Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESPAÇOS VETORIAIS 1.INTRODUÇÃO: Sabemos que, o plano cartesiano pode ser expressado da seguinte forma: ℝ² = ℝ×ℝ = {(x, y) / x, y ∊ ℝ} ℝ³ = ℝ×ℝ×ℝ = {(x, y, z) / x, y, z ∊ ℝ} ℝ4 = ℝ×ℝ×ℝ×ℝ = {(x1, x2, x3, x4) / x1, x2, x3, x4 ∊ ℝ} ℝn = ℝ×ℝ×...×ℝ = {(x1, x2, ..., xn) / xi ∊ ℝ} Também podemos entender essa ideia a espaços como: 1.1 PRODUTO DE DOIS CONJUNTOS: O produto do conjunto A e o conjunto B, é o novo conjunto de todos os pares ordenados (a, b), tal que, a ∊ A e b ∊ B. Simbolicamente: A×B = {(a, b) / a ∊ A ∧ b ∊ B} Quando A ⊆ ℝ ∧ B ⊆ ℝ é o produto cartesiano A por B. 1.2 APLICAÇÃO DE A SOBRE B : Dizemos que f é uma aplicação ou função de A sobre B ⇔ ∀x ∊ A, ∃ y ∊ B / y = f(x) Simbolicamente: f : A B x y = f(x) ; A = Domínio de f Exemplo 1: f : ℕ – {0} ℝ n f(x) = 2/n g : [-3, 3] [-3, 3] n g(x) = √9−x ² 1.3 OPERAÇÃO BINARIA INTERNA: Seja A um conjunto não-vazio. Chamamos de operação binaria interna definida em A, a toda aplicação “*” de A×A sobre A, tal que, para cada par (a, b) per A×A, corresponde um único elemento de a*b per A. * : A×A A (a, b) a*b Notação Exemplo 2: + : ℝ×ℝ ℝ (a, b) a+b • : ℝ×ℝ ℝ (a, b) a • b No conjunto ℝ definimos duas operações binarias, de soma e produto dos números reais. No conjunto ℝ ,² definimos a operação binaria de soma dos números reais. + : ℝ ×ℝ ² ² ℝ² [(x1, y1), (x2, y2)] (x1+x2 , y1+y2) Soma vetorial em ℝ² 1.4 CORPO: Um conjunto �≠{∅}, chama-se de corpo, se em estão definidas as operações de soma e produto, com as seguintes propriedades: A) Soma + : �×� (a, b) a+b A1) a+(b+c) = (a+b)+c A2) a+b = b+a A3) ∃! 0 ∊ � / 0+a = a ; ∀ a ∊ � A4) ∀ a ∊ �, ∃! -a ∊ � / a+(-a) = 0 ; -a é oposto de a � P) Produto • : �×� (a, b) a • b P1) a • (b • c) = (a • b) • c P2) a • b = b • a P3) ∃! 1 ∊ � / 1 • a = a ; ∀ a ∊ � P4) ∀ a ≠ 0, ∃! a-1 / a • (a-1) = 1 ; a-1 é inverso de a D) Propriedade distributiva do produto com respeito à soma. D1) a • (b + c) = a • b + a • c 2.ESPAÇO VETORIAL: Definição: Um conjunto V é chamado de espaço vetorial sobre se verificados as operações de soma e produto por um escalar. + : V×V V (u, v) u+v • : �×V V (α, v) α • v A1) u+(v+w) = (u+v)+w A2) u+v = v+u A3) ∃! 0 ∊ V / v+0= v ; ∀ v ∊ V A4) ∀ v ∊ V, ∃! -v / v+(-v) = 0 Onde u, v e w são vetores ∊ V ; α ∊ P1) α(βv) = (αβ)v ; ∀ α, β ∊ �; v ∊ V P2) ∃! 1 ∊ � / 1 • v = v ; ∀ v ∊ V D1) (α+β) v = αv + βv ; α, β ∊ �; v ∊ V D2) α (u+v) = αu + αv ; α ∊ �; u, v ∊ V 2.1 EXEMPLOS DE ESPAÇOS VETORIAIS: São espaços vetoriais os seguintes conjuntos: 1) V = ℝ×ℝ= {(x1, x2) / x1 ∊ ℝ ∧ x2 ∊ ℝ} Todo par ordenado em ℝ .² 2) V = ℝn= {(x1, x2, …, xn) / xi ∊ ℝ} Todo n-upla ordenada em ℝn. 3) Em ℝ2 qualquer reta que passa pelo origem, é e.v. sobre ℝ. Exemplo: V = {(x, y) ∊ ℝ2 / 2x – y = 0}. 4) Em ℝ3 qualquer plano que passa pelo origem, é e.v. sobre ℝ. Exemplo: V = {(x, y, z) ∊ ℝ3 / x – y – z = 0}. 5) O conjunto dos polinômios de grau ≤ 3 com coeficientes complexos. Exemplo: [x] = {P(x) / P(x) = a3x3 + a2x2 + a1x + a0 , ai ∊ }. 6) V = {r x + s ex / r , s ∊ ℝ}. é um espaço vetorial sobre ℝ. 2.1.1 Espaços Vetoriais de Matrizes: O conjunto das matrizes �m×n é um espaço vetorial sobre . Dado que define as operações de soma e produto por um escalar. + : �m×n×�m×n �m×n ([aij], [bij]) [aij]+[bij] = [cij] A) Soma Tal que cij = aij + bij 1≤ i ≤ m ; 1≤ j ≤ n∀ ∀ · : �×�m×n �m×n (α, [aij]) α[aij] = [α aij] P) Produto de um escalar por uma matriz ∀ 1≤ i ≤ m ; 1≤ j ≤ n∀ 2.2 SUBESPAÇOS VETORIAIS: Definição: Seja V um espaço vetorial el . Um subespaço vetorial de V es um subconjunto W ⊂ V, com as seguintes propriedades: 1º 0 ∊ W 2º Se w1 ∊ W ∧ w2 ∊ W ⇒ (w1+w2) ∊ W 3º Se v ∊ W ∧ ∀ α ∊ � ⇒ α v ∊ W 2.1.1 Teorema: Um subconjunto W ≠ ∅ de V, é um subespaço vetorial ⟺ (α u + β v) ∊ W, ∀ α, β ∊ � e u, v ∊ W. Generalizando, se: v1, v2, …vn ∊ W um subespaço vetorial, e α1, α2, ...αn ∊ �, então cumpre-se α1v1 + α2v2 +… +αnvn ∊ W. Exemplo 3: É W = {(x, y) ∊ ℝ / y = m x , m ≠ 0 } um subespaço vetorial de ℝ2? 1º 0 = (0, 0) ∊ W ? ⟹ 0 = m (0) ; m ≠ 0 0 = 0 ⟹ (0, 0) ∊ W Sim 2º Se escolhemos dois vetores w1 = (x1, y1) ∊ W ∧ w2 = (x2, y2) ∊ W ⇒ (w1+w2) ∊ W ? Se w1 = (x1, y1) ∊ W ⇒ y1= m x1 Se w2 = (x2, y2) ∊ W ⇒ y2= m x2 ⇒ y1+y2= m (x1+x2)∴ ((x1, y1), (x2, y2)) ∊ W Sim 3º Se v = (x, y) ∊ W ∧ ∀ α ∊ ⇒ α v ∊ W ? Se v = (x, y) ∊ W ⇒ y = m x ⇒ α v = (α x, α y) ⇒ α y = m (α x) α y = α (m x) ∴ (α x, α y) ∊ W Sim Sim 3.COMBINAÇÃO LINEAR: Definição: Seja V um e.v. e sejam v1, v2, …vn vetores de V. Uma combinação linear é uma expressão da forma: α1v1 + α2v2 +… +αnvn Onde α1, α2, ...αn são escalares ∊ . Se, para um vetor v ∊ V existem α1, α2, ...αn ∊ , tal que , v = α1v1 + α2v2 +… +αnvn , então, se diz que v é uma combinação linear de v1, v2, …vn. Exemplo 4: Determinar se v = (-2, 4) é CL de v1 = (3, 2) e v2 = (5, 0) Sol. Temos que determinar ∃ α1, α2 tal que: (-2, 4) = α1 (3, 2) + α2 (5, 0) (-2, 4) = (3α1+5α2 , 2α1+0) 3α1+5α2 ,= – 2 2α1+ 0 = 4 α1 = 2 α2 = -8/5 (-2, 4) = 2 (3, 2) – 8/5 (5, 0) x y v 1= (3, 2 ) 2v 1 v2=(5, 0)-8/5v2 v=(-2, 4) Exemplo 5: Determinar se α1 e α2 ∊ ℝ tal que: (3, 1, 0) = (2α1 , α1 , α1) + (α2 , 2α2 , 4α2) e se é uma CL. (3, 1, 0) = (2α1+α2 , α1+2α2 , α1+4α2)Sol: 2α1 + α2 = 3 α1 + 2α2 = 1 α1 + 4α2 = 0 [A|B] = 2 1 3 1 2 1 1 4 0 L1 (2) →L1 1 1/2 3/2 1 2 1 1 4 0 L2−L1→L2 L3−L1→L3 1 1/2 3/2 0 3/2 -1/2 0 7/2 -3/2 L1 (3 /2) →L1 1 1/2 3/2 0 1 -1/3 0 7/2 -3/2 L3−( 7 2 )L2→L3 1 1/2 3/2 0 1 -1/3 0 0 -1/3 Paramos aqui e vemos que: ρ[A] = 2 e ρ[A|B] = 3 , ρ[A] < ρ[A|B]∴ Não pode-se determinar α1 e α2 , então não é uma CL. 3.1 Teorema: Seja V um espaço vetorial. O espaço de todas as combinações lineares dos vetores v1, v2, …vn de V , é denotado por L{v1, v2, …vn } é dizer: L{v1, v2, …vn } = α1v1 + α2v2 +… +αnvn / α1, α2, ...αn são escalares, e L{v1, v2, …vn } é um subespaço vetorial de V, chamado de subespaço gerado por v1, v2, …vn. Exemplo 6: Ache o subespaço gerado pelos vetores: v1 = (2, 1, 1) e v2 = (1, 3, 0) ∊ ℝ3. Sol: Deve-se achar S = L{v1, v2}⇒ temos que v = (x, y, z) ∊ S ⇔ ∃ α1, α2 ∊ ℝ / v = (x, y, z) = α1v1+ α2v2 ⇒ (x, y, z) = α1 (2, 1, 1) + α2 (1, 3, 0)⇒ (x, y, z) = (2α1+α2 , α1+3α2 , α1) 2α1 + α2 = x α1 + 3α2 = y α1 + 0 = z [A|B] = 2 1 x 1 3 y 1 0 z L1 (2) →L1 1 1/2 x/2 1 3 y 1 0 z L2−L1→L2 L3−L1→L3 1 1/2 x/2 0 5/2 (-x+2y)/2 0 -1/2 (-x+2z)/2 L2 (5 /2) →L2 1 1/2 x/2 0 1 (-x+2y)/5 0 -1/2 (-x+2z)/2 L3+( 1 2 ) L2→L3 1 1/2 x/2 0 1 (-x+2y)/5 0 0 (-3x+y+5z)/5 O sistema tem solução ⇔ ρ[A] = ρ[A|B] -1/5(3x – y +5z) = 0⇒ 3x – y + 5z = 0 Logo: S = L{v1, v2} = {(x, y, z) ∊ ℝ3 / 3x – y + 5z = 0} y x z v2 v1 L{ v1 , v2 } 4.INTERSEÇÃO DE SUBESPAÇOS: Definição: Sejam S1 , S2 , … Sm subespaços do espaço vetorial V, então S1 ∩ S2 ∩ … ∩ Sm é também subespaço de V. Por exemplo, se temos S1 e S2 subespaços de V, então S1 ∩ S2 representa o conjunto de todos os vetores v ∊ V tais que v ∊ S1 e v ∊ S2 . 4.1 Teorema: Se S1 ∩ S2 , é subespaço vetorial de V, então: i) Se u, v ∊ S1 ⇒ u + v ∊ S1 Se u, v ∊ S2 ⇒ u + v ∊ S2 (u + v) ∊ S1∩S2 ii) Se v ∊ S1 ⇒ λ v ∊ S1 Se v ∊ S2 ⇒ λ v ∊ S2 λ v ∊ S1∩S2 Exemplo 6: Seja V = ℝ3 consideramos os subespaços de V, ache S1∩S2 e o vetor que gera. S1 = {(a, b, c) ∊ ℝ3 / a + b – 3c = 0} S2 = {(a, b, c) ∊ ℝ3 / a + c = 0} Sol: Se u = (a, b, c) ∊ S1∩S2 ⇒ u ∊ S1e u ∊ S2 a + b – 3c = 0 a + c = 0 [A|B] = 1 1 -3 0 1 0 1 0 1 1 -3 0 0 -1 4 0L2−L1→L2 L2 (−1) →L2 1 1 -3 0 0 1 -4 0 1 0 1 0 0 1 -4 0 L1−L2→L1 a + 0b – c = 0 0a + b – 4c = 0⇒ Seja c = t ∊ ℝ a = –t b = 4t c = t Logo: S1∩S2 = {t (-1, 4, 1) / t ∊ ℝ} S1∩S2 = L {(-1, 4, 1)} v=(-1, 4, 1) 5.DEPENDÊNCIA E INDEPENDÊNCIA LINEAR: Definição: Seja V um espaço vetorial e {v1, v2, …vn} um conjunto de vetores incluídos em V. O conjunto {v1, v2, …vn} é linearmente independente (LI) se α1v1 + α2v2 +… +αnvn = 0 (vetor nulo) admite apenas solução trivial, é dizer: α1= α2= … =αn = 0 , todos os escalares iguais a zero. O conjunto {v1, v2, …vn} ⊂ V é linearmente dependente (LD) se da combinação α1v1 + α2v2 +… +αnvn = 0 (vetor nulo), pelo menos um dos escalares é diferente de zero, é dizer: αi ≠ 0 Ou, em outras palavras: α1, α2, ...αn não todos todos são zeros. Exemplo 7: Determine se o conjunto de vetores {(1, 3), (1, 1), (-1, 4)} ⊂ ℝ2 é LI ou LD. Sol: Seja α1(1, 3) + α2(1, 1) + α3(-1, 4) = (0, 0) α1 + α2 – α3 = 0 3α1+ α2 + 4α3 = 0 1 1 -1 0 3 1 4 0[A|B] = 1 1 -1 0 0 -2 7 0L2−3 L1→L2 L2 (−2) →L2 1 1 -1 0 0 1 -7/2 0 L1−L2→L1 1 0 5/2 0 0 1 -7/2 0 α1 + 5/2α3 = 0 α2 – 7/2α3 = 0 α1 = -5/2α3 α2 = 7/2α3 α3 = α3 ∴ O conjunto de vetores é LD 6.BASE E DIMENSÃO DE UM ESPAÇO VETORIAL: Definição de BASE: Seja o conjunto de vetores C = {v1, v2, …vn} ⊂ V , espaço vetorial. Se diz que conjunto C = {v1, v2, …vn} forma uma base de V se:i) O conjunto C gera o espaço V.ii) O conjunto C é LI. Definição de DIMENSÃO: A dimensão de um espaço vetorial V, é denotado pela quantidade de vetores com que é gerado o espaço vetorial. É dizer, se o espaço vetorial tem base finita de n vetores então a dimensão de V é n, dim V = n. Se V = Mmn , o espaço vetorial das matrizes de m linhas e n colunas dim Mmn = mn Se V = Pn , o espaço vetorial dos polinômios de grau ⩽ n com coeficientes reais. A base de Pn é {1, x, x 2, … ,xn} então a dim Pn = n+1 7.SOMA DE SUBESPAÇOS VETORIAIS: Definição: Sejam S1 e S2 subespaços do espaço vetorial V. Então, a soma de S1 e S2 é S = {v ∊ V / v = v1 + v2 , v1 ∊ S1 ∧ v2 ∊ S2} Exemplo 7: Seja V = ℝ3 , S1 = L{(1, 2)} , S2 = L{(-4, 3)}, determine se v = (1, 5) é soma de S1 e S2. Sol: (1, 5) = a (1, 2) + b (-4, 3) (1, 5) = (a – 4b, 2a + 3b) a – 4b = 1 2a + 3b = 5 a = 3/11 b = 23/11 (1, 2) (1, 5) (-4, 3) x y 8.SOMA DIRETA DE SUBESPAÇOS VETORIAIS: Definição: Sejam S1 e S2 subespaços do espaço vetorial V. É denotada a soma direta de S1 e S2 como V = S1⊕S2 , e é definida se: ● V = S1+S2 ● S1∩S2= {0} Exemplo 8: Determine se, V = ℝ3 é soma direta de S1 e S2 , é dizer, V = S1⊕S2 S1 = {(a, b, c) ∈ ℝ3 / a + 2b + c = 0} S2 = L{(2, 1, 3)} Sol: Primeiro determinamos se, ℝ3 = S1 + S2 Seja v = (r, s, t) um vetor arbitrário tal que v = v1 + v2 / v1 = (a, b, c) ∈ S1 ⇒ a + 2b + c = 0 e v2 ∈ S2 ⇒ (2, 1, 3) Temos que: (a, b, c) ∈ S1 ⇒ a + 2b + c = 0 a = – 2b – c b = b c = c ⇒ (a, b, c) = b (-2, 1, 0) + c (-1, 0, 1) (r, s, t) = b (-2, 1, 0) + c (-1, 0, 1) + d (2, 1, 3) (r, s, t) = (-2b – c +2d , b + d , c + 3d ) r = – 2b – c + 2d s = b + d t = c + 3d -2 -1 2 1 0 1 0 1 3 ∆ = = 7 O sistema tem solução única, então existe v ∈ ℝ3 / v = v1 + v2 onde v1 ∈ S1 e v2 ∈ S2 v = (r, s, t) = (a, b, c) + d (2, 1, 3) Segundo passo: determinamos se, S1∩S2 = {0} Seja w = S1∩S2 um vetor arbitrário tal que w ∈ S1 e w ∈ S2⇒ w = b (-2, 1, 0) + c (-1, 0, 1) ∧ w = d (2, 1, 3)⇒ w = b (-2, 1, 0) + c (-1, 0, 1) = d (2, 1, 3) – 2b – c = 2d b = d c = d O sistema tem solução única, então existe b = 0 , c = 0 , d = 0 W = (0, 0, 0) , Logo S1∩S2 = {(0, 0, 0)} ∴ ℝ3= S1⊕S2 9.DIMENSÃO DA SOMA DE DOIS SUBESPAÇOS VETORIAIS: Definição: Se U e W são subespaços de V, sendo V de dimensão finita, então: dim (U + W) = dim U + dim W – dim (U∩W) Sendo a dimensão de um subespaço o numero de vetores que compõem sua base, como foi visto na parte 6, dimensão de uma base. Do exemplo 8: Determine dim (S1 + S2) se, S1 = {(a, b, c) ∈ ℝ3 / a + 2b + c = 0} ; S2 = L{(2, 1, 3)} Sol: dim (S1 + S2) = dim (S1) + dim (S2) – dim (S1∩S2 ) dim (S1) = 2 dim (S2) = 1 dim (S1∩S2 ) = 0 dim (S1 + S2) =3 Diapositiva 1 Diapositiva 2 Diapositiva 3 Diapositiva 4 Diapositiva 5 Diapositiva 6 Diapositiva 7 Diapositiva 8 Diapositiva 9 Diapositiva 10 Diapositiva 11 Diapositiva 12 Diapositiva 13 Diapositiva 14 Diapositiva 15 Diapositiva 16 Diapositiva 17 Diapositiva 18 Diapositiva 19 Diapositiva 20 Diapositiva 21 Diapositiva 22 Diapositiva 23 Diapositiva 24
Compartilhar