Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 MATRIZES Matriz é uma tabela de elementos (números, polinômios, funções), dispostos em m linhas e n colunas. AA aaa aaa aaa A mnmm n n 21 22221 11211 Ordem de uma matriz é o n o de linhas e colunas da matriz 2,3A . Cada elemento da matriz A é representado por jia , onde o primeiro índice indica a linha e o segundo a coluna a que o elemento pertence. Matriz retangular: é a matriz na qual o número de linhas e colunas é diferente m n. Matriz-coluna: é a matriz de ordem 1m . Matriz-linha: é a matriz de ordem n1 . Matriz transposta: da matriz A representada por TA , é a matriz que se obtém a partir de A, permutando as linhas pelas colunas. Matriz nula ou zero: todos os elementos são nulos. Matriz quadrada: é a matriz na qual o número de linhas e colunas é igual nm . É denominada matriz de ordem n. Em uma matriz quadrada jiaA , de ordem n, a diagonal principal é formada pelos elementos jia , em que ji . Matriz diagonal: é a matriz quadrada na qual os elementos fora de sua diagonal principal são nulos: jia = 0, quando ji . Matriz unidade ou identidade: é a matriz quadrada na qual os elementos da diagonal principal são todos 1 e os demais elementos 0. Matriz triangular Superior: é a matriz quadrada na qual todos os elementos abaixo de sua diagonal principal são iguais a 0, isto é, jia = 0 para ji . Inferior: é a matriz quadrada na qual todos os elementos acima de sua diagonal principal são iguais a 0, isto é, jia = 0 para ji . 2 OPERAÇÕES: Adição e subtração: só estão definidas em matrizes de mesma ordem. Para efetuá- las, basta adicionar ou subtrair os elementos correspondentes. Multiplicação de escalar por matriz: basta multiplicar o escalar por todos os elementos da matriz. Multiplicação de matrizes: o produto da matriz nmA , pela matriz pnB , é a matriz pmC , onde os elementos ijc são obtidos através da soma dos produtos dos elementos da linha i de A, com os elementos da coluna j de B. EXERCÍCIOS: 1. Dadas as matrizes 33 12 21 432 111 BeA , calcule, se existir: a) A+ B b) At+ B c) A+ Bt 2. Dadas as matrizes 51 23 02 11 11 312 CeBA , calcule, se existir: a) A.B b) 2C c) TBB d) TBC e) CA f) CB 3. Dadas as matrizes 641 890 140 975 , 614 832 CeBA , calcular, se existir: a) X= 4A - 3B + 5C b) X=2B –3A – 6C c) X=4C +2A –6B d) At e) A.Bt f) B.C 4. Calcular os produtos: a) 2 1 3 314 512 b) 251 4 1 2 c) 1 1 2 121 3 5. Sendo 101 112 021 A calcular A 2 . Respostas: 1) a) não existe b) 74 43 42 c) 744 432 2) a) 19 b) 278 1611 c) 422 220 202 d) 246 615 e) não existe f ) 46 32 74 3) a) 3421 99787 b) 161318 90774 c) 61012 1028426 d) 68 13 42 e) 1081 2083 f) não existe 4) a) 19 15 b) 8204 251 4102 c) (1) 5) 122 235 243 4 OPERAÇÕES ELEMENTARES com linhas ou colunas de uma matriz. 1. Permutar duas linhas. Ex.: Permutar a 2ª linha com a 3ª 1240 200 531 32L ~ 200 1240 531 2. Multiplicar uma linha por uma constante não nula. Ex.: Multiplicar todos os elementos da 2ª linha por 4 1 . 200 1240 531 4 1 2L ~ 200 310 531 3. Substituir os elementos de uma linha pela soma deles com os elementos correspondentes de outra linha previamente multiplicados por uma constante não nula. Ex.: Substituir os elementos da 1ª linha pela soma deles com os elementos correspondentes da 2ª linha previamente multiplicados por -3. 200 310 531 3211 LLL ~ 200 310 401 Usaremos estas operações elementares para obter a forma escalonada de uma matriz. Matriz escalonada: é a matriz na qual o número de zeros que precede o primeiro elemento não nulo de cada linha aumenta de linha para linha até que sobrem linhas só de zeros (se sobrarem). O primeiro elemento não nulo de cada linha é denominado termo líder da linha (pivô). O número de pivôs da forma escalonada de uma matriz A é denominado posto de A. Exemplos: 0000 0000 5000 0030 7521 , 200 430 321 BA . Matriz escalonada reduzida por linhas: é a matriz escalonada na qual cada pivô é igual a 1 e é o único elemento não nulo de sua coluna. Exemplos: 1000 0210 0501 210000 301000 400310 5 Obter a forma escalonada reduzida por linhas da matriz 139663 106442 21321 A . I) Usamos o elemento 111 a como pivô para obter zeros abaixo dele e aplicamos as seguintes operações elementares: a) Substituir os elementos da 2ª linha pela soma deles, com os elementos correspondentes da 1ª linha, previamente multiplicados por -2. b) Substituir os elementos da 3ª linha pela soma deles, com os elementos correspondentes da 1ª linha, previamente multiplicados por -3. 139663 106442 21321 A )3( )2( 133 122 LLL LLL ~ 76300 64200 21321 II) Multiplicamos os elementos da segunda linha por 2 1 . 76300 64200 21321 2 1 2L ~ 76300 32100 21321 III)Usamos o elemento 123 a como pivô para obter zero abaixo dele e aplicamos a seguinte operação elementar: a) Substituir os elementos da 3ª linha pela soma deles, com os elementos correspondentes da 2ª linha, previamente multiplicados por -3. 76300 32100 21321 3233 LLL ~ 20000 32100 21321 A matriz está na forma escalonada. Vamos reduzi-la por linhas. IV) Multiplicamos os elementos da terceira linha por 2 1 . 20000 32100 21321 2 1 3L ~ 10000 32100 21321 V) Usamos o elemento 135 a como pivô para obter zeros acima dele e aplicamos as seguintes operações elementares: a) Substituir os elementos da 2ª linha pela soma deles, com os elementos correspondentes da 3ª linha, previamente multiplicados por -3. b) Substituir os elementos da 1ª linha pela soma deles, com os elementos correspondentes da 3ª linha, previamente multiplicados por -2. 6 10000 32100 21321 3 2 322 311 LLL LLL ~ 10000 02100 01321 VI) Usamos o elemento 123 a como pivô para obter zero acima dele e aplicamos a seguinte operação elementar: a) Substituir os elementos da 1ª linha pela soma deles, com os elementos correspondentes da 2ª linha, previamente multiplicados por 3. 10000 02100 01321 )3(211 LLL ~ 10000 02100 07021 Esta última matriz é a forma escalonada reduzida por linhas da matriz A. EXERCÍCIOS: Obter a forma escalonada reduzida por linhas das seguintes matrizes: 00000 77100 910011 ~ 12433 31322 54211 A 3100 1010 2001 ~ 5123 4152 3121 B 2 11000 3 40100 6 250011 ~ 1926188 1310144 46122 C 100 010 001 ~ 700 320 695 D 2 11000 3 20 3 110 6 170 3 1101 ~ 82952 31411 21321 E 7 MATRIZ INVERSA Uma matriz quadrada A de ordem n, é inversível se existe uma matriz B tal que nIABBA , onde nI é a matriz identidade de ordem n. A matriz B é a inversa da matriz A e é representada por 1A . Inversão de uma matriz usando operações elementares. Se uma matriz A admite inversa, sua matriz escalonada reduzida por linhas é a matriz identidade. A mesma sucessão de operações elementares que transforma a matriz A na matriz identidade, transforma a matriz identidade na inversa da matriz A. Para determinar a inversa de uma matriz A: I) Representamos as matrizes A e I uma ao lado da outra, separadas por um traço vertical. II) Escalonamos reduzindo por linhas a matriz A, aplicando simultaneamente as mesmas operações à matriz I. EXEMPLOS: Determine, se existir, a inversa das seguintes matrizes: 814 312 201 A 4 2 100 010 001 814 312 201 133 122 LLL LLL 233104 012 001 010 110 201 LLL 1 1 116 012 001 100 110 201 3 2 L L 1 2 116 012 001 100 110 201 322 311 LLL LLL 116 104 2211 100 010 001 A inversa da matriz A é a matriz 116 104 2211 1A . 8 475 112 121 B 5 2 100 010 001 475 112 121 133 122 LLL LLL 1105 012 001 130 130 121 233 LLL 113 012 001 000 130 121 Como a matriz B não foi transformada na matriz I, ela não tem inversa. B é uma matriz singular e seu determinante é zero. EXERCÍCIOS: 1. Determine, se existir, a inversa das seguintes matrizes: 1170 0132 0013 2214 1000 1100 1210 8021 1234 0123 0012 0001 1111 0231 0112 1111 1111 1100 1011 0101 ED CBA 371 241 120 503 212 421 221 142 313 653 542 321 987 630 321 123 112 122 524 012 321 221 112 121 4113 120 131 100 012 001 PO NM LJI HGF 9 RESPOSTAS: 223 111 012 563 674 8105 1458 935 1146 012 133 231 101 568 6710 345 101 1 0 100 012 001 21411410 22431411 61243 2411 1000 1100 32102421 1210 0121 0012 0001 00 1110 1010 2111 1011 1 111 3 2 3 2 3 1 3 4 3 1 3 511 3 1 3 1 3 1 3 2 1 111 1 2 3 5 3 5 4 2 1 2 1 2 1 2 1 5 2 5 1 2 1 2 1 5 1 5 3 2 1 11 P ONM JIH FED CBA 371 241 120 503 212 421 221 142 313 653 542 321 987 630 321 123 112 122 524 012 321 221 112 121 4113 120 131 100 012 001 PO NM LJI HGF 10 DETERMINANTES A toda matriz quadrada A, está associado um número denominado determinante da matriz A. Representamos por det A ou A . Propriedades: I) O determinante de uma matriz triangular é igual ao produto dos elementos da diagonal principal. II) Quando os elementos de uma linha (ou coluna) de uma matriz são multiplicados por uma constante, o determinante fica multiplicado por esta constante. III) Quando duas linhas (ou colunas) de uma matriz são permutadas entre si, o determinante muda de sinal. IV) Um determinante não se altera quando substituímos os elementos de uma linha (ou coluna) pela soma deles com os elementos correspondentes de outra linha (ou coluna) previamente multiplicados por uma constante não nula. Cálculo de um determinante de qualquer ordem. Para calcular o determinante de uma matriz quadrada A, de ordem n (para 2n ), usaremos o processo de triangulação. Este processo consiste na substituição da matriz dada por uma matriz triangular (superior ou inferior) equivalente a ela, através de operações elementares. Ao mesmo tempo devem ser efetuadas com o determinante, de acordo com as propriedades, as compensações necessárias, para manter seu valor inalterado. Exemplo: Calcular o determinante da matriz 435 231 712 A . det * 435 231 712 21L A = )5( )2( 435 712 231 133 122 LLL LLL * 5 1 6120 350 231 det 2LA )12(6120 5 310 231 )5( 233 LLL 5 6600 5 310 231 5det A 11 66 5 66 115det A Calcular os determinantes através do processo de triangulação: 9 0021 1112 0112 1015 )5 2120 1321 1200 2131 ) 3 1111 2001 1012 1101 )10 0102 1120 2120 2412 )24 2081 2001 3191 1012 ) 2 0111 1121 1021 3121 )1 0111 1000 0001 0010 )12 0211 3102 1020 0513 ) 1 3001 1110 1101 0012 )0 4213 2210 4135 2132 )372 1352 0321 0024 4321 ) lj ihg fed cba 12 Sistemas: Definições Equação linear: é uma equação da forma: bxaxaxa nn 2211 nxxx ,,, 21 : são números a serem determinados (variáveis ou incógnitas). :,,, 21 naaa são números reais (coeficientes das variáveis). :b termo independente. A solução de uma equação linear é uma n-upla nccc ,,, 21 que satisfaz a equação transformando-a em identidade (raízes da equação). Sistema de equações lineares: é um conjunto de equações lineares. Um sistema de m equações e n variáveis será: mnmnmm nn nn bxaxaxa bxaxaxa bxaxaxa 2211 22222121 11212111 Se bi=0, i = 1, 2, 3,…,m o sistema de equações lineares é homogêneo. A solução é uma n-upla nccc ,,, 21 que satisfaz todas as equações (raízes do sistema). Sistemas equivalentes: são sistemas que têm a mesma solução. Classificação: Sistema possível determinado (SPD). Sistema possível indeterminado (SPI). Sistema impossível (SI). 13 Resolução de sistemas: Método de eliminação de Gauss: É um processo geral que consiste na substituição de um sistema por outro sistema equivalente, com mais fácil resolução. Para isso são usadas as operações elementares com linhas. Se na forma escalonada: 1) ocorrer 0=b, com b 0, SI 2) não ocorrer 0=b, com b 0, SP a) número de equações = número de variáveis (SPD) b) número de equações número de variáveis (SPI) 3) ocorrer 0000 21 nxxx , esta linha pode ser suprimida sem que isto afete a solução do sistema. EXEMPLOS: 12118105 54342 2322 )4 wzyx wzyx wzyx 2435 723 132 )1 zyx zyx zyx 14 22262 13452 113 432 )2 zyx zyx zyx zyx 14322 2523 31345 )5 wzyx wzyx wzyx 14234 242 632 )3 zyx zyx zyx 4345 1223 1022 )6 zyx zyx zyx 15 DISCUTIR E NO CASO DE POSSIBILIDADE RESOLVER OS SEGUINTES SISTEMAS: 3252 4 )4 05 32 153 )3 03 0262 03 )2 023 02 )1 zyx zyx zyx zx yx zyx zyx zyx tzyx tzyx 023 032 032 )8 577 3252 4 )7 123 25262 147323 )6 0652 032 )5 zyx zyx zyx zyx zyx zyx tzyx twzyx twzyx zyx zyx 83443 422 22 22 )12 0533 33 3 1423 1 )11 2 4 4 0 )10 43 6 0234 1132 )9 wzyx wzyx wzx wyx zyx zyx zyx zyx zyx tzyx tzyx tzyx tzyx zyx zyx zyx zyx 522 31253 64 )13wzy wzyx wzyx 12 53 02 )15 523 4452 134 )14 zyx zx zyx zyx zyx zyx 16) 14322 2523 11345 )18 82574 46852 14232 )17 144 232 5232 tzyx tzyx tzyx tszyx tszyx tszyx zyx zyx zyx 17483 53 32 )20 0611105 04763 03542 )19 zyx zyx zyx tzyx tzyx tzyx Respostas: 1. SPI(-5z + t, 2z-t,z,t) 2.SPI(-3y-z, y, z) 3.SPD(7/16,-1/16,17/8) 4.SPI(17-7z/3,-5+4z/3,z) 5.SPI(-3z,0,z) 6.SPI(1-3y-t,y,2+t,3+2t,t) 7.SI 8.SPD(0,0,0) 9.SPD(-1,2,5) 10.SPD(1,-1,2,-2) 11.SI 12.SPI(w,1,1,w) 13.SPI(13/2,15-2w/2,-10+w/2,w) 14.SPD(3,-2,2) 15.SPD(-7/8,-1/4,11/8) 17.SPI(21-z-24t,-7+2z+8t,z,3-2t,t) 16.SI 18.SI 19.SPI(-2y+t,y,t,t) 20.SPD(17/3,-2/3,4/3) 16 Sistemas de equações lineares com parâmetros. Em geral analisamos a última equação do sistema escalonado. Equações anteriores só serão analisadas quando o parâmetro afetar a solução do sistema. Discutir os seguintes sistemas segundo os valores dos parâmetros: bzayx azyax zyx zkyx kzyx zyx ymx myx yx zyax azy azyx ykx yx )3(22 1 )9 23 332 1 )7 2 4 3 )5 542 2)3 1 2 )1 22 875 343 1432 )10 72 1162 32 )8 4 1037 6 )6 1 1 )4 52 23 )2 2 azyx bzyx zyx czyx bzyx azyx qpzyx zyx zyx azayx aazyx zayx yax byx RESPOSTAS: 7,1 7,1 ,1 )10 2,1 ,121 ,1 )9 025 025)8 3 2 32 )7 8,1 8,1 ,1 )6 )5 10 1 1,0 )4 4 1 1,4 )3 5,3 5,3 ,3 )2 1 1 )1 ba ba ba SI SPI SPD ba babsea ba cba cba nunca k k ek qp qp qp SI SPI SPD m nunca nunca aoua a a a a aa ba ba ba k nunca k SI SPI SPD 17 ESPAÇOS VETORIAIS O plano cartesiano é representado pelo conjunto yxyx ,|,2 . Um par ordenado (x, y) pode ser considerado como um ponto ou como um vetor. Esta idéia estende-se para os espaços n ,,, 43 embora não possamos representar geometricamente os espaços n ,,4 . O espaço de dimensão n é formado pelo conjunto de todas as n-uplas ordenadas: in n xxxx |,,, 21 . As operações em n são as mesmas definidas em 2 e 3 (igualdade, adição, multiplicação por escalar, módulo, produto escalar). Um vetor nxxxu ,,, 21 pode ser representado através de uma matriz coluna nx x x u 2 1 . Dados os conjuntos n e nmM , podemos verificar a existência de propriedades comuns em relação às operações de adição e multiplicação por escalar. Sejam ,,,,,, , eMCBAwvu nmn , ADIÇÃO: )()( wvuwvu )()( CBACBA uvvu ABBA uu 0 AA 0 0)( uu 0)( AA MULTIPLICAÇÃO POR ESCALAR: )()( uu )()( AA uuu )( AAA )( vuvu )( BABA )( uu 1 AA 1 Os conjuntos n e nmM , com as operações de adição e multiplicação por escalar, possuem uma estrutura comum em relação a essas operações. Isto acontece com vários conjuntos. Esses conjuntos serão denominados espaços vetoriais. 18 ESPAÇOS VETORIAIS REAIS Espaço vetorial real é um sistema algébrico constituído por um conjunto V (cujos elementos são chamados de vetores) e as operações de adição e multiplicação por escalar nele definidas. VuVuVvuVvu ,,,, , satisfazendo os seguintes axiomas: 0)(,)(,: 0,,0: ,,: )()(,,,: 4 3 2 1 uuVuVuA uuVuVA uvvuVvuA wvuwvuVwvuA ,,,, Vvu uuM vuvuM uuuM uuM 1: )(: )(: )()(: 4 3 2 1 Os elementos do espaço vetorial V são denominados de vetores, independendo da sua natureza (polinômios, matrizes, números, vetores) porque as operações de adição e multiplicação por escalar, realizadas com esses elementos comportam-se de forma idêntica. Ex.: ,,,,,,,,,,,,,,, 23,22 PMV 19 SUBESPAÇOS VETORIAIS Seja S um subconjunto não vazio de um espaço vetorial V. .,,S será subespaço vetorial de .,,V se verificar as condições: I) SvuSvu ,, II) SueSu , Todo espaço vetorial admite pelo menos dois subespaços, o subconjunto formado pelo vetor nulo e o próprio espaço (subespaços triviais). Exemplos: 1) V= origempelapassamqueplanosS origempelapassamqueretasS S S : : 0,0,0 4 3 3 2 1 3 2) xyyxS 2/, 3) 1/, xyyxS Exercícios: Verificar quais conjuntos são subespaços vetoriais em relação às operações de adição e multiplicação por escalar usuais: 1) 1/, xyyxS 2) xxxS ;, 2 3) 04/,, zyxzyxS 4) 02/,, zxyzyxS 5) zyxzyxS 0/,, 6) 0/ dbac dc ba S Resposta: 3 e 6 20 COMBINAÇÃO LINEAR Uma das características mais importantes de um espaço vetorial é a obtenção de novos vetores a partir de vetores dados. Um vetor v de um espaço vetorial ,,,V será combinação linear dos vetores nvvv ,,, 21 também de V se existirem números nccc ,,, 21 tais que nnvcvcvcv 2211 No espaço dos polinômios de grau menor igual a dois, consideremos os vetores 755 2 ttp , 1221 ttp , 22 tp e ttp 23 2 . a) Escrever o vetor p como combinação linear de 1p , 2p e 3p . b) É possível escrever o vetor 1p como combinação linear de 2p e 3p ?21 Exercícios: 1. Sejam os vetores 2,3,2 u e 4,2,1v em 3 . a) Escrever o vetor 2,11,7 w como combinação linear de u e v. b) Para que valor de k o vetor k,14,8 é combinação linear de u e v? 2. Escrever o vetor 50 81 v como combinação linear dos vetores 11 01 1v , 10 21 2v e 12 10 3v . 3. Expressar o vetor 6,4,4,1 u como combinação linear dos vetores 0,1,3,31 v , 2,1,1,02 v e 0,0,1,13 v . 4. Seja o subespaço 002/,,, 4 tezyxtzyxS . Verifique se: a) S 0,3,2,1 . b) S0,4,1,3 . c) S 1,1,1,1 . 5. Seja o subespaço ba bba aba S ,; 2. a) S 21 65 ? b) Qual deve ser o valor de k para que o vetor 32 4 k pertença a S? Respostas: 1. a) w=3u-v b) k=12 2. 321 234 vvvv 3. 321 23 vvvv 4. a) sim b) não c) não 5. a) sim b) k= - 2 22 SUBESPAÇOS GERADOS Consideremos um subconjunto nvvvA ,,, 21 de um espaço vetorial ,,,V . O conjunto S dos vetores de V que são combinações lineares dos vetores escolhidos forma um subespaço vetorial gerado pelos vetores de A. Representamos por nvvvS ,,, 21 ou AGS onde: nvvv ,,, 21 : são os geradores de S; A é o conjunto gerador de S. Se ocorrer G(A) = V, A é um conjunto gerador do espaço. Exemplos: AGjiAV ,,2 AGjiAV ,,3 OBS.: Um subespaço S pode ser gerado por uma infinidade de vetores, porém existe um número mínimo de vetores para gerá-lo. Exercícios: 1) Determinar os subespaços do 3 gerados pelos seguintes conjuntos: a) 1,2,2,2,3,1 A 0457/,, 3 zyxzyx b) 0,1,1,1,1,0,1,0,1 A 0/,, 3 zyxzyx c) 1,3,2,2,1,0,0,1,1 A 3 2) Seja o conjunto 4,2,1,1,3,1 A , determinar: a) O subespaço G(A). 0310/,, 3 zyxzyx b) O valor de k para que o vetor 11,,5 kv pertença a G(A). k= -13 23 3) Determinar o subespaço gerado pelo conjunto A={(1,-2),(-2,4)}. O que representa geometricamente este subespaço? xyyx 2/, 2 reta que passa pela origem 4) Verificar se o vetor v=(-1,-3,2,0) é gerado pelos vetores 0,3,1,21 v , 0,1,0,12 v e 0,1,1,03 v . É gerado 5) Determinar o subespaço vetorial gerado pelos vetores 10 01 1v , 00 11 2v e 01 10 3v . 0/ dcba dc ba 6) Determinar os subespaços de 2P gerados pelos vetores: a) 2 1 tp e ttp 22 },/{ 2 babtat b) 11 p , 12 tp e ttp 223 2P 24 DEPENDÊNCIA E INDEPENDÊNCIA LINEAR O nosso interesse é que o conjunto gerador seja o menor possível, para isto precisamos da noção de dependência e independência linear. Um conjunto nvvvA ,,, 21 de um espaço vetorial ,,,V é linearmente dependente se existem números nccc ,,, 21 tais que 02211 nnvcvcvc . Se esta igualdade ocorrer somente se 021 nccc , o conjunto A é linearmente independente. Exemplos: Classificar os subconjuntos do espaço tridimensional em LI ou LD. a) {(1,2,-1),(2,4,-2),(1,3,0)} b) {(1,-1,-2),(2,1,1),(-1,0,3)} 25 Exercícios: 1. Classifique os seguintes conjuntos em LI ou LD. a) 222 2,44,2 xxxxxx LD b) 222 ,,21 xxxxx LI c) 2222 32,321,2,31 xxxxxxxx LD d) xxxx 2,1 22 LI e) 301 501 , 012 210 , 423 121 LI 2. Determinar o valor de k para que o conjunto 0,2,,1,1,1,2,0,1 k seja LI. 3k 3. Determinar o valor de k para que o conjunto 0 12 , 00 11 , 01 01 k seja LD. 3k 26 BASE E DIMENSÃO DE UM ESPAÇO VETORIAL Base de um espaço vetorial ,,,V , é um conjunto de vetores linearmente independente que gera todos os vetores do espaço. Dimensão de um espaço vetorial ,,,V é o número mínimo de vetores necessários para gerar todo o espaço. Ex.: 2V Para gerar o 2 , o conjunto deve ter exatamente dois vetores. Se o conjunto tiver menos que dois vetores, não gera todos os vetores do espaço e se tiver mais que dois vetores, será um conjunto linearmente dependente. A dimensão do 2 é 2. Generalizando: n : dimensão n; nmM , : dimensão nm ; nP : dimensão 1n Para determinar se um conjunto é base de um espaço vetorial, verificamos se o número de vetores é igual à dimensão do espaço e se o conjunto é linearmente independente. Bases canônicas: 1,,, 10 00 , 01 00 , 00 10 , 00 01 1,0,0,0,1,0,0,0,1 1,0,0,1 1 23 3 2,2 3 2 xxxP M Exemplo: Quais dos seguintes conjuntos de vetores formam uma base do 3 ? a) 0,2,3,0,1,2,1,1,1 b) 4,1,2,2,1,0,1,0,1 c) 2,1,4,3,2,1 d) 0,2,3,5,0,1,3,1,2,2,1,0 27 1. Quais dos seguintes conjuntos de vetores formam uma base do 2P ? a) 13,42 22 tttt b) 21,1,2 tt base c) 22 21,,1 ttttt 2. Mostrar que o conjunto 52 73 , 11 23 , 20 11 , 01 32 é uma base de 2,2M . 3. O conjunto 133,32, 2323 ttttttA é base de 3P ? Justifique. Não. 3)( PAG 28 BASE E DIMENSÃO DE UM SUBESPAÇO VETORIAL Seja V um espaço vetorial de dimensão n. Se S é um subespaço vetorial de V, então .dim nS Caso ocorra nS dim , VS . Interpretação geométrica: 3dim 33 V . A dimensão de um subespaço S de 3 poderá ser 0,1,2 ou 3. SS ,0dim ___________________________________________________________ SS ,1dim ___________________________________________________________ SS ,2dim ___________________________________________________________ SS ,3dim ___________________________________________________________ Obs.: Todo conjunto de vetores LI, de um espaço vetorial V, é base do subespaço por ele gerado. Determinar uma base do subespaço do 4 gerado pelos vetores 0,0,1,11 v , 1,2,2,22 v , 1,2,1,13 v e 2,4,0,04 v . Seja 31,2,1,0,1,1,1,1,0 B . a) Mostrar que B não é base do 3 . b) Determinar uma base do 3 que possua dois elementos de B. 29 Exercícios: 1. Determinar uma base e a dimensão para cada um dos seguintes subespaços vetoriais: a) xyzyx 3/,, 3 dim: 2 b) 05/,, 3 zexyzyx dim: 1 c) 032/,, 3 zyxzyx dim: 2 d) 0/,, 3 zzyx dim: 2 e) cdecabM db ca /2,2 dim: 2 f) cabM db ca /2,2 dim: 3 2. Seja o subespaço adebacM db ca S /2,2 . a) Qual a dimensão de S? dim: 2 b) O conjunto 43 12 , 10 11 é uma base de S? Justifique. Não pois S 43 12 3. Determinar uma base e a dimensão do espaço-solução dos sistemas: a) 0232 042 022 tzyx tzyx tzyx dim: 2 b) 0534 02 032 tzyx tzyx tzyx dim: 2 c) 043 032 02 zyx zyx zyx dim: 1 30 d) 023 0 0322 zyx zyx zyx dim: zero e) 02422 02 tzyx tzyx dim: 3
Compartilhar