem: ...

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Subespaços vectoriais

Def: S é um subespaço (vectorial) do espaço vectorial V se


1) S ⊂ V.
2) S é um espaço vectorial com as operações definidas em V.
Teorema: (critério para verificar se S ⊂ V é subespaço)

Seja V, munido com as operações ⊕ e , um espaço vectorial.


Dado ∅ 6= S ⊂ V, S é subespaço de V se e só se

1. S é fechado relativamente a ⊕.

2. S é fechado relativamente a .

Nota: V e { 0 } são subespaços triviais de V

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Combinação linear

V → espaço vectorial real

Def: X ∈ V é uma combinação linear dos vectores X1 , X2 , . . . , Xk ∈ V


se
X = c1 X 1 + c2 X 2 + · · · + ck X k ,
com c1 , c2 , . . . , ck ∈ R.

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Espaço gerado por um conjunto de vectores

< X1 , X2 , . . . , Xk > → conjunto de todas as combinações lineares


de X1 , X2 , . . . , Xk .

Teorema: Sejam X1 , . . . , Xk ∈ V.
< X1 , . . . , Xk > é um subespaço de V.

Def: S = {X1 , . . . , Xk } gera V (ou V é o espaço gerado por S) se

V =< S > .

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Independência linear

Def: (In)dependência linear

S = {X1 , . . . , Xk } é linearmente dependente se existirem números reais


c1 , . . . , ck , não todos nulos, tais que

c1 X1 + · · · + ck Xk = 0.

S é linearmente independente se

c1 X1 + · · · + ck Xk = 0 ⇒ c1 = · · · = ck = 0.

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Teorema: Seja S = {X1 , . . . , Xk } ⊂ V e X1 , . . . , Xk vectores não nulos.

S é linearmente dependente

Existe um vector Xj ∈ S t.q. Xj é uma combinação linear
de X1 , . . . , Xj−1 , Xj+1 , . . . , Xk .

Dem:...

Teorema: Sejam S = {X1 , . . . , Xj , . . . , Xk } ⊂ V e W =< S >.


Se Xj é c.l. de X1 , . . . , Xj−1 , Xj+1 . . . , Xk então
W =< X1 , . . . , Xj−1 , Xj+1 . . . , Xk > .

Dem:...

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Bases e dimensão

V → espaço vectorial real

Def: S ⊂ V é uma base de V se


• S é linearmente independente;
• S gera V.

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Teorema 1:
S = {X1 , . . . , Xk } ⇒ cada vector X ∈ V escreve-se de forma única
base de V como combinação linear dos elementos de S.

Dem:...

Teorema 2: Seja S = {X1 , . . . , Xk } um conjunto de vectores


não todos nulos e W =< S >.
Então S possui um subconjunto que é uma base de W.

Dem:...

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Teorema 3:

S = {X1 , . . . , Xn } base de V
⇒ r≤n
T = {Y1 , . . . , Yr } ⊂ V conjunto
linearmente independente

(ou r > n ⇒ T linearmente dependente)

Dem:...

Corolário: Sejam S e T duas bases de V.


Então S e T têm o mesmo número de elementos.

Dem:...

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Dimensão de um espaço vectorial

Def: Seja V =
6 {0} um espaço vectorial que admite um conjunto gerador
finito.
A dimensão de V é o número de elementos de qualquer base de V.
Notação: dim V
Convenção: dim {0} = 0

Observação: Daqui em diante vamos só considerar espaços vectoriais de


dimensão finita.

Exemplo: dim Rn = n.

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Teorema 4: Sejam V um espaço vectorial e S ⊂ V um conjunto


linearmente independente.
Então existe uma base de V que contém S.

Dem:...

Observação: Seja S um subconjunto de um espaço vectorial V.


Suponhamos que dim V = n. Então:

#S<n ⇒ S não gera V

#S>n ⇒ S não é linearmente independente

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Teorema 5: Sejam V um espaço vectorial com dim V = n e S ⊂ V


com # S = n. Então:
1) S linearmente independente ⇒ S é uma base de V;
2) S gera V ⇒ S é uma base de V.

Dem:...

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

O espaço nulo e a nulidade de uma matriz

A = [aij ] matriz m × n.

Espaço nulo de A: N (A) = {X ∈ Rn : AX = 0}

Proposição: Seja A uma matriz m × n. Então o espaço nulo de A é um


subespaço vectorial de Rn .

Nulidade de A: nul(A) = dim N (A)

Observação: a nulidade de A é o número de variáveis livres (i.e., o grau de


indeterminação) do sistema AX = 0.

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Espaço das linhas de uma matriz

A = [aij ] matriz m × n.

X1 = (a11 , . . . , a1n ) 


..

. linhas de A encaradas como vectores de Rn



Xm = (am1 , . . . , amn ) 

Espaço das linhas de A → < X1 , . . . , Xm >:= L(A)



subespaço de Rn

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Espaço das colunas de uma matriz

A = [aij ] matriz m × n.
   
a a
 11   1n
 .   .

Y1 =  ..  , . . . , Yn =  ..


   
am1 amn
| {z }
colunas de A (vectores de Rm )

Espaço das colunas de A → < Y1 , . . . , Yn >=: C(A)



subespaço de Rm

Observação: b ∈ C(A) ⇔ o sistema AX = b é possı́vel

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Teorema 1:

Sejam A e B duas matrizes m × n que são equivalentes por linhas. Então


os espaços das linhas de A e de B coincidem.

Dem:...

Determinação de uma base para o espaço das linhas de uma matriz A:

1) Obter a forma escalonada por linhas de A → A0 .


2) As linhas não nulas de A0 formam uma base para o espaço das
linhas de A (e, claro, de A0 )

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

NOTA: Consequentemente

dim (espaço das linhas de A)


=
no de linhas não nulas na sua forma escalonada

 
1 2 1
 
Exemplo: A =  −1 0 3 


1 4 5

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Caracterı́stica de linha e de coluna de uma matriz

A → matriz m × n

Def: A caracterı́stica de linha de A define-se como


carL (A) := dim (espaço das linhas de A).

A caracterı́stica de coluna de A define-se como


carC (A) := dim (espaço das colunas de A).

Nota: A determinação de carC (A) corresponde à determinação de


carL (AT ).

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Caracterı́stica de uma matriz


Teorema 2: A matriz real m × n.
carL (A) = carC (A)

Além disso:
Def: Define-se a caracterı́stica de A como sendo
car(A) = carL (A) = carC (A)

Nota:
Lembrar que: car(A) = no de linhas não nulas na forma escalonada
por linhas de A.

Teorema 3: Seja A uma matriz m× n. Então:


car(A) + nul(A) = n

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Teorema 4: Seja A uma matriz n × n. Então são equivalentes as


seguintes afirmações:
• car(A) = n
• nul(A) = 0
• A é invertı́vel
• det(A) 6= 0
• ∀ B (n × 1) o sistema AX = B tem solução única
• o sistema AX = 0 tem apenas a solução trivial
Corolário:
S = {X1 , . . . , Xn } ⊂ Rn
A → matriz cujas linhas/colunas são os elementos de S (n × n)
Então:
S linearmente independente ⇔ det(A) 6= 0

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Coordenadas de um vector e vector das


coordenadas
V → espaço vectorial
S = {X1 , . . . , Xn } base ordenada de V → notação S = (X1 , . . . , Xn )
X∈V
Existem (e são únicos) coeficientes a1 , . . . , an ∈ R tais que:

X = a1 X1 + · · · + an Xn

a1 , . . . , an → coordenadas de X na base S.  
a
 1 
 . 
Vector das coordenadas de X na base S : [X]S =  .. 
 
an

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Exemplos

1) V → conjunto dos polinómios de grau ≤ 2


S = (1, x, x2 )
X = 5x2 + 3x − 4

2) V = R2
S = ((1, −1), (1, 1))
X = (3, −2)

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

NOTA IMPORTANTE

[c1 X1 + · · · + cn Xn ]S = c1 [X1 ]S + · · · + cn [Xn ]S

Exemplo
V = R2
S = ((1, −1), (1, 1))
X1 = (3, −2) X2 = (1, 1)

[2X1 + 3X2 ]S = 2 [X1 ]S + 3 [X2 ]S

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Matriz de mudança de base

V → espaço vectorial
S = (X , . . . , X ) 
1 n
bases de V
T = (Y1 , . . . , Yn ) 
X∈V

Questão: Qual a relação entre [X]S e [X]T ?

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Exemplo
V = R2
S = ((1, 2), (−1, 1))
T = ((1, 1), (0, 1))  
a
Suponhamos que [X]T = 
b
vamos determinar [X]S .

 
a
[X]T =  ⇔ X = a(1, 1) + b(0, 1)
b
⇔ [X]S = a [(1, 1)]S + b [(0, 1)]S

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

 
2/3
[(1, 1)]S =  
−1/3
 
1/3
[(0, 1)]S =  
1/3
Logo    
2/3 1/3
[X]S = a   + b 
1/3−1/3
  
2/3 1/3 a
[X]S =    
−1/3 1/3 b
| {z } | {z }
PS←T [X]T

PS←T : matriz de mudança de base de T para S

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Caso geral T = (Y1 , . . . , Yn )


S = (X1 , . . . , Xn )
 
a
 1 
 . 
[X]T =  .. 
 
an
X = a1 Y1 + · · · + an Yn

[X]S = a1 [Y1 ]S + · · · + an [Yn ]S


 
a
 1 
 . 
= [[Y1 ]S | · · · | [Yn ]S ]  .. 
 
an
| {z }
[X]T

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Logo

[X]S = [[Y1 ]S | · · · | [Yn ]S ] [X]T


| {z }
||
PS←T

Matriz de mudança de base
de T para S

As suas colunas são os vectores das coordenadas, na base S, dos


elementos da base T

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Teorema
Sejam S e T duas bases de um espaço vectorial V.
Seja ainda PS←T a matriz de mudança de base de T para S.
Então: •PS←T é invertı́vel e
−1
•PS←T é a matriz de mudança de base de S para T , i.e.,
−1
PT ←S = PS←T

Dem....

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Exemplo

No exemplo anterior:

Matriz de mudança de base de T para S


 
2/3 1/3
PS←T = 
−1/3 1/3
Matriz de mudança de base de S para T

 −1
2/3 1/3
PT ←S = 
−1/3 1/3

TPC: verificar este resultado calculando esta última matriz directamente.

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

NOTA: Caso particular de Rn S, T → bases de Rn

[.]T P - [.]S
@ 
@
T@ S S −1
@
@R
@
[.]Base canónica C

S = PC←S → matriz de mudança de base de S para a base canónica. É a


matriz cujas colunas são os elementos de S.
T = PC←T → matriz de mudança de base de T para a base canónica. É
a matriz cujas colunas são os elementos de T .

P = PS←T = S −1 T
h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
Capı́tulo 4 - Espaços vectoriais

Exemplo

S = ((1, 2), (−1, 1))


T = ((1, 1), (0, 1))
V = R2

h 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54