Baixe o app para aproveitar ainda mais
Prévia do material em texto
Material Básico de Estudo Álgebra Linear Real Fractal “Mandala” “Eu nunca ensino aos meus alunos, apenas tento dar condições nas quais eles possam aprender”. (Albert Einstein) Acadêmico(a): _________________________________________________ Turma: _____________________________ Primeiro Semestre de 2011. Material elaborado pelo Prof. Júlio César Tomio* * Professor do Instituto Federal de Santa Catarina [IFSC] – Campus Joinville. Álgebra Linear Professor Júlio César Tomio 2 y x 4 3 w – 2 0 v v w ESPAÇOS VETORIAIS A Álgebra é generosa; ela frequentemente contribui com mais do que foi pedido. Jean le Rond d’ Alembert (1717-1783) In Carl B. Boyer A History of Mathematics Wiley, 1968, p. 481 1. VETORES NO ℝn Relembrando, sucintamente, vetores... Vetores no ℝ1 O conjunto ℝ1 = }/){( Rxx é interpretado como sendo o eixo orientado x , também dito eixo real ou eixo das abscissas. É o espaço unidimensional. Vetores, neste sistema de coordenadas, serão representados por uma coordenada que determina sua extremidade, sendo que a origem do vetor coincide com a origem do sistema (Vetores Posição). Veja os exemplos: )3(v ou ]3[v ou 3v )2(w ou ]2[w ou 2w origem – 4 –3 –2 –1 0 1 2 3 4 5 6 7 x Vetores no ℝ2 O conjunto ℝ2 = ℝ x ℝ = },/),{( Ryxyx é interpretado como sendo o Plano Cartesiano xOy. É o espaço bidimensional. Vetores, neste sistema de coordenadas, serão representados por uma dupla (ou par) ordenada(o) que determina sua extremidade, sendo que a origem do vetor coincide com a origem do sistema (Vetores Posição). Veja os exemplos: )3,4(v ou 3 4 v ou 3,4v )0,2(w ou 0 2 w ou 0,2w Observe que para a notação de um vetor usaremos: ),( yxv que é a expressão analítica, ou y x v que é a expressão matricial, ou yxv , que é uma variação da expressão analítica, ou jyixv .. que é combinação linear com a base canônica. Álgebra Linear Professor Júlio César Tomio 3 v O 7 2 5 y z x Vetores no ℝ3 O conjunto ℝ3 = ℝ x ℝ x ℝ = },,/),,{( Rzyxzyx é interpretado como sendo o Espaço Cartesiano Oxyz. É o espaço tridimensional. Vetores, neste sistema de coordenadas, serão representados por uma tripla (ou terna) ordenada(o) que determina sua extremidade, sendo que a origem do vetor coincide com a origem do sistema (Vetores Posição). Veja o exemplo: )5,7,2(v ou 5 7 2 v ou 5,7,2v Vetores no ℝn O conjunto ℝn = ℝ x ℝ x ℝ x ... x ℝ = }/),...,,,{( 321 Rxxxxx in é interpretado como sendo o Espaço ℝn. É o espaço n-dimensional. Vetores, neste sistema de coordenadas, serão representados por uma n-upla ordenada que determina sua extremidade, sendo que a origem do vetor coincide com a origem do sistema (Vetores Posição). Geometricamente, nossas representações se limitam, por enquanto, ao ℝ3, mas podemos trabalhar com situações que não dependem da representação geométrica e tratam de situações que envolvem mais que 3 variáveis (coordenadas). Assim sendo, poderemos trabalhar com 4 variáveis através do ℝ4 e assim sucessivamente. Se o espaço tiver n dimensões então um vetor será representado por: )...,,,,,( 4321 nxxxxxv ou nx x x x x v 4 3 2 1 . Observação: Vários autores preferem representar em seus livros um vetor v apenas com a letra indicativa em negrito v , ou simplesmente em itálico v , para diferenciar um vetor de um escalar. Aqui, normalmente representaremos um vetor com a indicação (mais usual) da “flechinha” [ v ] tornando fácil a representação de um vetor em anotações a mão livre, por exemplo. Vale relembrar também que se um vetor AB não estiver com sua origem coincidindo com a origem do sistema de coordenadas (vetor definido por dois pontos), poderemos encontrar o seu vetor posição v através da subtração dos pontos que determinam a sua extremidade B e sua origem A respectivamente. Assim sendo: ABv ABv Para refletir: Talento é quando um atirador atinge um alvo que os outros não conseguem. Gênio é quando um atirador atinge um alvo que os outros não vêem. (Arthur Schopenhauer) Álgebra Linear Professor Júlio César Tomio 4 2. ESPAÇO VETORIAL REAL Seja um conjunto V , não vazio, sobre o qual estão definidas as operações de adição e multiplicação por escalar, isto é: VvuVvu ,, VuaVuRa .,, O conjunto V com estas duas operações é chamado Espaço Vetorial Real (ou Espaço Vetorial sobre R ) se forem verificados os seguintes axiomas: A) Em relação à adição: A1) Vwvuwvuwvu ,,,)()( [associativa da adição] A2) Vvuuvvu ,, [comutativa da adição] A3) uuVuV 0,,0 [elemento neutro] A4) 0)(,)(, uuVuVu [inverso aditivo (oposto)] M) Em relação à multiplicação: M1) )..()..( vbavba M2) vbvavba ..).( M3) vauavua ..).( M4) uu 1 , para Vvu , e Rba , Observações: Os elementos ...,,, wvu , de um espaço vetorial V são denominados vetores. Se a definição de espaço vetorial considerasse como escalares o conjunto C dos números complexos, V seria um espaço vetorial complexo. Entretanto serão considerados somente espaços vetoriais reais em nosso estudo. Por ter sido dada a definição de forma genérica, para um espaço vetorial V qualquer, ela serve para conjuntos diversos, tais como, 2R , 3R , o conjunto das matrizes )( nmxM , etc. Assim, conforme seja o espaço vetorial considerado, os vetores terão a natureza dos elementos desse espaço e os conjuntos correspondentes terão a mesma “estrutura” em relação às operações de adição e multiplicação por escalar. EXEMPLO: 1) O conjunto },/),{(2 RyxyxRV é um espaço vetorial com as operações, de adição e multiplicação por um número real, assim definidas: ),(),(),( 21212211 yyxxyxyx ).,.(),.( 1111 yaxayxa Essas operações sãodenominadas operações usuais (de adição e multiplicação por escalar). Agora, para verificar os oito axiomas de espaço vetorial, consideremos: ),( 11 yxu , ),( 22 yxv e ),( 33 yxw pertencentes a 2RV e Rba , Daí, tem-se que: Álgebra Linear Professor Júlio César Tomio 5 A1) )()( wvuwvu A2) uvvu A3) uuRuR 0,,)0,0(0 22 A4) 0)(,),()(,),( 211 2 11 uuRyxuRyxu M1) )..()..( vbavba M2) vbvavba ..).( M3) vauavua ..).( M4) vv 1 [A verificação dos oito axiomas fica a cargo do leitor] Observação: Os elementos do espaço vetorial V serão chamados vetores, independentemente da sua natureza (polinômios, matrizes ou números). As operações de adição e multiplicação por escalar, realizadas com esses elementos, se comportam de forma idêntica, como se estivéssemos trabalhando com os próprios vetores do 2R ou do 3R . Propriedades de um espaço vetorial: Da definição de espaço vetorial V , decorrem as seguintes propriedades: I) Existe um único vetor nulo em V (elemento neutro da adição). II) Cada vetor Vu admite apenas um simétrico Vu )( . III) Para quaisquer Vwvu ,, , se wvwu , então vu . IV) Qualquer que seja Vv , tem-se vv )( , isto é, o oposto de v é v . V) Quaisquer que sejam Vvu , , existe um e somente um Vx tal que: vxu . Esse vetor x será representado por uvx . VI) Qualquer que seja Vv , tem-se: 0.0 v . VII) Qualquer que seja R , tem-se: 00. . VIII) 0. v implica em 0 ou 0 v . IX) Qualquer que seja Vv , tem-se: vv ).1( . X) Quaisquer que sejam Vv e R , tem-se: ).().().( vvv . EXERCÍCIO 1) Seja },/),{(2 RbabaRV , verificar se V é espaço vetorial em relação às operações assim definidas: a) ),(),(),( dbcadcba e ),.(),.( bakbak com Rkdc ,, b) ),(),(),( badcba e ).,.(),.( bkakbak com Rkdc ,, c) ),(),(),( dbcadcba e ),(),.( 22 bkakbak com Rkdc ,, ## RESPOSTAS ## 1a) Não é espaço vetorial, pois M2 não se verifica. 1b) Não é espaço vetorial, pois A2 não se verifica. 1c) Não é espaço vetorial, pois M2 não se verifica. Álgebra Linear Professor Júlio César Tomio 6 3. SUBESPAÇOS VETORIAIS Sejam V um espaço vetorial e S um subconjunto não-vazio de V . O subconjunto S é um subespaço vetorial de V se S é um espaço vetorial em relação à adição e à multiplicação por escalar definidas em V . Teorema: Um subconjunto S , não-vazio, de um espaço vetorial V é um subespaço vetorial de V se estiverem satisfeitas as condições: I) Para quaisquer Svu , , tem-se: Svu . II) Para quaisquer Ra , Su , tem-se: Sua . . Observações: Todo espaço vetorial }0{ V admite, pelo menos, dois subespaços: o conjunto }0{ , chamado subespaço zero ou subespaço nulo (consistido apenas pelo vetor nulo de V ), e o próprio espaço vetorial V . Esses dois são os subespaços triviais de V . Os demais subespaços são denominados subespaços próprios de V . Os subespaços triviais, do 2RV , por exemplo, são: )}0,0{( e 2R , enquanto os subespaços próprios são as retas que passam pela origem do sistema de referência. De modo análogo, os subespaços triviais do 3R são )}0,0,0{( e o próprio 3R . Os subespaços próprios do 3R são as retas e os planos que passam pela origem do sistema. EXEMPLOS: 1) Considere o espaço vetorial 5RV e });,,,,0{( 5432 RxcomxxxxW i . Isto é, W é o conjunto dos vetores de 5R cuja primeira coordenada é nula. Verificar se W é subespaço de 5R . Verificando a condição (I): Seja: ),,,,0( 5432 xxxxu , ),,,,0( 5432 yyyyv W . Então: ),,,,0(),,,,0( 54325432 yyyyxxxxvu ),,,,0( 55443322 yxyxyxyxvu que ainda pertence a W , pois tem a 1ª coordenada nula. Verificando a condição (II): Seja: ),,,,0( 5432 xxxxu W e Ra . Então: ),,,,0.(. 5432 xxxxaua ).,.,.,.,0(. 5432 xaxaxaxaua que ainda pertence a W , pois a primeira coordenada é nula para Ra . Assim, W é um subespaço de 5R . 2) Sejam 3RV e }2/),,{( 3 zxyRzyxS . Determine se S é subespaço vetorial de V . [Aqui fica dispensável verificar que S é conjunto não-vazio e também apresenta o vetor nulo para 0x e 0z ] Pela lei dada, os vetores de S têm a característica: ),2,( zzxx . Verificando a condição (I): Sejam u e v pertencentes a S , onde: 2 22 2 1 11 1 22 z zx x v z zx x u e Álgebra Linear Professor Júlio César Tomio 7 Fazendo vu teremos: 21 2121 21 22 zz zzxx xx vu Portanto: 21 2121 21 )()(2 zz zzxx xx vu tem todas as características de S . Verificando a condição (II): Seja u pertencente a S e k um número real. Assim teremos: ukw . 1 11 1 1 11 1 )2(2. kz zxk kx z zx x kw 1 11 1 2 kz kzkx kx w Notemos que, w mantém as características de S . Dessa forma, S é um subespaço de V . 3) Sejam )13( xMV e S o conjunto-solução de um sistema linear homogêneo a três variáveis. Verificar se o sistema é subespaço vetorial de )13( xM : 03 02 0243 zyx zyx zyx Fazendo: 0 0 0 0, 131 112 243 e z y x XA , o sistema em notação matricial, será dado por 0. XA , sendo X elemento do conjunto-solução S . Note que o sistema é do tipo SPI , tendo infinitas soluções. Se 2 2 2 2 1 1 1 1 z y x Xv z y x Xu e , temos como solução: 0. 1 XA e 0. 2 XA . (duasdas infinitas soluções) Verificando a condição (I): Somando essas igualdades, vem: AX1 + AX2 = 0 A(X1 + X2) = 0 X1 + X2 S Isto é, a soma de duas soluções é ainda uma solução do sistema. Verificando a condição (II): Seja R. Então: .(A.X1) = .0 A.(.X1) = 0 .X1 S Isto é, o produto de uma constante por uma solução é ainda uma solução. Logo, o conjunto-solução S do sistema linear homogêneo é um subespaço vetorial de )13( xM . Se um sistema linear é não-homogêneo, o seu conjunto solução NÃO é um espaço vetorial. Álgebra Linear Professor Júlio César Tomio 8 4) Sejam 2 RV e }13/),{( 2 xyRyxS , determine se S é subespaço vetorial de V . Pela lei dada, os vetores de S têm a característica: )13,( xx ou 13x x . Verificando a condição (I): Sejam u e v pertencente a S , onde: 1313 2 2 1 1 x x v x x u e Então: 1313 2 2 1 1 x x x x vu 1313 21 21 xx xx 233 21 21 xx xx Logo: 2)(3 )( 21 21 xx xx vu Assim sendo: Svu . Portanto, a condição (I) já falha. Verificando a condição (II): Seja Rk , então: 13 .. 1 1 x x kuk kkx kx uk 1 1 3 . Assim sendo: Suk . . A condição (II) também falha! Observação: Vale ressaltar que não seria necessária a verificação da condição (II), uma vez que para ser um subespaço, as duas condições devem ser satisfeitas. Portanto podemos garantir que S não é um subespaço de V . EXERCÍCIOS: Verifique se os subconjuntos dados a seguir são Subespaços Vetoriais: 1) Sejam V = R2 e S = {(x, y) R2 / y = 2x} ou S = {(x, 2x); x R}. 2) Sejam V = R4 e S = {(a, b, 0, 0); com a, b R}. 3) Sejam V = R2 e };),{( 2 RxxxS . 4) Sejam V = R4 e U = {(x, y, z, t) R4; 2x + y – t = 0 e z = 0} . 5) Sejam 2MV e cbRdcba dc ba W ecom ,,, . 6) Sejam 2MV e 1,,, cbRdcba dc ba W ecom . ## RESPOSTAS ## 1) É Subespaço. 2) É Subespaço. 3) NÃO é Subespaço. 4) É Subespaço. 5) É Subespaço. 6) NÃO é Subespaço. Para refletir: Não se pode transformar o que não se aceita. (Jung) Nenhum vento sopra a favor de quem não sabe para onde ir. (Lucius Annaeus Sêneca) Descaracteriza-se do subconjunto S Descaracteriza-se do subconjunto S Álgebra Linear Professor Júlio César Tomio 9 4. COMBINAÇÃO LINEAR Um dos objetivos do uso de combinações lineares é a obtenção de novos vetores a partir da combinação das duas operações vistas anteriormente (adição e multiplicação por escalar) com vetores dados. Definição: Sejam V um espaço vetorial real (ou complexo), Vvvv n ,...,, 21 e naaa ,...,, 21 escalares (reais ou complexos). Qualquer vetor Vv da forma: nn vavavav ...... 2211 é chamado de uma combinação linear dos vetores nvvv ,...,, 21 . EXEMPLOS: 1) O vetor )7,18,4( u do espaço 3 R é uma combinação linear dos vetores )2,3,1(1 v e )1,4,2(2 v do 3 R ? Sim, pois: 7,18,4 3,12,64,6,2 1,4,2.32,3,1.2 .3.2 21 u u u vvu Mas como encontramos os coeficientes 2 e 3 na expressão: 21 32 vvu ? Vejamos abaixo: Se o vetor u é combinação linear de 1v e 2v , então podemos escrever que: 21 .. vbvau . Assim temos: 21 .. vbvau )1,4,2.()2,3,1.()7,18,4( ba ),4,2()2,3,()7,18,4( bbbaaa )2,43,2()7,18,4( bababa 72 1843 42 ba ba ba Resolvendo o sistema, encontraremos 2a e 3b . Voltando à expressão inicial, concluímos que: 21 32 vvu ( u é combinação linear de 1v e 2v ). 2) Verifique se o vetor )5,4,1(w do espaço 3 R pode ser escrito como combinação linear dos vetores )0,0,1(i , )0,1,0(j e )1,0,0(k . Para que o vetor w seja combinação linear dos vetores i , j e k , devem existir os valores de 1a , 2a e 3a na expressão: kajaiaw ... 321 Logo: )1,0,0.()0,1,0.()0,0,1.()5,4,1( 321 aaa ),0,0()0,,0()0,0,()5,4,1( 321 aaa ),,()5,4,1( 321 aaa Comparando, temos que: 11 a , 42 a e 53 a . Logo, o vetor )5,4,1(w é combinação linear dos vetores i , j e k , pois: kjiw .5.4.1 Observação: Note que os vetores i , j e k são os versores da base canônica que geram o sistema cartesiano ortogonal 3 R , e que desta forma, os coeficientes 1a , 2a e 3a coincidem com as componentes do vetor w . A correspondência da notação kjiw 541)5,4,1( já fora aplicada inúmeras vezes no estudo da Geometria Analítica e da Física. Observação: Como os vetores 1 v e 2 v são vetores do 3 R , o conjunto de suas combinações lineares formará o plano que passa na origem )0,0,0( e que contém os vetores 1 v e 2 v . Álgebra Linear Professor Júlio César Tomio 10 3) Verifique se o vetor )1,2,3(v pode ser escrito como uma combinação linear dos vetores )1,1,1(1 v , )1,1,1(2 v e )1,1,1(3 v . Para que o vetor v seja combinação linear dos vetores 1v , 2v e 3v , devemos verificar se existem os números a , b e c na expressão: 321 ... vcvbvav Então: )1,1,1.()1,1,1.()1,1,1.()1,2,3( cba ),,(),,(),,()1,2,3( cccbbbaaa ),,()1,2,3( cbacbacba Comparando, temos que: cba 3 , cba 2 e cba 1 . Organizando as equações num sistema linear, teremos: 1 2 3 cba cba cba que pode ser apresentado também na forma matricial: 1 2 3 111 111 111 c b a . Resolvendo o sistema em questão, que tem solução única, encontraremos: 1, 2 1 , 2 3 S e, portanto, o vetor v pode ser escrito como combinação de 1v , 2v e 3v . Assim sendo: 321 2 1 2 3 vvvv . EXERCÍCIOS: Verificar se é possível escrever os vetores pedidos como combinação linear, justificando sua resposta: 1) Escreva v = (1, –2, 5) como combinação linear dos vetores 1e = (1, 1, 1), 2e = (1, 2, 3) e 3e = (2, –1, 1). 2) Sendo v = (4, 3, –6) é possível escrever v como combinação linear de 1v = (1, –3, 2) e 2v = (2, 4, –1)? 3) Determinar “k” para que o vetor u = (–1, k, –7) seja combinação linear de 1v = (1, –3, 2) e 2v = (2, 4, –1). 4) No espaço vetorial 2P dos polinômios de grau 2, o polinômio p = 7x2 + 11x – 26, pode ser escrito como combinação linear de 1q = 5x2 – 3x + 2 e 2q = –2x2 + 5x – 8 ? 5) Escreva a matriz 11 13 E como combinação linear das matrizes 01 11 A , 11 00 B e 10 20 C . ## RESPOSTAS ## 1) 321 .2.3.6 eeev 2) Não, pois 21 ../, vbvavba 3) k = 13 4) Sim, pois 21 43 qqp 5) CBAE 23 5. INDEPENDÊNCIA E DEPENDÊNCIA LINEAR (LI e LD) Podemos gerar um espaço vetorial através da combinação linear entre vetores (veremos isso adiante). Um espaço n R pode ser gerado por n ou mais vetores. Nossa preocupação é gerar um espaço com o mínimo ( n ) de vetores e identificar a existência de algum vetor descartável (supérfluo) nesse conjunto. Para isso, precisamos compreender o conceito de independência e dependência linear entre vetores. Definição: Sejam Vvvv n ,...,, 21 (espaço vetorial). Dizemos que o conjunto },...,,{ 21 nvvv é linearmente independente (LI), ou que os vetores nvvv ,...,, 21 são LI, se a equação: 0...... 2211 nn vavava implica que 0...21 naaa . Se existir algum 0ia que satisfaça a equação, dizemos que },...,,{ 21 nvvv é linearmente dependente (LD). Álgebra Linear Professor Júlio César Tomio 11 Prova: Seja a equação: 0......... 11 nnkk vavava . Supondo algum coeficiente qualquer 0ia , chamaremos de ka então podemos reescrever a equação como: nnkkkkkk vavavavava ........... 111111 )..........( 1 111111 nnkkkk k k vavavava a v Assim vemos que o vetor kv pode ser obtido da combinação linear dos demais. Portanto concluímos que },...,,...,{ 1 nk vvv é LD. Vamos exemplificar de forma mais inteligível. Podemos imaginar o espaço 1R para vermos que qualquer conjunto de dois ou mais vetores não nulos, tornam-se LD, pois todos serão colineares ou proporcionais (múltiplos escalares). A mesma situação (LD) ocorre no 2R com três ou mais vetores (que são coplanares), pois bastariam dois vetores não alinhados para formar todo o plano. Observação: O termo “linearmente dependente” sugere que os vetores de alguma maneira dependem um do outro. O teorema abaixo mostra que isto realmente ocorre: Teorema: Um conjunto S de dois ou mais vetores é: (a) LD se, e somente se, pelo menos um dos vetores de S pode ser escrito como uma combinação linear dos outros vetores de S . (b) LI se, e somente se, nenhum vetor de S pode ser escrito como uma combinação linear dos outros vetores de S . Através do exposto, podemos ainda garantir que: (i) Um conjunto finito de vetores que contém o vetor nulo é linearmente dependente (LD). (ii) Um conjunto de exatamente dois vetores é lineamente independente (LI) se, e somente se, nenhum dos dois vetores é um múltiplo escalar do outro. Álgebra Linear Professor Júlio César Tomio 12 y x 1 –3 u 2 0 v EXEMPLOS: 1) No espaço 2R , verificar se os vetores )0,2(u e )3,1( v são LI, ou seja, linearmente independentes. Para tal verificação, escrevemos: 0.. 21 vaua Então: 0 0 3 1 . 0 2 . 21 aa 0 0 30 2 2 21 a aa 0 0 3 2 2 21 a aa 03 02 2 21 a aa Estamos diante de um sistema homogêneo com solução única (trivial): 01 a e 02 a , ou seja, )}0,0{(S . Como a única solução para 0.. 21 vaua é 01 a e 02 a , concluímos que os vetores u e v são LI. Observação: O problema (1) acima poderia ser solucionado apenas pela inspeção prévia dos vetores u e v , pois se percebe facilmente que os vetores u e v NÃO são múltiplos escalares um do outro, o que leva a conclusão direta de que estes dois vetores u e v são LI. Ao lado, temos a representação geométrica dos vetores do exemplo 1. 2) Verificar se é LD o conjunto: P = {1 + 2x – x2; 2 – x + 3x2; 3 – 4x + 7x2 } Observação: A análise em questão sempre passa por um SISTEMA HOMOGÊNEO. Quando esse sistema for “quadrado” [número de vetores igual à dimensão do espaço, o que implica em um número de equações igual ao número de variáveis no sistema], podemos fazer uso do conceito da Regra de Cramer para a análise da situação, isto é, verificando o valor do determinante “D” da matriz formada pelos coeficientes das variáveis (determinante principal). Note que esse determinante é composto pelos vetores do problema dispostos ordenadamente em colunas. Assim, se: Álgebra Linear Professor Júlio César Tomio 13 D 0 então o sistema é do tipo SPD (tem solução única, chamada de “trivial”) e, portanto, os vetores são LI. D = 0 então o sistema é do tipo SPI (tem a solução trivial + infinitas soluções “próprias”) e, portanto, os vetores são LD. Desta forma, o exercício anterior (2) poderia ser analisado através do determinante principal do sistema. Então: 731 412 321 D Como 0D , temos que os vetores do conjunto P são LD. [Note que: L1 – L2 = L3] Interpretação Geométrica da Dependência e Independência Linear de Vetores Dois vetores no 3R (ou no 2R ): Três vetores no 3R (ou no 2R ): Podemos completar ainda, enunciando o teorema: Seja },...,,{ 21 nvvvS um conjunto de vetores no mR . Se mn , então S é linearmente dependente. O teorema acima nos diz que: Um conjunto no 2R com MAIS de dois vetores é linearmente dependente. Um conjunto no 3R com MAIS de três vetores é linearmente dependente, e assim sucessivamente. Para finalizar, descrevemos algumas propriedades específicas da Independência Linear: Por definição, um conjunto vazio }{A é sempre LI. Se um conjunto unitário }{vB e 0 v , então B é LI. [Verifique!] Tópico Extra: Independência Linear de Funções O conceito de Independência Linear também pode ser estendido para o estudo de funções. O Wronskiano (em homenagem ao matemático e filósofo polonês Józef Maria Hoëné-Wrónski) é utilizado para verificar se um conjunto de funções diferenciáveis é linearmente independente, em um intervalo dado. Caso o Wronskiano seja diferente de zero em algum ponto do intervalo dado, as funções são linearmente independentes. Esse conceito é muito útil em diversas situações, por exemplo, na hora de verificar se as duas funções que são soluções de uma Equação Diferencial Ordinária de Segunda Ordem são linearmente independentes. Interessou? Pesquise e procure saber mais! Álgebra Linear Professor Júlio César Tomio 14 EXERCÍCIOS: 1) Verifique se os conjuntos dados a seguir são LI ou LD: a) u = (1, –1, –2), v = (2, 1, 1) e w = (–1, 0, 3) b) u = (0, 1, 0, –1), v = (1, 1, 1, 1), w = (1, 2, 0, 1) e t = (1, 2, 1, 0) c) p = 1 + 3x + x2, q = 2 – x – x2, r = 1 – 2x – 3x2 e s = –2 + x + 3x2 d) 1v = (2, –1, 3), 2v = (–1, 0, –2) e 3v = (2, –3, 1) e) 1v = (2, 2, 3, 4), 2v = (0, 5, –3, 1) e 3v = (0, 0, 4, –2) f) 34 21 A e 912 63 B g) 423 121 A , 012 210 B e 301 501 C 2) Determine o valor de k para que seja LI o conjunto {(–1, 0, 2), (1, 1, 1), (k, –2, 0)}. 3) Determine k para que o conjunto 0 12 , 00 11 , 01 01 k seja LD. 4) Prove que, se u e v são LI, então vu e vu também o são. ## RESPOSTAS ## 1a) LI 1b) LD 1c) LD 1d) LD 1e) LI 1f) LD 1g) LI 2) k –3 3) k = 3 6. BASE DE UM ESPAÇO VETORIAL Introdução: Sistemas de Coordenadas Não-Retangulares Na geometria analítica plana nós aprendemos a associar um ponto P do plano 2 R a um par de coordenadas ),( ba projetando P sobre um par de eixos coordenados perpendiculares, conforme detalhe (a) da figura a seguir. Com esse processo, é associado um único conjunto de coordenadas a cada ponto do plano e, reciprocamente, a cada par de coordenadas está associado um único ponto no plano. Descrevemos isto dizendo que o sistema de coordenadas estabelece uma correspondência biunívoca entre os pontos do plano e os pares ordenados de números reais. Embora os eixos coordenados perpendiculares sejam os mais comuns, podemos usar quaisquer duas retas não-paralelas para definir um sistema de coordenadas no plano. Por exemplo, no detalhe (b) da figura abaixo, associa-se um par de coordenadas ),( ba ao ponto P projetando-o paralelamente aos eixos coordenados não-paralelos. Analogamente, no espaço tridimensional, podemos definir um sistema de coordenadas utilizando quaisquer três retas não coplanares, como no detalhe (c) da figura abaixo. Para refletir: O maior prazer de um homem inteligente é bancar o idiota diante de um idiota que banca o inteligente. Álgebra Linear Professor Júlio César Tomio 15 Assim, iremos reformular a noção de sistemas de coordenadas nos espaços bi e tridimensionais utilizando vetores onde antes eram utilizados eixos coordenados para especificar o sistema de coordenadas. Isso pode ser feito substituindo cada eixo coordenado por um vetor de comprimento, direção e sentido de interesse para cada situação. Um ingrediente essencial de qualquer sistema de coordenadas é a escala de medida de comprimento ao longo dos eixos coordenados. Em geral, utiliza-se a mesma escala em cada eixo e o espaçamento dos pontos inteiros é feito com uma unidade de distância. No entanto, isso nem sempre é prático ou adequado. Escalas diferentes ou escalas em que os pontos inteiros estão a mais ou a menos do que uma unidade de distância, podem ser necessárias para encaixar um gráfico numa página impressa ou para representar quantidades físicas com unidades diferentes num mesmo sistema de coordenadas (por exemplo, tempo em segundos em um dos eixos e temperatura em centenas de graus no outro). Quando um sistema de coordenadas é especificado por um conjunto de vetores de BASE, então os comprimentos desses vetores correspondem às distâncias entre pontos inteiros sucessivos nos eixos coordenados (veja figuras a seguir). Assim, é o sentido dos vetores de base que define o sentido positivo nos eixos coordenados e o comprimento dos vetores de base é que estabelece a escala de medida. (a) Escalas idênticas. (b) Escalas diferentes. Eixos perpendiculares. Eixos Perpendiculares. Muitas situações podem ser simplificadas, escolhendo-se um sistema de coordenadas com uma BASE adequada. Por exemplo, considere a estrutura molecular do zinco, apresentada na figura abaixo [detalhe (a)] e a necessidade de se estudar o comprimento das ligações dos átomos, os ângulos entre as ligações, entre outros fatores envolvendo o zinco. Essa análise será muito facilitada com o uso de coordenadas e de ferramentas da álgebra linear. A escolha do sistema de eixos coordenados “canônicos” para este estudo não é a melhor opção. Como é possível verificar na figura abaixo [detalhe (b)], a escolha da base },,{ wvu é provavelmente a mais adequada para o 3 R arbitrário em questão, pois esses vetores se alinham perfeitamente com as ligações entre os átomos de zinco. (d) Escalas diferentes. Eixos oblíquos. (c) Escalas idênticas. Eixos oblíquos. Álgebra Linear Professor Júlio César Tomio 16 A definição de BASE, a seguir, tornará as idéias apresentadas até aqui mais “precisas” e permitirá ampliarmos o conceito de sistema de coordenadas para espaços vetoriais arbitrários. Definição: Um conjunto VvvvB n },...,,{ 21 será uma base do espaço vetorial V se atender duas condições: i) B é Linearmente Independente (LI); ii) B gera o Espaço Vetorial V . Em outras palavras, BASE é o conjunto de vetores necessários para gerar o espaço vetorial V . Nota: Quando um conjunto VvvvB n },...,,{ 21 gera um espaço vetorial V , representamos: ],...,,[ 21 nvvvV ou )(BgerV , ou ainda, },...,,{ 21 nvvvgerV . EXEMPLOS: 1) O conjunto dos vetores )0,1(1 e e)1,0(2 e é uma base do espaço 2 RV . Comprove! De fato, },{ 21 ee é base de V , pois além de gerar qualquer vetor de V , é linearmente independente (LI). Veja: i) )0,0(.. 21 ebea )0,0()1,0(.)0,1(. ba )0,0(),0()0,( ba )0,0(),( ba [Os únicos valores de a e b para que )0,0(.. 21 ebea são 0a e 0b ]. Logo, },{ 21 ee é LI. ii) O conjunto },{ 21 ee gera o espaço 2 R , pois: )1,0.()0,1.(),( yxyx [qualquer vetor ),( yx do 2 R é escrito como combinação linear de 1e e 2e ]. Logo, por (i) e (ii), comprovamos que o conjunto },{ 21 ee é uma BASE do espaço 2 RV Observação: A base )}1,0();0,1{( é chamada de Base Canônica (ou Natural) do 2 R e os vetores )0,1(1 e e )1,0(2 e costumam ser chamados de i e j . 2) Sejam os vetores )3,2,1(1 v , )2,1,0(2 v e )1,0,0(3 v . Mostre que o conjunto },,{ 321 vvvB é uma base do 3 R . Álgebra Linear Professor Júlio César Tomio 17 Nota: Vale relembrar o conceito de produto interno (escalar) usual de dois vetores 1v e 2v no 3 R . Veja: 21212121 ... zzyyxxvv sabendo que: se 021 vv 21 vv . 3) Mostrar que 10 00 , 01 00 , 00 10 , 00 01 B é base canônica de )2,2(M . Inicialmente, vamos verificar se B é Linearmente Independente (LI) [condição (i)]. Então: 00 00 10 00 . 01 00 . 00 10 . 00 01 . dcba 00 00 0 00 0 00 00 0 00 0 dc ba 00 00 db ca e daí, tem-se a solução única: 0 dcba . Portanto, B é LI. Agora, vamos verificar se B gera o espaço )2,2(M [condição (ii)]. Para isto, qualquer matriz do espaço )2,2(M deve ser escrita como combinação linear das matrizes do conjunto B . De fato, qualquer que seja a matriz )2,2(M dc ba , ela pode ser escrita como combinação linear das matrizes de B : 10 00 . 01 00 . 00 10 . 00 01 . dcba dc ba e daí tem-se que B gera o Espaço )2,2(M . Como foram satisfeitas as duas condições [i e ii], B é base do espaço de matrizes )2,2(M ; como queríamos demonstrar. Tópico Especial: Ortonormalidade de Bases Base Ortogonal: Diz-se que uma base },...,,{ 21 nvvvB é ORTOGONAL se os seus vetores são dois a dois ortogonais. Base Ortonormal: Diz-se que uma base VvvvB n },...,,{ 21 é ORTONORMAL se B é ortogonal e todos os seus vetores são unitários, isto é: jipara jipara vv ji 1 0 Para esse caso, V é um Espaço Vetorial Euclidiano. [Pesquise!] Observações: Através dos conceitos dados, concluímos que a base canônica )}1,0();0,1{( é uma base ORTONORMAL do 2 R . As bases conhecidas como CANÔNICAS são as mais comuns por serem ORTONORMAIS. São algumas delas: Base canônica do espaço vetorial 1 R : )}1{( Base canônica do espaço vetorial 2 R : )}1,0();0,1{( Base canônica do espaço vetorial 3 R : )}1,0,0();0,1,0();0,0,1{( Base canônica do espaço vetorial )2,2(M : 10 00 , 01 00 , 00 10 , 00 01 Base canônica do espaço vetorial 3P (polinômios de grau menor ou igual a 3): },,,1{ 32 xxx Álgebra Linear Professor Júlio César Tomio 18 7. DIMENSÃO DE UM ESPAÇO VETORIAL Seja V um espaço vetorial. Se V possui uma base com n vetores, então V tem dimensão n e denota-se: nV dim . Se V não possui base, 0dim V . Se V tem uma base com infinitos vetores, então a dimensão de V é infinita e anota-se: Vdim . Observação: Um espaço vetorial V que tem dimensão n [ nV dim ] também é dito “n-dimensional”. Vários teoremas vistos anteriormente podem ser novamente enunciados utilizando o conceito de dimensão. Veja: Suponha que V é um espaço vetorial de dimensão n . Então nenhum conjunto com mais de n vetores em V pode ser linearmente independente e V não pode ser gerado por um conjunto de vetores com menos de n vetores. Teorema: A dimensão n de um espaço vetorial V é o número máximo de vetores linearmente independentes em V e também o número mínimo de vetores necessários para gerar V . EXEMPLOS: a) 2dim 2 R , pois toda base do 2 R tem 2 vetores. d) nmM nm ),(dim . b) nR n dim . e) 1dim nPn . c) 12dim )4,3( M . f) 0}0{dim Tópico Especial: Espaços Vetoriais Isomorfos De um modo geral, se V é um espaço vetorial sobre R e nV dim , então V e n R são ISOMORFOS. Por exemplo: Os espaços vetoriais 2P e )1,3(M são isomorfos ao espaço vetorial 3 R . Note que 3dimdimdim 3 )1,3(2 RMP Isso de certa forma explica por que, em muitos casos, os “elementos” desses espaços podem ser escritos tanto no formato de matriz, quanto no formato de coordenadas cartesianas (vetor), ou até mesmo através de polinômios. Esses elementos (e seus respectivos espaços vetoriais) possuem a mesma “estrutura”, portanto se comportam de maneira igual perante as operações de adição e multiplicação por escalar que definem um espaço vetorial. EXERCÍCIOS 1) Explique por que os conjuntos de vetores dados abaixo NÃO são bases dos espaços vetoriais indicados. [Faça este exercício apenas por inspeção]. a) )}1,1();3,0();2,1{(1 B do espaço 2 R . b) )}0,1,2();2,3,1{(2 B do espaço 3 R . c) }1;1{ 2 3 xxxB do espaço 2P . d) 12 97 , 52 73 , 71 03 , 20 11 , 32 11 4B do espaço )2,2(M . 2) Verificar quais dos conjuntos de vetores abaixo formam uma base. a) A = {(1, 2); (–1, 3)} b) B = {(0, 0); (2, 3)} c) C = {(3, –1); (2, 3)} 3) Verifique se alguma das bases a seguir é ortonormal ou ortogonal. a) )}1,1();1,1{( Ab) )}4,8();6,3{( B c) 13 12 , 13 5 ; 13 5 , 13 12 C d) 2 3 , 2 1 ;)0,1(D e) 2 1 , 2 1 ,0; 6 1 , 6 1 , 6 2 ; 3 1 , 3 1 , 3 1 E Álgebra Linear Professor Júlio César Tomio 19 f) )}2,0,0();0,2,0();0,0,2{(F g) )}1,0,0();1,1,0();0,0,1{( G 4) Para que valores de “k” o conjunto = {(1, k); (k, 4)} é uma base do 2R ? 5) Verificar quais dos seguintes conjuntos de vetores formam uma base do 3 R : a) A = {(1, 1, –1); (2, –1, 0); (3, 2, 0)} b) B = {(1, 0, 1); (0, –1, 2); (–2, 1,– 4)} 6) Quais dos conjuntos de vetores formam uma base de 2P ? a) A = { 2t2 + t – 4; t2 – 3t + 1 } b) B = { 2; 1 – x; 1 + x2 } c) C = {1 + x + x2; x + x2; x2 } 7) Mostrar que o conjunto 52 73 , 11 23 , 20 11 , 01 32 é uma base de )2,2(M . 8) Mostrar que o conjunto {(1, 1, 0, 0); (0, 0, 1, 1); (1, 0, 0, 3); (0, 0, 0, 5)} é base de 4R . 9) Mostre que o conjunto )}4,7();1,0();0,1{(B NÃO é base do 2R . 10) Seja V o espaço vetorial gerado pelos vetores: xv 2 1 cos , xsenv 2 2 e xv 2cos3 . a) Mostre que },,{ 321 vvvS NÃO é uma base de V . b) Encontre uma base de V . ## RESPOSTAS ## 1a) Uma base do 2 R deve ter 2 vetores LI. 1b) Uma base do 3 R deve ter 3 vetores LI. 1c) Uma base do 2P deve ter 3 vetores LI. 1d) Uma base do )2,2(M deve ter 4 vetores LI. 2) São Bases: A e C 3a) Ortogonal 3b) Ortogonal 3c) Ortonormal 3d) Não Ortogonal [e não ortonormal] 3e) Ortonormal 3f) Ortogonal 3g) Não Ortogonal [e não ortonormal] 4) Para k 2 5) A 6) B e C 9) NÃO é base do 2 R pois os vetores de B são LD. 8. COMPONENTES DE UM VETOR Seja },...,,{ 21 nvvvB uma base do espaço vetorial V , então qualquer vetor de V pode ser escrito na forma: nn vavavav ...... 2211 (de maneira única). Os coeficientes naaa ...,,, 21 representarão as coordenadas ou componentes de v em relação à base B e denotaremos por: ),...,,( 21 nB aaav ou pela expressão matricial: n B a a a v 2 1 Observação: A n-upla ),...,,( 21 nB aaav é chamada vetor-coordenada de v em relação à base B , e o vetor coluna n B a a a v 2 1 é chamado matriz-coordenada de v em relação à base B . Álgebra Linear Professor Júlio César Tomio 20 –2 3 2 2v v x y 1v 5 2 1 0 0 3 2 v x y i j EXEMPLO: 1) Vamos considerar um vetor v , que na base canônica },{ jiC fica graficamente representado conforme abaixo: Pelo gráfico, podemos escrever o vetor v como combinação linear dos vetores da base em questão, ou seja: jiv .3.2 , lembrando que: )0,1(i e )1,0(j . Como a base utilizada é base canônica, também podemos escrever o vetor v simplesmente na forma analítica: )3,2(v ou na forma matricial: 3 2 v . O mesmo vetor v pode ser representado numa outra base, por exemplo: },{ 21 vvB onde 1 5 1v e 2 2 2v . Representado graficamente o mesmo vetor v , agora com a nova base },{ 21 vvB , ficaria assim: Desta forma, podemos escrever v como combinação linear de 1v e 2v assim: 21 12 13 6 5 vvv ou ainda representá-lo por )12/13,6/5(Bv ou mesmo na forma matricial 12/13 6/5 Bv . Note que dessa maneira devemos identificar a base na qual o vetor está escrito [neste caso, base B ]. Essas componentes 6 5 e 12 13 podem ser calculadas precisamente a partir da combinação linear 21 .. vbvav . Veja a seguir: 21 .. vbvav [Substituindo 1v e 2v ...] 3 2 2 2 . 1 5 . ba [Multiplicando os valores de a e b ...] 3 2 2 25 b b a a [Adicionando as matrizes ...] 3 2 2 25 ba ba 32 225 ba ba Resolvendo o sistema, temos: 6/5a e 12/13b E assim podemos escrever com precisão vetor em questão: 21 12 13 6 5 vvv ou ainda: 12/13 6/5 Bv . Para refletir: Talvez não tenhamos conseguido fazer o melhor, mas lutamos para que o melhor fosse feito... Não somos o que deveríamos ser, não somos o que iremos ser. Mas graças a Deus, não somos o que éramos! (Martin Luther King) Observe que, usando a regra do paralelogramo com o vetor v e medindo a sua projeção em 1v , tendo esse como valor unitário, encontraremos 6/5 , ou seja, a projeção de v em 1v é 6/5 de 1v . Fazendo o mesmo em 2v , encontraremos 12/13 , ou seja, a projeção de v sobre 2v é 12/13 de 2v . Álgebra Linear Professor Júlio César Tomio 21 EXERCÍCIOS 1) Encontre o vetor-coordenada de )2,3,4( v em relação à base )}0,0,1();0,1,1();1,1,1{(B do 3 R . 2) Seja o espaço vetorial das matrizes 2x2 sobre R . Encontre o vetor-coordenada da matriz 74 32 A em relação à base 10 01 , 00 11 , 01 10 , 11 11 B . 3) Seja o subespaçovetorial das matrizes simétricas de ordem 2 sobre R . Encontre o vetor-coordenada da matriz M em relação à base B . Considere: 711 114 M e 51 14 , 31 12 , 12 21 B . 4) Calcular o vetor-coordenada de 2 1392 xxp na base },,{ 321 ppp , sendo 2 1 321 xxp , 2 2 231 xxp e 2 3 52 xxp . 5) Determine o vetor-coordenada de )2,6(v em relação às bases: a) )}2,0(),0,3{( c) )}1,0(),0,1{( b) )}1,2(),2,1{( d) )}0,1(),1,0{( 6) No espaço vetorial 3 R , consideremos a base )}1,1,1();0,1,0();0,0,1{( B . Determine o vetor-coordenada de 3 Rv em relação à base B se: a) )4,3,2( v b) )1,1,1( v ## RESPOSTAS ## 1) )7,5,2( Bv 2) 159 48 BA 3) 321 24 BBBM B 4) )4,5,1( p 5a) )1,2(v 5b) 3 10 , 3 2 v 5c) )2,6(v 5d) )6,2(v 6a) )4,1,2(Bv 6b) )1,0,0(Bv Tópico Extra: Uma Aplicação Importante da Álgebra Linear! Tomografia Computadorizada: Um dos principais avanços no diagnóstico médico é o desenvolvimento de métodos não invasivos para se obter imagens de seções transversais do corpo humano, como a tomografia computadorizada e a ressonância magnética. Os métodos da Álgebra Linear podem ser utilizados para reconstruir imagens a partir da análise do escaneamento por raios X da tomografia computadorizada. O problema básico da tomografia computadorizada é construir a imagem de uma seção transversal do corpo humano usando dados coletados por uma grande quantidade de feixes individuais de raios X que são emitidos ao longo da seção transversal desejada. Esses dados são processados por um computador e a seção transversal computada é exibida num monitor de vídeo. O primeiro sistema comercial de tomografia computadorizada para o uso médico foi desenvolvido em 1971 por G. N. Hounsfield, da empresa EMI Ltda., na Inglaterra. Em 1979, Hounsfield e A. M. Cormack receberam o prêmio Nobel por seu trabalho pioneiro nesta área. A construção de uma seção transversal ou uma tomografia requer a resolução de um sistema muito grande de equações lineares. Certos algoritmos, da classe de técnicas de reconstrução algébrica, podem ser usados para resolver estes sistemas lineares, cujas soluções produzem as seções transversais em formato digital. Para refletir: Não tentes ser bem sucedido, tenta antes ser um homem de valor. (Albert Einstein) O mundo não está ameaçado pelas pessoas más, e sim por aquelas que permitem a maldade. (Albert Einstein) Álgebra Linear Professor Júlio César Tomio 22 y x i j O v u b a O 9. MUDANÇA DE BASE Muitos problemas aplicados podem ser simplificados mudando-se de um sistema de coordenadas para outro. Mudar sistemas de coordenadas em um espaço vetorial é, essencialmente, a mesma coisa que mudar de base. Por exemplo, num problema que um corpo se movimenta no plano xy (R2), cuja trajetória é uma elipse de equação x2 + xy + y2 – 3 = 0 (veja figura A), a descrição do movimento torna-se muito mais simples se ao invés de trabalharmos com os eixos x e y, utilizarmos um referencial que se apóia nos eixos principais da elipse. Neste novo referencial (veja figura B), a equação da trajetória elíptica será mais simples e prática: 3u2 + 2v2 = 6. Figura A Figura B Muitas vezes, problemas de engenharia tornam-se mais simples quando fazemos uma mudança conveniente de referencial. Uma vez escolhido o novo referencial, temos que desenvolver um mecanismo que relacione os dois referenciais, podendo dessa forma mudar de referencial no instante desejado. O desenvolvimento a seguir tem tal objetivo. Então: Sejam },...,,{ 211 nuuuB e },...,,{ 212 nvvvB duas bases de um espaço vetorial V . Então um vetor Vw pode ser escrito nas seguintes formas: n Bnn x x x wouuxuxuxw 2 1 12211 ][...... vetor w na base 1B . n Bnn y y y wouvyvyvyw 2 1 22211 ][...... vetor w na base 2B . Assim podemos escrever a relação: n n n n y y y vvv x x x uuu 2 1 21 2 1 21 .. Observação: Tanto 1B como 2B , geram qualquer vetor de V , pelo fato de serem bases, são constituídas de vetores num número igual à dimensão do espaço V , portanto as matrizes dos vetores das bases são quadradas e admitem inversa (então det. 0). Sem perda de generalidade, podemos escrever a relação acima usando o espaço 2R . Veja a seguir: Álgebra Linear Professor Júlio César Tomio 23 Sejam },{ 211 uuB e },{ 212 vvB bases do espaço 2R , onde: 2 2 2 1 1 1 ; b a u b a u e 2 2 2 1 1 1 ; d c v d c v Qualquer vetor w de 2R pode ser escrito como: 2211 .. uxuxw ou 2 1 1][ x x w B vetor w na base 1B . 2211 .. vyvyw ou 2 1 2][ y y w B vetor w na base 2B . Daí, tiramos que: 2 1 21 21 2 1 21 21 .. y y dd cc x x bb aa E ainda: 2 1 21 21 1 21 21 2 1 .. y y dd cc bb aa x x Portanto: 2 2 11 . B B BB wIw com 21 21 1 21 212 1 . dd cc bb aa I B B Onde 2 1 B B I é a MATRIZ MUDANÇA DE BASE 2B para 1B . Dessa forma, podemos escrever qualquer vetor do espaço 2R , que tenha coordenadas na base 2B para coordenadas referente à base 1B . Observação: A transformação inversa, isto é, passar da base 1B para a base 2B , será feita pela inversão da matriz mudança de base, nesse caso, representada por 1 2 B B I . A matriz mudança de base 2B para a base 1B é constituída, na realidade, pelas coordenadas dos vetores da base 2B em relação à base 1B , dispostas em colunas. 222112112 1][ aa aa I BB onde 21 11 11][ a a v B e 22 12 2 1 ][ a a v B RESUMO DA TEORIA ATRAVÉS DE UM EXEMPLO GENÉRICO DO 2 R : Sejam as bases )},(),,{( 2211 babaA e )},(),,{( 2211 dcdcB do 2 R . A matriz mudança de base A para a base B é: ].[][ 1 ABI A B , sendo que: 21 21 ][ bb aa A e 21 21 ][ dd cc B . Vale lembrar que B A A B II 1 Para escrever um vetor w , dado na base A , para a base B , faremos: A A BB wIw ][.][ Não se preocupe muito com as suas dificuldades em Matemática, posso assegurar-lhe que as minhas são ainda maiores. (Albert Einstein) Álgebra Linear Professor Júlio César Tomio 24 EXEMPLO 1) Sejam )}2,0(),1,1{(A e )}2,1(),0,1{(B bases do 2 R . a) Determine a matriz mudança de base A para a base B . b) Defina as coordenadas do vetor )4,3(Aw na base B . Tópico Especial: Relembrando Inversão de Matrizes! Podemos encontrar a inversa de uma matriz quadrada, aplicando a sua definição. Veja: Seja A uma matriz inversível ]0)[det( A . Então: nIAAAA .. 11 . Para exemplificar de forma simples, utilizaremos uma matriz de ordem 2, sendo: 34 12 A . Fazendo: 2 1 . IAA , temos: 10 01 34 12 qp nm 10 01 3434 22 qnpm qnpm Resolvendo os sistemas, teremos: 2/3m , 2/1n , 2p e 1q . Como definimos a que qp nm A 1 , temos que: 12 2/12/31 A . Equivalência de Matrizes: Para duas matrizes A e B, de mesma ordem, diz-se que a matriz B é EQUIVALENTE à matriz A, e representa-se por B ~ A, se for possível transformar A em B por meio de uma sucessão finita de operações elementares. As operações elementares com as linhas (ou colunas) de uma matriz são: - Trocar duas (ou mais) linhas de posição. - Multiplicar uma linha por uma constante não nula. - Somar um múltiplo escalar de uma linha com outra linha. Álgebra Linear Professor Júlio César Tomio 25 Inversão de uma Matriz por meio de Operações Elementares: Poderemos encontrar a inversa de uma matriz A não-singular pelo procedimento descrito acima. Inicialmente escreve-se a matriz A dada e ao seu lado a matriz identidade I de mesma ordem. As operações elementares devem ser realizadas nas duas matrizes simultaneamente. O método consiste em transformar a matriz A dada na matriz identidade I. Quando o processo for completado, a matriz identidade escrita inicialmente será a matriz inversa procurada. Esquematicamente: 1 AIselementareoperaçõesIA Veja o exemplo abaixo: Determine a inversa da matriz 111 110 101 M por meio de operações elementares. Resolução: 313100 010 001 111 110 101 LLL 323101 010 001 010 110 101 LLL 232 111 010 001 100 110 101 LLL 131 111 101 001 100 010 101 LLL 111 101 112 100 010 001 Assim, a matriz inversa procurada é: 111 101 112 1 M Existem outros métodos para encontrarmos a inversa de uma matriz [pesquise!] EXERCÍCIOS 1) Sejam )}1,0(),0,1{(B , )}0,1(),1,1{(1 B , )}3,2(),1,1{(2 B , bases do 2 R . Determine as matrizes mudança de base: a) 1][ B BI b) B BI 2][ 2) Considerando as seguintes bases do 3 R : )}1,0,0(),0,1,0(),0,0,1{(A e )}1,1,1(),1,1,0(),1,0,1{( B , determine: a) A matriz mudança de base de A para B ; b) O vetor Bv , sendo )3,2,1(Av ; c) A matriz mudança de base de B para A . 3) Se 101 110 011 I , determine: a) v onde 3 2 1 v b) v onde 3 2 1 v 4) Sabendo que: 114 41A BI e )}2,1(),5,3{(B , determine a base A . 5) Sabendo que: 811 67A BI e )}4,2(),3,1{( A , determine a base B . 6) Mostrar que para qualquer base A de um espaço vetorial, a matriz mudança de base AAI é a matriz identidade. Álgebra Linear Professor Júlio César Tomio 26 ## RESPOSTAS ## 1a) 01 11 1b) 11 23 2a) 111 101 112 A BI 2b) )6,4,7( Bv 2c) 111 110 101 B AI 3a) 4 1 1 v 3b) 1 3 2 v 4) )}2,1(),3,1{( A 5) )}1,2(),2,3{( B 10. TRANSFORMAÇÕES LINEARES Introdução As transformações lineares apresentam aplicações na Física, Engenharia, Ciências Sociais e em vários ramos da Matemática. Computação Gráfica, Criptografia, Robótica e Fractais são algumas áreas de aplicações dos conceitos que veremos a seguir. A transformação linear é um tipo especial de função. Como uma rápida introdução, vamos consideremos o exemplo abaixo. Reflexão de um vetor (ou um ponto) em torno do eixo x. Seja em 2 R a função T definida por: ),(),( yxyxT . Observe que nessa função, os valores do domínio são vetores (ou pontos) ),( yx do 2 R . Geometricamente, a função T toma cada vetor do 2 R e o “reflete” em torno do eixo x. Essa função como veremos a seguir, é uma transformação linear. As transformações lineares também se aplicam em vetores do espaço 3 R inclusive e em situações mais complexas, como as rotações, por exemplo. Funções Vetoriais São funções onde tanto o domínio como o contra domínio são espaços vetoriais, portanto todas as variáveis envolvidas são vetores. Assim, para se dizer que a função vetorial T é uma “transformação” do espaço vetorial V no espaço vetorial W , escreve-se:WVT : . Lembrando que, sendo T uma função, cada vetor Vv tem um só vetor imagem Ww . Para uma compreensão mais precisa dos conceitos que virão a seguir, vamos inicialmente investigar uma função vetorial, através do exemplo a seguir. [EXEMPLO 1] Considere uma função vetorial 32 : RRT que associa vetores 2 ),( Ryxv com vetores 3 ),,( Rzyxw . Se a lei que define essa função for ),2,3(),( yxyxyxT teremos (esquematicamente): R2 R3 (1, 2) (3, –4, –1) (–1, 3) (–3, –6, –4) (0, 0) (0, 0, 0) (x, y) (3x, –2y, x – y) v w D CD Álgebra Linear Professor Júlio César Tomio 27 Considerando a função vetorial: ),2,3(),()( yxyxyxTvT , vamos observar o seu “comportamento”. Para )2,1(1 v temos: ])2[]1[],2[2],1[3()2,1()( 1 TvT )1,4,3()2,1()( 1 TvT Para )3,1(2 v temos: ])3[]1[],3[2],1[3()3,1()( 2 TvT )4,6,3()3,1()( 2 TvT Para )5,0(21 vv temos: ])5[]0[],5[2],0[3()5,0()( 21 TvvT )5,10,0()5,0()( 21 TvvT E para )()( 21 vTvT : )4,6,3()1,4,3()3,1()2,1()()( 21 TTvTvT )5,10,0()3,1()2,1()()( 21 TTvTvT E ainda para: )4( 1vT : )(.4)4,16,12(])8[]4[],8[2],4[3()8,4()4( 11 vTTvT O “comportamento” apresentado pela função vetorial dada acima, sugere um “padrão”. Tal comportamento caracteriza uma transformação linear. Assim, podemos dizer que uma Transformação Linear é uma função vetorial linear. Transformação Linear – Definição: Sejam V e W dois espaços vetoriais. Uma aplicação T é chamada “transformação linear” de V em W , WVT : , se satisfaz as seguintes condições: i) Quaisquer que sejam u e v em V , )()()( vTuTvuT ii) Quaisquer que sejam Rk e Vv , )(.).( vTkvkT Assim apresentam toda a estrutura de espaço vetorial. Note que as duas condições (i) e (ii) da definição acima, podem ser aglutinadas numa só: )()(.).( vTuTkvukT . OBSERVAÇÃO: Uma transformação Linear de V em W , quando WV , é chamada de OPERADOR LINEAR. Propriedade 1: Em toda transformação linear WVT : , a imagem do vetor nulo V0 é o vetor nulo W0 , isto é: 0)0( T . É evidente que nem toda transformação é linear. A verificação da linearidade de uma transformação não pode ser feita numericamente. Tal situação é apresentada no exemplo 2 a seguir. Entretanto, em alguns casos, é fácil perceber que algumas transformações NÃO são lineares. É o caso, por exemplo, da aplicação 22 : RRT , dada por )3,23(),( xxyxT , pois )0,0()3,2()0,0( T e pela “propriedade 1” em toda transformação linear WVT : deve-se ter 0)0( T . [EXEMPLO 2] Seja a transformação 32 : RRT que associa vetores 2 ),( Ryxv com vetores 3 ),,( Rzyxw , definida por ),,3(),( xyyxxyxT . Veja (abaixo) que para um vetor )2,1(v teremos: )1,3,3()( vT . Verifique se 32 : RRT dada acima é uma Transformação Linear. x y 1 2 v T w x y z 3 3 1 Álgebra Linear Professor Júlio César Tomio 28 Para que T seja uma transformação linear, é necessário que as duas condições da definição sejam satisfeitas: i) Quaisquer que sejam u e v em V , )()()( vTuTvuT Sejam ),( 11 yxu e ),( 22 yxv vetores genéricos do 2R . Então: )),(),(()( 2211 yxyxTvuT ),()( 2121 yyxxTvuT ))()(),()(),(3()( 2121212121 xxyyyyxxxxvuT ),,33()( 2121212121 xxyyyyxxxxvuT ),,33()( 2211221121 xyxyyxyxxxvuT ),,3(),,3()( 2222211111 xyyxxxyyxxvuT )()()( vTuTvuT ii) Quaisquer que sejam Ra e Vu , )(.).( uTauaT Então: ),().( 11 ayaxTuaT ),,3().( 11111 axayayaxaxuaT ),,3.().( 11111 xyyxxauaT )(.).( uTauaT Logo, a transformação 32: RRT definida por ),,3(),( xyyxxyxT é uma Transformação LINEAR. Propriedade 2: Se WVT : for transformação linear, tem-se )(.)(.)..( vTbuTavbuaT para Vvu , e Rba , , isto é, a imagem de uma combinação linear de vetores é uma combinação linear das imagens desses vetores, com os mesmos coeficientes. Então: Se },...,,{ 21 nvvvB é base de V e Raaa n ,...,, 21 , tal que: nn vavavav ...... 2211 , temos que: )(....)(.)(.)( 2211 nn vTavTavTavT . Assim WVT : fica definida quando se conhecem as imagens dos vetores de uma base de V . O resolução do exemplo a seguir esclarece melhor a aplicação dessa propriedade. [EXEMPLO 3] Um operador linear 22: RRT é tal que )2,3()( 1 vT e )4,1()( 2 vT com )0,1(1 v e )1,0(2 v . Assim, determine ),( yxT . Resolução: Observe que os vetores 1v e 2v formam a base canônica do 2R : )}1,0();0,1{( . Assim, um vetor qualquer 2 ),( Ryx é tal que: )1,0(.)0,1.(),( yxyx E, portanto: )1,0(.)0,1(.),( TyTxyxT )4,1.()2,3.(),( yxyxT Lembre-se que: )2,3()0,1( T e )4,1()1,0( T )4,()2,3(),( yyxxyxT )42,3(),( yxyxyxT Logo, a transformação 22: RRT solicitada é: )42,3(),( yxyxyxT . Álgebra Linear Professor Júlio César Tomio 29 [EXEMPLO 4] Seja uma transformação linear 23: RRT , onde },,{ 321 vvvB é uma base do 3R com )0,1,0(1 v , )1,0,1(2 v e )0,1,1(3 v . Sabendo que )2,1()( 1 vT , )1,3()( 2 vT e )2,0()( 3 vT , determine: a) )2,3,5( T b) ),,( zyxT [EXEMPLO 5] Seja a transformação linear 22 : RRf dada por )32,2(),( yxyxyxf . Observe as relações: i) A imagem de )1,2(u é )1,4( , ou seja: )1,4()( uf . ii) A imagem de )3,1(v é )11,5( , ou seja: )11,5()( vf . iii) A imagem de
Compartilhar