Escolar Documentos
Profissional Documentos
Cultura Documentos
Espaços Vectoriais
Outubro de 2002
Definição
Um espaço vectorial V sobre um corpo de escalares C é um conjunto não vazio de
elementos, aos quais se chamam vectores, que possui as seguintes propriedades:
• Está definida uma operação binária de soma de dois vectores de V , da qual resulta um
vector de V , tal que o conjunto V relativamente a esta operação é um conjunto
abeliano:
o ∀ u,v ∈V u + v ∈ V ,
o ∀ u,v ∈V u + v = v + u ,
o ∀ u,v,w ∈V (u + v ) + w = u + (v + w ) ,
o ∃1 : ∀ u ∈V u + 0 = 0 + u = u (z = 0) ,
0∈V
o ∀ u ∈V ∃1u ′∈V : u ′ + u = u + u ′ = 0 (u ′ −u ) .
Exemplos
• Espaço vectorial n sobre o corpo dos reais, onde os vectores são representados por
n-uplos ordenados:
x1
x2
v=
x n
x1 αx1
x2 αx 2
v= α⋅v =
x n αx n
3
A figura abaixo mostra os seguintes vectores em :
1 0 0 1 0
1 2
v1 = 0 v2 = 2 v3 = 0 v4 = v1 + v2 = 2 v 5 = v2 + v 3 = 1
2 3
0 0 3 0 3
v3
v5
v2
v1
y
v4
x
pb (x ) = bn x n + bn −1x n −1 + + b1x + b0
an bn an + bn
an −1 b a + bn −1
n −1 n −1
pa = pb = pa + pb =
a1 b1 a1 + b1
a 0 b0 a0 + b0
A operação de multiplicação por um escalar é definida através de:
p(x ) = an x n + an −1x n −1 + + a1x + a 0
Teorema
Em qualquer espaço vectorial verifica-se que 0 ⋅ v = 0 ∀ v ∈V , onde 0 é o elemento neutro
aditivo do corpo e 0 é o vector nulo (elemento neutro aditivo do grupo constituído pelo
espaço vectorial relativamente à operação de soma de vectores).
Demonstração
0 ⋅ v + 0 ⋅ v + (−(0 ⋅ v )) = 0 ⋅ v + (−(0 ⋅ v )) , onde −(0 ⋅ v ) é o inverso (oposto) de 0 ⋅ v
relativamente à operação de adição de vectores. Visto que 0 ⋅ v + (−(0 ⋅ v )) = 0 (senão não
seriam inversos um do outro), obtém-se 0 ⋅ v + 0 = 0 , de onde se conclui finalmente que
0⋅v = 0.
Teorema
Em qualquer espaço vectorial, o inverso aditivo do elemento neutro multiplicativo do corpo
sobre o qual está definido o espaço vectorial, quando multiplicado por qualquer vector v do
espaço, resulta no inverso do vector v relativamente à operação de adição de vectores:
(−1) ⋅ v = −v ∀ v ∈V .
Demonstração
v + (−1) ⋅ v = 1 ⋅ v + (−1) ⋅ v = (1 + (−1)) ⋅ v = 0 ⋅ v = 0 . Como num grupo o inverso é
único e v + (−v ) = 0 , então (−1) ⋅ v = −v .
Espaços Vectoriais Subespaços Vectoriais 5/22
Definição
Seja V um espaço vectorial e seja V ′ um subconjunto de V tal que V ′ seja também um
espaço vectorial relativamente às operações de adição de vectores e multiplicação por um
escalar que definem V como espaço vectorial. Então diz-se que V ′ é um subespaço vectorial
de V .
Teorema
Seja V um espaço vectorial e seja V ′ um subconjunto de V . Relativamente às operações de
adição de vectores e multiplicação por um escalar que definem V como espaço vectorial, V ′
é um supespaço vectorial de V se e só se:
• V ′ é não vazio;
• V ′ é fechado relativamente à operação de adição de vectores:
∀ u,v ∈V ′ u + v ∈ V ′ .
Demonstração
Visto que um subespaço é, ele próprio, um espaço vectorial e que as três condições pertencem
à axiomática dos espaços vectoriais, terão necessariamente que ser cumpridas. Resta apenas
verificar a suficiência das mesmas para que V ′ seja um espaço vectorial. Assim, verifica-se
de seguida que estas condições implicam os restantes axiomas dos espaços vectoriais:
• A comutatividade e a associatividade da soma de vectores são propriedades da
operação que, verificando-se no conjunto V , automaticamente se verificam em
qualquer subconjunto de V , como seja V ′ ;
• Sendo o conjunto V ′ não vazio, ∃v ∈V ′ . Sendo fechado relativamente à operação de
multiplicação por um escalar, o elemento neutro da adição de vectores pertence a V ′ ,
pois 0 ⋅ v = 0 ∈ V ′ porque α ⋅ v ∈ V ′ ∀ α∈C .
x x x + x
1 2 1 2
v1 = y1 v2 = y2 v1 + v2 = y1 + y2
z z z + z
1 2 1 2
Logo v1 + v2 ∈ V ′ se v1 ∈ V ′ e v2 ∈ V ′ ;
• ∀ α ∈ ∀ v ∈V ′ α ⋅ v ∈ V ′ :
x αx
v = y α ⋅ v = αy
z αz
αx + αy + αz = α(x + y + z ) = α 0 = 0 .
Logo v ∈ V ′ ⇒ α ⋅ v ∈ V ′ .
x
V′
Espaços Vectoriais Dependência e Independência Linear 7/22
Definição
Sendo V um espaço vectorial e S = { v1, v2, …, vn } um conjunto de vectores de V , uma
combinação linear dos vectores de S é qualquer vector representável na forma
u = α1v1 + α2v2 + + αn vn onde α1, α2 , …, αn são quaisquer escalares do corpo sobre o
qual está definido V . Pela axiomática dos espaços vectoriais, u ∈ V .
Definição
Um vector u de um espaço vectorial V diz-se linearmente dependente do conjunto de n
vectores também de V , S = { v1, v2, …, vn } , se e só se existirem n escalares α1, α2 , …, αn
tais que u = α1v1 + α2v2 + + αn vn . Se não existirem escalares que satisfaçam esta
igualdade, então diz-se que u é linearmente independente de S .
Uma forma alternativa de definir independência linear é:
Definição
Um conjunto S = { v1, v2, …, vn } de um espaço vectorial V diz-se linearmente independente
(ou que os seus vectores são linearmente independentes) se e só se a igualdade
α1v1 + α2v2 + + αn vn = 0 implicar necessariamente que α1 = α2 = = αn = 0 .
Teorema
Seja S = { v1, v2, …, vn } um conjunto de vectores do espaço vectorial V . O conjunto de
vectores da forma:
{
U = u : u = α1v1 + α2v2 + + αn vn , ∀ α ,α ,…,αn ∈C
1 1
}
é um subespaço vectorial de V .
Demonstração
De acordo com um teorema anterior, basta provar que U é não vazio e que é fechado
relativamente às operações de adição de vectores e multiplicação por um escalar:
• U é não vazio, porque, por exemplo, v1 ∈ U (este vector é obtido seleccionando
α1 = 1 e α2 = = αn = 0 ).
βu = β ( α1v1 + α2v2 + + αn vn ) =
= ( βα1 ) v1 + ( βα2 ) v2 + + ( βαn ) vn .
Definição
Ao conjunto de vectores na forma U = { u : u = α1v1 + α2v2 + + αn vn } de um espaço
vectorial ao qual pertencem os vectores do conjunto S = { v1, v2, …, vn } chama-se espaço
(subespaço) gerado pelo conjunto S (ou pelos vectores v1, v2 , …, vn ). Diz-se ainda que S é
um conjunto gerador do espaço U .
Espaços Vectoriais Bases de Espaços Vectoriais 9/22
Teorema
Sejam v1, v2 ,..., vn vectores que geram V . Se vi for linearmente dependente dos restantes,
então v1,..., vi −1, vi +1,..., vn também gera V .
Demonstração
Seja v ∈ V .
n
Então ∃α ,α ,...,αn ∈ : v =
1 2
∑ αj v j (∗)
j =1
No entanto vi é dependente dos restantes. Então:
n
∃β ,...., β
1 i −1 , βi +1 ,..., βn ∈
: vi = ∑ βjv j
j =1
j ≠i
Definição
Base de um espaço vectorial é qualquer conjunto de vectores linearmente independentes que
gera o espaço vectorial.
Exemplo:
1 1 0 z
v3
Base de 3 : v1 = 1 v2 = 0 v3 = 1 1
0 0 1
1
1 1 v2
y
Base de 2
: v1 = v2 = 1
1 0 x v1
Espaços Vectoriais Bases de Espaços Vectoriais 10/22
Teorema
A representação de qualquer vector de V numa sua base é única.
n n
Seja v = ∑ αj v j ev= ∑ βjv j
j =1 j =1
então α j = β j ∀ j ∈{1,....,n }
Demonstração
v − v = v + (−v ) = v + (−1)v = 0
n n
∑ αj v j + (−1)∑ β j v j =0
j =1 j =1
n n
∑ αj v j + ∑ ( −βj )v j = 0
j =1 j =1
n
∑ ( αj − β j )v j =0
j =1
Como v1,..., vn é uma base, então são linearmente independentes. Então verifica-se que
αj − β j = 0 ∀ j ∈{1,...,n }
Logo αj = β j ∀ j ∈{1,...,n }
Teorema
Seja {v1, v2 ,..., vn } uma base de V . Sejam u1, u2 ,..., um vectores de V linearmente
independentes. Então m ≤ n .
Demonstração
Suponhamos que m > n .
Sendo {v1, v2 , …, vnn} uma base de V e porque u1 ∈ V , u1 é uma combinação linear de
v1, v2 ,..., vn : u1 = ∑ α j v j .
j =1
Como u1 ≠ 0 (senão o conjunto u1, u2 ,..., um seria linearmente dependente), então α j ≠ 0
para algum j ∈ {1,..., n } .
Suponhamos αi ≠ 0 .
n
1 αj
Então pode-se dizer que vi = u1 + ∑ − v .
αi
j =1 αi j
j ≠i
O conjunto {u1, v1,..., vi −1, vi +1,..., vn } gera V , porque tem v j , j ≠i e também gera vi .
u1 é linearmente independente de v j , j ≠i , senão vi seria linearmente dependente de v j , j ≠i
Logo {u1, v1,..., vi −1, vi +1,..., vn } é uma base de V .
Espaços Vectoriais Bases de Espaços Vectoriais 11/22
Corolário
Duas bases de V têm o mesmo número de elementos.
Demonstração
Se são bases, são conjuntos linearmente independentes. Pelo teorema anterior, se o conjunto
com menor número de elementos é uma base, o de maior não poderá ser linearmente
independente, não podendo então ser uma base. Assim, ou o primeiro não é base, ou o
segundo não é base.
Definição
Ao número de elementos de qualquer base de um espaço vectorial chama-se dimensão do
espaço vectorial.
Definição
n
Seja v = ∑ αivi a única representação de v ∈ V na base v1,..., vn de V, de dimensão n .
i =1
Aos coeficientes α1, α2,..., αn chamam-se coordenadas de v nessa base.
Exemplo
3
Provar que as soluções da equação x + y + z = 0 formam um subespaço de . Dar
exemplos de soluções. Construir uma base para as soluções.
Espaços Vectoriais Norma e Produto Interno 12/22
Definição
A norma de vectores num espaço vectorial V é uma função que associa a cada vector
v ∈ V um número real não negativo. É representada por v (ou ainda v ) e satisfaz os
V
seguintes axiomas:
• v >0∀ e 0 = 0;
v ≠0
• α⋅v = α v ∀ α∈ / ,v ∈V
;
• v1 + v2 ≤ v1 + v2 ∀ v ,v (desigualdade triangular).
1 2 ∈V
Normais usuais
As três normas mais usuais em n
e n
: x1
x2
• Norma 1: v = x1 + x 2 + ... + x n onde v = ...
1
2 ½
= ( x1 + x 2 + ... + x n )
2 2
• Norma 2 ou euclidiana: v x n
2
• Norma ∞ : v = max { x1 , x 2 ,..., x n }
∞
Generalização: norma p ∈ [ 1, ∞ [ 1
n /p
= ∑ x i
p
v
p i =1
Exemplo
2 1+i
3 3
v1 = −3 ∈ v2 = −i ∈
1 1 − 2i
v1 =6
1 v2 1
= 2 +1+ 5
v1 = 14
2 v2 2
=2 2
v1 =3
∞ v2 ∞
= 5
1 1
/p /p
v
∞
(
= max { xi
i
p
}) ≤ v
p
(
≤ n ⋅ max { xi
i
p
}) =n
1
/p
⋅ v → 1× v
∞ p→∞ ∞
= v
∞
Espaços Vectoriais Norma e Produto Interno 13/22
Definição
Seja ⋅ uma norma em V . Uma sucessão de vectores {vi } em V diz-se convergir para
v ∈ V se e só se a sucessão de números reais vi − v converge para 0 .
Exemplos
1) Produto interno usual em n :
x1 y1
x2 y2
u = ... v = ... u, v = x1y1 + x 2y2 + ... + x n yn
x n yn
2 0
u = 1 v = −2 u, v = 2 × 0 + 1 × (−2) + 3 × 1 = 1
3 1
2) Produto interno entre polinómios:
Considerando o espaço de polinómios p(x ) de grau inferior ou igual a 2 no intervalo [ 0,1 ] ,
um produto interno pode ser definido por:
Espaços Vectoriais Norma e Produto Interno 14/22
1
p1(x ), p2 (x ) = ∫0 p1(x )p2 (x )dx
Teorema
Para qualquer produto interno u, v em V (real ou complexo) verifica-se que
u, v ≤ u, u ½ v, v ½ ∀ u,v ∈V
Demonstração
Se u, v = 0 , então a desigualdade é trivialmente satisfeita, porque u, u ≥ 0 e v, v ≥ 0
Se u, v ≠ 0 :
0 ≤ u + αv, u + αv = u + αv, u + α u + αv, v
= u, u + α v, u + α u, v + αα v, v ∀ α∈ ( )
u, u
Escolhendo α = − (note-se que u, v ≠ 0 ):
u, v
u, u u, u u, u 2
0 ≤ u, u − v, u − u, v + v, v
v, u u, v u, v u, v
2
u, u
0 ≤ − u, u + 2 v, v
u, v
u, u v, v
0 ≤ −1 +
u, v 2
1 1
/2 /2
Logo u, v ≤ u, u v, v c.q.d.
Notas:
u, u u, u
• α=− =−
u, v v, u
• u, u é real
2
• u, v u, v = u, v
Teorema
Seja ⋅, ⋅ um produto interno definido em V . A função que a cada vector v ∈ V associa um
valor real não negativo através de v = v, v ½ é uma norma em V . Designa-se por norma
induzida pelo produto interno.
Demonstração
1
• v = v, v ½ > 0 se v ≠ 0 e v = v, v /2
= 0 se v = 0 (trivialmente satisfeito
pela axiomática do produto interno)
½
• αv = αv, αv = ( α v, αv )½ = ( αα v, v )½
Espaços Vectoriais Norma e Produto Interno 15/22
1
( )
2 /2
= α v, v = α v, v = α ⋅ v
½
• v1 + v2 = v1 + v2, v1 + v2
½
= ( v1, v1 + v2 , v1 + v1, v2 + v2 , v2 ) ≤
½
≤ ( v1, v1 + v2, v1 + v1, v2 + v2 , v2 ) ≤
½
≤ ( v1, v1 + v2, v2 )
½ ½ ½ ½
v1, v1 + v1, v1 v 2 , v2 + v2 , v 2 =
½
= ( v1, v1 + 2 v1, v1 )
½ ½
v2 , v2 + v2 , v 2 =
½
= ( v1, v1
½ 2
½
+ v2 , v2 )
=
½ ½
= v1, v1 + v2 , v 2
= v1 + v2
Logo v1 + v2 ≤ v1 + v2 c.q.d.
n n
O produto interno usual em induz a norma euclidiana em .
x1
x2
u = ...
x n
½
n 2
u, u = ∑ x i
½
= u
i =1 2
u, v = 3x1y1 + 2x 2y2
Norma induzida por este produto:
½
u = u, u ½
= ( 3x12 + 2x 22 )
Espaços Vectoriais Norma e Produto Interno 16/22
n
Ângulo entre vectores em relativamente ao produto interno usual
2 2 2
u −v = u + v −2 u v cos(θ)
2 2 2 2 2
θ
u
Ortogonalidade e Projecções
Definição: ortogonalidade
• Dois vectores dizem-se ortogonais num espaço vectorial com norma definida por um
produto interno se e só se u, v = 0 .
• Um conjunto de vectores no mesmo espaço diz-se ortogonal se e só se quaisquer dois
vectores distintos do conjunto forem ortogonais entre si.
Definição: versor
• O vector v ∈ V , onde V é um espaço vectorial normado, obtido a partir de outro vector
u
u ∈ V tal que u ≠ 0 através de v = tem norma 1 e designa-se por “versor” da
direcção e sentido definidos por u . u
Teorema
Um conjunto de vectores não nulos e ortogonal é necessariamente linearmente independente.
Demonstração
Suponhamos que {v1,..., vn } é ortogonal, mas que vi é combinação linear dos restantes:
n
∃αj : vi = ∑ αj v j
j =1
j ≠i
Corolário
Um conjunto de vectores {v1,..., vn } não nulos e ortogonais num espaço vectorial com
produto interno definido é uma base do subespaço vectorial gerado por eles.
Teorema
Seja B = {v1, v2,..., vn } uma base ortogonal de um espaço vectorial V com produto interno
e seja u ∈ V qualquer. As coordenadas de u nessa base são dadas pelo produto interno de
cada elemento da base com u , dividido pelo produto interno do elemento da base por ele
próprio:
n
v ,u
u = ∑ αi vi , onde αi = i
i =1 vi , vi
Demonstração
N n
vi , u = vi , ∑ α j v j = ∑ αj vi , v j =
j =1 j =1
n
= ∑ αj vi , v j + αi vi , vi = αi vi , vi
j =1
j ≠i
vi , u
Logo αi =
vi , vi
Corolário
Seja B = { v1,..., vn } uma base ortonormada de um espaço V normado e cuja norma é
induzida por um produto interno. Seja u ∈ V qualquer. Então as coordenadas de u nessa
base são dadas pelo produto interno de cada elemento da base com u :
n
u= ∑αv
i =1
i i
, onde αi = vi , u
Demonstração
Decorre imediatamente do teorema anterior, notando-se que vi , vi = 1 .
v1
u′
v2 V’
Propriedades
• Se u ∈ V ' então PV ' ( u ) = u
Demonstração: Verifique-se que, se u ∈ V ' , então u é combinação linear dos vectores
v ,u
de B , sendo as coordenadas definidas da mesma forma: αi = i
vi , vi
• u − PV ' ( u ) é ortogonal a qualquer vector de V ' .
Demonstração:
u − PV ' ( u ) é ortogonal a cada um dos vectores de B:
vi , u − PV ' ( u ) = vi , u − vi , PV ' ( u ) =
m
= vi , u − ∑ αj vi , v j
j =1
= vi , u − αi vi , vi
vi , u
= vi , u − vi , vi = vi , u − vi , u = 0
vi , vi
Uma vez que qualquer vector v ' ∈ V ' é combinação linear dos vectores de B:
m
v' = ∑β v
j =1
j j
, obtém-se:
m
v ', u − PV ' ( u ) = ∑β
j =1
j
v j , u − PV ' ( u ) = 0
vi , u
Notando que a expressão αi = é linear relativamente ao produto interno
vi , vi
vi , u e que o produto interno é linear relativamente a u , então PV ' ( u ) também é
linear relativamente a u .
Teorema
Sendo V um espaço normado com norma definida pelo produto interno e V ' o subespaço
gerado pelo conjunto ortogonal B = { v1,..., vm } , então para qualquer u ∈ V , a projecção
PV ' ( u ) resulta no vector de V ' que é mais próximo de u no sentido em que:
Demonstração
2
u −v' = u − v ', u − v '
= u − PV ' ( u ) + PV ' ( u ) − v ', u − PV ' ( u ) + PV ' ( u ) − v '
= ( u − PV ' ( u ) ) + ( PV ' ( u ) − v ' ), ( u − PV ' ( u ) ) + ( PV ' ( u ) − v ' )
= u − PV ' ( u ), u − PV ' ( u ) + u − PV ' ( u ), PV ' ( u ) − v ' +
+ PV ' ( u ) − v ', u − PV ' ( u ) + PV ' ( u ) − v ', PV ' ( u ) − v '
= u − PV ' ( u ), u − PV ' ( u ) + PV ' ( u ) − v ', PV ' ( u ) − v '
Esta última igualdade decorre do facto de PV ' ( u ) − v ' ∈ V ′ , o que, pela segunda propriedade
apresentada, implica que u − PV ' ( u ), PV ' ( u ) − v ' = PV ' ( u ) − v ', u − PV ' ( u ) = 0 .
Sendo também um facto que PV ' ( u ) − v ', PV ' ( u ) − v ' ≥ 0 ∀ v ′ ∈V ′ , obtém-se finalmente:
2 2
u −v' ≥ u − PV ' ( u ), u − PV ' ( u ) = u − PV ' (u )
Teorema de Gram-Schmidt
“Obtenção de uma base ortogonal (ortonormada)”.
Seja V um espaço vectorial com produto interno (e norma por ele induzida) gerado pelo
conjunto de vectores A = {v1,..., vn } .
Pode-se construir uma base ortogonal (ortonormada) de V pelo procedimento seguinte:
• Escolha-se o primeiro vector de A , v1 , e coloque-se na base B1 = {v1 } . (Para uma base
1
ortonormada usa-se B1 = v1 ).
v1
• Para cada um dos restantes vectores vi , i = 2,..., n , calcula-se ui = vi − PVi ( vi ) onde
Vi é o subespaço gerado pela base até então construída, Bi .
Espaços Vectoriais Ortogonalidade e Projecções 21/22
Bi = Bi −1 ∪ { ui }
ui
(Para uma base ortonormada, acrescenta-se :
ui
u
Bi = Bi −1 ∪ i )
ui
1 ½
1 1
0 , 1 = − =0
2 2
−1 ½
Obtenção de uma base ortonormada:
1 ½
u1 u 3 1 1
B = , = 0 , 1
u1 u 3 2 ½ 6
−1 ½
2 6
2 4
= 0 , 6 2 .
− 2 6
2 4