Baixe o app para aproveitar ainda mais
Prévia do material em texto
V- Espaços Euclidianos Prof.Hugo Pedro Boff Espaços Euclidianos são espaços vetoriais de dimensão finita sobre os quais está definido um produto interno. 5.1 Produtos internos no Vn Vamos inicialmente estender a definição (dada na seção 1.4) do produto interno padrão no V3 , para os espaços Vn de dimensão n finita, maior que 3. Produto interno padrão Definição 1: Se x e y ∈ Vn, o produto interno padrão (produto escalar) de x e y , notado , define-se por: x y x1y1 x2y2 . . .xnyn. É fácil verificar que é uma aplicação de V2n no que atende às seguintes propriedades: i x x ≥ 0 e x x 0 sse x 0; ii x y y x; iii x y z x y x z; iv x y x y. O produto interno permite a introdução de uma métrica no Vn, isto é a construção de um vetorial normado. Neste espaço, assim como para o 3, o comprimento de um vetor é medido pela sua norma, notada (‖‖). Definição 2: O comprimento ‖x‖ de um vetor x ∈ Vn é dado por ‖x‖ x x 12 . Definição 3: Dois vetores x,y ∈ Vn são ditos ortogonais entre si sse x y 0. O teorema seguinte estabelece a desigualdade Cauchy- Schwarz no Vn. Teorema 5.1 (Cauchy-Schwarz) Se x,y ∈ Vn então, |x y| ≤ ‖x‖.‖y‖. Prova: O teorema é verdadeiro se x 0 ou y 0. Suponha x ≠ 0 ≠ y. Tome z hx − ky, onde h,k ∈ . Então z z h2x x k2y y −2hkx y ≥ 0. Tome h ‖y‖ e k ‖x‖. Logo, z z ‖y‖2‖x‖2 ‖x‖2‖y‖2 − 2‖x‖.‖y‖x y ≥ 0 ou: ‖x‖.‖y‖ ≥ x y. Tomando agora z hx ky e procedendo como anteriormente obtemos ‖x‖.‖y‖ ≥ −x y e assim, ‖x‖.‖y‖ ≥ |x y|. O teorema seguinte estabelece as propriedades da norma Euclidiana ‖x‖ x x 12 . Teorema 5.2 (propriedades da norma Euclidiana) Para x,y ∈ Vn temos: i ‖x‖ ≥ 0 e ‖x‖ 0 ↔ x 0; ii ‖kx‖ |k|.‖x‖ ∀k ∈ ; iii ‖x y‖ ≤ ‖x‖ ‖y‖ (Minkowski). Prova: Os resultados i e ii decorrem da definição da norma. A desigualdade de Minkowski iii, já demonstrada no V3 (veja seção 1.4) é obtida aqui usando-se o teorema 5.1: ‖x y‖2 x x y y 2x y ≤ ‖x‖2 ‖y‖2 2|x y| ≤ ‖x‖2 ‖y‖2 2‖x‖.‖y‖ ‖x‖ ‖y‖2. Produtos internos abstratos A noção de produto interno não se limita à definição do produto padrão. Toda aplicação do Vn2 no que verifica as propriedades i − iv explicitadas com a definição 1, é um produto interno. Os quatro exemplos abaixo são ilustrativos: Exemplo 1: Sejam x,y ∈ V2 e x y x1y1 2x1y2 2x2y1 5x2y2. Pode-se facilmente verificar que a aplicação atende às condições ii − iv. Ela atende também à i visto que x x x12 4x1x2 5x22 x1 2x22 x22 ≥ 0. Logo, é um produto interno. Exemplo 2: Seja C o espaço das funções reais contínuas para x ∈ 0,1. Se f,g ∈ C, definimos: f g 0 1 fxgxdx. As propriedades ii − iv são atendidas por pois a integral é um operador linear e simétrico. A propriedade i é assegurada pela continuidade de f: 0 1 f2xdx 0 ↔ f 0. Exemplo 3: Seja Mmn o espaço vetorial de todas as matrizes de dimensão m,n com coeficientes reais. Para A aij e B bij ∈ Vmn defina: A B ∑ j1n ∑ i1m aijbij. Se escrevermos A a1′ a2′ . . . am′ e B b1′ b2′ . . . bm′ podemos identificar A B com o traço da matriz AB ′ : A B TrAB ′. As condições ii − iv são imediatamente atendidas em virtude das propriedades do traço: TrA.B ′ TrB ′A, TrA B TrA TrB e TrA TrA. A aplicação também verifica i: A A TrAA ′ ∑ i1n ai′ai 0 sse ai′ 0 i 1,2, . . . ,n isto é, sse A 0. Exemplo 4 : Seja definido sobre o V2n o produto x y y ′x, onde é uma matriz de ordem n definida positiva e simétrica (∀x ∈ Vn, x ≠ 0, x ′x 0, veja seção 8.3 e ′). É facil comprovar que atende as propriedades i − iv e que, portanto, é bem um produto interno. Note que este produto interno se reduz ao produto padrão se In. Exercício 5.1: Verifique se a aplicação x,y → x y max1inxiyi é (ou não) um produto interno. Frisemos que a definição 2 do comprimento de um vetor x ∈ Vn, ‖x‖ x x 12 , assim que as desigualdades Cauchy-Schwarz e Minkowski permanecem válidas quando é um produto interno qualquer. Com efeito, na demonstração da desigualdade para o caso do produto padrão utilizamos as propriedades i −iv, as quais qualquer produto interno abstrato também deve atender. O mesmo pode ser dito para a norma ‖…‖, quando construída através de um produto interno abstrato. Esta forçosamente exibirá as propriedades i − iii da norma padrão arroladas no teorema 5.2. Por exemplo, quando aplicado às desigualdades Cauchy- Schwarz e Minkowski, o produto interno do exemplo 2 acima dá, respectivamente: 0 1 fxgxdx ≤ 0 1 f2xdx 12 0 1 g2xdx 12 e 0 1fx gx2dx 12 ≤ 0 1 f2xdx 12 0 1 g2xdx 12 . Análogamente, em um espaço vetorial munido de um produto interno qualquer, dois vetores x,y são ditos ortogonais se x y 0. Definição 4 : Um espaço vetorial de dimensão finita Vn munido de um produto interno é dito espaço Euclidiano. Formas bilineares Definição 5: Uma expressão na forma ∑ i1m ∑ j1n xibijyj x ′By é chamada forma bilinear real nas m n variáveis x1,x2, . . . ,xm,y1,y2, . . . ,yn reais. A matriz m,n B bij é chamada matriz da forma bilinear. Casos Particulares: 1. Se m n, a forma bilinear é dita simétrica se B é uma matriz simétrica; 2. Se m n e x x1,x2, . . . ,xn′ y1,y2, . . . ,yn′ y então x ′Bx é dita forma quadrática. Exemplo 5: A matriz associada à forma bilinear q x1y1 2x1y3 − x2y1 x3y2 4x2y2 é a seguinte: B 1 0 2 −1 4 0 0 1 0 e q x ′By ; onde x x1,x2,x3′ e y y1,y2,y3′. Exemplo 6 : A forma quadrática q x12 − 18x1x2 5x22 é simétrica. Com efeito, a matriz associada é B 1 −9−9 5 a qual é simétrica (18x1x2 9x1x2 9x2x1). Definição 6 : Uma forma quadrática qx x ′Bx é dita positiva (negativa) semi-definida se, ∀x não nulo, qx ≥ 0 (qx ≤ 0). Ela é dita positiva (negativa) definida se qx 0 (qx 0). Por exemplo, a forma quadrática do exemplo 6 não é definida nem positiva (q1,1′ −12), nem negativa: q1,0′ 1. Um estudo mais exaustivo das formas quadráticas e suas propriedades será realizado no capítulo 8. Definição 7: Uma familia de n vetores LI do Vn , x1,x2, . . . ,xn é dita positivamente (negativamente) orientada se o determinante |x1,x2, . . . ,xn| é positivo (negativo). Veja o exercício 5.2.9. 5.2 Áreas e volumes no Vn A noção de determinante de uma matriz será usada nesta seção para medir áreas de paralelogramos e volumes de poliedros no Vn. O produto interno empregado é o produto Euclidiano. Teorema 5.3 (área do paralelogramo) Se x e y forem dois vetores (coluna) do V3, a área A do paralelogramo de lados adjacentes x e y é dada por A |M2′M2 | onde M2 x,y e M2′M2 x x x yy x y y . Prova: Seja o ângulo entre x,y. Se ‖x‖ é o comprimento da base do paralelogramo, a altura será ‖y‖ sin. Assim, A2 ‖x‖2‖y‖2 sin2 ‖x‖2‖y‖21 − cos2 ‖x‖2‖y‖2 − x y2 (pela lei do cosseno). Então, A2 x x. y y − x y2 mod|M2′M2 |. O Y X θ Y senθ fig.5.1: Área do paralelogramo formado pelos Corolário : Se x,y ∈ V2 então A mod|M2 |. Prova: Neste caso, M2 é uma matriz de ordem 2 e, então pela propriedade dos determinantes (seção 4.1, propriedade 8) temos: |M2′M2 | |M2 |2 ou A mod|M2 |. Teorema 5.4 (volume do paralelepípedo) Sejam x,y, z ∈ V3 três vetores-coluna LI. O volume V do paralelepípedo cujas arestas que partem de um mesmo vértice são os vetores x,y e z é dado por: V mod|M3 | onde M3 x,y, z; Prova: O volume V é igual à área A da base do paralelogramo formadopelos vetores x e y (digamos) vezes a altura h. Pelo teorema anterior, vimos que A2 |M2′M2 | onde M2 x,y. Por outro lado, se u é a projeção de z no complemento ortogonal do plano formado por x e y, então h ‖u‖. Seja então z ax by u. Como x u y u 0 determinamos a e b que resolvem x z ax x bx y e y z ay x by y com u z u u. Na forma matricial, temos x z y z x x x y y x y y a b . Como x e y são não colineares, pela regra de Cramér vem: a 1 A2 x z x y y z y y e b 1 A2 x x x z y x y z . Então, V2 A2‖u‖2 A2z u A2z z − ax − by A2z z − A2az x − A2bz y. Após substituição de a e b: V2 z x x y x z y y y z − z y x x x z y x y z z z x x x y y x y y , que é o determinante de M3 ′M3 x x x y x z y x y y y z z x z y z z calculado pela expansão dos cofatores da sua última linha. Enfim, como M3 é de ordem 3, |M3′M3 | |M3 |2 de modo que V mod|M3 |. h O Z X A Y fig.5.2: Volume do paralelepípedo formado Exercício 5.2 (a) Ache a área do paralelogramo cujos vértices são os pontos P1(2,2,1); P2(3,0,6); P3(4,1,5). (b) Ache o volume do paralelepípedo cujas arestas adjacentes são os vetores: x 1,1,0′; y 1,0,1′ e z 0,1,1′. Solução: (a) Fixemos a origem em P1 e calculemos as arestas x P1P2 1,−2,5 e y P1P3 2,−1,4. Então, M2 x,y e M2′M2 30 24 24 21 e A |M2′M2 | 1 2 630 − 242 3 6 . (b) Temos M3 x,y, z 1 1 0 1 0 1 0 1 1 e V mod|M3 | |−1 − 1| 2. Definição 8: Qualquer conjunto de r vetores LI x1,x2, . . . ,xr do Vn r ≤ n formam um poliedro r-dimensional, o qual consiste de todos os vetores da forma a1x1 a2x2 . . .arxr onde 0 ≤ ai ≤ 1 i 1,2, . . . , r. O teorema seguinte define o volume dos poliedros de dimensão superior. Teorema 5.5 (volume do poliedro r-dimensional) O volume do poliedro r-dimensional definido por r vetores-coluna LI, x1,x2, . . . ,xr do Vn r ≤ n é Vr |Mr′Mr | onde Mr x1,x2, . . . ,xr. Prova: Pelo teorema 5.4 a proposição é verdadeira para r 3. Supomo-la verdadeira para r − 1 e mostraremos que é válida também para r. Seja Vr−1 o volume do poliedro formado por x1,x2, . . . ,xr−1: Vr−12 x1 x1 x1 x2 . . . x1 xr−1 x2 x1 x2 x2 . . . x2 xr−1 . . . . . . . . . . . . xr−1 x1 xr−1 x2 . . . xr−1 xr−1 . Se u é a projeção de xr no complemento ortogonal do espaço gerado por x1,x2, . . . ,xr−1, então, Vr ‖u‖Vr−1. Se ∑ j1r−1 ajxj é a projeção de xr no hiperplano de x1,x2, . . . ,xr−1, então podemos escrever: xr ∑ j1r−1 ajxj u. Como xj u 0 j 1,2, . . . , r − 1 e xr u u u , temos a resolver em a1,a2, . . . ,ar−1 o sistema de equações xi xr ∑ j1r−1xi xjaj; i 1,2, . . . , r − 1. Note que M′M Mr−1′ Mr−1 x1 xr . . . xr−1 xr xr x1 . . . xr xr−1 xr xr .Resolvendo-se o sistema de r − 1 equações, pela regra de Cramér obtemos: a1 1Vr−12 x1 xr x1 x2 . . . x1 xr−1 x2 xr x2 x2 . . . x2 xr−1 . . . . . . . . . . . . xr−1 xr xr−1 x2 . . . xr−1 xr−1 − cr1 Vr−12 ondecr1 é o cofator do elemento xr x1 de M′M. E assim sucessivamente, aj − 1Vr−12 crj onde é o cofator crj de xr xj na última linha de M′M. Como ‖u‖2 xr u , temos então: Vr−12 xr u Vr−12 xr xr − ∑ j1r−1 ajxj Vr−12 xr xr ∑ j1r−1 crjxr xj. Ora, Vr−12 é o cofator do elemento xr xr de M′M, de maneira que toda a expressão à direita da última igualdade é o determinante de M′M calculado pela expansão dos cofatores de sua última linha. Então, Vr2 Vr−12 ‖u‖2 |M′M|. Corolário: Se r n no teorema 5.5, então Vr mod|M|. 5.3 Complementos e projeções ortogonais no Vn Consideremos um espaço Euclidiano Vn. Definição 9: Um vetor x ∈ Vn é dito ortogonal à um subespaço S se x é ortogonal à cada vetor de S. Dois subespaços S,T ⊂ Vn são ditos ortogonais entre si se cada vetor de S é ortogonal a todos os vetores de T. Definição 10: Se S é um subespaço vetorial do Vn, o conjunto S de todos os vetores ortogonais à S é chamado complemento ortogonal de S no Vn: S v ∈ Vn : v s 0;∀s ∈ S. Teorema 5.6 (dimensão do complemento ortogonal) Se S ⊂ Vn tem dimensão r r ≤ n, então S é um subespaço do Vn de dimensão n − r. Além disso, S ∩ S 0; S S Vn e S S. Prova: (i) A demonstração de que S é um subespaço vetorial é trivial e será deixada aos cuidados do leitor. (ii) Para mostrar que dimS n − r, tome r vetores-linha b1,b2, . . . ,br de uma base de S, e construa a matriz B b1′ ,b2′ , . . . ,br′ ′ de dimensão r,n. Como x ∈ S temos Bx 0. Logo, S ⊂ NB onde NB é o espaço-nulo de B. Por outro lado se v ∈ NB, então Bv 0, o que implica v ∈ S. Temos então S NB. Se Bl designa o espaço-linha de B, vimos no capítulo 3 que Bl S e, pelo teorema 3.1, que dimBl dimNB n r dimS. (iii) Seja x ∈ S ∩ S. Então x x 0 x 0 (pela propriedade (i) do produto interno). Disto vem que S ∩ S 0, dimS S dimS dimS n e S S Vn. (iv) S v ∈ Vn : v s 0 ∀s ∈ S Vn − S S. Corolário: Todo vetor x ∈ Vn tem uma única representação soma, na forma x s t onde s ∈ S e t ∈ S. Prova: Já foi dada (seção 2.4). Definição 11 (projeções): Se Vn S T e se x ∈ Vn for escrito como x s t s ∈ S e t ∈ T, então o vetor s é chamado projeção de x sobre o subespaço S na direção de T. Se T S então s e t são chamados projeções ortogonais de x sobre S e S respectivamente. S S x s t 9 0 o O fig.5.3:Projeção ortogonal do vetor X sobre Exercício 5.3 : Seja S o subespaço do V3 gerado por y 2,−1,3. Ache as projeções de x 1,1,3 sobre S e S. Solução: Temos aqui S v ∈ V3 : v ky, k ∈ . Então x ky t onde t y 0, y x ky y com k yxyy 57 . Logo, s ky 57 2,−1,3 é a projeção de x em S e t x − s 37 −1,4,2 é a projeção de x em S. Exercício 5.4: Ache a projeção ortogonal de y 1,2,0,−2′ sobre o subespaço S do V4 gerado por x1 2,2,0,−1′ e x2 1,2,−1,3′, e também sobre S. Solução: Como x1 e x2 são LI, a imagem da projeção de x sobre S terá a representação s k1x1 k2x2. Seja X x1,x2 e k k1,k2′. Então, y s t Xk t. Premultiplicando esta equação por X vem: X ′y X ′Xk X ′t X ′Xk, dado que X ′t 0. X ′X x1.x1 x1.x2 x2.x1 x2.x2 3 3 1 1 5 e X ′y 8−1 . Invertendo X ′X vem: X ′X−1 3126 5 −1 −1 3 , de maneira que k X ′X−1X ′y 1126 123 −33 . Assim, s Xk 1126 X 123 −33 1 42 71,60,11,74 e t x − s 142 −29,24,−11,−10. Projetores ortogonais O exercício precedente mostrou que se X é uma matriz de r vetores-coluna LI, o vetor dos coeficientes da projeção k escreve-se k X ′X−1X ′y, de maneira que a imagem da projeção será s Xk XX ′X−1X ′y. Notemos Px XX ′X−1X ′, e Sx para o espaço gerado pelas colunas da matriz X com a notação do capítulo 3, Sx Xcl. Definição 12: A matriz Px XX ′X−1X ′ de ordem n é dita matriz da projeção dos vetores de Vn sobre Sx na direção de Sx. Propriedades do projetor Px 1. Idempotência: PxPx Px; Isto implica que se y ∈ Sx, então: Pxy y. A imagem da projeção de um vetor do Sx neste espaço é o próprio vetor; 2. Ortogonalidade: z ∈ Sx Pxz 0; Isto decorre de que sendo z ortogonal à Sx, então: X ′z 0. 3. pPx r TrPx. Com efeito, pela propriedade do posto (propriedade (ii), seção 3.5) temos: postoPx postoXX ′X−1X ′ postoX ′X−1X ′X postoIr r. A segunda igualdade vem de que, assim como o posto, o operador traço Tr é comutativo: TrAB TrBA. Note que a imagem da projeção de um vetor y ∈ Vn no Sx é uma transformação linear: s Pxy, de maneira que podemosdefinir um operador de projeção com matriz Px (veja capítulo 6). Para qualquer vetor y, podemos calcular sua projeção em Sx usando o mesmo projetor Px. No caso acima, o projetor Px é também simétrico: Px Px′ , muito embora esta não seja uma condição necessária para um operador de projeção. Por outro lado, como t y − s y − Pxy I − Pxy, realizamos que Px I − Px é o projetor sobre o complemento ortogonal Sx na direção de Sx. Enquanto projetor, Px I − Px possui as mesmas propriedades (1)-(3) listadas acima para o projetor sobre Sx. Além disso, pI − Px n − r TrI − Px. Exercício 5.5: Ache as projeções de y 5,1,2′ sobre o plano : x − 2y 3z 0 e sobre a reta passando pela origem e perpendicular a este plano. Solução: Vamos resolver o exercício calculando o projetor sobre a reta. O vetor de suporte da reta passando pela origem e perpendicular ao plano é N 1,−2,3′. Então, o projetor sobre será: PN NN′N−1N′ 114 1 −2 3 1 −2 3 114 1 −2 3 −2 4 −6 3 −6 9 . Logo, t PNy 914 1,−2,3′ é a imagem da projeção de y sobre .Por outro lado, como y s t obtemos, s y − t 114 61,32,1′ que é a imagem da projeção de y sobre o plano . Note que poderíamos ter obtido s por um caminho mais longo, isto é, primeiro calculando o projetor sobre o plano . Este pode ser calculado tomando-se dois pontos quaisquer de , por exemplo P−1,1,1 e Q2,1,0. Definindo-se X −1 2 1 1 1 0 para a matriz dos vetores-coluna que formam uma base do plano, obtemos então o projetor em : Px XX ′X−1X ′ 114 13 2 −3 2 10 6 −3 6 5 (Usamos X ′X−1 114 5 1 1 3 ). Obtemos assim s Pxy 114 6,32,1′, isto é, o mesmo resultado obtido anteriormente. Verifique também a identidade PN PX I3. Exercício 5.6: Mostre que a fórmula da projeção de um vetor U sobre um outro V dada na seção 1.4 pode ser escrita, de maneira equivalente, usando-se a matriz de projeção sobre o espaço gerado por V. A noção de projeção ganha um caráter mais genérico quando definida através dos chamados operadores de projeção, como na teoria dos operadores lineares (veja capítulo 6 e seção 7.7). Um ponto que enfatizamos aqui é que a construção das matrizes de projeção depende do produto interno definido sobre o vetorial. De um modo geral, a produtos internos distintos correspondem projetores distintos. Para ilustrar esta idéia, considere o espaço vetorial Vn e o produto interno definido no exemplo 4 da seção 5.1: x y y ′x, onde é uma matriz simétrica de ordem n e definida positiva. Seja X uma matriz n,k e Xcl o subespaço gerado pelas suas colunas (k n). Podemos escrever Vn Xcl ⊕ Xcl e, para v ∈ Vn, existe uma decomposição única tal que v s t, onde s ∈ Xcl e t ∈ Xcl. Temos s Xb , onde b b1, . . . ,bk′ é um vetor de constantes. Para definir um projetor ortogonal sobre Xcl com este produto interno, considere o produto t s s′t b′X ′t. Como este produto deve ser nulo para cada s (dado t, deve-se ter X ′t 0. Logo, prémultiplicando v s t por X ′ temos, X ′v X ′s X ′Xb. Assim, b X ′X−1X ′v. Definimos então o projetor ortogonal no Vn, para este produto interno, por: P XX ′X−1X ′ Exercício 5.7 Mostre que P é um projetor ortogonal sobre Xcl e que I − P é um projetor sobre Xcl. Estimadores de mínimos quadrados (MQ) Estimadores de mínimos quadrados (MQ), muito comuns em Econometria, estão baseados no fato de que a imagem s da projeção ortogonal de um vetor y ∈ n é um vetor (digamos y) do subespaço Sx, cujo ponto coordenado está mais próximo do ponto coordenado de y. Se x1,x2, . . . ,xr é uma base de Sx, y tem a representação ∑ i1r ixi, para constantes 1,2, . . . ,r a serem determinadas. Naturalmente, como se quer minimizar distância, estas constantes serão escolhidas de maneira a tornar mínimo o comprimento ‖y − ∑ i1r ixi‖, de acôrdo com o produto interno definido para a norma ‖‖. Neste contexto, procura-se expressar a variável y (chamada variável dependente) em função de um determinado número r de variáveis independentes x1,x2, . . . ,xr (ditos regressores), e de um termo não observado ortogonal ao plano dos regressores: y 1x1 2x2 . . .rxr . Com base em n observações independentes sobre as r 1 variáveis, escreve-se a equação na forma matricial: y X onde y e são vetores-coluna n, 1, X x1,x2, . . . ,xr é a matriz n, r dos regressores e 1,2, . . . ,r′ o vetor dos parâmetros. Notamos, como antes, xcl para o subespaço do n gerado pelas colunas da matriz X. A projeção ortogonal sobre xcl, é efetivamente aquela que fixa o vetor y do xcl que está mais próximo de y ∈ n. No caso do produto interno padrão, como vimos acima, a projeção ortogonal é: ŷ Pxy. Naturalmente, este vetor resulta da escolha do vetor coordenada que minimiza a soma dos quadrados dos “erros” ‖‖2 ′ y − X ′y − X. y y ^ Px y= O XβωXcl : ε^ Vn Fig.5.4: Projeção ortogonal do vetor Y no Exercício 5.8: Usando as regras (1)-(3) da derivação em forma matricial (seção 4.5), mostre que o estimador MQ de é X ′X−1X ′y, de maneira que ŷ X.(O estimador é dito estimador de mínimos quadrados ordinários, MQO). Exercício 5.9 : Mostre que o estimador de mínimos quadrados de no modelo de regressão y X , quando o produto interno definido sobre o Vn for o do exemplo 4 (seção 5.1) é X ′X−1X ′y . Note que aqui, ‖‖2 ′ . Dê, neste caso, a imagem da projeção y sobre xcl. Observe que o estimador MQO de obtido no exercício anterior é um caso particular dêste ( In. Quando −1 é a matriz var.-cov. do vetor (tomado como vetor aleatório do Vn, é dito estimador de mínimos quadrados generalizados (MQG). 5.4 Bases ortonormais Seja Vn um espaço Euclidiano de dimensão n. Teorema 5.7 (independencia linear dos vetores ortogonais) Qualquer conjunto de vetores não nulos mutuamente ortogonais de Vn é LI. Prova: Seja x1,x2, . . . ,xr uma família de r vetores ortogonais e suponhamos, por absurdo, que ∑ i1r ixi 0 para algum j ≠ 0. Então, xj∑ i1r ixi ∑ i1r ixjxi jxjxj 0 o que implicará j 0, i.e. uma contradição. Logo, a família é LI. Note que, se S for um subespaço próprio de Vn dimS n então, em virtude do teorema 5.5, Vn contém um vetor não nulo ortogonal à S. Exercício 5.10 : Dada uma base s1, s2, . . . , sr de um subespaço próprio Sr n, construa um vetor ortogonal à S. Solução: Tome sr1 ∈ Vn um vetor não gerado por s1, s2, . . . , sr. Logo, s1, s2, . . . , sr, sr1 é LI. Construímos o vetor ortogonal à S pela combinação linear T ∑ i1r1 aisi. Os coeficientes a1,a2, . . . ,ar,ar1 são escolhidos resolvendo-se o sistema de r equações sj T 0 j 1,2, . . . , r nas r 1 incógnitas a1,a2, . . . ,ar,ar1 o qual, como sabemos, tem solução. Por exemplo, tomando-se ar1 −1 temos a resolver: s1 s1 s1 s2 . . . s1 sr s2 s1 s2 s2 . . . s2 sr . . . . . . . . . . . . sr s1 sr s2 . . . sr sr a1 a2 . . . ar s1 sr1 s2 sr1 . . . sr sr1 Como os vetores s1, s2, . . . , sr são LI, os coeficientes ai não são todos nulos e, em consequência, o vetor ortogonal à S não será nulo. Definição 13: Uma base de Vn consistindo de vetores unitários mutuamente ortogonais é chamada base ortonormal. O teorema seguinte estabelece a existência de bases ortonormais nos espaços vetoriais de dimensão finita. Teorema 5.8 (existência de bases ortonormais) Todo espaço Euclidiano não nulo tem uma base ortonormal. Prova: Mostremos por indução. Seja S1 o espaço gerado por um vetor qualquer x1 x11,x21, . . . ,xn1′ ∈ Vn. Como dimS1 1, sabemos que existe um vetor x2 ∈ S1 tal que x1 x2 0 (o espaço solução desta equação tem dimensão n − 1, de modo que x2 pode ser fácilmentedefinido: x2 −x21,x11, 0, . . . , 0′. Ora, x1 e x2 são LI, de maneira que formam uma base para um espaço S2 de dimensão 2. Sejam então n − 1 vetores LI mutuamente ortogonais x1,x2, . . . ,xn−1. Como o subespaço gerado por estes vetores é próprio dimSn−1 n podemos encontrar em Vn um nesimovetor xn ortogonal à Sn−1 (veja exercício 5.10). O conjunto x1,x2, . . . ,xn−1,xn será LI (pelo teorema 5.7) e portanto, uma base ortogonal de Vn. Enfim, colocando ki 1‖xi‖ , temos que a família de vetores k1x1,k2x2, . . . ,knxn será uma base ortonormal de Vn. Ortogonalização (Gramm-Schmidt) Dada uma base qualquer do Vn,y1,y2, . . . ,yn, podemos construir uma base ortonormal x1,x2, . . . ,xn usando o seguinte procedimento recursivo (chamado de Gramm-Schmidt): x1 y1 x2 y2 − y2 x1x1 x1 x1 x3 y3 − y3 x2x2 x2 x2 − y3 x1 x1 x1 x1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xn yn − yn xn−1xn−1 xn−1 xn−1 − yn xn−2 xn−2 xn−2 xn−2. . .− yn x1 x1 x1 x1 Os vetores x1,x2, . . . ,xn constituem uma base ortogonal de Vn. A normalização xi‖xi‖ tornará os vetores de comprimento unitário gerando, portanto, uma base ortonormal. Exemplo 7: Aplicando o procedimento de Gramm-Schmidt à base y1 1,2′, y2 2,3′ do V2 obtemos a seguinte base ortogonal: x1 y1 e x2 2,3′ − 85 1,2′ 25 ,− 15 ′. ♣♣♣ Exercícios propostos Seção 5.1 : Produtos internos no Vn 1. Usando o produto interno padrão prove que: a se x e y são dois vetores quaisquer do Vn, |x y|∥ x ∥.∥ y ∥ sse x e y forem LD; b se ∥ x y ∥ ∥ x ∥ ∥ y ∥, então x e y são LD; 2. Mostre que a recíproca do item (b) no exercício anterior é em geral falsa; 3. Sejam x e y vetores do V3. Prove algébricamente que se x y é ortogonal à x − y, então ∥ x ∥ ∥ y ∥; 4. Verifique que os vetores 13 1,−2,−2 , 13 2,−1,2, 13 2,2,−1 formam uma base ortonormal para V3 relativamente ao produto interno padrão; 5. Seja x y o produto interno do exemplo 1: x y x1y1 2x1y2 2x2y1 5x2y2. Mostre que os vetores 1,0 e 2,−1 formam uma base ortogonal para o V2 relativamente a este produto; 6. Usando o mesmo produto interno que no exercício anterior, prove que x1 − 25 , 35 é um vetor unitário e ache um vetor x2 tal que x1, x2 seja uma base ortonormal para o V2. 7. Quais dos seguintes produtos definem produtos internos no V2? a x y 2x1y1 5x2y2; b x y x12 − 2x1y2 − 2x2y1 y22; c x y x1y1 − 2x1y2 − 2x2y1 4x2y2; d x y x1y1 5x1y2 5x2y1 − x2y2; e x y x1y1 3x1y2 3x2y1 10x2y2. Justifique. 8. SejaM o espaço vetorial sobre consistindo de todas as matrizes m n com elementos em , e seja A aij,B bij dois elementos quaisquer deM. Prove que A B ∑ j∑ i aijbij define um produto interno no espaçoM; 9. SeM,A,B e A B tem o mesmo significado que no exercício anterior, mostre que AB ′ é uma matriz m,m e que A B TrAB ′. formas bilineares 10. Escreva a matriz de cada uma das seguintes formas bilineares e verifique que cada uma pode se escrever como um produto matricial x.Ay x ′Ay . a x1y1 x2y2 2x3y2 − 5x2y3; b 2x1y1 3x1y2 5x1y3 − 2x2y2 7x3y1 4x3y3; c x1y1 x2y2 x3y3 x4y4; d x1y1 − 5x2y3 2x3y2. 11. Escreva a matriz simétrica de cada uma das seguintes formas quadráticas e verifique que elas podem se escrever como produtos matriciais x ′Ax. a x12 5x22 − 7x32; b 2x1x2 6x1x3 − 4x2x3; c x12 2x22 − 5x32 − x1x2 4x2x3 − 3x3x1. 12. Se A 2 1 5 1 3 −2 5 −2 4 , escreva explícitamente as formas quadrática x ′Ax e bilinear x ′Ay, associadas à matriz A. Seção 5.2 : Áreas e Volumes no Vn 1. Ache a área do paralelogramo cujos vértices são: a 0,0, 1,3, −2,1 e −1,4; b 2,4, 4,5, 5,2 e 7,3; c −1,3, 1,5, 3,2 e 5,4; d 0,0,0, 1,−2,2, 3,4,2 e 4,2,4; e 2,2,1, 3,0,6, 4,1,5 e 1,1,2; 2. Ache os volumes dos paralelepípedos cujas arestas adjacentes são os vetores: a 1,1,2; 3,−1,0; 5,2,−1; b 1,1,0; 1,0,1;0,1,1; 3. Prove algébricamente e geométricamente que o paralelogramo com arestas x e y tem a mesma área que o paralelogramo cujas arestas são x e z y kx para qualquer escalar k; 4. Prove algébricamente e geométricamente que o volume do paralelepípedo no V3 cujas arestas são x,y e z é igual ao volume do paralelepípedo cujas arestas são x,y, z hx ky, quaisquer escalares h e k; 5. Ache o 3 −volume dos pralelepípedos tridimensionais no V4 definidos pelos vetores: a 2,1,0,−1;3,−1,5,2; 0,4,−1,2; b 1,1,0,0;0,2,2,0;0,0,3,3; 6. Ache o 2 −volume (área) do paralelogramo no V4 cujas arestas são os vetores 1,3,−1,6 e −1,2,4,3; 7. Mostre que o paralelepípedo no V3 definido pelos vetores 2,2,1, 1,−2,2 e −2,1,2 é um cubo. Ache o volume deste cubo; 8. Prove que se os vetores x1,x2, . . . ,xr são mutuamente ortogonais, o r-volume do paralelepípedo definido por eles é igual ao produto dos seus comprimentos. 9. Prove que dois vetores x1 e x2 do V2 são positivamente orientados sse a rotação de x1 para x2 de um ângulo menor que 180o tiver sentido anti-horário. Seção 5.3 : Complementos e projeções ortogonais no Vn 1. Ache uma base para o complemento ortogonal no V3 do subespaço gerado por: a 1,7,−2; b 1,−8,3; 2. Ache uma base para o complemento ortogonal no V3 do subespaço gerado pelos vetores: a 1,2,−1; 3,1,4; b 2,2,5; 1,−7,4; 3. Ache as projeções do vetor 3,4,1 sobre o espaço gerado por 1,1,1 e sobre o seu complemento ortogonal; 4. Ache as projeções de 1,1,2 sobre o plano : x − 2y 3z 0 e sobre a reta perpendicular a este plano; 5. Construa o projetor P dos vetores do 3 sobre da questão anterior. Idem para ; 6. Ache a projeção ortogonal do vetor 2,−1,2 sobre o espaço gerado pelo vetor 1,−1,3. Explicite também as matrizes de projeção sobre este espaço e sobre o seu complemento ortogonal. 7. Ache as projeções ortogonais do vetor v 1,1,−1 sobre o plano : x − y 2z 0 usando: a o produto interno padrão; b o produto interno do exemplo 4, seção 5.1: x y y ′x, onde 1 1 0 1 2 1 0 1 2 ; 8. (a) Determine uma base natural para o espaço solução S das equações: x y − z w 0; 3x 2y − 2z 4w 0; (b) Ache a projeção ortogonal do vetor 111,1,−1,2 sobre S; 9. Dê os estimadores de mínimos quadrados (MQ) do vetor 1,2,3′ na projeção do vetor 1,2,2′ no subvetorial gerado por 1,1,1; 1,2,3; 0,0,−1 a usando o produto interno padrão; b usando o produto interno generalizado com matriz do exercício 7; Seção 5.4 : Bases ortonormais 1. Dada a base 1,0,1;1,−1,0 e 0,1,2 do V3 construa à partir dela, pelo processo de Gramm-Schmidt, uma base ortonormal relativamente ao produto interno padrão; 2. Seja P o espaço vetorial sobre consistindo de todos os polinômios em x de grau ≤ 2 com coeficientes reais. [f ∈ P → fx a0 a1x a2x2]. Defina o produto interno em P por p q 0 1 pxqxdx. a Verifique que isto define um produto interno; b Aplique o procedimento de Gramm-Schmidt à base 1,x,x2 de P para obter uma base ortonormal relativamente a este produto interno; c Ache as coordenadas relativas à base ortonormal encontrada em b de um vetor arbitrário (isto é, o polinômio) ax2 bx c; 3. Seja P o espaço com produto interno do exercício anterior. Sejam P1 polinômios de grau zero, com o polinômio nulo; P2 conjunto dos múltiplos escalares de x e P3 polinômios a bx; a,b ∈ . Prove que P1,P2,P3 são subvetoriais e ache as bases dos subvetoriais P1, P2, P3 relativamente a este produto interno; 4. (continuação do exercício anterior) Ache as projeções ortogonais de 1 − 2x 3x2 sobre: a P1 e P1; b P2 e P2.ℶ✓ℷℵℸ Respostas aos exercícios Seção 5.1: 1/ Use a lei do cosseno, em (a) e (b); 2/ Coloque x ky e verifique que a proposição inversa é falsa se k 0; 3/ Use a condição x y. x − y 0; 6/ x2 15 11,−4; 7/a e e; 10/ (a) 1 0 0 0 1 −5 0 2 0 ; (b) 2 3 5 0 −2 0 7 0 4 ; (c) I4; (d) 1 0 0 0 0 −5 0 2 0 ; 11/ (a) 1 0 0 0 5 0 0 0 −7 ; (b) 0 1 3 1 0 −2 3 −2 0 ; (c) 1 − 12 − 32 − 12 2 2 − 32 2 −5 ; 12/ quadrática: 2x12 2x1x2 10x1x3 3x22 − 4x2x3 4x32; bilinear: 2x1 x2 5x3y1 x1 3x2 − 2x3y2 5x1 − 2x2 4x3y3. Seção 5.2: 1/ a 7; b 7; c 10; d 2 65 ; e 3 6 ; 2/ a 26; b 2; 3/ Use a propriedade 5 dos determinantes (sec.4.1) num caso e a igualdade dos triângulos no outro; 5/ a 4359 ; b 12; 6/ 1049 ; 7/ volume 27; 8/ Use a expressão da área do paralelogramo. Seção 5.3: 1/ a [-7, 1, 0] e [2, 0, 1] ; b [8, 1, 0] e [-3, 0, 1]; 2/ a [-9, 7, 5] ; b [-43, 3, 16]; 3/ a 83 1,1,1; 13 1,4,−5 (complemento ortogonal); 4/ a 114 9,24,13; 514 1,−2,3 (complemento ortogonal); 5/ P 114 13 2 −3 2 10 6 −3 6 5 ; P 114 1 −2 3 −2 4 −6 3 −6 9 ; 6/ 911 1,−1,3; P 111 1 −1 3 −1 1 −3 3 −3 9 ; 7/ a 13 4,2,−1; b 15 7,3,−1; 8/ a base de S: 0,1,1,0; −2,1,0,1; projeção sobre S : −4,1,−1,2; 9/ a 2,−1,−2′; b 7,−9,−15′; Seção 5.4: 1/ 1 2 1,0,1; 1 6 1,−2,−1; 1 3 −1,−1,1; 2/ b base ortonormal: 1; 3 2x − 1; 5 6x2 − 6x 1; c coordenadas: a3 b2 c; ab12 ; a180 ; 3/ base de P1 : −2x 1; 3x2 − 1 dimP1 2; base de P2 : 3x − 1; 2x2 − 1 dimP2 2; base de P3 : 6x2 − 6x 1 dimP3 1; 4/ a sobre P1 : 1; sobre P1 : 3x2 − 2x; b sobre P2 : 74 x; sobre P2 : 3x2 − 154 x 1.
Compartilhar