Baixe o app para aproveitar ainda mais
Prévia do material em texto
Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 38 §2. COMBINAÇÕES LINEARES E DEPENDÊNCIA LINEAR 2.1 COMBINAÇÕES LINEARES E DEPENDÊNCIA LINEAR Dentro dos espaços vetoriais existem outros espaços vetoriais chamados de subespaços vetoriais. Para estudar subespaços vetoriais precisamos de combinações lineares de vetores. Definição 2.1.1 Sejam V um espaço vetorial sobre e os vetores v1, v2, ..., vm ∈ V. Qualquer vetor v da forma a1v1 + a2v2 + ... + amvm, onde ai ∈ , é chamado uma combinação linear de {v1, v2, ..., vm}. O conjunto de todas essas combinações lineares, denotado por <{v1, v2, ..., vm}> é chamado espaço gerado por {v1, v2, ..., vm}. De um modo geral, para qualquer subconjunto S de V, o símbolo 〈S〉 representa todas as combinações lineares de vetores em S; definimos 〈S〉 = {0} se S é vazio, isto é, 〈∅〉 = {0}. Dado um espaço vetorial V, diz-se que os vetores w1, w2, ..., wr geram V, ou formam um conjunto gerador do espaço V, se V = 〈{w1, w2, ..., wr}〉. Em outras palavras, os vetores w1, w2, ..., wr geram V se, para todo v ∈ V, existem escalares a1, a2, ..., ar tais que v = a1w1 + a2w2 + ... + arwr, isto é, se v é uma combinação linear dos wi, 1 ≤ i ≤ r. O novo método atraiu muito pouco a atenção. A convite de Klein, Ricci e seu antigo discípulo Levi-Civita prepararam um artigo sobre o cálculo tensorial e suas aplicações à física matemática para publicá-lo em uma revista que era lida por matemáticos de todas as nacionalidades. O artigo apareceu em francês em 1901 e produziu muito pouco efeito. Porém, alguns geômetras curiosos não italianos captaram o novo cálculo e, pelo menos um, Grossmann, de Zurique, o compreendeu e o ensinou a Einstein. O cálculo tensorial era uma classe particular da álgebra vetorial generalizada, muito apropriada para expressar as equações diferenciais da relatividade em forma covariante, como exige um postulado da teoria de Einstein. E. T. Bell Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 39 Exemplo 2.1.1 Os vetores i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1) geram o espaço vetorial ℝ3. Especificamente, para qualquer vetor u = (a, b, c) de 3, temos: u = (a, b, c) = a (1, 0, 0) + b (0, 1, 0) + c (0, 0, 1) = a i + b j + c k. Portanto, u é uma combinação linear de i, j e k. Exemplo 2.1.2 Consideremos o espaço vetorial 3. O espaço gerado por qualquer vetor não-nulo u ∈ 3 consiste de todos os múltiplos escalares de u; geometricamente, 〈{u}〉 é a reta que passa pela origem (0, 0, 0) e pela extremidade de u. Se tomarmos dois vetores quaisquer u, v∈ 3 que não sejam múltiplos um do outro, 〈{u, v}〉 é o plano que passa pela origem (0, 0, 0) e que contém os pontos extremos de u e v. Exemplo 2.1.3 Os polinômios 1, t, t2, t3, ... , geram o espaço vetorial P(t) de todos os polinômios, isto é, P(t) = 〈{1, t, t2, t3, ...}〉. Isso significa que qualquer polinômio é uma combinação linear de 1 e de potências de t. Analogamente, os polinômios 1, t, t2, ..., tn, geram o espaço Pn(t) de todos os polinômios de grau ≤ n. 2.2 DEPENDÊNCIA LINEAR Dado um conjunto de vetores {v1, v2, ..., vk}, consideremos as suas combinações a1v1 + a2v2 + ... + akvk. A combinação trivial, com todos os “pesos” ai = 0, obviamente produz o vetor nulo: 0v1 + 0v2 + ... + 0vk = 0 com os vi. A questão é saber se essa é a única maneira de se produzir o vetor nulo com os vi. Se a resposta for afirmativa, dizemos que os vetores são linearmente independentes. Se alguma outra combinação, que não seja a nula, produz também o vetor nulo, então eles são linearmente dependentes. Definição 2.2.1 Seja V um espaço vetorial sobre o corpo . Os vetores v1, v2, ..., vk ∈ V são linearmente dependentes sobre ou, simplesmente, dependentes, se existem escalares a1, a2, ..., ak ∈ , não simultaneamente nulos, tais que a1v1 + a2v2 + ... + akvk = 0. Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 40 Caso contrário, os vetores são linearmente independentes sobre , ou simplesmente independentes. Os conceitos de combinação linear e de dependência linear estão estreitamente relacionados, pois os vetores são linearmente dependentes se, e somente se, um deles é combinação linear dos outros. Exercício 2.2.1 Suponhamos que dois ou mais vetores, não simultaneamente nulos, v1, v2, ..., vm sejam linearmente dependentes. Então, um dos vetores é combinação linear dos precedentes, isto é, existe um k > 1 tal que vk = a1v1 + a2v2 + ... + ak− 1 vk − 1 + ak + 1 vk + 1 + … + am vm. Definição 2.2.2 Dizemos que um conjunto {v1, v2, ..., vm} de vetores é linearmente dependente (l.d.) (independente (l.i.)), conforme o sejam os vetores v1, v2, ..., vm. Um conjunto infinito S de vetores é linearmente dependente se existem vetores u1, u2, ..., um em S que são linearmente dependentes; caso contrário, S é linearmente independente. Define-se o conjunto vazio Ø como linearmente independente. Decorrem das definições acima as seguintes observações: Observação 2.2.1 Se 0 é um dos vetores v1, v2, ..., vm, digamos v1 = 0, então os vetores devem ser linearmente dependentes, pois 1v1 + 0v2 + ... + 0vm = 1.0 + 0 + ...+ 0 = 0 e o coeficiente de 1v não é zero. Observação 2.2.2 Qualquer vetor não-nulo v é linearmente independente; pois cv = 0, v ≠ 0 implica c = 0. Assim, a única combinação linear do conjunto {v} que produz o vetor nulo é 0.v. Observação 2.2.3 Se dois dos vetores v1, v2, ..., vm são iguais, ou se um é múltiplo escalar do outro, digamos, se v1 = cv2, então os vetores são linearmente dependentes, pois 1v1 − cv2 + 0v3 + ... + 0vm = 0. Observação 2.2.4 Dois vetores v1 e v2 são linearmente dependentes Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 41 se, e somente se, um deles é múltiplo do outro. Observação 2.2.5 Se o conjunto {v1, v2, ..., vm} é linearmente independente, então também o será qualquer subconjunto seu de vetores { kii vv ,, 1 K }. Observação 2.2.6 Se um conjunto S de vetores é linearmente independente, então qualquer subconjunto de S também o é. Por outro lado, se S contém algum subconjunto linearmente dependente, então o próprio S é linearmente dependente. Observação 2.2.7 No espaço real 3, a dependência linear de vetores pode ser descrita da seguinte maneira: a) Dois vetores quaisquer v1 e v2 são linearmente dependentesse, e somente se, possuem a mesma reta suporte pela origem; b) Três vetores quaisquer v1, v2 e v3 são linearmente dependentes se, e somente se, estão em um mesmo plano que passa pela origem. Quatro vetores são l.d. em 3. 2.3 SUBESPAÇOS GERADOS, BASES E DIMENSÃO 2.3.1 SUBESPAÇOS GERADOS Se v1, v2, ..., vn são vetores em um espaço vetorial V sobre um corpo K, alguns vetores de V se expressam como combinações lineares desses vetores enquanto que outros vetores não. Um conjunto de vetores “gera” um subespaço por meio das chamadas combinações lineares de vetores. O próximo passo em nossa discussão será o de mostrar que, se nós considerarmos um conjunto U, que consiste de todos os vetores que podem ser expressos por combinações lineares de v1, v2, ..., vn, então U será um subespaço vetorial de V. Teorema 2.3 .1 Se v1, v2, ..., vn são vetores em um espaço vetorial V sobre um corpo K, então: a) o conjunto U de todas as combinações lineares de v1, v2, ..., vn é um subespaço vetorial de V; b) U é o menor subespaço de V que contém v1, v2, ..., vn, no seguinte sentido: qualquer subespaço de V que contém v1, v2, ..., vn também contém U. Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 42 Demonstração. a) Para demonstrar que U é um subespaço de V, basta mostrar que U é fechado para as operações de adição e multiplicação por escalar. U contém os vetores v1, v2, ..., vn e também o vetor nulo, pois 0 = 0v1 + 0v2, + ... + 0vm. Se u e v são vetores em U, então u = c1v1 + c2v2 + ... + cnvn e v = d1v1 + d2v2 + ... + dnvn, onde os ci’s e os di’s são escalares, 1 ≤ i ≤ r. Logo u + v = (c1 + d1) v1 + ... + (cn + dn) vn e, para um escalar arbitrário a, au = (ac1) v1 + (ac2) v2 + ... + (acn) vn. Portanto, u + v e au se expressam como combinações lineares de v1, v2, ..., vn e, conseqüentemente, estão em U. Isso mostra que U é fechado em relação às operações de adição e multiplicação por escalar. Exercício 2.3.1 Demonstre o item b) do teorema acima. Exercício 2.3.2 Seja S um subconjunto de um espaço vetorial V. Demonstre que: (a) 〈S〉 é um subespaço de V que contém S; (b) se W é um subespaço de V que contém S, então 〈S〉 ⊂ W . Concluímos do exercício anterior que 〈S〉 é o menor subespaço de W que contém S. Assim, o processo de combinação linear de vetores de um conjunto S, não só gera um subespaço vetorial, mas o faz da maneira mais econômica possível. Essa idéia de geração da menor subestrutura possível que contém um subconjunto, dentro de uma estrutura previamente dada, constitui uma importante estratégia na solução de problemas em Matemática. Definimos, então, subespaços vetoriais gerados por um conjunto S de vetores: Definição 2.3.1 Se S = {v1, v2, ..., vn} é um conjunto de vetores de um espaço vetorial V, então o subespaço U de V, que consiste de todas as combinações lineares dos vetores em S, é chamado o espaço gerado por v1, v2, ..., vn. Nesse caso, dizemos que v1, v2, ..., vn geram U. Em outras palavras, todo vetor v em U se expressa como Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 43 combinação linear dos vi’s, isto é, v = a1v1 + a2v2 + ... + anvn para coeficientes ai em K. Para indicar que U é o espaço vetorial gerado pelos vetores do conjunto S = {v1, v2, ... , vn}, nós escrevemos U = 〈S〉 ou U = 〈{v1, v2, ... , vn}〉. Exemplo 2.3.1 Se u e v são vetores não colineares em 3, então o subespaço gerado pelo conjunto {u, v}, que consiste no conjunto de todas as combinações lineares au + bv, é o plano determinado por u e v, isto é, o plano que passa pela origem e contém os vetores u e v. Se v é um vetor não nulo em 2, ou em 3, então o espaço gerado por {v}, que consiste no conjunto de todos os múltiplos escalares cv, é, em termos geométricos, a única reta determinada por v, ou seja, a reta que passa pela origem e pelo ponto v. De longe, o espaço vetorial mais importante para nós, nessa coleção de apoio à Nova Matemática da Engenharia, é o espaço 3. É nesse espaço, ou em algum dos seus subespaços planos, que estudaremos as translações e rotações da garra do robô, e colocaremos os sistemas de coordenadas cartesianas, associados aos diversos elos com origem em suas juntas. Exemplo 2.3.2 Os vetores e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1) geram o espaço vetorial 3, pois qualquer vetor (a, b, c) em 3 é uma combinação linear dos ei’s; especificamente: (a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) = a e1 + b e2 + c e3. Exemplo 2.3.3 Os polinômios 1, x, x2, ..., xn geram o espaço vetorial Pn, pois cada polinômio p em Pn pode ser escrito como p = a01 + a1 x + a2 x2 + ... + an xn que é uma combinação linear de 1, x, x2, ... , xn. Portanto, Pn = 〈{1, x, x2, ..., xn}〉. Os polinômios 1, x, x2, ..., xn, xn + 1, ... , geram o espaço vetorial de todos os polinômios em x, pois qualquer polinômio é uma combinação linear do polinômio constante 1 e das potências em x. Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 44 Exercício 2.3.3 Mostre que o espaço vetorial V dos polinômios sobre um corpo qualquer K, não pode ser gerado por um número finito de vetores. Exercício 2.3.4 Mostre que os vetores u = (2, 2, 1), v = (1, 0, 1) e w = (2, 1, 4) não geram o espaço vetorial 3 sobre . Os conjuntos geradores não são únicos. Vimos no exemplo que os vetores e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) geram o espaço vetorial 3. Por outro lado, os vetores u = (1, 2, 3), v = (0, 1, 2) e w = (0, 0, 1) também geram o espaço vetorial 3 sobre . Exercício 2.3.5 Se S = {v1, v2, ... , vn} e S’ = {w1, w2, ... , wk} são dois subconjuntos de vetores de um espaço vetorial V, então 〈{v1, v2, ... , vn}〉 = 〈{w1, w2, ... , wk}〉 se, e somente se, cada vetor em S é uma combinação linear dos vetores de S’, e cada vetor em S’ é uma combinação linear dos vetores em S. 2.4.2 BASES E DIMENSÃO Os vetores u = (1, 0, 0) e v = (0, 1, 0) e w = (−2, 0, 0) geram o plano xy no espaço vetorial 3. Contudo não precisamos dos três para gerar o plano xy, pois bastam u e v para isso. Por outro lado, u e v são vetores linearmente independentes em 3 e u, v e w são linearmente dependentes. Definição 2.4.2 Uma base de um espaço vetorial V é um conjunto B de vetores satisfazendo as duas propriedades seguintes: a) B é linearmente independente; b) B gera V. A combinação dessas duas propriedades é absolutamente fundamental na Álgebra Linear. Istosignifica que todo vetor de V é uma combinação linear dos vetores de B, pois os vetores de B geram V. Isso também significa que essa combinação linear é única. De fato, se v = a1v1 + ... + anvn e, por outro lado, v = b1v1 + ... + bnvn então, se subtrairmos as equações uma da outra, membro a membro, obtemos: 0 = v – v = iii vba )( −∑ . Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 45 Agora, observemos o papel fundamental da independência linear: como os vetores de B são linearmente independentes, segue-se que ai − bi tem que ser zero, para todos os índices i. Portanto, ai = bi para todo i, e concluímos que existe uma única maneira de expressar v como uma combinação linear dos vetores da base. Exemplo 2.4.4 Os vetores e1 = (1, 0, ... , 0), e2 = (0, 1, 0, ... , 0) , ... , en = (0, 0, ... , 0, 1) formam uma base B, chamada base usual, ou canônica, do espaço vetorial K n sobre o corpo K. Observemos que os vetores e1 = (1, 0, ... , 0), e2 = (0, 1, 0, ... , 0), ... , en = (0, 0, ... , 0, 1) não formam a única base do espaço n. Em geral, um espaço vetorial sobre um corpo infinito, como é o caso do n sobre o corpo dos números reais, admite um número infinito de bases. A base de um espaço vetorial é uma generalização, para espaços vetoriais arbitrários, do sistema de coordenadas em espaços bi e tridimensionais. Para elucidar essa afirmação, recorde que demonstramos acima que existe uma única maneira de expressar um vetor arbitrário v como uma combinação linear dos vetores de uma base B. Exemplo 2.4.5 Considere o plano usual xy, ou seja, o espaço vetorial 2 sobre . O vetor v = (3, −2) é linearmente independente, mas é incapaz de gerar sozinho o plano 2. Os vetores u = (2, 2), v = (3, −2) e w = (1, 4) geram o 2, mas não da maneira mais econômica, isto é, não são independentes. Porém, quaisquer dois desses vetores formam uma base de 2, ou seja, geram 2 da maneira mais econômica possível porque são linearmente independentes. Exemplo 2.4.6 Se S = {v1, v2, ... , vn} é um conjunto linearmente independente em um espaço vetorial V, então S é uma base do subespaço gerado 〈S〉, pois S gera 〈S〉 por definição de espaço gerado. Apesar de a escolha da base para se representar os vetores de um espaço não ser única, existe uma propriedade intrínseca do espaço que é comum a qualquer uma das bases. É um dos invariantes mais importantes da Matemática. Chama-se dimensão Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 46 do espaço vetorial. Notemos que uma das contribuições mais famosas de Einstein foi a idéia de que o nosso universo tem quatro dimensões: as três dimensões de comprimento, largura e altura, e mais o tempo. Hoje existem teorias que propõem onze dimensões para o nosso universo. O famoso físico- matemático Edward Witten, considerado o Einstein do final do Século XX, demonstrou um teorema que nos diz que a dimensão do universo tem que ser ímpar. Como a teoria física chamada de “o modelo padrão” precisa de dez dimensões para acomodar matematicamente todas as partículas conhecidas, segue-se que o nosso universo deve ter pelo menos onze dimensões. É também interessante especular que, quando um elétron “desaparece” de um nível quântico dentro de um átomo para “reaparecer” em outro, na verdade ele “se moveu continuamente” de um nível para outro mas em uma dimensão que não somos capazes de detectar! Teorema 2.4.2 Seja V um espaço vetorial de dimensão finita. Então, todas as bases de V têm o mesmo número de elementos. Exercício 2.4.6 (a) Suponha que B1 = {v1, v2, ... , vn} e B2 = {w1, w2, ... , wm} sejam bases de um mesmo espaço vetorial V. Demonstre que m = n. Conclua o teorema acima. O Teorema 2.4.2 implica que todas as bases de n têm o mesmo número n de vetores. Em particular, todas as bases de 3 têm 3 vetores, todas as bases de 2 têm 2 vetores e todas as bases de 1 = têm um vetor. Intuitivamente, 3 é tridimensional, 2 (um plano) é bidimensional e (uma reta) é unidimensional. Assim, o número de vetores de uma base é o mesmo que a dimensão desses espaços. Definição 2.4.3 A dimensão de um espaço vetorial é definida como o número de vetores de uma base de V e denotada por dim V. Se uma base for infinita, dizemos que o espaço é de dimensão infinita. Além disso, definimos o espaço vetorial nulo como tendo dimensão zero. Exemplo 2.4.7 Seja K um corpo qualquer. Consideremos o espaço Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 47 vetorial Kn que consiste de n − uplas de elementos de K. Os vetores e1 = (1,0,...,0), e2 = (0,1,0,...,0) , ......, en = (0,0,...,0,1) formam a base usual ou canônica de Kn. Assim, Kn tem dimensão n, ou seja, é um espaço vetorial de dimensão n sobre K. Exemplo 2.4.8 Seja U o espaço de todas as matrizes 2×2 sobre o corpo K. Então, as matrizes 00 01 , 00 10 , 01 00 , 10 00 formam uma base de U. Portanto, dim U = 4. Sejam V o espaço vetorial de todas matrizes m×n sobre K e seja Eij ∈ V a matriz cujo elemento ij é 1 e que tem 0 nas demais posições. Então, o conjunto {Eij} é a base usual de V; conseqüentemente dim Eij = mn. Exemplo 2.4.9 Seja Pn o espaço vetorial dos polinômios na variável x de grau ≤ n. O conjunto {1, x, x2, ..., xn} é linearmente independente e gera Pn. Assim, ele é uma base de Pn, logo dim Pn = n + 1. Por outro lado, o espaço vetorial de todos os polinômios não é de dimensão finita, pois nenhum conjunto finito de polinômios gera esse espaço como vimos no parágrafo anterior. Logo, esse espaço é de dimensão infinita. A principal relação entre a dimensão de um espaço vetorial e seus subconjuntos de vetores linearmente independentes está contida no seguinte resultado: Teorema 2.4.3 Seja V um espaço vetorial de dimensão finita n. Então: a) Qualquer conjunto de n + 1, ou mais, vetores é linearmente dependente. b) Qualquer conjunto linearmente independente é parte de uma base, isto é, pode ser estendido a uma base de V. c) Um conjunto linearmente independente com n elementos é uma base de V. Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 48 Exercício 2.4.7 Demonstre o teorema 2.4.3.Exemplo 2.4.10 Os vetores (1, 1, 1, 1), (0, 1, 1, 1), (0, 0, 1, 1), (0, 0, 0, 1) de 4 são linearmente independentes. Como dim 4 = 4, segue-se, do resultado anterior, que eles formam uma base de 4. Exemplo 2.4.11 Os quatro vetores (1, 1, 1), (0, 1, 1), (0, 0, 1) e (1, 0, 0) de 3 são linearmente dependentes, pois pertencem a um espaço vetorial de dimensão 3. O teorema seguinte nos ensina uma relação básica entre a dimensão n de um espaço vetorial V e a dimensão m de um subespaço seu: Teorema 2.4.4 Seja W um subespaço de um espaço vetorial V n-dimensional. Então, dim W ≤ n. Em particular, se dim W = n, então W = V. Exercício 2.4.8. Demonstre o Teorema 2.4.4. Exemplo 2.4.12 Seja W um subespaço do espaço vetorial 3. Como dim 3 = 3, segue-se, pelo teorema precedente, que a dimensão de W só pode ser 0, 1, 2 ou 3, Portanto: (a) se dim W = 0, então W = {0}, um ponto; (b) se dim W = 1, então W é uma reta passando pela origem; (c) se dim W = 2, então W é um plano passando pela origem; (d) se dim W = 3, então W = 3. 2.5 COORDENADAS Seja B = {v1, v2, ... , vn} uma base de um espaço vetorial V n − dimensional sobre um corpo K, e seja v um vetor qualquer em V. Como B gera V, v é uma combinação linear dos vi’s, isto é: v = a1v1 + a2v2 + ... + anvn, ai ∈ K. Como os vi’s são linearmente independentes, tal representação é única, isto é, os n escalares a1, a2, ... , an são completamente determinados pelo vetor v e a base B, como já vimos anteriormente. Dizemos que Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 49 esses escalares são as coordenadas de v em relação à base {vi}. Assim, denominamos a n − upla (a1, a2, ... , an) coordenadas de v em relação à base B, e a representamos por [v]B, ou simplesmente [v]. Exercício 2.5.9 Encontre as coordenadas de v = (4, −3, 2) em relação à base {(1, 0, 0), (1, 1, 0), (1, 1, 1)} de 3. Devemos notar que as coordenadas dependem não só dos vetores da base, mas também da ordem em que escrevemos os vetores da base, pois qualquer mudança na ordem dos vetores da base resulta em uma mudança da ordem das coordenadas. Observemos que existe uma correspondência bijetora entre um espaço vetorial V sobre K de dimensão n, e o espaço vetorial Kn. Tal correspondência preserva as operações de adição e multiplicação por escalar dos espaços vetoriais. Quando ocorre uma correspondência como essa entre espaços vetoriais V e W, sobre o mesmo corpo, dizemos que os espaços envolvidos são isomorfos e escrevemos V ≅ W. Portanto, podemos afirmar que: Teorema 2.5.5 Seja V um espaço vetorial n-dimensional sobre um corpo K. Então, V e Kn são isomorfos. Demonstração. A cada vetor v ∈ V corresponde, relativamente a uma base dada {v1, v2, ... , vn}, uma n − upla [v]B em Kn. Por outro lado, se (a1, a2, ... , an) ∈ Kn, então existe um vetor em V da forma a1v1 + a2v2 + ... + anvn. Assim, a base {v1, v2, ... , vn} determina uma correspondência bijetora entre os vetores de V e todas as n − uplas de Kn. Observe também que, se v = a1v1 + a2v2 + ... + anvn corresponde a (a1, a2, ... , an), e w = b1v1 + b2v2 + ... + bnvn corresponde a (b1, b2, ... , bn), então a soma v + w = (a1 + b1) v1 + (a2 + b2) v2 + ... + (an + bn) vn corresponde à soma (a1, a2, ... , an) + (b1, b2, ... , bn) e, para qualquer escalar k ∈ K, kv = (ka1)v1 + (ka2)v2 + ... + (kan)vn corresponde a k(a1, a2, ... , an). Portanto, demonstramos que Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 50 [v + w]B = [v]B + [w]B e [kv]B = k[v]B. Exercício 2.5.10 Seja S = {(1, 2, 1), (2, 3, 0), (0, 0, 1)} uma base de 3. (a) Encontre as coordenadas de v = (4, −1, 0) em relação a S. (b) Encontre o vetor v em 3 cujas coordenadas em relação à base S são (−1, 2, 3). Notemos que ainda não demonstramos a existência de uma base em um espaço vetorial! Portanto, devemos perguntar imediatamente se um espaço vetorial sempre tem uma base. Isso é verdade e a demonstração depende de um dos Axiomas básicos da Teoria dos Conjuntos que está subjacente à teoria matemática na qual estamos trabalhando agora. Uma Lógica e uma Teoria de Conjuntos determinam uma matemática. A Lógica que estamos utilizando é a Lógica Clássica Aristotélica reformulada por Gottlob Frege no final do Século XIX. Podemos dizer que a Teoria de Conjuntos de Zermelo- Fraenkel é a teoria de conjuntos subjacente à matemática na qual elaboramos os conceitos de álgebra real e de espaços vetoriais. O Axioma da Escolha, um dos axiomas básicos da Teoria de Conjuntos de Zermelo-Fraenkel, é a informação fundamental da qual derivamos o resultado “qualquer espaço vetorial possui uma base”. Uma outra Teoria de Conjuntos combinada com uma outra Lógica produzem uma outra matemática. A matemática na qual elaboramos, por exemplo, o modelo cinemático do robô plano chama-se Matemática Clássica. Uma outra pergunta obrigatória é se as bases de um espaço vetorial têm sempre o mesmo número de vetoresi. A resposta, como já sabemos é afirmativa, e fornece um dos mais importantes invariantes, não só da Matemática, mas também da Física: a dimensão de um espaço vetorial, finita ou infinita. Álgebras e Tecnologia Iniciação à Nova Matemática da Engenharia 2 – Combinações Lineares Geloneze-Menochi 51 NOTAS i Para discutir esse ponto é necessário lembrar que há infinitos infinitos e recorrer ao Lema de Zorn, tópicos que não podemos abordar aqui. 2.3 SUBESPAÇOS GERADOS, BASES E DIMENSÃO Exercício 2.3.1 Demonstre o item b) do teorema acima.
Compartilhar