Escolar Documentos
Profissional Documentos
Cultura Documentos
1 UNIDADE - Espaços Vetoriais
1 UNIDADE - Espaços Vetoriais
Espaços Vetoriais
Subespaços
Combinação Linear
Aplicações Lineares
Diagonalização de Operadores
Produto Interno
1
Unidade 1
Espaços Vetoriais
1 Situando a Temática
A noção básica é que dado um conjunto podemos introduzir operações sobre este, que
podem gerar determinadas propriedades e desta forma, constituir um objeto matemático, que
é o habitat natural dos vetores generalizados, conhecido como Espaço Vetorial.
2 Problematizando a Temática
Suponhamos que uma força atue sobre um corpo, podemos determinar sua
intensidade e direção. Assim, força é um exemplo típico de grandeza representada por um
vetor. Outros exemplos são velocidade e deslocamento. Nesta unidade desenvolveremos o
conceito de vetor de uma forma mais ampla, de modo que, por exemplo, soluções de sistemas
de equações lineares, funções, matrizes possam ser representadas e/ou denominadas de
vetor. O conjunto desses vetores munido de determinadas operações será definido como um
espaço vetorial.
2
3 Conhecendo a Temática
3.1.1. - Introdução
ℝ2 = {( x, y ); x, y ℝ}
é interpretado geometricamente como sendo o plano cartesiano. Um par (x, y) pode ser visto
como um ponto. Essa mesma ideia, em relação ao plano, estendemos para o espaço
tridimensional que é a interpretação geométrica do conjunto
3
Se u ,v, w ℝn, , ℝ (escalares) e A,B,C M (m, n) , podemos verificar que:
1) (u + v) + w = u + (v + w) e (A + B) + C = A + (B + C) (associatividade)
2) u + v = v + u e A + B = B + A (comutatividade)
u + 0 = u, onde 0 = (0,0,,0) e
0 0 0
0 0 0
A + 0 = A, onde 0 = M (m, n).
0 0 0
4) Para cada vetor u ℝn e para cada matriz A M (m, n) existe um único vetor e uma única
matriz, representados por – u e – A, tais que:
2) ( + )u = u + u e ( + ) A = A + A,
3) (u + v) = u + v e ( A + B ) = A + B ,
4) 1u = u e 1A = A.
4
3.1.2. - Espaços V etoriais - Gerais
+:𝑉𝑥𝑉 ⇾ 𝑉 ∘∶ ℝ𝑥𝑉 ⇾ V
𝑢 ,𝑣 ⇾ 𝑢+𝑣 α,u ⇾ αV
1. u , v V , temos (u + v) V ,
2. ℝ , u V , então u V .
1) (u + v) + w = u + (v + w), u, v, w V ,
2) u + v = v + u , u , v V ,
5) ( )u = ( u ),
6) ( + )u = u + u ,
7) (u + v) = u + v,
8) 1u = u , u , v V e , ℝ.
3.1.3. - Exemplos
5
2. dados u = ( x1 , y1 ), v = ( x2 , y 2 ), w = ( x3 , y3 ) ℝ2 e α,β ℝ
1.1 (u + v) + w = u + (v + w)
(u + v) + w = (( x1 , y1 ) + ( x2 , y 2 )) + ( x3 , y3 ) = ( x1 + x2 , y1 + y 2 ) + ( x3 , y3 )
(u + v) + w = (( x1 + x2 ) + x3 , ( y1 + y 2 ) + y3 ) = ( x1 + ( x2 + x3 ), y1 + ( y 2 + y3 ))
(u + v) + w = ( x1 , y1 ) + ( x2 + x3 , y 2 + y3 ) = ( x1 , y1 ) + (( x2 , y 2 ) + ( x3 , y3 )) = u + (v + w),
1.2 u + v = v + u
u + v = ( x1 , y1 ) + ( x2 , y 2 ) = ( x1 + x2 , y1 + y 2 ) = ( x2 + x1 , y 2 + y1 )
u + v = ( x2 , y 2 ) + ( x1 , y1 ) = v + u,
u + (−u) = ( x1 , y1 ) + (− x1 ,− y1 ) = ( x1 − x1 , y1 − y1 ) = (0,0),
1.5 (αβ)u = α(βu)
1.6 (α + β)u = αu + βu
1.7 α(u + v) = αu + αv
(u + v) = (( x1 , y1 ) + ( x2 , y 2 )) = ( x1 + x2 , y1 + y 2 ) = ( ( x1 + x2 ), ( y1 + y 2 ))
(u + v) = (x1 + x2 ,y1 + y 2 ) = (x1 ,y1 ) + (x2 ,y 2 )
(u + v) = ( x1 , y1 ) + ( x2 , y 2 ) = u + v,
6
3. O conjunto V de todas as funções f: X → ℝ, munido das operações
( f + g )( x ) = f ( x ) + g ( x ) e ( f ( x )) = (f )( x )),
é um espaço vetorial, pois tais operações satisfazem as oito propriedades da definição 3.1.2.
Observação:
Um conjunto pode ser um espaço vetorial com relação a um par de operações e não ser com
relação a outro par de operações.
(5.1) ( x1 , y1 ) + ( x2 , y2 ) = ( x1 + x2 , y1 + y2 ) e ( x1 , y1 ) = (x1 , y1 ).
Assim para ser espaço vetorial as operações são fundamentais, pois as propriedades
são das operações não do conjunto V.
Exercícios:
𝑎 𝑏
1. Seja V = 𝑀(2𝑥2) = {[ ] : 𝑎, 𝑏, 𝑐, 𝑑 ∈ ℝ}
𝑐 𝑑
7
Em muitas situações é necessário trabalhar com uma estrutura menor que o espaço
vetorial, ou seja um subconjunto do espaço que também é um espaço vetorial tais conjuntos
são chamados de subespaço vetorial.
1. u + v W , u, v W ,
2. u W , u W , ℝ.
1. Todo subespaço vetorial W de V contém pelo menos o vetor nulo 0, pois quando = 0,
temos 0 = 0u W .
3. Todo espaço vetorial V admite pelo menos dois subespaços: o conjunto {0}, chamado
subespaço nulo, e o próprio espaço vetorial V. Os demais subespaços são denominados
subespaços não triviais ou próprios. Por exemplo, o conjunto unitário {(0,0,0)} é um
subespaço vetorial do V= ℝ3, assim como o conjunto W= ℝ3.
3.1.5. - Exemplos
a. 0 = (0,0,0,0) W, isto é, W Ø.
b. Dados u,v W e ℝ, então u = ( x1 ,0, x3 , x4 ) e v = ( y1 ,0, y3 , y4 ) . Logo,
u + v = ( x1 ,0, x3 , x4 ) + ( y1 ,0 y3 , y 4 ) = ( x1 + y1 ,0, x3 + y3 , x4 + y 4 ) W e
u = ( x1 ,0, x3 , x4 ) = (x1 , 0,x3 ,x4 ) = (x1 ,0,x3 ,x4 ) W .
4
De onde concluímos que W é um subespaço vetorial de V = .
a b 0 b
2 - Sejam V = M (2,2) = ; a, b, c, d R e W = ; b, c R , com V munido
c d c 0
das operações soma de matrizes e multiplicação por escalar, ou seja, as operações usuais.
0 0
Notemos que 0 = W , isto é , W Ø.
0 0
8
0 b1 0 b2
Dados u = ,v = W então
c 1 0 c 2 0
0 b1 0 b2 0 b1 + b2
u+v = + = W e
c1 0 c2 0 c1 + c2 0
0 b1 0 b1
u = = W .
c1 0 c1 0
Portanto, W é um subespaço vetorial de V.
No Moodle
9
Veja que os subespaços do ℝ2 com as operações usuais são: 0 = { (0 ,0 ) } o próprio ℝ2 e
todas as retas que passam pela origem , 𝑊 = {(𝑥, 𝑦): 𝑦 = 𝑎𝑥, 𝑎 𝑟𝑒𝑎𝑙 }.
𝐴. 𝑋 = 0
Será que o conjunto solução de um sistema linear não homogêneo também é um subespaço
de M(Nx1) ?
Vamos agora estudar algumas operações com subespaços, estas operações nos proverá
de informações sobre os espaços vetoriais.
𝑊1 ∩ 𝑊2 = { 𝑣 𝜖 𝑉 𝑡𝑎𝑖𝑠 𝑞𝑢𝑒 𝑣 ∈ 𝑊1 𝑒 𝑣 ∈ 𝑊2 }
10
3.1.6.1. – Teorema: A interseção W de dois subespaços vetoriais W1 e W2 de V é também um
subespaço vetorial de V.
Demonstração:
(ii) Sejam u,v W1∩W2, então u,v W1 e u,v W2. Como W1 e W2 são subespaços
vetoriais, por definição, (u + v) W1 e (u + v) W2, daí, (u + v) W1∩W2.
3.1.7. - Exemplos
a b 0 b
1. Consideremos V = M ( 2,2) e W1 = ; a, b R e W2 = ; b, c, R
0 0 c 0
a b
subespaços vetoriais de V. Seja u = V tal que u W1∩W2. Então, u W1 ,ou seja, c
c d
a b 0 b 0 1
= d = 0. Mas, u W2 ,daí a = d = 0. Logo, u = = = b , onde b ℝ.
c d 0 0 0 0
0 b
Portanto, W1∩W2 =
0 0 ; b R
é também um subespaço de V.
Nosso próximo passo é definir soma direta entre subespaços vetoriais, para isto,
definiremos inicialmente, soma entre subespaços.
𝑊 = 𝑊1 + 𝑊2 = {𝑤 = 𝑢 + 𝑣 𝑐𝑜𝑚 𝑢 ∈ 𝑊1 𝑒 𝑣 ∈ 𝑊2 }
11
3.1.8.1. – Teorema:Se W 1 e W 2 são subespaços vetoriais de V ent ão W 1 + W 2
também é um subespaço vetorial de V.
Demonstração:
Por outro lado, (u1 + v1) W1 + W2, como também u2 + v2 W1 + W2, logo
(ii) Para qualquer α ℝ, sendo u1 W1, v1 W2, então αu1 W1 e αv1 W2.
Por outro lado, (u1+ v1) W1 + W2, logo α(u1 + v1) = (αu1+ αv1) W1 + W2.
3.1.9. - Exemplos
a b 0 b a b
1. O conjunto W1 + W2 = + ; a, b, c R = ; a, b, c R é um
0 0 c 0 c 0
subespaço vetorial de V.
a b
0 b
De fato. W1 = ; a, b R e W2 = ; b, c R são subespaços vetoriais de V
0 0 c 0
= M(2,2) e como conseqüência do Teorema 3.1.8.1, W1 + W2 também é um subespaço
vetorial de V.
2. W1 = {( x, y,0); x, y ℝ} com W2 = {( 0,0, z); z ℝ} é o subespaço vetorial de
W1 + W2 = {(x,y,z); x,y,z ℝ}, que é o próprio ℝ3.
𝑉 = 𝑊1 ⨁𝑊2
se:
i. 𝑽 = 𝑊1 + 𝑊2 𝑖𝑖. 𝑊1 ∩ 𝑊2 = { 0 }
3.1.11 Observação
Se V = W1⊕W2, então todo v V se escreve, de modo único, na forma:
v = u + w, onde u W1 e w W2.
u + w = v = u’+ w’ ou u – u’ = w’ – w.
12
Como (u – u’) W1 e (w’ – w) W2, da última igualdade (u – u’) = (w – w’) W1∩W2.
3.1.12. - Exemplo
3.2.1. - Exemplos
13
resultando no seguinte sistema:
3x + 2 y = 1
0 x − y = −2
−2 x − 5 y = k
assim, x = -1, y = 2 e o valor de k é -8. Conclusão: para que v = (1,-2,k) seja escrito como
Veja que a partir de um conjunto de vetores podemos construir outros vetores via
combinação linear.
constituído de todos os vetores de V que são combinações lineares dos vetores v1,v2,...,vn de
V, é um subespaço vetorial de V.
De fato:
(i) W é não vazio, pois 0 W, 0 = 0v1 + 0v2 + ... + 0vn.
(ii) Dados u,v W, existem escalares x1,x2,...,xn e y1,y2,...,yn tais que v = x1v1 + x2v2 + ... + xnvn. e
u = y1v1 + y2v2 + ... + ynvn., logo
v + u = (x1v1 + x2v2 + ... + xnvn) + (y1v1 + y2v2 + ... + ynvn)
v + u = (x1+ y1) v1 + (x2+ y2) v2 + ... + (xn + yn)vn W,
Além disso,
(iii) Se α ℝ e v W, temos
αv = α(x1v1 + x2v2 + ... + xnvn) = (αx1)v1 + (αx2)v2 + ... + (αxn)vn W.
Este subespaço é denominado subespaço gerado pelos vetores v1,v2,...,vn, o qual se denota
por
3.2.3.1. - Exempl os
14
v = (x,y,0) = x(1,0,0) + y(0,1,0).
Neste caso, W é gerado pelos vetores i e j, pois todo vetor de W é escrito como combinação
linear dos vetores i e j. E, usando a notação de subespaço gerado, W = [i,j].
2 . No caso dos vetores i = (1,0,0), j = (0,1,0) e k = (0,0,1), estes geram o ℝ3, já que todo vetor
(x,y,z) do ℝ3 é escrito como combinação linear dos vetores, i, j e k,
(x,y,z) = x(1,0,0) + y(0,1,0) + z(0,0,1).
3
Assim, ℝ = [i,j,k].
a + 2b = x
−2a + b = y
−a + b = z,
e, resolvendo o sistema, usando as 2 primeiras equações b = 2/5x + 1/5y e a = 1/5x -2/5y.
Substituindo na terceira equação, teremos x + 3y – 5z = 0.
Portanto, [v1,v2] = {(x,y,z) / x + 3y – 5z = 0}, isto é, o subespaço gerado pelos vetores v1 e v2 é
um plano que passa pela origem.
− 1 2 3 − 1
4. Sejam V = M(2,2), v1 = e v2 = matrizes de V. O subespaço gerado pelos
− 2 3 1 1
vetores v1 e v2, será:
x y − 1 2 3 −1
[v1 , v2 ] = = a + b , a, b R
z t − 2 3 1 1
e, daí x, y, z e t satisfazem o sistema:
− a + 3b = x
2a − b = y
−2 a + b = z
3a + b = t ,
forma:
−2 y + t y
−2 1 1 0
[v1, v2 ] = y , t R = y +t ; y, t R .
− y
t
−1 0 0 1
15
3.3. - Dependênci a e I ndependência Linear
admite apenas a solução trivial nula x1 = x2 = ... = xn = 0. Caso contrário, se a equação admite
pelo menos uma solução não nula, os vetores são denominados linearmente dependentes (LD).
Onde, na figura 3.1, v1 e v2 estão representados na mesma reta que passa pela origem.
Enquanto que na figura 3.2, v1 e v2 não estão na mesma reta.
Observem que na figura 4.1, v1, v2 e v3 estão representados no mesmo plano que
passa pela origem. Já na figura 4.2, v3 não pertence ao plano gerado pelos vetores v1 e v2 .
Passemos a estudar a dependência linear de vetores num determinado espaço vetorial
V, através dos exemplos a seguir.
3.3.1. - Exemplos
16
x1(6,2,3,4) + x2(,0,5,-3,1) + x3(0,0,7,-2) = (0,0,0,0)
logo,
6 x1 =0
2 x + 5x =0
1 2
3x1 − 3x2 + 7 x3 = 0
4 x1 + x2 − 2 x3 = 0,
2. No espaço V = ℝ3, os vetores v1 = (2,-1,3), v2 = (-1,0,-2) e v3 = (2,-3,1) são LD. Pois, dada a
combinação linear x1v1 + x2v2 + x3v3 = 0 = (0,0,0),
temos
x1(2,-1,3) + x2(-1,0,-2) + x3(2,-3,1) = (0,0,0) ,isto é,
2 x1 − x2 + 2 x3 = 0
− x1 − 0 x2 − 3x3 = 0
3x − 2 x + x = 0,
1 2 3
e, das duas primeiras equações, x1 = -3x3 e x2 = - 4x3, os quais, substituindo na terceira equação,
0x3 = 0. E a última igualdade é válida para qualquer valor de x3. Daí, escolhendo, por
exemplo, x3 = -1, teremos x1 = 3 e x2 = 4. Portanto, a combinação linear acima, admite pelo
menos uma solução não nula, x1 = 3, x2 = 4 e x3 = -1.
1 0 0
3. v1 = 0 , v2 = 1 e v = 0 são vetores LI de V = M(3,1). De fato, dada a combinação
3
0 0 1
linear,
0
x1v1 + x2v2 + x3v3 = 0 = 0 , temos
0
1 0 0 0
x1 0 +x2 1 x3 0 =
0 , ou seja,
0 0 1 0
17
x1 0
x = 0 ,
2
x3 0
e teremos x1 = x2 = x3 = 0. Portanto, a combinação linear acima, só tem uma solução, a nula,
logo, os vetores v1, v2 e v3 formam um conjunto LI.
Supondo xi ≠ 0, temos
ou seja,
vi = a1v1 + a2v2+ ... +ai-1vi-1 + ai+1vi+1 + ... + anvn, que é uma combinação linear dos demais .
Reciprocamente, se
18
temos
Observem que o escalar (-1) de vi da última combinação é não nulo. Portanto, por definição,
{v1,v2,...,vi,...,vn} é LD.
Observação
2. Dois vetores v1 e v2 são LD se, e somente se, um vetor é múltiplo escalar do outro. Por
exemplo, v1 = (1,-2,3) e v2 = (-2,4,-6) são LD, pois v2 = -2v1.
4. Notem que, se um conjunto {v1,v2,...,0,...,vn} contém o vetor nulo, então o mesmo é LD.
Pois
1. β é LI;
2. β gera V.
3.4.1. - Exemplos
(ii) Para todo vetor (x,y) do ℝ2 verificaremos se existem escalares a e b tais que
19
a − b = x
a − 0b = y,
logo, a = y e b = y – x. Ou seja, todo vetor (x,y) do ℝ2 pode ser escrito como combinação linear
dos vetores de β, da forma
(x,y) = y(1,1) +(y-x)(-1,0). β gera o ℝ2
Segue de (i) e (ii) que β é uma base para o espaço ℝ2.
2. O conjunto W = {i,j} é outra base do ℝ2, denominada base canônica do ℝ2, onde i = (1,0) e
j = (0,1).
A base canônica do ℝn é dada pelos vetores {e1, e2,..., en}, onde e1 = (1,0,...0), e2 = (0,1,...0),...
,en = (0,0,...,1).
1 0
Em V = M(2,2), a base canônica é {v1,v2,v3,v4}, onde v1 = v2 =
0 0
0 1 0 0 0 0
0 0 v3 = 1 0 e v4 = 0 1 . Tentem mostrar!
3.4.2. – Teorema Se β = {v1,v2,...,vn} for uma base de um espaço vetorial V, então todo
conjunto com mais de n vetores será LD.
20
Como β = {v1,v2} é uma base de V, para cada wi W, wi é uma combinação linear dos vetores
de β, ou seja, existem escalares a11, a12, a21, a22,, a31, a32 tais que:
w1 = a11v1 + a12v2
w2 = a21v1 + a22v2
w = a v + a v ,
3 31 1 32 2
Sendo β = {v1,v2} uma base de V, β é LI, logo os escalares da última combinação são nulos,
e este sistema homogêneo possui 3 variáveis, x1, x2 e x3, e 2 equações, logo existem soluções
não triviais, não nulas. Portanto, W ={w1,w2,w3} é LD.
3.4.2.2. - Observação
21
então a dimensão de V é infinita e denotaremos dimV= . Segue dos Exemplos 3.4.1 que dim
ℝ2 = 2, dim ℝn = n, dimM(2,2) = 2·2 = 4 e dimM(m,n) = m·n.
Observação
3.5.2. - Exemplo
22
Ou seja, v3 não pode ser escrito como combinação linear dos vetores v1 e v2, isto é, v3 ≠ av1 +
bv2, a,b ℝ,
Sejam β = {v1,v2,...,vn} base de V e v V. v pode ser escrito como combinação linear dos
vetores de β, isto é, existem a1,a2,...,an escalares tais que
a1
a
[v] = 2 .
denotamos por a n
3.5.3.1 Exemplo
2
[( 2,−5)] = .
− 5
Considerando, agora, a base β’ = {(1,1),(0,1)}. O vetor v = (2,-5) pode ser escrito como
combinação dos vetores da base β’, ou seja, existem escalares a e b tais que
23
(2,-5) = a(1,1) + b(0,1)
2
[( 2,−5)] ' = .
− 7
Observação
2 − 5
[( 2,−5)] = e [( 2,−5)] 1 = .
− 5 2
Solução Com a condição 2x + y + z = 0, temos z = -2x - y. Se (x,y,z) ℝ3, este tem a forma:
ou ainda,
24
Vejam que todo vetor de W é combinação linear dos vetores (1,0,-2) e (0,1,-1). Como esses
dois vetores geradores de W são LI, (mostrem este fato!), estes formam uma base de W e, por
definição, dimW = 2. Observem que, como a cada variável livre corresponde um vetor da base
quando estes são LI, conclui-se que o número de variáveis livres é a dimensão do espaço.
a=0
2a + 2b = 0 ,
3a + 4b − 3c = 0
e daí, a = b = c = 0. Logo, β é LI. Como β tem três vetores, então β é base do ℝ3.
25
Uma questão a resolver: qual a relação entre as coordenadas de um ponto no antigo
referencial e suas coordenadas no novo?
Ou seja, estamos interessados na seguinte situação:
Sejam = {u1 , u 2 , u3 } e = {v1 , v2 , v3 } bases de um espaço V, dimV = 3. Dado um vetor v
V, podemos escrevê-lo como combinação linear dos vetores da bases α e dos vetores da bases
β, isto é,
x1 y1
[v] = x2 e [v] = y 2 .
x3 y3
v = y1v1 + y 2 v2 + y3 v3
v = y1 (a11u1 + a21u 2 + a31u3 ) + y 2 (a12u1 + a22u 2 + a32u3 ) + y3 (a13u1 + a23u 2 + a33u3 )
v = (a11 y1 + a12 y 2 + a13 y3 )u1 + (a 21 y1 + a 22 y 2 + a23 y3 )u 2 + (a31 y1 + a32 y 2 + a33 y3 )u3 .
Também de (1), v = x1u1 + x2u2 + x3u3 e, como as coordenadas em relação a uma base são
únicas, temos:
26
x1 = a11 y1 + a12 y2 + a13 y3
x2 = a21 y1 + a22 y2 + a23 y3
x = a y + a y + a y .
3 31 1 32 2 33 3
Denotando
3.7.2. - Exemplo
27
a a12 4 / 11 − 3 / 11
[ I ] = 11 =
a22 1 / 11 2 / 11
.
a21
A matriz [I ] pode ser usada para encontrar, por exemplo, [(5, −8)] , as coordenadas
4 / 11 − 3 / 11 5 4
[v] = [ I ] [v] = = .
1 / 11 2 / 11 − 8 − 1
Observação
Um fato importante: as
matrizes [ I ] e [ I ] são
invertíveis,
([I ] ) −1
= [ I ] .
28
3.7.4. - Exemplo
logo
2 3
[ I ] = .
− 1 4
Então,
−1
2 3 4 / 11 − 3 / 11
[I ] =
= .
− 1 4 1 / 11 2 / 11
No Moodle
29
4 Avaliando o que foi construído
Resumo da Unidade 1
✓ _________________________________________________________________________________________
_________________________________________________________________________________________
✓ _________________________________________________________________________________________
_________________________________________________________________________________________
✓ _________________________________________________________________________________________
30
_________________________________________________________________________________________
Ideias que posso aplicar nos meus estudos O que eu não posso esquecer!!
•
Ideias que posso aplicar no meu trabalho
Minha Agenda
31
Referências
BOLDRINI, J. L., COSTA, Sueli I. R., RIBEIRO, Vera Lúcia F. F. RIBEIRO, Wetzler, HENRY
G. Álgebra Linear. Departamento de Matemática da Universidade Estadual de Campinas.
Harbra. 3ª edição, 1990.
32