Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Bases ortogonais são importantes porque existe um procedimento padrão para encontrar as coordenadas de um vetor qualquer em relação a elas. Exemplo O conjunto 𝛽 = {(1,3), (3, 𝛼)} é uma base ortogonal do 𝑅2em relação ao produto interno usual. a) Determine o valor de 𝛼. b) A partir de 𝛽, construa uma base 𝛽′, ortonormal. c) Solução a) Sendo 𝑢 = (1,3) e 𝑣 = (3, 𝛼) 〈𝑢, 𝑣〉 = 〈(1,3), (3, 𝛼〉 = 1 ∙ 3 + 3 ∙ 𝛼 = 0 ⇒ 3 + 3𝛼 = 0 ⇒ 𝛼 = −1. b) 𝛽 = {(1,3), (3, −1)} 𝑢 ‖𝑢‖ = 1 √11 + 32 (1,3) = ( 1 √10 , 3 √10 ) 𝑣 ‖𝑣‖ = 1 √32 + (−1)2 (3, −1) = ( 3 √10 , −1 √10 ) Portanto 𝛽′ = {( 1 √10 , 3 √10 ) , ( 3 √10 , −1 √10 ) }. Definição (Coeficientes de Fourier) Seja 𝑉 espaço vetorial com produto interno, 𝛽 = {𝑣1, 𝑣2, ⋯ , 𝑣𝑛} uma base ortogonal de 𝑉 e 𝑤 um vetor qualquer de 𝑉. Vamos calcular as coordenadas de 𝑤 em relação a 𝛽. Sabemos que 𝑤 = 𝛼1𝑣1 + 𝛼2𝑣2 + ⋯ + 𝛼𝑛𝑣𝑛 〈𝑤, 𝑣𝑖〉 = 〈𝛼1𝑣1 + 𝛼2𝑣2 + ⋯ + 𝛼𝑛𝑣𝑛, 𝑣𝑖〉 〈𝑤, 𝑣𝑖〉 = 𝛼1〈𝑣1, 𝑣𝑖〉 + 𝛼2〈𝑣2, 𝑣𝑖〉 + ⋯ + 𝛼𝑖〈𝑣𝑖 , 𝑣𝑖〉 + ⋯ + 𝛼𝑛〈〈𝑣𝑛, 𝑣𝑖〉〉 〈𝑤, 𝑣𝑖〉 = 0 + 0 + ⋯ + 𝛼𝑖〈𝑣𝑖 , 𝑣𝑖〉 + ⋯ + 0. 2 e queremos determinar a i-ésima coordenada 𝛼𝑖. Para isto, façamos o produto interno da combinação linear acima por 𝑣𝑖 . Então 〈𝑤, 𝑣𝑖〉 = 𝛼𝑖〈𝑣𝑖 , 𝑣𝑖〉 donde 𝛼𝑖 = 〈𝑤, 𝑣𝑖〉 〈𝑣𝑖 , 𝑣𝑖〉 . Esta coordenada é chamada coeficiente de Fourier de 𝑤 em relação a 𝑣𝑖 . Exemplo Seja 𝑉 = 𝑅2 com produto interno usual e 𝛽 = {(1,1), (−1,1)}. Observe que 𝛽 é uma base ortogonal pois 〈(1,1), (−1,1)〉 = 1 ∙ (−1) + 1 ∙ 1 = 0. Calcule [(2,3)]𝛽 . Solução Note que (2,3) = 𝛼1(1,1) + 𝛼2(−1,1) em que 𝛼1 e 𝛼2 são as coordenadas do vetor (2,3) em relação à base 𝛽. 〈(2,3), (1,1)〉 = 〈𝛼1(1,1) + 𝛼2(−1,1), (1,1)〉 = 〈𝛼1(1,1), (1,1)〉 + 〈𝛼2(−1,1), (1,1)〉 = 𝛼1〈(1,1), (1,1)〉 + 𝛼2〈(−1,1), (1,1)〉 O termo 𝛼2〈(−1,1), (1,1)〉 = 0, e assim, 𝛼1 = 〈(2,3), (1,1)〉 〈(1,1), (1,1)〉 = 5 2 . Analogamente, 〈(2,3), (−1,1)〉 = 〈𝛼1(1,1) + 𝛼2(−1,1), (−1,1)〉 = 〈𝛼1(1,1), (−1,1)〉 + 〈𝛼2(−1,1), (−1,1)〉 = 𝛼1〈(1,1), (−1,1)〉 + 𝛼2〈(−1,1), (−1,1)〉 O termo 𝛼1〈(1,1), (−1,1)〉 = 0, e assim, 𝛼2 = 〈(2,3), (−1,1)〉 〈(−1,1), (−1,1)〉 = 1 2 . Portanto, 3 [(2,3)]𝛽 = [ 5 2 1 2 ]. Exemplo Seja 𝑉 = 𝑀2(𝑅) e considerando a base 𝛽 = {𝑣1, 𝑣2, 𝑣3, 𝑣4} = {[ 1 1 1 1 ] , [ 1 1 −1 −1 ] , [ 1 −1 1 −1 ] , [ −1 1 1 −1 ]}, Verifique que 𝛽 é uma base ortogonal e encontre os coeficientes de Fourier do vetor 𝑢 = [ 1 2 3 4 ] com relação à base 𝛽. Solução Note que 𝑣1 = 1 ∙ 𝑒1 + 1 ∙ 𝑒2 + 1 ∙ 𝑒3 + 1 ∙ 𝑒4 𝑢 = 1 ∙ 𝑒1 + 2 ∙ 𝑒2 + 3 ∙ 𝑒3 + 4 ∙ 𝑒4 Sendo 𝑒1 = [ 1 0 0 0 ] , 𝑒2 = [ 0 1 0 0 ] , 𝑒3 = [ 0 0 1 0 ] , 𝑒4 = [ 0 0 0 1 ]. Logo, 〈𝑢, 𝑣1〉 = 10 〈𝑣1, 𝑣1〉 = 4 Assim, o primeiro coeficiente de Fourier é: 𝛼1 = 〈𝑢, 𝑣1〉 〈𝑣1, 𝑣1〉 = 5 2 . Analogamente, 𝑣2 = 1 ∙ 𝑒1 + 1 ∙ 𝑒2 − 1 ∙ 𝑒3 − 1 ∙ 𝑒4 𝑢 = 1 ∙ 𝑒1 + 2 ∙ 𝑒2 + 3 ∙ 𝑒3 + 4 ∙ 𝑒4 〈𝑢, 𝑣2〉 = 1 ∙ 1 + 1 ∙ 2 + (−1) ∙ 3 + (−1) ∙ 4 = 1 + 2 − 3 − 4 = −4 〈𝑣2, 𝑣2〉 = 1 + 1 + 1 + 1 = 4 4 𝛼2 = 〈𝑢, 𝑣2〉 〈𝑣2, 𝑣2〉 = −1, Analogamente, 𝑣3 = 1 ∙ 𝑒1 − 1 ∙ 𝑒2 + 1 ∙ 𝑒3 − 1 ∙ 𝑒4 𝑢 = 1 ∙ 𝑒1 + 2 ∙ 𝑒2 + 3 ∙ 𝑒3 + 4 ∙ 𝑒4 〈𝑢, 𝑣3〉 = 1 ∙ 1 + (−1) ∙ 2 + 1 ∙ 3 + (−1) ∙ 4 = 1 − 2 + 3 − 4 = −2 〈𝑣3, 𝑣3〉 = 1 + 1 + 1 + 1 = 4 𝛼3 = 〈𝑢, 𝑣3〉 〈𝑣3, 𝑣3〉 = −1 2 , 𝛼4 = 〈𝑢, 𝑣4〉 〈𝑣4, 𝑣4〉 = 0. Coordenadas em relação a bases ortogonais Se 𝛽 = {𝑣1, 𝑣2, ⋯ , 𝑣𝑛} é uma base ortogonal de um espaço com produto interno então 𝛽′ = { 𝑣1 ‖𝑣1‖ , 𝑣2 ‖𝑣2‖ , ⋯ , 𝑣𝑛 ‖𝑣𝑛‖ } é uma base ortonormal de 𝑉. Então qualquer vetor 𝑢 ∈ 𝑉 pode ser escrito como 𝑢 = 〈𝑢, 𝑣1 ‖𝑣1‖ 〉 𝑣1 ‖𝑣1‖ + ⋯ + 〈𝑢, 𝑣𝑛 ‖𝑣𝑛‖ 〉 𝑣𝑛 ‖𝑣𝑛‖ Podemos expressar 𝑢 como uma combinação linear dos vetores da base ortogonal 𝛽′ como 𝑢 = 〈𝑢, 𝑣1〉 ‖𝑣1‖2 𝑣1 + ⋯ + 〈𝑢, 𝑣𝑛〉 ‖𝑣𝑛‖2 𝑣𝑛 5 Projeção Ortogonal Seja 𝑤 um vetor não nulo. Então a projeção ortogonal de um vetor 𝑣 ao longo de 𝑤 é definida por 𝑝𝑟𝑜𝑗𝑊𝑣 = 〈𝑣, 𝑤〉 ‖𝑤‖2 𝑤. O escalar 〈𝑣,𝑤〉 ‖𝑤‖2 é também chamado de coeficiente de Fourier de 𝑣 em relação ao vetor 𝑤. Teorema Suponhamos que {𝑤1, 𝑤2, ⋯ , 𝑤𝑟} seja um conjunto ortogonal de vetores não nulos de 𝑉. Se 𝑣 ∈ 𝑉 então 𝛼𝑖 = 〈𝑣, 𝑤𝑖〉 ‖𝑤𝑖‖2 , 1 ≤ 𝑖 ≤ 𝑟, São os únicos números reais tais que o vetor 𝑣′ = 𝑣 − 𝛼1𝑤1 − 𝛼2𝑤2 − ⋯ − 𝛼𝑟𝑤𝑟 é ortogonal aos vetores 𝑤1, 𝑤2, ⋯ , 𝑤𝑟 . Processo de Gram-Schmidt O Processo de Gram–Schmidt é um algoritmo para obter uma base ortogonal (ou ortonormal) a partir de uma base qualquer. De maneira mais geral, o método permite transformar um conjunto de vetores linearmente independentes em um conjunto ortogonal que gera o mesmo espaço vetorial. 6 Teorema Todo espaço vetorial 𝑉 possui uma base ortogonal. Prova Seja {𝑣1, 𝑣2, ⋯ , 𝑣𝑛} uma base de 𝑉. Tomemos 𝑤1 = 𝑣1 𝑤2 = 𝑣2 − 〈𝑣2, 𝑤1〉 ‖𝑤1‖2 𝑤1 𝑤3 = 𝑣3 − 〈𝑣3, 𝑤1〉 ‖𝑤1‖2 𝑤1 − 〈𝑣3, 𝑤2〉 ‖𝑤2‖2 𝑤2 ⋮ ⋱ ⋮ 𝑤𝑛 = 𝑣𝑛 − 〈𝑣𝑛, 𝑤1〉 ‖𝑤1‖2 𝑤1 − 〈𝑣𝑛, 𝑤2〉 ‖𝑤2‖2 𝑤2 − 〈𝑣𝑛, 𝑤𝑛−1〉 ‖𝑤𝑛−1‖2 𝑤𝑛−1 Pelo teorema anterior, o conjunto {𝑤1, 𝑤2, ⋯ , 𝑤𝑛} é um conjunto ortogonal. Além disso, o conjunto {𝑣1, 𝑣2, ⋯ , 𝑣𝑛} é LI, cada vetor 𝑤𝑖 é não nulo. Assim, o conjunto {𝑤1, 𝑤2, ⋯ , 𝑤𝑛} é um conjunto ortogonal de vetores não nulos de V. como, por definição, 𝑑𝑖𝑚 𝑉 = 𝑛, segue que {𝑤1, 𝑤2, ⋯ , 𝑤𝑟} é uma base ortogonal de 𝑉. Observação Decorre do processo de Gram-Schmidt que 𝑠𝑒 𝑉 tem uma base ortogonal, ele tem uma base ortonormal, pois os vetores de uma base ortogonal possam ser normalizados para produzir uma base ortonormal de V. Exemplo Considere 𝑅3 com o produto interno usual. Aplique o processo de Gram-Schmidt ao conjunto {(1,0,0), (1,1,1), (0,0,1)} para obter uma base ortogonal {𝑤1, 𝑤2, 𝑤3} de 𝑅3. Solução 𝑤1 = (1,0,0) 𝑤2 = (1,1,1) − 〈(1,1,1), (1,0,0)〉 ‖(1,0,0)‖2 (1,0,0) = (0,1,1) 𝑤3 = (0,0,1) − 〈(0,0,1), (1,0,0)〉 ‖(0,1,1)‖2 (1,0,0) − 〈(0,0,1), (0,1,1)〉 ‖(0,1,1)‖2 (0,1,1) = (0, − 1 2 , 1 2 ) 7 Assim, {(1,0,0), (0,1,1), (0, − 1 2 , 1 2 ) } É uma base ortogonal de 𝑅3. 8 Exemplo Considere 𝑅2 com o produto interno usual. Aplique o processo de Gram-Schmidt ao conjunto {(3,2), (1,1)} para obter uma base ortogonal {𝑤1, 𝑤2, } de 𝑅 2. Solução Solução 𝑤1 = (3,2) 𝑤2 = (1,1) − 〈(1,1), (3,2)〉 ‖((3,2)‖2 (3,2) = (− 2 13 , 3 13 ) (1,1) − 5 13 (3,2) = (1,1) − ( 15 13 , 10 13 )
Compartilhar