Baixe o app para aproveitar ainda mais
Prévia do material em texto
LIÇÕES DE ÁLGEBRA LINEAR I E II VIA EXEMPLOS E EXERCÍCIOS RESOLVIDOS x 0 S⊥ PS⊥(x) S PS(x) Projeções Ortogonais de um Vetor x sobre um Subespaço S e sobre seu Complemento Ortogonal S⊥. JOSÉ RENATO RAMOS BARBOSA UFPR - 2020 2 UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE MATEMÁTICA LIÇÕES DE ÁLGEBRA LINEAR I E II VIA EXEMPLOS E EXERCÍCIOS RESOLVIDOS Autor: Professor José Renato Ramos Barbosa 2020 Conteúdo 1 Introdução: Origem, Objetivos e Diretrizes das NA 7 2 O Espaço Vetorial Rn 11 2.1 Geometria Analítica do R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.2 Rn: Espaço Euclidiano n-dimensional . . . . . . . . . . . . . . . . . . . . . . . 16 2.3 Produto Interno, Módulo e Ângulo em Rn . . . . . . . . . . . . . . . . . . . . . 17 2.4 Retas e Hiperplanos em Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.5 Subespaços do Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.5.1 Exemplos Gerais de Subespaços - Subespaço S Gerado por r Vetores . 24 2.5.2 Exemplo para S Gerado por r = 3 Vetores em R4 . . . . . . . . . . . . 24 2.5.3 Bases, LI e LD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.5.4 Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2.5.5 Ortogonalidade e Ortonormalidade . . . . . . . . . . . . . . . . . . . . 27 2.5.6 Subespaços de Subespaços . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.6 O Espaço R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 2.6.1 Projeção Ortogonal de x sobre y . . . . . . . . . . . . . . . . . . . . . . 29 2.6.2 Produto Vetorial de x e y . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 2.6.3 Relação entre Projeção Ortogonal e Produto Vetorial . . . . . . . . . . . 30 2.6.4 x e y são LD ⇐⇒ x × y = 0 . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.6.5 Produto Misto de x, y e z . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.6.6 Bases de R3 via Produto Misto . . . . . . . . . . . . . . . . . . . . . . . 31 2.7 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 2.7.1 Resolução do Exercício da 2.5.1 . . . . . . . . . . . . . . . . . . . . . . . 44 3 O Espaço Vetorial Rm×n 47 3.1 Adição de Matrizes - Multiplicação por Escalares . . . . . . . . . . . . . . . . . 47 3.1.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 3.1.2 Por que Rm×n é Espaço Vetorial? . . . . . . . . . . . . . . . . . . . . . . 49 3.2 Produto e Transposição de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . 52 3.3 Matrizes Quadradas são Importantes! . . . . . . . . . . . . . . . . . . . . . . . 53 3.4 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 3.5 Sistemas Lineares Ax = b e Escalonamento . . . . . . . . . . . . . . . . . . . . 56 3.5.1 Matriz Escalonada Reduzida R e Escalonamento . . . . . . . . . . . . . 58 3.6 Matrizes Invertíveis, Matrizes Elementares e Escalonamento . . . . . . . . . . 62 3.6.1 Matrizes Elementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 3.7 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 3 4 CONTEÚDO 4 Transformações Lineares, Autovalores e Autovetores 79 4.1 Transformações (Funções) Lineares . . . . . . . . . . . . . . . . . . . . . . . . . 80 4.1.1 Núcleo e Imagem de A (ou L) . . . . . . . . . . . . . . . . . . . . . . . . 86 4.1.2 Representação de L em Outras Bases . . . . . . . . . . . . . . . . . . . . 90 4.2 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 4.2.1 Diagonalização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 4.2.2 Matrizes Ortogonais e Diagonalização . . . . . . . . . . . . . . . . . . . 101 4.3 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 4.3.1 Resoluções de Alguns Exercícios que Precedem a Subseção 4.1.1 . . . . 116 5 Os Espaços Vetoriais Kn e Km×n 119 5.1 Definição e Propriedades do (Kn,+, ·) . . . . . . . . . . . . . . . . . . . . . . . 119 5.1.1 Pequena Revisão de C, o Corpo dos Números Complexos . . . . . . . 119 5.1.2 Corpo K . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 5.1.3 Espaço Kn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 5.2 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122 5.3 Informação Adicional: Diagonalização de A ∈ Cn×n . . . . . . . . . . . . . . . 131 5.3.1 Lema de Schur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 5.3.2 Teorema Espectral para A ∈ Cn×n. . . . . . . . . . . . . . . . . . . . . . 131 6 O Espaço Vetorial V (sobre o Corpo K) 133 6.1 Definição e Propriedades do (V ,+, ·) . . . . . . . . . . . . . . . . . . . . . . . . 133 6.1.1 Exemplos de V ‘Diferentes’ de Kn e Km×n . . . . . . . . . . . . . . . . 134 6.1.2 Subespaços, Bases, Dimensões, etc . . . . . . . . . . . . . . . . . . . . . 134 6.2 Isomorfismo entre Espaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . 136 6.2.1 Se dimV = n, Informações sobre V Podem Ser Obtidas Via Informa- ções sobre Kn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137 6.3 Alguns Resultados e Algumas Demonstrações . . . . . . . . . . . . . . . . . . 139 6.3.1 Espaços Finitamente Gerados, Vetores LI e LD, Bases . . . . . . . . . . 139 6.3.2 O Espaço Vetorial L(V ,W) . . . . . . . . . . . . . . . . . . . . . . . . . 143 6.3.3 dimV = n e dimW = m =⇒ L(V ,W) e Km×n são Isomorfos . . . . . 148 6.4 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 6.5 Informação Adicional: Dimensão de Soma Direta . . . . . . . . . . . . . . . . 163 7 L(V) 165 7.1 Subespaços Invariantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165 7.2 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 7.2.1 Nu(L − λI) é o Subespaço de V Constituído dos Autovetores de L Associados a λ Juntamente com 0V . . . . . . . . . . . . . . . . . . . . . 167 7.2.2 Polinômios com Operadores como Variáveis . . . . . . . . . . . . . . . 168 7.2.3 Se V 6= {0V} é Espaço Vetorial Complexo Finitamente Gerado, então T ∈ L(V) tem Autovalor. . . . . . . . . . . . . . . . . . . . . . . . . . . 170 7.2.4 Matrizes Triangulares e Operadores . . . . . . . . . . . . . . . . . . . . 171 7.2.5 Diagonalização e Operadores . . . . . . . . . . . . . . . . . . . . . . . . 174 7.2.6 Decomposição em Somas Diretas de Autoespaços . . . . . . . . . . . . 174 7.2.7 Complementos e Projeções Ortogonais. Mínimos Quadrados . . . . . 175 7.3 Funcionais Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 7.3.1 Teorema da Representação de Riesz . . . . . . . . . . . . . . . . . . . . 189 CONTEÚDO 5 7.4 Adjuntos, Auto-adjuntos e Normais. Teorema Espectral. Forma de Jordan . . . . . . . . . . . . . . . . . . . . . . . . 190 7.4.1 T ∈ L(V) =⇒ T∗ ∈ L(V) . . . . . . . . . . . . . . . . . . . . . . . . . . 191 7.4.2 Propriedades do Adjunto . . . . . . . . . . . . . . . . . . . . . . . . . . 191 7.4.3 Operador Hermiteano, isto é, Auto-adjunto . . . . . . . . . . . . . . . . 192 7.4.4 Operador Normal é o que Comuta com o seu Adjunto . . . . . . . . . 194 7.4.5 Teorema Espectral Complexo . . . . . . . . . . . . . . . . . . . . . . . . 195 7.4.6 Teorema Espectral Real . . . . . . . . . . . . . . . . . . . . . . . . . . . 197 7.4.7 Teorema (Forma Normal de Jordan) . . . . . . . . . . . . . . . . . . . . 200 7.5 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 7.6 Informação Adicional: Matrizes Quadradas × Operadores . . . . . . . . . . . 218 7.6.1 Para A ∈ Cn×n não diagonalizável, como obter P ∈ Cn×n invertível com P −1AP = J na forma de Jordan? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2196 CONTEÚDO Capítulo 1 Introdução: Origem, Objetivos e Diretrizes das NA SAUDAÇÕES UNIVERSITÁRIAS! Em geral, quase ninguém presta muita atenção em prefácios e bibliografias. Inicio assim chamando o prefácio e a bibliografia de Capítulo 1, que é um curtíssimo capítulo (com ape- nas três páginas e quatro referências bibliográficas) para que todos possam lê-lo e ter alguma noção do tratamento dado a Álgebra Linear (AL) a partir do Capítulo 2. Peço portanto al- gum nível de atenção neste capítulo, em particular na descrição das duas partes principais nas quais o material está dividido e no porque da abordagem ‘quase’ sem Determinantes que adotamos aqui. O conteúdo das Notas de Aulas (NA) que gestaram esse material foi sendo trabalhado e constantemente modificado por quase vinte anos. Daí é provável que a ordem e/ou a re- dação dos exercícios, bem como a quantidade dos mesmos, tenham variado em muitas das visitas ao endereço www.ufpr.br/∼jrrb. Observação análoga vale para as definições e os re- sultados que aqui figuram. Ainda, tal endereço será o local onde procurar pela errata deste material. Durante a quarentena do COVID 19, num momento em que a Terra quase parou e convi- dou a humanidade para um suspiro coletivo, resolvi tentar organizar as NA num formato adequado para a sua publicação. Bom, como o objetivo das NA sempre foi o de servir de apoio para cursos de AL ministrados na UFPR, imaginei que o alcance das mesmas pudesse ultrapassar os limites da instituição em que leciono. Embora possa não parecer claro, tentei escrever as NA no estilo dos livros de Matemática da renomada ‘Coleção Schaum’, isto é, o conteúdo é (em boa parte) trabalhado via exemplos e exercícios resolvidos. Além disso, o contéudo destas NA está dividido em duas partes, sendo que a primeira parte se estende, aproximadamente, até o final da seção 6.2, incluíndo alguns exercícios da seção 6.4. Nossa abordagem é distinta da maioria dos livros-texto comumente adotados. Na primeira parte, tentamos fazer uma transição suave da Geometria Analítica em R2 e R3 para a AL do Rn. Nesta ‘passagem de bastão’ para n = 1, 2, 3, . . ., o escopo é mais geométrico com alguns resultados mais abstratos, embora exaustivamente trabalhados, não demonstrados ou demonstrados apenas nos últimos capítulos. Assim, esperando que o(a) leitor(a) tenha absorvido tal generalização,1 fazemos depois outra transição suave, do Rn para o espaço Rm×n das matrizes com m linhas e n colunas. Segue daí um ‘movimento inercial’ para 1Inclusive tendo sido apresentada no final do Capítulo 2 parte de uma ‘AL no R3’! 7 8 CAPÍTULO 1. INTRODUÇÃO: ORIGEM, OBJETIVOS E DIRETRIZES DAS NA Escalonamento, Sistemas Lineares e para um estudo operacional - tipo um formulário de algum manual de tabelas e fórmulas - de Determinantes com ênfase apenas na resolução de exercícios.2 Na sequência entramos matricialmente no estudo das Funções Lineares e na Diagonalização das mesmas, sem contudo nos afastarmos do aspecto geométrico. Enfim, só depois dessa ‘pegada’ mais aplicada/concreta é que apresentamos escalares e espaços mais gerais. Em todo esse trajeto a abstração vai aumentando gradualmente, como seria natural para aqueles que estão se ambientando com algum conhecimento novo. Por terem um ‘sabor’ semelhante ao da primeira parte das NA, recomendo os seguintes livros: VETORES E MATRIZES UMA INTRODUÇÃO À ÁLGEBRA LINEAR NATHAN MOREIRA DOS SANTOS 4A. EDIÇÃO - 2007 THOMSON e INTRODUÇÃO Á ÁLGEBRA LINEAR GILBERT STRANG TRADUÇÃO DA 4A. EDIÇÃO NORTE-AMERICANA LTC . Aqui, cada nota de rodapé (ndr) tem papel importante (e DEVE ser lida como parte inte- grante do texto) para quem estiver cursando AL pela primeira vez. O mesmo vale para demonstrações de alguns resultados e resoluções, dicas, sugestões e respostas de alguns exercícios quando o texto estiver escrito em ‘footnote’, isto é, no tamanho das ndr. Agora, para quem já cursou AL, a leitura pode ser feita em ritmo de revisão. Deliberadamente não incluí ou adiei demonstrações de alguns resultados na primeira parte das NA pois a mesma foi concebida para cursos de caráter mais aplicado (engenharias, por exemplo). Alunos/Leitores interessados em preencher tais lacunas/adiamentos são convi- dados a recorrerem à outros livros da área (como, por exemplo, os previamente citados) ou tentar entender antecipadamente a segunda parte das NA (que é trabalhada a partir da seção 6.3). Nesta segunda parte adotamos uma abordagem de um segundo curso (ou de um curso ‘honors’) de AL, onde demonstramos resultados que tinham sido apenas enunci- ados nos capítulos e seções anteriores. Além disso, cada resultado que tradicionalmente é demonstrado usando Determinantes é aqui obtido via ‘Determinant-free proof’ na linha do artigo DOWN WITH DETERMINANTS SHELDON AXLER https://www.maa.org/sites/default/files/pdf/awards/Axler-Ford-1996.pdf . Com isso, essas NA podem ser também utilizadas por alunos das exatas, ficando a primeira parte para aplicações/exemplos da segunda. Em linhas gerais, para a segunda parte, seguimos a abordagem do excelente livro: 2Neste ponto, convém ressaltar que, a rigor, a utilidade da teoria dos Determinantes é apenas teórica. Na prática, por exemplo, a obtenção dos ‘autovalores’ de uma matriz n por n arbitrária, caso n seja suficientemente grande, calculando as raízes do ‘polinômio característico’ de tal matriz é uma tarefa (a ‘tempo polinomial’) com quase nenhuma possibilidade de sucesso para a complexidade computacional (binária) atual. Mesmo que n não seja tão grande, o custo computacional de tal cálculo ainda é muito alto. Por outro lado, para n = 2, 3, 4, por exemplo, é bem provável que os estudantes possam realizar tal cálculo praticamente com o conhecimento sobre Determinantes adquirido no ensino médio! 9 LINEAR ALGEBRA DONE RIGHT SHELDON AXLER 3RD EDITION SPRINGER VERLAG . Aqui, as caixas SOLUÇÃO: e RESPOSTA: têm o mesmo significado, enquanto que a caixa RESOLUÇÃO: representa o ‘cálculo’ que acarreta tal solução/resposta. Além disso, u.c. sig- nifica ‘unidade(s) de comprimento’. O pré-requisito para a leitura destas NA é um curso de Geometria Analítica. Aliás, inicio tais NA com uma revisão de tal curso no R2. Falando em pré-requisitos, gostaria de expressar que vejo a Matemática como uma lingua- gem tipo Português, Inglês, Francês, etc. Assim, temos também ‘Matematiquês’, ‘Fisiquês’, ‘Quimiquês’, ‘Informatiquês’, etc. Aprender uma Língua é antes, praticamente, ser alfabe- tizado nela. Já nessa etapa preliminar é preciso estudá-la e praticá-la (para não cometer equívocos com a mesma). Note que não é fácil querer fazer um estudo avançado da Língua sem ter sido alfabetizado nela. Como diz o ditado: ‘O avançado é fazer o básico bem feito!’. Por outro lado, para ter fluência na Língua é preciso, além do estudo e da prática, conhecer todo um jargão da área. Apenas estudar na proximidade de cada prova é perda de tempo para quase todos que assim procedem. Sugestões para o aprimoramento e/ou a clareza das NA serão muito bem vindas. Serei, não só grato mas também todo ouvidos e olhos. Dedico esse pequeno trabalho ao meu Filho THEO. 10 CAPÍTULO 1. INTRODUÇÃO: ORIGEM, OBJETIVOS E DIRETRIZES DAS NA Capítulo 2 O Espaço Vetorial Rn 2.1 Geometria Analítica do R2 Em Geometria Analítica (GA), define-se o espaço R2 dos vetores u, v, w representados por pares ordenados de números reais. Tal espaço, como estabelecido em GA, é dotado de duas operações definidas ‘coordenada-a-coordenada’: adição u + v e multiplicação por escalar αw com α real. u v u + v w αw com α > 1 αw com 0 < α < 1 αw com −1 < α < 0 αw com α < −1 Em GA, define-se ainda o produto interno (escalar) u · v, calculado via a soma dos produtos das coordenadas respectivas de u e v, como também define-se o módulo (comprimento) ||w|| = √ w · w u.c.. Óbvio que também é possível calcular u + w, v + w, αu, αv, u ·w, v ·w, ||u|| e ||v||. Além disso, no lugar de u, v, w e α, poderíamos ter utilizado, respectivamente, x, y, z, a, . . . e λ, a, x, t, . . ..Todas tais operações e suas propriedades,1 bem como verificações das mesmas, devem ter sido vistas tanto geometricamente - por exemplo, como ilustrado na figura anterior - quanto 1Exemplos: comutatividade tanto da adição quanto do produto interno de vetores; o módulo do múltiplo escalar de um vetor iguala o produto do módulo de tal escalar pelo módulo de tal vetor; 0 = (0, 0) é o elemento neutro aditivo; etc. 11 12 CAPÍTULO 2. O ESPAÇO VETORIAL RN algebricamente e numericamente. Para os exercícios seguintes, considere antes os seguintes itens: • i = (1, 0) e j = (0, 1). i j ||i|| = ||j|| = 1 u.c. • Em geral, u, v e w têm a origem do plano cartesiano como ponto inicial. x y u v w • Ângulos são medidos em radianos. Contudo, eventuais respostas podem vir em graus. EXERCÍCIOS SOBRE VETORES EM R2: 1. Para qual valor de x os vetores u = ( 1, x2 − 1 ) e v = (x + 2, 0) verificam a igualdade u = v? RESPOSTA: x = −1. 2. Se o vetor u tem módulo igual a 3 u.c. e o vetor v tem módulo igual a 2 u.c., qual é o maior (respectivamente, menor) valor que o módulo da soma u + v pode assumir? RESPOSTA: 1 u.c. ≤ ||u + v|| ≤ 5 u.c..2 3. Sejam v 6= 0 e u = v||v|| . (a) Verifique que u é unitário, isto é, ||u|| = 1 u.c., e tem a mesma direção e o mesmo sentido de v.3 (b) Determine u se v = (−8, 6). RESPOSTA: u = (−4/5, 3/5). 2 SUGESTÃO: Por um lado, como deve ser de conhecimento comum, vale a seguinte desigualdade trian- gular ||u + v|| ≤ ||u||+ ||v|| . Por outro lado, aplicando tal desigualdade na soma u = (u + v) + (−v) e usando que ||−v|| = ||v|| , obtemos ||u|| − ||v|| ≤ ||u + v|| . 3 SUGESTÕES: Para v = (x, y), determine u. Daí calcule ||u||. Para outra resolução, devido a v 6= 0, considere α = 1||v|| e calcule daí o módulo de u = αv. 2.1. GEOMETRIA ANALÍTICA DO R2 13 4. Deve ter sido visto em GA que, para quaisquer vetores u, v e w e para cada escalar α, temos que: - (v + u) · w = v · w + u · w; v · (u + w) = v · u + v · w; (distributividade) - v · u = u · v; (comutatividade) - v · (αu) = (αu) · v = α (u · v); (comutatividade, associatividade) - ||w|| = √w · w. (definição de módulo) Sejam u e v unitários. Use as propriedades anteriores para calcular o produto interno dos vetores dados em cada um dos itens seguintes. (a) u e −u. RESPOSTA: −1. (b) v + u e v − u. RESPOSTA: 0.4 (c) v − 2u e v + 2u. RESPOSTA: −3. 5. O ângulo θ entre dois vetores não nulos, u e v, é aquele entre 0 e π radianos que satisfaz a condição cos θ = u · v ||u|| ||v|| . (2.1) (a) Verifique a validade de (2.1) para u e v unitários e tais que:5 i. o ângulo entre u e i mede π/3 e o ângulo entre v e i mede 2π/3; θ = π/3; ii. o ângulo entre u e i mede π/4 e o ângulo entre v e i mede 3π/4; θ = π/2. (b) Verifique a validade de (2.1) em geral, a partir das duas etapas seguintes: i. Esboce o gráfico da função f (θ) = cos θ para θ entre 0 e π radianos. Observe daí que, para cada número real r entre −1 e 1 (no eixo das ordenadas), existe um único θ = θ(r) entre 0 e π (no eixo das abcissas) com r = f (θ); ii. Via a desigualdade de Cauchy-Schwarz (que possivelmente tenha sido vista em GA) |u · v| ≤ ||u|| ||v|| , demonstre que u · v ||u|| ||v|| é um número r entre −1 e 1. 6. Seja u = (x, y) ∈ R2 unitário. Seja θ o ângulo entre u e i. 4 RESOLUÇÃO: (v + u) · (v − u) = (v + u) · (v + (−1)u) = v · (v + (−1)u) + u · (v + (−1)u) (dist.) = v · v + (−1) (u · v) + u · v + (−1) (u · u) (dist., comut., assoc.) = ||v||2 − u · v + u · v − ||u||2 (def. mód.) = 1 − 0 − 1 (u, v unitários) = 0. 5 DICA: Use o exercício 6, dado a seguir, para obter as coordenadas de u e v. 14 CAPÍTULO 2. O ESPAÇO VETORIAL RN (a) Verifique que u = (cos θ, sen θ) = cos θ i + sen θ j. (b) Determine u para cada θ dado a seguir: i. 0; ii. π/6; iii. π/4; iv. π/3; v. π/2; vi. 3π/4. 7. Seja v = (x, y). Seja θ o ângulo entre v e i. (a) Verifique que tan θ = yx . 6 (b) Determine θ para v = −4i + 3j. (c) Determine θ para v = i − j. 8. Do exercício 5 anterior, temos que u · v = ||u|| ||v|| cos θ. Use tal fórmula para calcular o produto interno u · v se: (a) u e v são unitários e representam lados de um triângulo equilátero no primeiro quadrante; (b) u é unitário com ângulo de π/4 com o vetor i enquanto que v tem a metade do comprimento de u e forma um ângulo de 5π/12 com i. 9. Dizer que dois vetores u e v não-nulos são ortogonais (entre si) significa que u · v = 0.7 Ainda, denotamos tal ortogonalidade por u ⊥ v. (a) Considere u = i, v = j e u + v. Por um lado, verifique que u ⊥ v. Por outro lado, calcule ||u||, ||v|| e ||u + v||. Verifique agora que ||u + v||2 = ||u||2 + ||v||2. (b) Faça como no item anterior para u = (√ 2, √ 2 ) e v = ( − √ 2, √ 2 ) . (c) Use o Teorema de Pitágoras para verificar que, para quaisquer u e v em R2, ||u + v||2 = ||u||2 + ||v||2 se u ⊥ v. 6 SUGESTÃO: Sem perda de generalidade, suponha que v é unitário. Agora aplique o exercício anterior. 7Veja exercício anterior! 2.1. GEOMETRIA ANALÍTICA DO R2 15 (d) Demonstre o resultado anterior a partir do seguinte fato: ||u + v||2 = (u + v) · (u + v) . 10. Obtenha a equação vetorial da reta r que passa pelo ponto (final de) x0 com vetor diretor (ou na direção do vetor) a, isto é, r : x = x0 + ta, t ∈ R, para: (a) x0 = (1, 2) e a = (1, 1); (b) x0 = (1,−2) e a = (−1, 2); (c) x0 = (2, 2) e a = i; (d) x0 = (2, 2) e a = j. Ainda, em cada item anterior, quando possível, determinar a equação afim y = ax + b da reta r obtida.8 11. Considere r e s duas retas com vetores diretores v e w, respectivamente. Tais retas são ditas: • paralelas quando tais vetores diretores são múltiplos escalares um do outro, isto é, quando w = αv para algum escalar α; • perpendiculares quando v ⊥ w. Dê exemplos de retas que sejam paralelas (respectivamente, perpendiculares). Escreva equações vetorias para tais retas. 8 DICA: Apenas no (d), a equação afim não pode ser obtida! 16 CAPÍTULO 2. O ESPAÇO VETORIAL RN 2.2 Rn: Espaço Euclidiano n-dimensional Assim como temos os vetores em R2, temos os veto- res em R3 e, em geral, em Rn com n inteiro positivo. Passamos daí do plano para o espaço e para o hiperes- paço. Neste capítulo estudamos tais (hiper)espaços. No próximo capítulo, veremos que o que ocorre em tais espaços, grosso modo, também acontece no es- paço das ‘matrizes’ m × n. x ∈ Rn significa que: x é a n-upla ordenada cujas coordenadas (ou componentes) são os números (reais) x1, . . . , xn, nesta ordem, isto é, x = (x1, . . . , xn) , ou x é a matriz n × 1 cujas entradas da sua única coluna são os números x1, . . . , xn, nesta ordem, mas escritos de cima para baixo, isto é, x = x1 ... xn . Em R4, por exemplo, podemos ter x = (1, 2, 3, 4) ou x = 1 2 3 4 . Um tal x com tais n coordenadas é dito um vetor em Rn. NESTE CAPÍTULO, BEM COMO NOS PRÓXIMOS DOIS CAPÍTULOS, SEM PERDA DE GENERALIDADE, ‘VETOR’ SIGNIFICA ‘VETOR EM Rn’. Em analogia a x, um vetor denotado por outra letra, digamos y, pode ser representado por y = (y1, . . . , yn) ou y = y1 ... yn . • A palavra ‘ordenada’, usada anteriormente, significa que a ordem das coordenadas é importante, isto é, se x e y são dois vetores, então x = y representa a igualdade das coordenadas respectivas de tais vetores, isto é, xi = yi, i = 1, . . . , n. Por exemplo, em R2, (1, 2) 6= (2, 1). 2.3. PRODUTO INTERNO, MÓDULO E ÂNGULO EM RN 17 • A soma dos vetores x e y é o vetor x + y cuja i-ésima coordenada é dada por xi + yi, i = 1, . . . , n. Por exemplo, em R3, se x = (1, 2, 3) e y = (−1, 1/2, 1), então x + y = (0, 5/2, 4). • Dados o vetor x e o escalar α ∈ R, o vetor αx cuja i-ésima coordenada é dada por αxi, i = 1, . . . , n, é dito um produto por escalar. Por exemplo, em R2, se α = 13 e x = [ 3/2 3 ] , então αx = [ 1/2 1 ] . Para quaisquer vetores x, y, z e escalares α, β ∈ R, as seguintes propriedades são válidas: 1. x + y = y + x; (comutativa) 2. (x + y) + z = x + (y + z); (associativa) 3. 0 = (0, . . . , 0) ∈ Rn é tal que x + 0 = x; (vetornulo) 4. −x = (−1)x é tal que x + (−x) = 0; (vetor simétrico) 5. α(x + y) = αx + αy; (distributiva em relação a soma dos vetores) 6. (α + β)x = αx + βx; (distributiva em relação a soma dos escalares) 7. (αβ)x = α(βx); (associativa) 8. 1x = x. DEMONSTRAÇÃO DA PROPRIEDADE 1: Como visto no início desta seção, a igualdade dos vetores x+ y e y+ x é equivalente a igualdade das suas i-ésimas componentes, i = 1, . . . , n. Estas i-ésimas componentes são dadas por xi + yi e yi + xi, i = 1, . . . , n. Portanto, como a adição em R é comutativa,9 temos que xi + yi = yi + xi, i = 1, . . . , n. Assim, x + y = y + x. EXERCÍCIO: Demonstre as propriedades 2–8 anteriores. 2.3 Produto Interno, Módulo e Ângulo em Rn Produto Interno. O número real x · y := x1y1 + · · ·+ xnyn é dito o produto interno (ou escalar) dos vetores x e y. Por exemplo, em R3, se x = ln 2 3/ √ 2 −3 e y = −1 1 cos π4 , então x · y = ln(1/2). Para quaisquer vetores x, y, z e cada escalar α ∈ R, valem as seguintes propriedades: 9Lembram do mantra A ORDEM DAS PARCELAS NÃO ALTERA A SOMA? 18 CAPÍTULO 2. O ESPAÇO VETORIAL RN 1. x · y = y · x; (comutativa) 2. x · (y + z) = x · y + x · z; (distributiva em relação a soma de vetores) 3. α(x · y) = (αx) · y = x · (αy); 4. x · x ≥ 0 e x · x = 0 se, e somente se, x = 0; (não-negatividade) 5. x · 0 = 0. EXERCÍCIO: Demonstre as propriedades anteriores. Note que, embora a demonstração da última propriedade, pela definição de produto escalar, seja trivial, outra demonstração segue da propriedade distributiva anterior, x · 0 = x · (0 + 0) = x · 0 + x · 0, e do fato de 0 ser o único número tal que x = x + 0 para qualquer x em R. Módulo. O número real não-negativo ||x|| := √ x · x = √ x21 + · · ·+ x2n é dito o módulo (ou a norma ou o comprimento) do vetor x. Por exemplo, em R4, se x = 3 4 − √ 5√ 6 , então ||x|| = √ 32 + 42 + ( − √ 5 )2 + √ 6 2 = √ 9 + 16 + 5 + 6 = 6 u.c. Para quaisquer vetores x e y e cada escalar λ ∈ R, valem as seguintes propriedades: 1. ||λx|| = |λ| ||x||; 2. ||x|| ≥ 0; ||x|| = 0 se, e somente se, x = 0; (não-negatividade) 3. |x · y| ≤ ||x|| ||y||; (desigualdade de Cauchy-Schwarz) 4. ||x + y|| ≤ ||x||+ ||y||. (desigualdade triangular) DEMONSTRAÇÃO DA PROPRIEDADE 3: Se y = 0, ambos os lados da desigualdade se anulam. Assim, seja y 6= 0. Como 0 ≤ (x + λy) · (x + λy) = x · x + 2λ(x · y) + λ2(y · y), 2.3. PRODUTO INTERNO, MÓDULO E ÂNGULO EM RN 19 em particular, se λ = − x·yy·y , temos que 0 ≤ x · x − 2 (x · y) 2 y · y + (x · y)2 y · y = x · x − (x · y)2 y · y . Assim, multiplicando esta última desigualdade por y · y, temos que 0 ≤ (x · x)(y · y)− (x · y)2, isto é, |x · y|2 ≤ ||x||2||y||2. DEMONSTRAÇÃO DA PROPRIEDADE 4: ||x + y||2 = (x + y) · (x + y) = x · x + 2 x · y + y · y = ||x||2 + 2 x · y + ||y||2 ≤ ||x||2 + 2|x · y|+ ||y||2 ≤ ||x||2 + 2||x|| ||y||+ ||y||2, onde usamos: • a definição de norma na primeira e terceira igualdades; • a distributividade do produto interno em relação a soma de vetores e a comutatividade do produto interno na segunda igualdade; • na primeira desigualdade que t ≤ |t| para cada real t; • a desigualdade de Cauchy-Schwarz na última desigualdade. Agora é só aplicar raiz quadrada em ||x + y||2 ≤ (||x||+ ||y||)2. EXERCÍCIO: Demonstre as propriedades 1 e 2 anteriores. Ângulo. Sejam x e y vetores não-nulos. Daí, pela desigualdade de Cauchy-Schwarz e via a propriedade da não-negatividade de normas,10 temos que −1 ≤ x · y||x|| ||y|| ≤ 1. Portanto, como x·y||x|| ||y|| é um número entre −1 e 1, existe um único ângulo θ = θ(x, y) (em radianos) entre 0 e π tal que cos θ = x · y ||x|| ||y|| . Definimos tal θ como o ângulo entre os vetores x e y. (O caso x · y ||x|| ||y|| = √ 2 2 e θ = π 4 está ilustrado na figura seguinte.) 10Neste caso, a positividade das mesmas! 20 CAPÍTULO 2. O ESPAÇO VETORIAL RN π 1 0 −1 θ = π4 x·y ||x|| ||y|| = 1√ 2 EXEMPLO: Em R4, sejam x = (1,−1, 0, 2) e y = ( −1, 1, 12 ,−2 ) . Daí, como x · y = −6, ||x|| = √ 6 u.c. e ||y|| = 52 u.c., temos que cos θ ≈ −6 2, 45 · 2, 5 ≈ −1. Portanto θ está próximo de π radianos. Note que, agora, podemos calcular o produto interno (de vetores x e y arbitrários) por x · y = ||x|| ||y|| cos(x, y). Dizer que x e y são ortogonais (entre si) significa que x · y = 0, isto é, um dos vetores, x ou y, é nulo ou (x, y) = π2 radianos. Por exemplo, em R2, x = (1, 1) e y = (−1, 1) são ortogonais. EXEMPLO IMPORTANTE DE VETORES ORTOGONAIS: Considere i = 1, . . . , n. Seja ei o vetor do Rn cuja i-ésima coordenada é 1 e esta é a sua única coordenada não nula. Daí, é fácil ver que, se juntamente com i, considerarmos o índice j = 1, . . . , n, temos: ei · ej = { 0 se i 6= j; 1 se i = j. EXEMPLO: Em R3, e1 = i, e2 = j e e3 = k representam, repectivamente, as três primeiras colunas da matriz identidade 3 × 3. Logo e1 · e1 = e2 · e2 = e3 · e3 = 1; e1 · e2 = e1 · e3 = e2 · e3 = 0. Use a comutatividade do produto interno na última linha para obter os três produtos faltantes! 2.4. RETAS E HIPERPLANOS EM RN 21 2.4 Retas e Hiperplanos em Rn Vamos generalizar os conceitos de reta e plano vistos em GA. Sejam x0 e a vetores fixos, a 6= 0, x um vetor arbitrário e t um escalar que pode assumir qualquer valor em R. Daí: 1. x = x0 + ta representa a reta r que passa pelo ponto (final de) x0 na direção do vetor a; 2. a · (x − x0) = 0 representa o (hiper)plano Π que passa pelo ponto (final de) x0 com normal a. Por exemplo, em R3, se x0 = (x0, y0, z0), a = (a, b, c) e x = (x, y, z), as equações paramétricas de r e a equação geral de Π são dadas respectivamente por: 1. x = x0 + ta, y = y0 + tb, z = z0 + tc com t representando um escalar arbitrário; 2. ax + by + cz = d com d = ax0 + by0 + cz0. Para uma ilustração, veja a Figura 2.1. 0 x = x0 + ta x0 ta 0 r Π a a x x − x0 x0 Figura 2.1: Reta r e Plano π em R3. E quanto as retas e aos planos que ‘passam’ pela origem? Seja x0 = 0. Então, r e Π podem ser representados respectivamente por: 1. x = ta ; 2. a · x = 0 . Para o exemplo em R3 anterior, temos agora: 1. x = ta, y = tb, z = tc ; 2. ax + by + cz = 0 . 22 CAPÍTULO 2. O ESPAÇO VETORIAL RN 2.5 Subespaços do Rn São subconjuntos S do Rn tais que: 1. 0 ∈ S ; 2. αx ∈ S para cada escalar α ∈ R e qualquer vetor x ∈ S ; 3. x + y ∈ S para quaisquer vetores x, y ∈ S . EXEMPLO: Em R2, a reta (que passa pela origem) S = { x = [ x y ] ∣ ∣ ∣ ∣ y = x } é um subespaço do R2. De fato, note primeiramente que 0 = [ 0 0 ] ∈ S pois as coordenadas do vetor nulo satisfazem a equação y = x, isto é, x = y = 0 =⇒ y = x. Sejam agora α ∈ R, x = [ x1 y1 ] e y = [ x2 y2 ] ∈ S , isto é, { y1 = x1; y2 = x2. (2.2) Daí, por um lado, αx = [ αx1 αy1 ] ∈ S pois, multiplicando a primeira igualdade de (2.2) por α, é fácil ver que x = αx1 e y = αy1 =⇒ y = x. Por outro lado, x + y = [ x1 + x2 y1 + y2 ] ∈ S pois, somando os membros correspondentes das igualdades de (2.2), é fácil ver que, x = x1 + x2 e y = y1 + y2 =⇒ y = x. EXEMPLO: O plano (que passa pela origem) S = { x = (x, y, z) ∣ ∣ x + y + z = 0 } é um subespaço do R3. De fato, note primeiramente que 0 = (0, 0, 0) ∈ S pois as coordena- das do vetor nulo satisfazem a equação x + y + z = 0, isto é, x = y = z = 0 =⇒ x + y + z = 0. Sejam agora α ∈ R e x = (x1, y1, z1) , y = (x2, y2, z2) ∈ S , isto é, { x1 + y1 + z1 = 0; x2 + y2 + z2 = 0. 2.5. SUBESPAÇOS DO RN 23 Daí, por um lado, αx = (αx1, αy1, αz1) ∈ S pois αx1 + αy1 + αz1 = α (x1 + y1 + z1) = α · 0 = 0. Por outro lado, x + y = (x1 + x2, y1 + y2, z1 + z2) ∈ S pois (x1 + x2) + (y1 + y2) + (z1 + z2) = x1 + x2 + y1 + y2 + z1 + z2 = x1 + y1 + z1 + x2 + y2 + z2 = 0 + 0 = 0. EXEMPLO: S = { x = (x, y, z) ∣ ∣ x − y = 0 e z = 0 } é um subespaço do R3. De fato, a reta (que passa pela origem) S = { x = t(1, 1, 0) ∣ ∣ t ∈ R } representa a interseção dos planos (que passam pela origem) x − y = 0 e z = 0.11 Note que tal S é a reta do primeiro exemplo de subespaço dado anteriormente,só que agora tal reta está sendo representada como um subconjunto do R3. Os três exemplos anteriores não são casos isolados. O próximo exercício vai estabelecer que, de modo geral, qualquer hiperplano que passa pela origem e interse- ções de hiperplanos que passam pela origem (inclu- sive retas que passam pela origem) são subespaços do Rn. OK! Vimos exemplos de subespaços S do Rn. Mas quando algum S ⊂ Rn não é um subespaço do Rn? Quando ocorrer ao menos uma das três condições seguintes: • 0 6∈ S ; • αx 6∈ S para algum escalar α e algum vetor x de S ; • x + y 6∈ S para algum par de vetores x e y de S . EXEMPLO: O plano S = x = x y z ∣ ∣ ∣ ∣ ∣ x + y + z = 1 não é um subespaço do R3 por inúmeros motivos. Daremos apenas três. Escolha aquele que mais te agradar! 1o. 0 6∈ S pois suas coordenadas são tais que 0 + 0 + 0 6= 1; 2o. Se α = −1 e x = e1, então αx 6∈ S pois suas coordenadas são tais que −1 + 0 + 0 6= 1; 3o. Se x = e1 e y = e2, então x + y 6∈ S pois suas coordenadas são tais que 1 + 1 + 0 6= 1. 11Verifique! 24 CAPÍTULO 2. O ESPAÇO VETORIAL RN 2.5.1 Exemplos Gerais de Subespaços - Subespaço S Gerado por r Vetores EXERCÍCIO: Em cada um dos itens seguintes, verifique que S é um subespaço do Rn. Aqui, a, a1, a2, . . . , ar são vetores fixados do Rn e tais vetores são não nulos para os itens 3, 4 e 5.12 1. S = {0}; (subespaço trivial) 2. S = Rn; (subespaço trivial) 3. S = {x = ta |t ∈ R}; (reta que passa pela origem na direção do vetor a) 4. S = {x | a · x = 0}; (hiperplano que passa pela origem com normal a) 5. S = {x | a1 · x = 0, a2 · x = 0, . . . , ar · x = 0};13 (interseção de r hiperplanos que passam pela origem com normais a1, a2, . . . , ar) 6. Para r escalares arbitrários, digamos c1, c2, . . . , cr,14 a soma c1a1 + c2a2 + · · ·+ crar é dita uma combinação linear (CL) de a1, a2, . . . , ar. Seja S o conjunto de todas tais CL’s, isto é, S = { x ∣ ∣ x é CL de a1, a2 . . . , ar } . (subespaço gerado por a1, a2 . . . , ar) É importante saber que qualquer subespaço de Rn é gerado por um número finito de vetores. Em outras palavras, qualquer subespaço S de Rn é da forma enunciada no item 6 deste exercício. A demonstração de tal fato encontra-se na seção 6.3. 2.5.2 Exemplo para S Gerado por r = 3 Vetores em R4 Se c1 = −1, a1 = (1,−1, 2, 3), c2 = 2, a2 = ( 1, 0,−1, 12 ) , c3 = 34 e a3 = ( 1 3 , 1,−1,−2 ) , então c1a1 + c2a2 + c3a3 = ( 5 4 , 7 4 ,−19 4 ,−7 2 ) 12As resoluções encontram-se no final deste capítulo! 13 EXEMPLOS: • Em R3, seja S = (x, y, z) ∣ ∣ ∣ ∣ ∣ { x + y + z = 0, x − 2y + z = 0, x + y − 3z = 0. . Aqui, n = r = 3 e a1 = (1, 1, 1), a2 = (1,−2, 1) e a3 = (1, 1,−3). • Em R4, seja S = { (x, y, z, w) ∣ ∣ ∣ { x + y + w = 0, x − y + z = 0. } . Aqui, n = 2r = 4 e a1 = (1, 1, 0, 1) e a2 = (1,−1, 1, 0). 14Note que r ∈ {1, 2, 3, . . .}. 2.5. SUBESPAÇOS DO RN 25 é uma CL de a1, a2, a3. Agora, se c1 = 1, c2 = −1 e c3 = −3, então c1a1 + c2a2 + c3a3 = ( −1,−4, 6, 17 2 ) é uma outra CL de a1, a2, a3. Logo, considerando outras possibilidades para c1, c2 e c3, ve- mos que existe uma infinidade de CL’s de a1, a2, a3. Em particular, além das duas anteriores, note que o próprio a1 é uma CL de a1, a2, a3. (De fato, considere c1 = 1, c2 = c3 = 0.) Analo- gamente, a2 e a3 são CL’s de a1, a2, a3. Também é fácil ver que 0 é CL de a1, a2, a3: basta con- siderar c1 = c2 = c3 = 0. Portanto, para tal exemplo, os vetores 0, a1, a2, a3, ( 5 4 , 7 4 ,− 194 ,− 72 ) , ( −1,−4, 6, 172 ) , bem como todas as outras possíveis CL’s de a1, a2, a3 (obtidas ao atribuirmos valores quaisquer aos escalares c1, c2 e c3), representam os vetores de S . 2.5.3 Bases, LI e LD Para o subespaço gerado por a1, a2, . . . , ar, afirmar que {a1, a2, . . . , ar} é uma base de S sig- nifica que, além destes r vetores gerarem S , isto é, S = { x ∣ ∣ x é CL de a1, a2, . . . , ar } , temos ainda que os vetores a1, a2, . . . , ar são linearmente independentes (LI), isto é, a única solução da equação x1a1 + x2a2 + · · ·+ xrar = 0 é a trivial x1 = x2 = · · · = xr = 0. Caso a solução trivial não seja a única solução, dizemos que os r vetores são LD. EXEMPLOS EM R3: • Sejam a1 = (1,−1, 1), a2 = (−1, 1, 2) e a3 = (0, 0, 3). Seja S = { x ∣ ∣ x é CL de a1, a2, a3 } o subespaço gerado por a1, a2, a3. Assim, para que {a1, a2, a3} seja base de S , estes três vetores devem ser LI. Contudo, os vetores a1, a2 e a3 são LD pois a equação x1a1 + x2a2 + x3a3 = 0 admite, por exemplo, a solução não trivial x1 = 1, x2 = 1 e x3 = −1 devido a a3 = a1 + a2. Daí, como a3 é uma CL de a1, a2, temos que a3 pertence ao subespaço S gerado por a1, a2, isto é, a3 ∈ S = { x ∣ ∣ x é CL de a1, a2 } . Por outro lado, a1, a2 são LI pois x1a1 + x2a2 = 0 ⇐⇒ (x1 − x2,−x1 + x2, x1 + 2x2) = (0, 0, 0) ⇐⇒ { x1 − x2 = 0 x1 + 2x2 = 0 ⇐⇒ x1 = x2 = 0. Logo {a1, a2} é uma base para S . 26 CAPÍTULO 2. O ESPAÇO VETORIAL RN • e1, e2, e3 são LI pois é fácil ver que x1e1 + x2e2 + x3e3 = 0 só admite a solução trivial x1 = x2 = x3 = 0. Além disso, tais vetores claramente geram S = R3: x = x1 x2 x3 ⇐⇒ x = x1e1 + x2e2 + x3e3. Então {e1, e2, e3} é uma base de S . Observações • Pode ser demonstrado que {x1, x2, . . . , xn} é uma base para Rn se, e somente se, cada x ∈ Rn pode ser escrito de modo único como CL dos vetores de tal base.15 • Considere n vetores x1, x2, . . . , xn em Rn. Demonstra-se que as três afirmações seguin- tes são equivalentes: – Tais vetores formam uma base para Rn. – Tais vetores geram Rn. – Tais vetores são LI. Embora tal equivalência seja válida para cada inteiro positivo n, vamos demonstrá-la neste capítulo apenas para o caso n = 3 na seção dedicada ao R3. Para n arbitrário, confira (R9) da subseção 6.3.1. 2.5.4 Dimensão Seja S um subespaço do Rn. Demonstra-se (via alguns resultados de 6.3.1) que: • S tem uma base constituída por r vetores, isto é, S é gerado por r vetores LI.16 • Qualquer base de S tem o mesmo número de vetores, isto é, para duas bases quaisquer de S , uma com r1 vetores e a outra com r2 vetores, temos necessariamente que r1 = r2. Neste caso, tal número comum de vetores de qualquer uma das bases de S é dito a dimensão de S e é denotado por dimS . EXEMPLOS: • No penúltimo exemplo anterior, S é um subespaço de R3 com dimS = 2, isto é, S é um plano que passa pela origem do espaço euclidiano tridimensional. 15Veja a seção 2.7, exercício 6. 16Como antecipado na seção 2.5.1, S é gerado por um número finito de vetores. Se tais vetores não são LI, demonstra-se que podemos eliminar alguns destes, que são CL’s dos demais, e os r restantes geram S e são LI. 2.5. SUBESPAÇOS DO RN 27 • Para S = R4, é fácil ver que {e1, e2, e3, e4} é uma base de S e dimS = 4.17 • Ainda em R4, considere o subespaço S gerado por a1 = (1, 1, 0, 0), a2 = (0, 1, 1, 0) e a3 = (0, 0, 1, 1), isto é, cada elemento de S pode ser escrito da forma c1a1 + c2a2 + c3a3 com c1, c2 e c3 em R. Note que a1, a2 e a3 são LI pois x1a1 + x2a2 + x3a3 = 0 ⇐⇒ (x1, x1 + x2, x2 + x3, x4) = (0, 0, 0, 0) ⇐⇒ x1 = x2 = x3 = x4 = 0. Assim, S é um subespaço de R4, {a1, a2, a3} é uma base de S e dimS = 3. • Note que, se considerarmos agora a1 = (1, 1, 0, 0), a2 = (0, 1, 1, 0) e a3 = (1, 2, 1, 0), então {a1, a2, a3} não é uma base de um subespaço do R4 pois a1, a2 e a3 são LD. De fato, x1a1 + x2a2 + x3a3 = 0 admite (além da solução trivial), por exemplo, a solução x1 = x2 = 1 e x3 = −1. Note ainda que a3 = a1 + a2 pertence ao subespaço S gerado por a1 e a2. Daí, como a1 e a2 são LI,18 {a1, a2} é base de S e dimS = 2. EXERCÍCIO: Demonstre que dim Rn = n pois {e1, e2, . . . , en} é uma base de Rn.19 2.5.5 Ortogonalidade e Ortonormalidade Sejam a1, a2, . . . , ar ∈ Rn não nulos e tais que ai · aj = 0 para quaisquer índices i e j com i 6= j. Neste caso, dizemos que {a1, a2, . . . , ar} é (um conjunto) ortogonal. EXEMPLO: Em R4, a1 = −1 1 1 0 , a2 = 1 0 1 2 , a3 = 0 1 −1 1/2 =⇒ {a1,a2, a3} é ortogonal. TEOREMA: ORTOGONALIDADE =⇒ INDEPENDÊNCIA LINEAR. Isto é, os r vetores de um conjunto ortogonal {a1, . . . , ar} ⊂ Rn são LI. DEMONSTRAÇÃO: Seja ai um entre os vetores a1, a2, . . . , ar. Multiplique ambos os membros da CL nula c1a1 + c2a2 + · · ·+ crar = 0 por ai. Temos então c1a1 · ai + · · ·+ ci−1ai−1 · ai + ciai · ai + ci+1ai+1 · ai + · · ·+ crar · ai = 0 · ai. Mas a ortogonalidade entre os r vetores garante a nulidade dos produtos de quaisquer dois tais vetores com índices diferentes. Daí a igualdade anterior é simplesmente ciai · ai = 0. 17Veja o caso análogo para o R3 que acabamos de estudar há algumas linhas atrás! 18Verifique! 19Tal base é chamada de canônica. 28 CAPÍTULO 2. O ESPAÇO VETORIAL RN Assim, como ai 6= 0, a última igualdade só é válida para ci = 0. Por fim, como i é arbitrário, concluímos que c1 = c2 = · · · = cr = 0 e então os r vetores são LI. EXEMPLO: No exemplo anterior, o subespaço S do R4 gerado por a1, a2, a3 tem dimensão três pois tais vetores são LI. Dizer que uma base {a1, a2, . . . , ar} de um subespaço S é ortonormal significa que a mesma, além de ser or- togonal, tem r vetores unitários, isto é, cada um deles têm comprimento unitário. Assim, como v||v|| é unitário para qualquer vetor v 6= 0,20 temos que, se {a1, a2, . . . , ar} é uma base ortogonal, então {a1/||a1||, a2/||a2||, . . . , ar/||ar||} é uma base ortonormal de S .21 EXEMPLOS: • Para S do exemplo anterior, temos que {( − 1√ 3 , 1√ 3 , 1√ 3 , 0 ) , ( 1√ 6 , 0, 1√ 6 , 2√ 6 ) , ( 0, 2 3 ,−2 3 , 1 3 )} é uma base ortonormal. • Em Rn, {e1, e2, . . . , en} é ortonormal.22 2.5.6 Subespaços de Subespaços Sejam agora S1 e S2 subespaços de Rn com S1 ⊂ S2. Neste caso dizemos que S1 é um subespaço de S2. 20De fato, seja α = 1||v|| . Daí ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ v ||v|| ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ = ||αv|| = |α| ||v|| = 1 ||v|| ||v|| = 1 u.c.. 21Num dos próximos exercícios, veremos que, em geral, tal base é aquela na qual se determina mais facil- mente as ‘coordenadas’ de um vetor qualquer de S . Além disso, existe um método eficiente para se obter uma base ortogonal a partir de qualquer outra base de S . 22Confira exemplo que precede 2.4. 2.6. O ESPAÇO R3 29 Demonstra-se (via (R8) da seção 6.3) que dim S1 ≤ dimS2, com a igualdade ocorrendo se, e somente se, S1 = S2. EXEMPLO: Em Rn, considere que S1 é uma reta que passa pela origem e S2 é um plano que contenha tal reta. 2.6 O Espaço R3 Vamos dar uma nova roupagem em alguns tópicos de GA no R3 e, ao mesmo tempo, obter e ilustrar resultados da Álgebra Linear neste espaço. Considere, para isso, os vetores x, y, z ∈ R3. 2.6.1 Projeção Ortogonal de x sobre y Se y 6= 0 e λ = x·yy·y , então o vetor x − λy é ortogonal ao vetor y. De fato, pela linearidade do produto interno e pela definição de λ, (x − λy) · y = x · y − λ(y · y) = 0. λy é a projeção ortogonal de x sobre y. y λy x x − λy EXEMPLO: x = (1, 1, 0), y = (0, 1, 1) =⇒ λ = 12 , x − λy = ( 1, 12 ,− 12 ) . 2.6.2 Produto Vetorial de x e y É definido por x × y := (x2y3 − x3y2, x3y1 − x1y3, x1y2 − x2y1) .23 EXEMPLO: x = (1, 1, 0), y = (0, 1, 1) =⇒ x × y = (1,−1, 1). O produto vetorial é anti-simétrico e linear, isto é, x × y = −y × x 23Uma mnemônica para tal expressão é dada pelo “determinante” x × y = ∣ ∣ ∣ ∣ ∣ ∣ i j k x1 x2 x3 y1 y2 y3 ∣ ∣ ∣ ∣ ∣ ∣ . 30 CAPÍTULO 2. O ESPAÇO VETORIAL RN e, se α e β são escalares reais quaisquer, (αx + βz)× y = α(x × y) + β(z × y). EXERCÍCIOS: 1. Demonstre a anti-simetria e a linearidade do produto vetorial. 2. Verifique que i × j = k, k × i = j e j × k = i. 2.6.3 Relação entre Projeção Ortogonal e Produto Vetorial Se λy é a projeção ortogonal de x sobre y, então ||x × y|| = ||y|| ||x − λy||. (2.3) EXEMPLO: Ambos os membros de (2.3) igualam √ 3 para x e y dos dois exemplos anteriores. Para demonstrar (2.3), basta observar que ||x × y||2 = (x2y3 − x3y2)2 + (x3y1 − x1y3)2 + (x1y2 − x2y1)2 = ( x21 + x 2 2 + x 2 3 ) ( y21 + y 2 2 + y 2 3 ) − (x1y1 + x2y2 + x3y3)2 = ||x||2||y||2 − (x · y)2 = ||y||2 ( ||x||2 − (x · y) 2 ||y||2 ) = ||y||2(x − λy) · x ( pois λ = x · y y · y ) = ||y||2(x − λy) · (x − λy) (pois (x − λy) · λy = 0) = ||y||2||x − λy||2. 2.6.4 x e y são LD ⇐⇒ x × y = 0 EXEMPLO: x e y dos três exemplos anteriores são LI e tem produto vetorial não nulo! Para demonstrar a equivalência anterior, suponha, por um lado, que os vetores são LD. Isto significa que existe α ∈ R tal que y = αx. Daí x × y = x × αx = α(x × x) (pela linearidade do produto vetorial) = α0 (pela anti-simetria do produto vetorial) = 0. Por outro lado, seja nulo o produto vetorial. Podemos supor que y 6= 0 pois a outra possibilidade é trivial. Segue de (2.3) que ||x − λy|| = 0. Então x = λy. Daí x e y são LD. 2.6. O ESPAÇO R3 31 2.6.5 Produto Misto de x, y e z É o escalar definido por (x, y, z) := x · (y × z). Note que (x, y, z) = (y × z) · x (pela comutatividade do produto interno). EXERCÍCIOS: 1. Verifique que o produto misto pode ser obtido pelo determinante (x, y, z) = ∣ ∣ ∣ ∣ ∣ ∣ x1 y1 z1 x2 y2 z2 x3 y3 z3 ∣ ∣ ∣ ∣ ∣ ∣ . 2. Verifique que (x, x, y) = (y, x, y) = 0, isto é, (x × y) · x = (x × y) · y = 0, isto é, x × y é ortogonal a x e a y. 3. Verifique, usando as definições dos produtos interno e vetorial (e a anti-simetria deste último), que (x, y, z) = (z, x, y) = (y, z, x) = −(y, x, z) = −(z, y, x), isto é, x · (y × z) = z · (x × y) = y · (z × x) = −[y · (x × z)] = −[z · (y × x)]. 2.6.6 Bases de R3 via Produto Misto Dados três vetores quaisquer em R3, vamos estabelecer um critério, via produto misto, para determinar se tais vetores são elementos de uma base para o R3. TEOREMA 1: Sejam x e y LI e z ortogonal a tais vetores. Então z é múltiplo escalar de x × y. EXEMPLO: z = (1/2, 1, 1/2) é ortogonal aos vetores x = (1,−1, 1) e y = (−1, 0, 1),24 que são LI.25 Por outro lado, note que x × y = −2z. DEMONSTRAÇÃO DO TEO. 1: Decorre da hipótese de ortogonalidade, o seguinte sistema { x1z1 + x2z2 + x3z3 = 0, y1z1 + y2z2 + y3z3 = 0. 24De fato, x · z = 0 e y · z = 0. 25De fato, não podemos escrever um dos vetores x e y como múltiplo do outro. 32 CAPÍTULO 2. O ESPAÇO VETORIAL RN Agora vamos eliminar z1 deste sistema multiplicando a primeira equação por y1, a segunda por −x1, e obtendo a soma das equações resultantes. De modo análogo, podemos eliminar z2 e z3. Obtemos assim o seguinte sistema: z2 (x2y1 − x1y2) + z3 (x3y1 − x1y3) = 0, z1 (x1y2 − x2y1) + z3 (x3y2 − x2y3) = 0, z1 (x1y3 − x3y1) + z2 (x2y3 − x3y2) = 0. Por outro lado, da hipótese da independência linear, decorre que x × y 6= 0. (Caso contrário, pela equação (2.3), teríamos necessariamente x e y LD.) Logo alguma componente de x × y é não nula. Sem perda de generalidade, suponha que x1y2 − x2y1 6= 0. Daí, para γ = z3 x1y2 − x2y1 , temos z3 = γ (x1y2 − x2y1) . Substituindo z3 na primeira e na segunda equações do sistema anterior, obtemos, respectivamente, z2 = γ (x3y1 − x1y3) e z1 = γ (x2y3 − x3y2) . Temos então que z = γ(x × y). TEOREMA 2: Sejam x e y LI. Então {x, y, x × y} é uma base para R3. DEMONSTRAÇÃO DO TEO. 2: Por um lado, a hipótese da independência linear acarreta x 6= 0 e y 6= 0. Por outro lado, se λy é a projeção ortogonal de x em y (como estabelecida anteriormente), segue que x′ = x − λy é ortogonal a y. Além disso, x′ 6= 0 pois x e y são LI. Seja agora z um vetor arbitrário de R3. Vamos demonstrar que tal vetor pode ser escrito de modo único como CL de x, y e x × y. Sejam α′ = z · x′ x′ · x′ e β ′ = z · y y · y . Assim, da linearidade do produto interno e da ortogonalidade de x′ e y, segue que o vetor z − (α′x′ + β′y) é ortogonal tanto ao vetor x′ quanto ao vetor y.26 Por outro lado, como x′ e y são não nulos e ortogonais, tais vetores também são LI. Logo, pelo TEOREMA 1, existe algum escalar γ′ tal que z − ( α′x′ + β′y ) = γ′ ( x′ × y ) , isto é, z = α′x′ + β′y + γ′ ( x′ × y ) . Substituindo agora x′ = x − λy nesta última equação (e usando que y × y = 0), podemos reagrupar os coeficientesde tal forma a obter escalares α, β e γ para os quais z = αx + βy + γ(x × y).27 Resta agora verificar que a tripla ordenada (α, β, γ) é única (em relação a CL anterior). Suponha, por contradi- ção, que não seja. Daí existe outra tripla ordenada (a, b, c) de números reais tal que z = ax + by + c(x × y). Então temos escalares a′, b′ e c′, não todos nulos, tais que 0 = a′x + b′y + c′(x × y).28 26Verifique! 27idem! 28a′ = α − a, b′ = β − b e c′ = γ − c. 2.6. O ESPAÇO R3 33 Multiplique agora ambos os lados de tal equação por x × y. Segue daí que 0 = c′||x × y||2. Logo, como ||x × y|| = 0 (pois x e y são LI),29 temos necessariamente que c′ = 0. Isto implica na equação 0 = a′x + b′y com a′ 6= 0 ou b′ = 0, o que equivale a dizer que x e y são LD. Tal conclusão contradiz a hipótese deste teorema. Como dito anteriormente, o próximo resultado também é válido para o Rn, ainda que te- nhamos n 6= 3. TEOREMA 3: As afirmações seguintes são equivalentes: 1. {x, y, z} é uma base de R3. 2. x, y e z geram o R3. 3. x, y e z são LI. DEMONSTRAÇÃO DO TEO. 3: 1 =⇒ 2 segue diretamente da definição de base. Agora vamos verificar que 2 =⇒ 3 . Sejam então x, y e z geradores do R3. Suponha então que a afirmação 3 não é verdadeira, isto é, considere que estes três vetores são LD.30 Assim um deles é uma CL dos outros dois. Logo dois destes vetores, digamos x e y, geram R3. Daí, no caso de x × y = 0, isto é, caso x e y sejam LD,31 um deles, digamos x, gera R3. Mas isto não é possível já que podemos facilmente obter algum vetor não nulo em R3 que seja ortogonal a x. Por outro lado, também não é possível supor x × y 6= 0 pois este produto vetorial é não nulo e ortogonal aos vetores x e y, não sendo portanto uma CL dos mesmos. Para concluir, vamos provar a implicação 3 =⇒ 1 . Considere então que x, y e z são LI. Daí dois deles, digamos os dois primeiros, também são LI. Bom, o TEOREMA 2 nos diz que estes dois vetores, juntamente com seu produto vetorial, são os elementos de uma base de R3. Isto implica na existência de números reais, digamos α, β e γ, tais que z = αx + βy + γ(x × y). A hipótese inicial de independência linear nos garante que γ é não nulo e, daí, x × y = 1 γ (z − αx − βy). Seja agora v um vetor arbitrário de R3. Como visto acima para z, para v também existem escalares α′, β′ e γ′ tal que v = α′x + β′y + γ′(x × y). Substituindo a penúltima equação nesta última, temos v = α′x + β′y + γ′ γ (z − αx − βy) = ( α′ − γ ′ γ α ) x + ( β′ − γ ′ γ β ) y + γ′ γ z. Então v é uma CL de x, y e z. Que tal CL é única segue da hipótese inicial da independência linear. 29Veja a subseção 2.6.4. 30Tal suposição vai acarretar uma contradição no fato de tais vetores gerarem R3! 31Veja a subseção 2.6.4. 34 CAPÍTULO 2. O ESPAÇO VETORIAL RN Regra de Cramer - Parte I Agora, finalmente, vamos estabelecer o critério que afirma que produto misto não nulo é condição necessária e suficiente para que os três vetores de tal produto formem uma base de R3. Além disso, podemos obter as coordenadas de um vetor arbitrário em tal base. TEOREMA 4: As afirmações seguintes são equivalentes: 1. (x, y, z) 6= 0. 2. {x, y, z} é uma base de R3. Caso seja base e v = αx + βy + γz, (2.4) as coordenadas de v em tal base são obtidas via α = (v, y, z) (x, y, z) , β = (x, v, z) (x, y, z) e γ = (x, y, v) (x, y, z) . (2.5) EXERCÍCIO: Verifique que x = (1, 1, 0), y = (0, 1, 1) e z = (0, 1, 0) formam uma base para o R3 e calcule as coordenadas de v = (1, 1, 1) nesta base. DEMONSTRAÇÃO DO TEO. 4: Primeiro vamos demonstrar a implicação 1 =⇒ 2 . Suponha daí que a con- dição 1 é válida. Assim z · (x × y) = x · (y × z) 6= 0. Então x, y e x × y são não nulos e, além disso, x e y são LI. Logo, pelo TEOREMA 2, {x, y, x × y} é base de R3, o que garante a existência de escalares, digamos α, β e γ, tais que z = αx + βy + γ(x × y). Agora, multiplicando escalarmente ambos os lados desta equação por x × y, temos z · (x × y) = γ||x × y||2. Claramente γ 6= 0 pois x · (y × z) 6= 0 por hipótese. De tal fato e da penúltima equação anterior, temos x × y = − α γ x − β γ y + 1 γ z. Tal CL e o fato de que cada vetor de R3 pode ser escrito como CL de x, y e x × y tem como consequência o seguinte: cada vetor de R3 pode ser escrito como CL de x, y e z. Para que a condição 2 seja válida, dado v ∈ R3 arbitrário, resta provar a unicidade da CL de tal v em termos dos vetores x, y e z. Considere assim escalares α, β e γ tais que a equação (2.4) seja válida. Multiplicando escalarmente ambos os membros de tal equação por y × z, z × x e x × y, obtemos, respectivamente, v · (y × z) = α[x · (y × z)], v · (z × x) = β[y · (z × x)] e v · (x × y) = γ[z · (x × y)]. Reordenando os produtos mistos onde seja necessário, não só obtemos α, β e γ como dados em (2.5), como também provamos a unicidade da CL (2.4). Para a implicação 2 =⇒ 1 , considere a validade da condição 2, isto é, suponha que {x, y, z} é uma base para 2.6. O ESPAÇO R3 35 o R3. Assim, pelo TEOREMA 3, tais vetores são LI e, em particular, x e y são LI. Daí x × y 6= 0.32 Além disso, pelo TEOREMA 2, {x, y, x × y} é uma base para o R3. Em particular, existem escalares α, β e γ tais que z = αx + βy + γ(x × y) com γ 6= 0 (pois {x, y, z} é uma base para o R3). Multiplicando escalarmente ambos os membros da equação anterior por x × y, temos x · (y × z) = z · (x × y) = γ||x × y||2 6= 0. Regra de Cramer - Parte 2 Denote agora x = (a11, a21, a31), y = (a12, a22, a32), z = (a13, a23, a33), α = x, β = y e γ = z. Verifique daí que: (1) O TEOREMA 4 é equivalente a Regra de Cramer estudada no ensino médio; (2) Independência linear garante existência e unicidade de solução para o ‘sistema’ (2.4) via o TEOREMA 3 e o TEOREMA 4. 32Veja a subseção 2.6.4. 36 CAPÍTULO 2. O ESPAÇO VETORIAL RN 2.7 Exercícios 1. Determine x, y ∈ R4 tais que as coordenadas de x são todas iguais, a última coorde- nada de y é igual a 1 e x + y = (2, 3, 4, 5).33 2. Se x = (1, 2, 3), y = (4, 5, 0) e z = (6, 0, 0), determine escalares x, y e z tais que xx + yy + zz = (41/2, 11, 1/2).34 3. Obtenha a equação geral do hiperplano do R4 que passa pelos pontos P1 = (1,−1, 1, 0), P2 = (0,−1, 2, 0), P3 = (1, 0,−2, 2) e P4 = (1, 0, 0, 0). Determine ainda os pontos da reta que passa por P1 e é perpendicular a tal hiperplano que distam de P1 uma uni- dade de comprimento (u.c.). RESOLUÇÃO PARCIAL: ax + by + cz + dw = e é a equação geral do hiperplano a ser determinada. Portanto, como a = (a, b, c, d) é ortogonal a x1 = P1 −P4, x2 = P2 −P4 e x3 = P3 −P4, obtenha a = b = c = d resolvendo o sistema xi · a = 0, i = 1, 2, 3. Note daí que x + y + z + w = 1 é a equação do hiperplano procurada substituindo as coordenadas de P4 em a(x + y + z + w) = e. Agora, se P1 é o ponto final do vetor x0, via a equação vetorial da reta x = x0 + ta, t ∈ R, e observando que procuramos pontos x desta reta tais que ||x − x0|| = ||ta|| = 1 u.c., obtenha os pontos ( 1 2 ,− 32 , 12 ,− 12 ) e ( 3 2 ,− 12 , 32 , 12 ) que distam uma u.c. de P1. 4. Em cada um dos itens seguintes, demonstre que S é um subespaço do Rn. Além disso, apresente uma base de S e sua dimensão. (a) n = 3 e S = { x = (x1, x2, x3) ∣ ∣ ax1 + bx2 + cx3 = 0 } , o plano que passa pela ori- gem com vetor normal a = (a, b, c) 6= 0; (b) n = 4 e: i. S = { x = (x1, x2, x3, x4) ∣ ∣ ∣ ∣ x2 = 2x1, x3 = 3x1, x4 = 4x1 } , uma reta que passa pela origem; ii. S = { x = (x1, x2, x3, x4) ∣ ∣ ∣ ∣ x3 = x1 + 2x2, x4 = x1 − x2 } , um plano que passa pela origem; iii. S = { x = (x1, x2, x3, x4) ∣ ∣ ∣ ∣ x4 = x1 + 2x2 + 3x3 } . RESOLUÇÃO: (a) Pelo exercício 6 de 2.5.1, S é subespaço do R3 caso seja gerado por r vetores. Vamos verificar aqui que r = 2 vetores geram S e são LI, que é a garantia de que tais vetores formam uma base de S e dimS = 2. Portanto, note primeiramente que (a, b, c) 6= 0 tem alguma coordenada não nula. Suponha sem perda de generalidade que c 6= 0. Então, por um lado, como S ∋ x = ( x1, x2,− a c x1 − b c x2 ) = x1 ( 1, 0,− a c ) + x2 ( 0, 1,− b c) , 33 RESPOSTA: x = (4, 4, 4, 4) e y = (−2,−1, 0, 1). 34 RESPOSTA: x = 16 , y = 32 15 e z = 177 90 . 2.7. EXERCÍCIOS 37 temos que a1 = ( 1, 0,− ac ) e a2 = ( 0, 1,− bc ) geram S pois todo x ∈ S é CL de a1 e a2. Por outro lado, a1 e a2 são LI pois temos x = 0 apenas quando x1 = x2 = 0. (b)i. S é subespaço do R4 caso seja gerado por r vetores. Vamos verificar aqui que r = 1 vetor gera S e, por ser não nulo, é LI. Isto é a garantia que tal vetor é o único elemento de uma base de S e dimS = 1. Assim, como S ∋ x = (x1, 2x1, 3x1, 4x1) = x1(1, 2, 3, 4), temos que a1 = (1, 2, 3, 4) 6= 0 gera S . (b)ii. S é subespaço do R4 caso seja gerado por r vetores. Vamos verificar aqui que r = 2 vetores geram S e são LI, que é a garantia de que tais vetores formam uma base de S e dimS = 2. Assim, como S ∋ x = (x1, x2, x1 + 2x2, x1 − x2) = x1(1, 0, 1, 1) + x2(0, 1, 2,−1), temos que a1 = (1, 0, 1, 1) e a2 = (0, 1, 2,−1) geram S e, como nenhum deles é múltiplo escalar do outro, são LI. (b)iii. S é subespaço do R4 caso seja gerado por r vetores. Vamos verificar aqui que r = 3 vetores geram S e são LI, que é a garantia de que tais vetores formam uma base de S e dimS = 3. Assim, como S ∋ x = (x1, x2, x3, x1 + 2x2 + 3x3) = x1(1, 0, 0, 1) + x2(0, 1, 0, 2) + x3(0, 0, 1, 3), temos que a1 = (1, 0, 0, 1), a2 = (0, 1, 0, 2) e a3 = (0, 0, 1, 3) geram S e, igualando-se x ao vetor nulo, chega-se a conclusão que xi = 0, i = 1, 2, 3, isto é, estes três vetores são LI. 5. Justifique porque S não é um subespaço do R2 para: (a) S = { x = [ x1 x2 ] ∣ ∣ ∣ ∣ x2 = x 2 1 } ; (b) S = { x = [ x1 x2 ] ∣ ∣ ∣ ∣ x2 = 1 } . RESOLUÇÃO: 35 (a) Note que, por exemplo, x = (1, 1) ∈ S mas 2x 6∈ S pois sua segunda coordenada não é o quadrado de sua primeira coordenada. (b) Note que, por exemplo, o vetor nulo não pertence a S . 6. Demonstre as afirmações seguintes: (a) Nenhuma base de um subespaço do Rn pode conter o vetor nulo pois é LD qual- quer conjunto finito de vetores do Rn que contenha 0.36 35Existem inúmeras resoluções para esse exercício. Obtenha a sua! 36 RESOLUÇÃO: Em Rn, considere que ai = 0 é um entre os vetores a1, a2, . . . , ar. Tais vetores são LD. De fato, para termos uma CL nula c1a1 + c2a2 + · · ·+ crar = 0 não trivial, basta considerarmos que ci é o único coeficiente não nulo. Por exemplo, para ci = 1, temos 0 · a1 + · · ·+ 0 · ai−1 + 1 · ai + 0 · ai+1 + · · ·+ 0 · ar = 0. 38 CAPÍTULO 2. O ESPAÇO VETORIAL RN (b) Nenhum vetor pode ter ‘coordenadas’ distintas numa mesma base, isto é, se {a1, a2, . . . , ar} é uma base de um subespaço S do Rn, c1, c′1, c2, c′2, . . . , cr, c′r são escalares e x ∈ S é tal que x = c1a1 + c2a2 + · · ·+ crar = c′1a1 + c ′ 2a2 + · · ·+ c′rar, então c1 = c′1, c2 = c ′ 2 . . . , cr = c ′ r. 37 c1, . . . , cr são ditos as coordenadas de x na base {a1, a2, . . . , ar}. (c) Sendo S um subespaço do Rn e {a1, a2, . . . , ar} uma base ortonormal de S , as coordenadas de x = c1a1 + c2a2 + · · ·+ crar são dadas por c1 = x · a1, c2 = x · a2, . . . , cr = x · ar.38 (2.6) 7. Considere a1 = [ 1√ 2 1√ 2 ] e a2 = [ − 1√ 2 1√ 2 ] . Demonstre que {a1, a2} é uma base ortonormal do R2 e determine as coordenadas de x = [ 1 2 ] = e1 + 2e2 em tal base.39 8. Considere a1 = 1√ 2 1√ 2 0 0 , a2 = − 1√ 6 1√ 6 0 2√ 6 e a3 = − 1 2 √ 3 1 2 √ 3 3 2 √ 3 − 1 2 √ 3 . Demonstre que {a1, a2, a3} é uma base ortonormal de um subespaço S (de dimensão 3) do R4 e, caso seja possível, determine as coordenadas de x = 1 3 1 1 = e1 + 3e2 + e3 + e4 em tal base.40 37 DICA: Note que ( c1 − c′1 ) a1 + · · ·+ (cr − c′r) ar = 0. Use agora o fato de que os r vetores são LI. 38 DICA: Multiplique ambos os membros da CL x = c1a1 + · · · + crar por ai para obter o escalar ci, i = 1, . . . , r. (Confira como fizemos em 2.5.5.) 39 SUGESTÃO: Use (2.6) do item (c) anterior. 40x ∈ S caso x seja uma CL dos vetores a1, a2 e a3. Embora não saibamos de antemão se isso acontece, podemos resolver tal exercício de modo heurístico, partindo-se da suposição de que tal CL pode ser obtida para tentarmos calcular as coordenadas de x em tal base. Caso tais coordenadas possam ser obtidas, isto significa que a suposição inicial era, de fato, válida. 2.7. EXERCÍCIOS 39 9. Sejam r e n dois inteiros positivos com 2 ≤ r ≤ n. (O processo de ortogonalização de) Gram-Schmidt utiliza uma base B = {a1, a2, . . . , ar} de um subespaço S do Rn para obter uma base ortogonal B′ = {a′1, a′2, . . . , a′r} de S via: a′1 := a1; a′2 := a2 − a2 · a′1 a′1 · a′1 a′1; a′3 := a3 − a3 · a′1 a′1 · a′1 a′1 − a3 · a′2 a′2 · a′2 a′2; ... a′r := ar − ar · a′1 a′1 · a′1 a′1 − ar · a′2 a′2 · a′2 a′2 − · · · − ar · a′r−1 a′r−1 · a′r−1 a′r−1. Demonstre que, por exemplo, se r = 3, então B′ = {a′1, a′2, a′3} é ortogonal.41 10. Obtenha uma base ortonormal de R2 aplicando Gram-Schmidt na base {(1, 2), (3, 4)}. RESOLUÇÃO: Note primeiramente que os dois vetores dados são LI (já que nenhum deles é múltiplo escalar do outro).42 Logo tais vetores geram um subespaço S de dimensão 2 do R2. Isto significa que S = R2. Por outro lado, denote a1 = (1, 2) e a2 = (3, 4) para poder utilizar a questão anterior. Calcule daí a′1 = (1, 2); a′2 = (3, 4)− (3, 4) · (1, 2) (1, 2) · (1, 2) (1, 2) = ( 3 − 11 5 , 4 − 22 5 ) = ( 4 5 ,−2 5 ) . Como { a′1, a ′ 2 } é ortogonal,43 resta agora, a partir de tal base, obter { a′′1 , a ′′ 2 } ortonormal. Para isso, faça a′′1 = a′1 ||a′1|| = 1√ 5 (1, 2); a′′2 = a′2 ||a′2|| = 1 2 √ 5/5 (4/5,−2/5). 11. Aplique Gram-Schmidt na base B = {(0, 0, 1, 1), (0, 1, 1, 0), (1, 1, 0, 0)} de um subes- paço S do R4.44 41 SUGESTÃO: Basta verificar que a′1 · a′2 = 0, a′1 · a′3 = 0 e a′2 · a′3 = 0. Vale a pena observar também que, se a2 = x e a′1 = y em 2.6.1, então a ′ 2 é ortogonal a a ′ 1! 42Verifique! 43Verifique! 44Verifique que os três vetores dados são LI antes de iniciar o Gram-Schmidt! 40 CAPÍTULO 2. O ESPAÇO VETORIAL RN 12. Dê um exemplo de uma base ortonormal do R3 que contenha o vetor ( 1√ 3 , 1√ 3 , 1√ 3 ) .45 13. Dê um exemplo de uma base ortonormal do R4 que contenha o vetor ( 1 2 , 1 2 , 1 2 , 1 2 ) . Cal- cule as coordenadas de x = (1, 2, 3, 4) na base ortonormal daí obtida. RESOLUÇÃO: Como na sugestão da ‘footnote’ do exercício anterior, vamos aplicar Gram-Schmidt numa base B = {a1, a2, a3, a4} com a1 = ( 1 2 , 1 2 , 1 2 , 1 2 ) e, por exemplo, a2 = (1, 0, 0, 0), a3 = (0, 1, 0, 0) e a4 = (0, 0, 1, 0).46 Calculemos então: a′1 = a1 = ( 1 2 , 1 2 , 1 2 , 1 2 ) ; a′2 = a2 − a2 · a′1 a′1 · a′1 a′1 = (1, 0, 0, 0)− 1/2 1 ( 1 2 , 1 2 , 1 2 , 1 2 ) = (1, 0, 0, 0)− ( 1 4 , 1 4 , 1 4 , 1 4 ) = ( 3 4 ,−1 4 ,−1 4 ,−1 4 ) ; a′3 = a3 − a3 · a′1 a′1 · a′1 a′1 − a3 · a′2 a′2 · a′2 a′2 = (0, 1, 0, 0)− 1/2 1 ( 1 2 , 1 2 , 1 2 , 1 2 ) + 1/4 3/4 ( 3 4 ,−1 4 ,−1 4 ,−1 4 ) = (0, 1, 0, 0)− ( 1 4 , 1 4 , 1 4 , 1 4 ) + ( 1 4 ,− 1 12 ,− 1 12 ,− 1 12 ) = ( 0, 2 3 ,−1 3 ,−1 3 ) ; a′4 = a4 − a4 · a′1 a′1 · a′1 a′1 − a4 · a′2 a′2 · a′2 a′2 − a4 · a′3 a′3 · a′3 a′3 = (0, 0, 1, 0)− 1/2 1 ( 1 2 , 1 2 , 1 2 , 1 2 ) + 1/4 3/4 ( 3 4 ,−1 4 ,−1 4 ,−1 4 ) + 1/3 2/3 ( 0, 2 3 ,−1 3 ,−1 3 ) = (0, 0, 1, 0)− ( 1 4 , 1 4 , 1 4 , 1 4 ) + ( 1 4 ,− 1 12 ,− 1 12 ,− 1 12 ) + ( 0, 1 2 ,−1 6 ,−1 6 ) = ( 0, 0, 1 2 ,−1 2 ) . Como B′ = { a′1, a ′ 2, a ′ 3, a ′ 4 } é ortogonal, resta agora, a partir de tal base, obter B′′ = { a′′1 , a ′′ 2 , a ′′ 3 , a ′′ 4 } 45 SUGESTÃO: Aplique Gram-Schmidt numa base B = {a1, a2, a3} com a1 = ( 1√ 3 , 1√ 3 , 1√ 3 ) e, por exemplo, a2 = (1, 0, 0) e a3 = (0, 1, 0). Outra sugestão é resolver via produto vetorial. Por exemplo, considere a1 =( 1√ 3 , 1√ 3 , 1√ 3 ) , a2 = ( 1√ 2 ,− 1√ 2 , 0 ) e a3 = a1×a2 ||a1×a2|| . 46Antes de prosseguir com as contas, verifique que os quatro vetores dados são LI. 2.7. EXERCÍCIOS 41 ortonormal. Paraisso, considere a′′1 = a′1 ||a′1|| = ( 1 2 , 1 2 , 1 2 , 1 2 ) ; a′′2 = a′2 ||a′2|| = 1√ 3/2 ( 3 4 ,−1 4 ,−1 4 ,−1 4 ) = (√ 3 2 ,− √ 3 6 ,− √ 3 6 ,− √ 3 6 ) ; a′′3 = a′3 ||a′3|| = 1√ 2/3 ( 0, 2 3 ,−1 3 ,−1 3 ) = ( 0, √ 6 3 ,− √ 6 6 ,− √ 6 6 ) ; a′′4 = a′4 ||a′4|| = 1√ 1/2 ( 0, 0, 1 2 ,−1 2 ) = ( 0, 0, √ 2 2 ,− √ 2 2 ) . Para obtermos as coordenadas de x = (1, 2, 3, 4) na base B′′, escrevemos x = c1a ′′ 1 + c2a ′′ 2 + c3a ′′ 3 + c4a ′′ 4 . Agora, para evitar a resolução de um sistema linear não trivial de quatro equações nas variáveis c1, c2, c3 e c4, podemos calcular ci = x · a′′i para i = 1, 2, 3, 4, conforme a fórmula (2.6) da página 38 (pois B′′ é ortonormal). 14. O complemento ortogonal S⊥ do subespaço S do Rn é o conjunto dos vetores do Rn ortogonais a todos os vetores de S , isto é, S⊥ = { y ∈ Rn ∣ ∣ x · y = 0 para cada x ∈ S } . 0 S x S⊥ y A figura anterior ilustra um exemplo para n = 3. 42 CAPÍTULO 2. O ESPAÇO VETORIAL RN (a) Demostre que S⊥ é subespaço do Rn para todo n.47 (b) Determine uma base para S⊥ se n e a base de S são dadas (respectivamente) por: i. 2 e {(1, 1)}; SOLUÇÃO: {(1,−1)}; ii. 3 e {(1, 1, 1)}; SOLUÇÃO: {(1, 0,−1), (0, 1,−1)}; iii. 3 e {(1, 0, 1), (0, 1, 1)}; SOLUÇÃO: {(−1,−1, 1)}; iv. 4 e {(1, 1, 1, 1)}; SOLUÇÃO: {(1, 0, 0,−1), (0, 1, 0,−1), (0, 0, 1,−1)}; v. 4 e {(1, 0, 0, 1), (0, 1, 1, 0)}; SOLUÇÃO: {(1, 0, 0,−1), (0, 1,−1, 0)}; vi. 4 e {(1, 1, 0, 0), (0, 1, 1, 0), (0, 0, 1, 1)}; SOLUÇÃO: {(1,−1, 1,−1)}. OBSERVAÇÕES: I. Seja y ∈ S⊥. Tal vetor é perpendicular a todo vetor de S . Daí, em particular, caso tenhamos alguma base de S , y é perpendicular a todo vetor desta base. II. Em (R33), 7.2, demonstraremos que dimS + dimS⊥ = n. Assim, por exemplo, no item v., para escrever y = (y1, y2, y3, y4) ∈ S⊥ como uma CL dos vetores de uma base de S⊥, basta resolver o sistema linear { x1 · y = 0 x2 · y = 0 com x1 e x2 sendo os vetores da base de S dada. A base de S⊥ obtida via tal sistema linear será composta por dois vetores pois dimS = 2 e n = 4 =⇒ dimS⊥ = 2. 15. Considere que S é o subespaço unidimensional de R4 gerado por (1, 1, 1, 1). Seja y = (1, 1, 1,−3). (a) É verdade que y ∈ S⊥. Justifique corretamente tal afirmação. (b) Determine uma base ortonormal de S⊥. (c) Calcule as coordenadas de y na base obtida no item anterior. 47 RESOLUÇÃO: As condições 1., 2. e 3. dadas no início da seção 2.5 (com S⊥ no lugar de S) são satisfeitas: 1. 0 ∈ S⊥ pois x · 0 = 0 para todo x ∈ S ; 2. Sejam α ∈ R e y ∈ S⊥, isto é, x · y = 0 para todo x ∈ S . Daí αy ∈ S⊥ pois, para todo x ∈ S , temos que x · (αy) = α (x · y) = α · 0 = 0; 3. Sejam y1, y2 ∈ S⊥, isto é, x · y1 = 0 = x · y2 para todo x ∈ S . Daí y1 + y2 ∈ S⊥ pois, para todo x ∈ S , x · (y1 + y2) = x · y1 + x · y2 = 0 + 0 = 0. 2.7. EXERCÍCIOS 43 RESOLUÇÃO: (a) Como y é ortogonal ao gerador de S , então é ortogonal a qualquer vetor de S . Daí y ∈ S⊥. (Na questão anterior, item iv., determinamos que B = {(1, 0, 0,−1), (0, 1, 0,−1), (0, 0, 1,−1)} é uma base de S⊥. Assim, outro modo de verificar que y ∈ S⊥ é observar que y é a soma dos três vetores da base B.) (b) Sejam agora y1, y2 e y3 os vetores de B, na ordem em que aparecem em tal base. Sendo B claramente não ortogonal, usaremos Gram-Schimdt para obter uma base B′ = { y′1, y ′ 2, y ′ 3 } ortogonal. Daí: y′1 = y1 = (1, 0, 0,−1); y′2 = y2 − y2 · y′1 y′1 · y′1 y′1 = (0, 1, 0,−1)− 1 2 (1, 0, 0,−1) = (0, 1, 0,−1)− ( 1 2 , 0, 0,−1 2 ) = ( −1 2 , 1, 0,−1 2 ) ; y′3 = y3 − y3 · y′1 y′1 · y′1 y′1 − y3 · y′2 y′2 · y′2 y′2 = (0, 0, 1,−1)− 1 2 (1, 0, 0,−1)− 1/2 3/2 ( −1 2 , 1, 0,−1 2 ) = (0, 0, 1,−1)− ( 1 2 , 0, 0,−1 2 ) − ( −1 6 , 1 3 , 0,−1 6 ) = ( −1 3 ,−1 3 , 1,−1 3 ) . Vamos obter agora B′′ = { y′′1 , y ′′ 2 , y ′′ 3 } ortonormal da seguinte forma: y′′1 = y′1 ||y′1|| = ( 1√ 2 , 0, 0,− 1√ 2 ) ; y′′2 = y′2 ||y′2|| = 1√ 3/2 ( −1 2 , 1, 0,−1 2 ) = ( − 1√ 6 , √ 2 3 , 0,− 1√ 6 ) ; y′′3 = y′3 ||y′3|| = 1 2/ √ 3 ( −1 3 ,−1 3 , 1,−1 3 ) = ( − √ 3 6 ,− √ 3 6 , √ 3 2 ,− √ 3 6 ) . (c) Para obtermos as coordenadas de y na base B′′, se y = c1y ′′ 1 + c2y ′′ 2 + c3y ′′ 3 , podemos calcular ci = y · y′′i para i = 1, 2, 3, conforme a fórmula (2.6) da página 38. 44 CAPÍTULO 2. O ESPAÇO VETORIAL RN 2.7.1 Resolução do Exercício da 2.5.1 As três condições do início da seção 2.5 devem ser checadas para verificar que S é subespaço de Rn para os itens 1–6 de 2.5.1. Assim, primeiramente, note que tal checagem é trivial para os itens 1 e 2. Por exemplo, S = {0} é subespaço pois: • 0 ∈ S ; • αx ∈ S para quaisquer α ∈ R e x ∈ S pois αx = α0 = 0; • x + y ∈ S para quaisquer x, y ∈ S pois x + y = 0 + 0 = 0. Agora o item 3, isto é, S = {x = ta | t ∈ R}: • 0 ∈ S pois 0 = 0a; • αx ∈ S para quaisquer α ∈ R e x ∈ S pois x = ta com t ∈ R e, daí, αx = α(ta) = (αt)a com αt ∈ R; • x + y ∈ S para quaisquer x, y ∈ S pois x = t1a e y = t2 ∈ R com t1, t2 ∈ R e, daí, x + y = t1a + t2a = (t1 + t2) a com t1 + t2 ∈ R. Agora o item 5,48 isto é, S = {x | ai · x = 0 para i = 1, 2, . . . , r}: • 0 ∈ S pois ai · 0 = 0 para i = 1, 2, . . . , r; • αx ∈ S para quaisquer α ∈ R e x ∈ S pois ai · (αx) = α (ai · x) = α0 = 0 para i = 1, 2, . . . , r; • x + y ∈ S para quaisquer x, y ∈ S pois ai · (x + y) = ai · x + ai · y = 0 + 0 = 0 para i = 1, 2, . . . , r. Para finalizar, falta considerar o item 6, isto é, o conjunto S de todas as CL’s dos vetores a1, a2, . . . , ar ∈ Rn. Vejamos: • 0 ∈ S pois 0 = 0a1 + 0a2 + · · ·+ 0ar; 48Note que o item 4 é um caso particular do item 5 (r = 1)! 2.7. EXERCÍCIOS 45 • αx ∈ S para quaisquer α ∈ R e x ∈ S pois, como x = c1a1 + c2a2 + · · ·+ crar com ci ∈ R, i = 1, 2, . . . , r, temos αx = α (c1a1 + c2a2 + · · ·+ crar) = α (c1a1) + α (c2a2) + · · ·+ α (crar) = (αc1) a1 + (αc2) a2 + · · ·+ (αcr) ar com αci ∈ R para i = 1, 2, . . . , r; • x + y ∈ S para quaisquer x, y ∈ S pois, como x = c1a1 + c2a2 + · · ·+ crar e y = d1a1 + d2a2 + · · ·+ drar com ci, di ∈ R, i = 1, 2, . . . , r, temos x + y = c1a1 + c2a2 + · · ·+ crar + d1a1 + d2a2 + · · ·+ drar = c1a1 + d1a1 + c2a2 + d2a2 + · · ·+ crar + drar = (c1 + d1) a1 + (c2 + d2) a2 + · · ·+ (cr + dr) ar com ci + di ∈ R para i = 1, 2, . . . , r. 46 CAPÍTULO 2. O ESPAÇO VETORIAL RN Capítulo 3 O Espaço Vetorial Rm×n O espaço Rn do capítulo anterior é um caso particular de um mais geral: o espaço Rm×n das ‘matrizes’ m× n. Tal espaço, além de generalizar o Rn, é fundamental no estudo de ‘sistemas lineares’. 3.1 Adição de Matrizes - Multiplicação por Escalares 3.1.1 Matrizes • Doravante, matrizes são denotadas por letras maiúsculas em itálico, isto é, A, B, C, D, I, M, R, etc. Contudo, algumas matrizes especiais serão representadas por letras maiúsculas em ‘sans-serif’, isto é, O,D, I,R,E,P. • As entradas (ou os elementos) de A ∈ Rm×n são representadas por aij, dizemos que A é m × n e denotamos A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... ... ... am1 am2 · · · amn (3.1) cujas entradas têm índices i = 1, 2, . . . , m e j = 1, 2, . . . , n. Representações similares valem para matrizes B, C, D, I, M, R, etc. • Embora tais entradas sejam números reais em quase todos os nossos exemplos, a partir do Capítulo 6 as mesmas poderão assumir valores complexos com partes imaginárias não nulas. • Para i fixo e j variável, representamos a i-ésima linha de A por A(i,−) = [ ai1 ai2 · · · ain ] . 47 48 CAPÍTULO 3. O ESPAÇO VETORIAL RM×N • Para i variável e j fixo, temos a j-ésima coluna de A representada por A(−, j) := a1j a2j ... amj = aj. EXEMPLO: Para i = 1, 2, 3 e j = 1, 2, 3, 4, 5, vamos determinar a entrada aij, a linha A(i,−) e a coluna A(−, j) = aj de A = 1 −1 0 2 √ 2 π π/2 1 −2 0 0 −1 1/ √ 2 1/2 −π ∈ R3×5. a11 = −a12 = a23 = −a32 = 1; a13 = a25 = a31 = 0; a14 = (a15) 2 = −a24 = (a33)−2 = (a34)−1 = 2; a21 = 2a22 = −a35 = π; A(1,−) = [ 1 −1 0 2 √ 2 ] ; A(2,−)= [ π π/2 1 −2 0 ] ; A(3,−) = [ 0 −1 1/ √ 2 1/2 −π ] ; A(−, 1) = 1 π 0 = a1; A(−, 2) = −1 π/2 −1 = a2; A(−, 3) = 0 1 1/ √ 2 = a3; A(−, 4) = 2 −2 1/2 = a4; A(−, 5) = √ 2 0 −π = a5. 3.1. ADIÇÃO DE MATRIZES - MULTIPLICAÇÃO POR ESCALARES 49 • A igualdade de A e B, ambas m × n, é estabelecida via A = B ⇐⇒ aij = bij para i = 1, 2, . . . , m e j = 1, 2, . . . , n. • Aqui, O denota a matriz cujas entradas são nulas, isto é, A = O ⇐⇒ aij = 0 com i, j variando como anteriormente. Por tal motivo, O é chamada de matriz nula. EXERCÍCIOS: - A matriz A = [ 0 0 0 0, 0000000001 ] é igual a matriz nula 2 × 2. Tal afirmação é verdadeira ou falsa? Justifique! - Determine o valor de t para que [ t2 − 1 t2 − t t3 − 1 t2 − 3t + 2 ] iguale a matriz nula de R2×2. RESPOSTA: t = 1. 3.1.2 Por que Rm×n é Espaço Vetorial? • Porque é munido de duas operações ’entrada-a-entrada’ caracterizadas pelas oito pro- priedades estabelecidas a seguir. – A soma A + B de A e B, ambas m × n, é a matriz m × n cuja entrada da linha i e da coluna j é definida por: C = A + B ⇐⇒ cij := aij + bij, i = 1, . . . , m, j = 1, . . . , n. EXEMPLO: Em R2×3, [ 1 √ 2 ln e 0 0, 1 1/3 ] + [ −1 −2 √ 2 ln 1 π 1 −4/3 ] = [ 0 − √ 2 1 π 1, 1 −1 ] . – Para λ ∈ R e A m × n, o produto por escalar λA é a matriz m × n cuja entrada da linha i e da coluna j é definida por: D = λA ⇐⇒ dij := λaij, i = 1, . . . , m, j = 1, . . . , n. EXEMPLO: Em R2×2, 2 [ 1/ √ 2 √ 2 0 −1/4 ] = [ √ 2 2 √ 2 0 −1/2 ] . • Assim como para o Rn, as seguintes propriedades em Rm×n são sempre válidas: 1. A + B = B + A; (comutativa) 50 CAPÍTULO 3. O ESPAÇO VETORIAL RM×N 2. (A + B) + C = A + (B + C); (associativa) 3. A +O = A; (matriz nula) 4. −A := (−1)A =⇒ A + (−A) = O; (matriz oposta) 5. λ(A + B) = λA + λB; (distributiva em relação a soma das matrizes) 6. (λ + β)A = λA + βA; (distributiva em relação a soma dos escalares) 7. (λβ)A = λ(βA); (associativa) 8. 1A = A. DEMONSTRAÇÃO DA PROPRIEDADE 1: Como visto na subseção 3.1.1, a igualdade das matrizes A + B e B + A é equivalente a igualdade das suas entradas aij + bij e bij + aij, i = 1, . . . , m e j = 1, . . . , n. Por- tanto, como a adição em R é comutativa,1 temos que aij + bij = bij + aij, i = 1, . . . , m e j = 1, . . . , n. Assim, A + B = B + A. EXERCÍCIO: Demonstre as propriedades 2–8 anteriores. • Podemos estabelecer uma Correspondência Biunívoca entre Rm×n e Rmn: Em Rm×n, temos conceitos e resultados análogos aos de Rn, tais como subespaço, CL, geradores, LI, LD, base, dimensão, etc, como ilustram alguns exemplos/exercícios deste capítulo. De fato, como pode ser visto na seção 6.2, podemos fazer corresponder biunivocamente matrizes m × n a vetores em Rmn de modo natural. Por exemplo, a matriz A dada em (3.1), p. 47, e a = (a11, . . . , a1n, a21, . . . , a2n, . . . , am1, . . . , amn) onde as mn coordenadas consecutivas de tal vetor são as entradas consecutivas de A(1,−), A(2,−), . . . , A(m,−), nesta ordem. Tal correspondência preserva combinações lineares, isto é, caso Ai corresponda biunivocamente a ai e αi ∈ R, i = 1, . . . , r, α1A1 + · · · + αr Ar corresponde biunivocamente a α1a1 + · · ·+ αrar. EXEMPLO: O quadro seguinte ilustra a ‘mesma’ CL nula escrita tanto matricialmente quanto vetorialmente: R3×2 R6 A = −2 3 0 6 4 −12 a = (−2, 3, 0, 6, 4,−12) B = 1/6 −1/4 0 −1/2 −1/3 1 b = (1/6,−1/4, 0,−1/2,−1/3, 1) 1 12 A + B = O 1 12 a + b = 0 1Lembram do mantra A ORDEM DAS PARCELAS NÃO ALTERA A SOMA? 3.1. ADIÇÃO DE MATRIZES - MULTIPLICAÇÃO POR ESCALARES 51 EXEMPLO: Assim como temos a base canônica {e1, e2, e3, e4} de R4 e qualquer vetor a = (a, b, c, d) de tal espaço pode ser escrito da forma a = ae1 + be2 + ce3 + de4, temos também a base canônica {E1, E2, E3, E4} de R2×2 e qualquer matriz A = ( a b c d ) deste espaço pode ser escrita da forma A = aE1 + bE2 + cE3 + dE4. Aqui, obviamente, E1 = ( 1 0 0 0 ) , E2 = ( 0 1 0 0 ) , E3 = ( 0 0 1 0 ) e E4 = ( 0 0 0 1 ) . EXERCÍCIO: Para números reais C, D, E e F não-nulos, seja S o subespaço de R2×2 gerado por A1 = ( C 0 0 D ) e A2 = ( 0 E F 0 ) . (a) Prove que A1 e A2 são LI; (b) Apresente alguma matriz A3 ∈ R2×2 tal que A3 6∈ S ; (c) Apresente um subespaço S ′ de R2×2 que contenha S com S 6= S ′ 6= R2×2. RESOLUÇÃO: (a) Basta verificar que A1 e A2 não são múltiplas uma da outra! (b) Verifique que, por exemplo, se A3 é uma matriz da base canônica de R2×2,2 A3 não pode ser escrita combinação linear de A1 e A2. (c) Seja A3 como no item anterior. Considere que S ′ seja gerado por A1, A2 e A3. Pelos itens anteriores, tem-se que S ⊂ S ′, S 6= S ′ e A1, A2 e A3 são LI. Deste último fato temos dimS ′ = 3. Portanto S ′ 6= R2×2 (uma vez que dim R2×2 = 4). • Em Rm×n, A − B := A + (−B). EXEMPLO: Em R2×3, [ 1 √ 2 ln e 0 0, 1 1/3 ] − [ −1 −2 √ 2 ln 1 π 1 −4/3 ] = [ 2 3 √ 2 1 −π −0, 9 5/3 ] . 2Lembre-se que a base canônica é composta pelas matrizes que possuem apenas uma entrada não-nula e igual a 1. (Confira exemplo anterior.) 52 CAPÍTULO 3. O ESPAÇO VETORIAL RM×N 3.2 Produto e Transposição de Matrizes • Temos uma multiplicação ‘linha-por-coluna’ análoga ao produto interno visto no capí- tulo anterior. O produto AB ∈ Rm×n de A ∈ Rm×p e B ∈ Rp×n, nessa ordem, está assim definido: C = AB ⇐⇒ cij = ai1b1j + ai2b2j + · · ·+ aipbpj para i = 1, 2, . . . , m e j = 1, 2, . . . , n. Neste caso, denota-se cij := A(i,−) · B(−, j). ∴ AB = A(1,−) · B(−, 1) A(1,−) · B(−, 2) · · · A(1,−) · B(−, p) A(2,−) · B(−, 1) A(2,−) · B(−, 2) · · · A(2,−) · B(−, p) ... ... ... ... A(m,−) · B(−, 1) A(m,−) · B(−, 2) · · · A(m,−) · B(−, p) . Seja b ∈ Rp uma coluna qualquer de B. Digamos, b = B(−, j). Considere agora as p entradas consecuti- vas, da esquerda para a direita, de uma linha arbitrária de A. Digamos que A(i,−) seja a linha considerada. Escreva então estas p entradas como as coordenadas consecutivas de um vetor a ∈ Rp. Daí a · b é o pro- duto (interno) de tal linha e tal coluna como descrito anteriormente, isto é, a · b = A(i,−) · B(−, j). EXEMPLO: Para A ∈ R2×2 e B ∈ R2×3, digamos A = [ α β γ δ ] e B = [ a b c d e f ] , temos a matriz 2 × 3 AB = [ A(1,−) · B(−, 1) A(1,−) · B(−, 2) A(1,−) · B(−, 3) A(2,−) · B(−, 1) A(2,−) · B(−, 2) A(2,−) · B(−, 3) ] = [ αa + βd αb + βe αc + β f γa + δd γb + δe γc + δ f ] . • Em geral, o produto de matrizes não é comutativo. EXEMPLOS: - Para A e B do exemplo anterior, embora possamos calcular AB, BA não está definido. - Ainda que A, B ∈ R2×2, AB 6= BA em geral! Por exemplo, verifique isso para A = [ 1 0 0 0 ] e B = [ 0 1 0 0 ] . 3.3. MATRIZES QUADRADAS SÃO IMPORTANTES! 53 (∗) Para A, B ∈ Rm×p e C ∈ Rp×n arbitrárias, pode ser demonstrado que (A + B)C = AC + BC. EXERCÍCIO: Verifique tal propriedade para A e B do último dos dois exemplos anteriores e C = I − (A + B). • Temos a operação de transposição: A é m × n =⇒ At = a11 a21 · · · am1 a12 a22 · · · am2 ... ... ... ... a1n a2n · · · amn . Note que At é n × m e T = At ⇐⇒ tij = aji com i = 1, 2, . . . , n e j = 1, 2, . . . , m. EXEMPLO: A = [ α β γ δ ] e B = [ a b c d e f ] =⇒ At = [ α γ β δ ] e Bt = a d b e c f . (∗) Caso A e B sejam tais que AB esteja definido, como tal produto de matrizes se comporta sob a ação da transposição? Pode ser demonstrado que (AB)t = Bt At. EXERCÍCIO: Verifique isto para o exemplo anterior. 3.3 Matrizes Quadradas são Importantes! • Dizer que uma matriz A é simétrica significa que At = A. Para tal igualdade ser verdadeira, em primeiro lugar, A deve ser ‘quadrada’. Isto ocorrendo, pela definição de At que acabamos de estudar, devem ser iguais quais- quer duas entradas de A que sejam ‘simétricas’ em relação a sua ‘diagonal principal’, isto é, aij = aji sempre que i 6= j. EXEMPLO DE MATRIZ SIMÉTRICA: A = a α β α b γ β γ c . 54 CAPÍTULO 3. O
Compartilhar