Escolar Documentos
Profissional Documentos
Cultura Documentos
(x + y) + z = x + (y + z) para todos x, y, z ∈ F .
Axioma 1.3 Existe um único elemento neutro 0 ∈ F tal que x + 0 = x, para todo x ∈ F .
Axioma 1.4 Para cada x ∈ F , existe um único correspondente negativo (−x) ∈ F tal
que x + (−x) = 0.
xy = yx para todos x, y ∈ F .
1
CAPÍTULO 1. ESPAÇOS LINEARES FINITOS 2
Axioma 1.7 Existe um único elemento neutro 1 ∈ F tal que 1x = x, para todo x ∈ F .
Definição 1.2 (Espaço Vetorial) Seja V um conjunto não-vazio sobre o qual estão
definidas as duas operações, adição e multiplicação por escalar. A primeira associa a
cada par de elementos u, v ∈ V um elemento (u + v) ∈ V ; a segunda associa a qualquer
u ∈ V e α ∈ F , um elemento αu ∈ V . Então V é chamado de espaço vetorial (sobre o
corpo F) se as propriedades abaixo são válidas para quaisquer elementos u, v, w ∈ V :
Exemplo 1.3 Seja Mn×m o conjunto de todas as matrizes m×n sobre um corpo arbitrário
F . Então Mn×m é um espaço vetorial sobre F em relação às operações usuais de adição
de matrizes e multiplicação de um escalar por uma matriz.
1. 0 ∈ S;
2. αu + βu ∈ S , para quaisquer u, v ∈ S e α, β ∈ F ;
Exemplo 1.4 Seja V um espaço vetorial arbitrário. O conjunto {0} consistindo do vetor
nulo de V , e também o próprio espaço V , são exemplos triviais de subespaços de V .
Exemplo 1.5 Seja M2×2 o conjunto de todas as matrizes quadradas de ordem 2 sobre o
corpo dos reais.
U + W = {u + w | u ∈ U, w ∈ W }.
Além disso, diremos que o espaço vetorial V é a soma direta de U e W , denotada por
V = U ⊕ W , se todo vetor v ∈ V pode escrever-se de maneira única como v = u + w,
onde u ∈ U e w ∈ W .
ger(u1 , u2 , . . . , un ) ou [u1 , u2 , . . . , un ]
Exemplo 1.8 Os vetores (1, 0) e (0, 1) são L.I. De fato, tomemos o vetor nulo como
combinação linear dos vetores (1, 0) e (0, 1):
Isto é, temos uma combinação linear do vetor nulo em termos dos vetores (1, 3) e (2, 6)
onde os escalares são não-nulos.
Exemplo 1.10 O conjunto {et , e2t } é L.I. De fato, tome α1 et + α2 e2t = 0. Derivando
essa expressão com respeito a t, tem-se: α1 et + 2α2 e2t = 0. Multiplicando essa última
igualdade por −1 e somando à primeira, segue que α2 e2t = 0 ⇒ α2 = 0. Substituindo em
qualquer uma das equações teremos α1 = 0.
Exercício 1.3 Determine se os vetores u = (1, −2, 1), v = (2, 1, −1) e w = (7, −4, 1) em
R3 são L.I. ou L.D.
Exercício 1.4 Suponha que os vetores u1 , u2 e u3 sejam L.I. Mostre que os vetores
v1 = u1 + u2 , v2 = u1 − u2 e v3 = u1 − 2u2 + u3 também são L.I.
Teorema 1.2 Num conjunto L.D, pelo menos um dos vetores pode ser escrito como com-
binação linear dos demais.
Demonstração: Sejam v1 , v2 , . . . , vk vetores L.D., então podemos escrever
α1 v1 + α2 v2 + . . . + αk vk = 0
CAPÍTULO 1. ESPAÇOS LINEARES FINITOS 6
α1 v1 + α2 v2 + . . . + αk vk + λ0 = 0,
que é verdadeiro ∀ αi = 0 e λ 6= 0.
Exemplo 1.11 Nos Exemplos 1.7 e 1.8, vimos que os vetores (1, 0) e (0, 1) geram R2 e
são L.I. Portanto, o conjunto E = {e1 = (1, 0), e2 = (0, 1)} é uma base de R2 , chamada
base canônica de R2 .
Teorema 1.5 Seja B = {u1 , u2 , . . . , un } uma base de um espaço vetorial V , então todo
vetor v ∈ V escreve-se de maneira única como combinação linear dos vetores de B.
Demonstração Como B gera V , o vetor v é uma combinação linear dos ui ´s, digamos
v = α1 u1 +α2 u2 +. . .+αn un . Suponha tambem que tenhamos v = β1 u1 +β2 u2 +. . .+βn un .
Subtraindo essas igualdades, obtemos 0 = (α1 − β1 )u1 + (α2 − β2 )u2 + . . . + (αn − βn )un .
Mas os ui ´s são L.I., logo cada um dos coeficientes dessa última igualdade é igual a zero:
α1 − β1 = α2 − β2 = . . . = αn − βn = 0 ⇒ αi = βi ∀ i = 1, 2, . . . , n.
Definição 1.7 Um espaço vetorial V tem dimensão finita n, se possui uma base com n
elementos. A notação usual é dimV = n.
Demonstração: Exercício.
1.6 Coordenadas
Seja V um espaço vetorial de dimensão finita n e seja B = u1 , u2 , . . . , un uma base de V .
Sabemos que qualquer vetor v ∈ V escreve-se de maneira única como combinação linear
dos vetores de B, digamos,
v = α1 u1 + α2 u2 + . . . + αn un .
Sejam v = α1 u1 + α2 u2 + . . . + αn un e w = γ1 u1 + γ2 u2 + . . . + γn un . Se formarmos
uma nova base {u1 , u2 , . . . , uj−1 , w, uj+1 , . . . , un }, como mudam as coordenadas de w com
respeito à nova base?
Note que deve existir um γ diferente de zero, digamos que γj 6= 0. Logo, podemos
n
1
X γi
escrever uj = γj w − ui . Substituindo em v, segue
i=1;i6=j
γj
CAPÍTULO 1. ESPAÇOS LINEARES FINITOS 8
v = α1 u1 + α2 u2 + . . . + αj uj + . . . + αn un !
n
1 X γi
= α1 u1 + α2 u2 + . . . + αj w− ui + . . . + αn un
γj i=1;i6=j
γj
n
αj X αi
= w+ αi − αj ui
γj γ
|{z} i=1;i6 = j | {z j }
∗ ∗
∗ Novas Coordenadas
Exemplo 1.14 Dada a base canônica de R2 , E = {e1 = (1, 0), e2 = (0, 1)}, podemos
escrever
(3, 2) = 3(1, 0) + 2(0, 1) e (1, 2) = 1(1, 0) + 2(0, 1).
Considere a nova base B = {(1, 2), (0, 1)} obtida pela substituição de e1 por (1, 2). Quere-
mos as coordenadas do vetor (3, 2) em relação a nova base B. Aplicando o procedimento
descrito anteriormente, temos
α1 3 γ2 2
α1 = 3, γ1 = 1 ⇒ = =3 e α2 − α1 = 2 − · 3 = −4
γ1 1 γ1 1
Logo, (3, 2) = 3(1, 2) − 4(0, 1).
1. n = m;
2. m > n;
Definição 1.9 Seja V um espaço vetorial real. Um produto interno em V é uma função
h , i : V × V → R, que associa a cada par ordenado de vetores u, v ∈ V um número real
hu, vi, chamado o produto interno de u por v, se satisfaz as seguintes condições para
u, v, w ∈ V e λ ∈ R arbitrários:
Exercício 1.7 Seja V o espaço vetorial das matrizes m × n sobre R. Verifique que
hA, Bi = tr (B t A) é um produto interno em V , onde tr denota o traço da matriz, isto
é, a soma dos elementos da diagonal principal da matriz; e B t denota a transposta da
matriz B.
Exercício 1.8 Para quaisquer vetores não-nulos u, v ∈ V , seja θ o ângulo formado por
u e v, onde 0◦ ≤ θ ≤ 180◦ . Mostre que
hu, vi
cosθ =
kuk · kvk
(i) d(x, x) = 0;
Proposição 1.4 Uma seqüência de Cauchy que possui uma subseqüência convergente é
convergente (e tem o mesmo limite que a subseqüência).
Demonstração: Exercício.
Obs.: Se uma seqüência possui duas subseqüências que convergem para limites dis-
tintos então ela não é de Cauchy. Em particular, uma seqüência que possui apenas um
número finito de termos distintos só pode ser de Cauchy quando, a partir de uma certa
ordem, ela se torna constante.
Exemplo 1.17 O espaço Q dos números racionais não é completo. De fato, tomemos
a seqüência de números racionais x1 = 1 , x2√= 1, 4 , x3 = 1, 41 , x4 = 1, 414 , x5 =
1, 4142 , x6 = 1, 41421 , . . . , com limxn = 2. Note que essa seqüência é de Cauchy
no espaço métrico Q dos números racionais, mas (xn ) não é convergente em Q.
Alguns resultados:
1. A reta R é um espaço métrico completo.
2. Um subespaço fechado de um espaço métrico completo e completo. Reciprocamente,
um subespaço completo de qualquer espaço métrico é fechado.
3. O produto cartesiano M1 ×M2 ×. . .×Mn é completo se, e somente se, M1 , M2 , . . . , Mn
são completos. Dessa forma, Rn é completo.
CAPÍTULO 1. ESPAÇOS LINEARES FINITOS 13
Exercício 1.17 Considere u = (0, 1, −2, 5) em R4 . Determine uma base para o comple-
mento ortogonal u⊥ de u.
Exercício 1.19 Seja E = {e1 , e2 , . . . , en } uma base ortonormal de V . Mostre que, para
qualquer u ∈ V , tem-se que u = hu, e1 i e1 + hu, e2 i e2 + . . . + hu, en i en .
CAPÍTULO 1. ESPAÇOS LINEARES FINITOS 15
hv, wi
c=
kwk2
kx − m0 k ≤ kx − mk para todo m ∈ M ,
Portanto, m0 é único.
Portanto, no limite, tem-se que kmi − mj k → 0. Se kmi − mj k converge para zero quando
i, j → ∞, isto caracteriza a seqüência {mi } como uma Seqüência de Cauchy. Lembre, no
entanto, que {mi } é uma seqüência de elementos de M , e M é um subespaço fechado de
um espaço de Hilbert. Então, num espaço de Hilbert, e, obviamente, em seus subespaços,
toda seqüência de Cauchy tem um limite pertencente ao espaço. Então o limite de {mi },
digamos m0 , está em M . Deduzimos então que kx − m0 k = δ, pois kx − mi k → δ e m0 é
o limite de {mi }.
CAPÍTULO 1. ESPAÇOS LINEARES FINITOS 17
hvk , wi i
onde cki = é a componente de vk ao longo de wi . Cada wk é ortogonal aos w´s
kwi k2
precedentes. Assim, w1 , w2 , . . . , wn constituem uma base ortogonal de V . A normalização
de cada wk dá uma base ortonormal para V .
Exemplo 1.22 Considere a base B = {v1 = (1, 1, 1), v2 = (0, 1, 1), v3 = (0, 0, 1)} de R3 .
Determinaremos uma base ortonormal para R3 a partir de B achando primeiro uma base
ortogonal usando o processo de Gram-Schmidt. Façamos
w1 = (1, 1, 1)
h(0, 1, 1), (1, 1, 1)i 2 1 1
w2 = (0, 1, 1) − (1, 1, 1) = − , ,
k(1, 1, 1)k2 3 3 3
2 1 1
(0, 0, 1), − , ,
h(0, 0, 1), (1, 1, 1)i 3 3 3 2 1 1
w3 = (0, 0, 1) − (1, 1, 1) − − , ,
k(1, 1, 1)k2
2
3 3 3
2 1 1
− , ,
3 3 3
1 1
⇒ w3 = 0, − ,
2 2
Sejam u1 , u2 , u3 os vetores unitários na direção de w1 , w2 , w3 , respectivamente. Então,
w1 1 1 1
u1 = = √ ,√ ,√
kw1 k 3 3 3
w2 2 1 1
u2 = = −√ , √ , √
kw2 k 6 6 6
w3 1 1
u3 = = 0, − √ , √
kw3 k 2 2
CAPÍTULO 1. ESPAÇOS LINEARES FINITOS 18
Exercício 1.20 Ache uma base ortonormal para o subespaço U de R4 gerado pelos ve-
tores:
v1 = (1, 1, 1, 1) , v2 = (1, 1, 2, 4) , v3 = (1, 2, −4, −3)
Exercício 1.21 Seja v = (1, 3, 5, 7). Ache a projeção de v sobre W , onde W é o sub-
espaço de R4 gerado por:
a) u1 = (1, 1, 1, 1) , u2 = (1, −3, 4, −2)
b) w1 = (1, 1, 1, 1) , w2 = (1, 2, 3, 2)
Capítulo 2
kwk2 = hw, wi ≥ 0
segue-se que
ku + λvk2 = hu + λv, u + λvi
= hu, ui + hu, λvi + hλv, ui + hλv, λvi
= hu, ui + 2λ hu, vi + λ2 hv, vi
= kuk2 + (2 hu, vi)λ + kvk2 λ2 ≥ 0.
Note que a desigualdade
19
CAPÍTULO 2. ALGUMAS DESIGUALDADES IMPORTANTES 20
p q p q
! !
u q +1 v p +1 u q +1 v p +1
⇒ (u · v)−1 + ≥1⇒ + ≥ u · v.
p q p q
1 1 p+q
mas + =1⇒ = 1 ⇒ p + q = p · q, assim
p q p·q
p p+q p·q q q+p q·p
+1= = =p e +1= = = q.
q q q p p p
Portanto,
up v q
+ ≥ u · v.
p q
Para cada i = 1, 2, . . . , n, defina
xi yi
ui = P p 1/p e vi = P q 1/q .
( xi ) ( yi )
upi vq
ui · vi ≤ + i.
p q
Tomando a soma em ambos os lados da desigualdade, segue que
" #p " #q
P xi P yi
( xpi )1/p ( xqi )1/q
P P
X
ui vi ≤ + .
p q
Mas,
X xp 1 X p
Pi p = P p xi = 1.
xi xi
Logo,
X 1 1
ui vi ≤
+ = 1.
p q
" # " #
X xi yi
⇒ · P q 1/q ≤ 1
( xpi )1/p
P
( yi )
X X 1/p X 1/q
⇒ xi yi ≤ xpi · yiq .
1 − P (x ∈ A) ou 1 − P (µ − kσ ≤ x ≤ µ + kσ) =
= 1 − P (|x − µ| < kσ) = P (|x − µ| ≥ kσ)
CAPÍTULO 2. ALGUMAS DESIGUALDADES IMPORTANTES 23
1
− P [|x − µ| ≥ kσ] ≥ −
k2
1 1
1 − P [|x − µ| ≥ kσ] ≥ 1 − ⇒ P [|x − µ| < kσ] ≥ 1 −
k2 k2
Demonstração: Note que se g é convexa, existe l(x) = a + bx tal que l(x) ≤ g(x)
para todo x, onde a igualdade ocorre num único ponto particular.
Matrizes
24
CAPÍTULO 3. MATRIZES 25
x − y 3z + t 1 5
e) Calcule x, y, z e t para que = .
2x + y z − 2t 2 4
Pela definição de igualdade de matrizes, as quatro entradas correspondentes devem
ser iguais. Logo,
x+y =1 2x + y = 2 3z + t = 5 z − 2t = 4
(ii) A(B + C) = AB + AC
(iii) (A + B)C = AC + BC
(i) (A + B)0 = A0 + B 0
(ii) (A0 )0 = A
(iv) (AB)0 = B 0 A0
AB1 = B1 A = I e AB2 = B2 A = I.
Então,
B1 = B1 I = B1 (AB2 ) = (B1 A)B2 = IB2 = B2
3 0 −1
Exemplo 3.8 A matriz A = 0 0 4 é simétrica, enquanto a matriz
−1 4 −2
0 −2 3
B= 2 0 0 é anti-simétrica.
−3 0 0
A0 = I A2 = AA A3 = A2 A ... An+1 = An A.
Exemplo 3.9 Desculpe-me, mas ainda não consegui construir no Latex uma matriz di-
vidida por linhas pontilhadas.
Observações
de Y: Observações de X:
y1 1 x12 x13 · · · x1k
y2 1 x12 x23 · · · x2 k
.. .. .. .. . . ..
. . . . . .
yn 1 xn2 xn3 · · · xnk n×k
1 1 ··· 1
x12 x22 · · · xn2 1 x12 x13 · · · x1k
1 x12 x23 · · · x2 k
0
Xk×n Xn×k = x13 x23 · · · xn3 · ..
.. .. ... ..
.. .. . . . . . . .
. . . ..
1 xn2 xn3 · · · xnk n×k
x1k x2k · · · xnk k×n
P P P
n xi2 xi3 · · · P xik
2 k
P P P
x xi2 xi2 xi3 ··· xi2 xik
X 0
= .. i2 .. .. ... .. = x xi
. i=1 i
P P . P . P 2.
xik xik xi2 xi2 xik ··· xi2
Exemplo 3.10
1
1 1
M o = In − i · i0 , onde i = ..
n .
1
1 0 ··· 0 1 1 ··· 1
0 1 ··· 0 1 1 1 · · ·
1
M o = .. .. − .. .. . .
.. . . ..
. . . . n . . . .
0 0 ··· 1 1 1 ··· 1
o 1 0 1 0
M Y = In − ii Yn×1 = In Y − ii Y
n n
P
y1 yi
y2 1 P yi
= .. − ..
. n .
P
yn yi
y1 Y y1 − Y
y2 Y y2 − Y
= .. − .. = ..
. . .
yn Y yn − Y
CAPÍTULO 3. MATRIZES 32
Obs.:
1 1 ··· 1 y1 P
1 1 ··· 1 y2 yi
P
.. · .. = P yi
.. .. . .
. . . . . yi
1 1 ··· 1 yn
Outra matriz especial é a matriz inversa A−1 de uma matriz A.
M = [I − X(X 0 X)−1 X 0 ]
M e N são idempotentes
N = I − M = X(X 0 X)−1 X 0
N · N = X(X 0 X)−1 X 0 · X(X 0 X)−1 X 0 = X(X 0 X)−1 X 0 = N.