Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Universidade Salvador – UNIFACS GAAL - GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR Cursos de Engenharia Profa: Ilka Rebouças Freire Álgebra Linear Texto 05: Dependência Linear, Base e Dimensão Vimos num teorema que: v [v1, v2, ...vn ] [v1, v2, ...vn , v ] = [v1, v2, ...vn ]. Isto significa que os vetores v1, v2, ...vn são suficientes para descrever o subespaço [v1, v2, ...,vn ] . Exemplo W = [ (1, 1, 0 ) ] = [ (1, 1, 0 ), ( 2, 2, 0 ) ] Todo vetor de W pode ser escrito como combinação linear de ( 1, 1, 0 ) e também de ( 1, 1, 0 ) e ( 2, 2, 0 ). Por exemplo: ( 3, 3, 0 ) W e ( 3, 3, 0 ) = 3 ( 1, 1, 0 ). Podemos também escrever ( 3, 3, 0 ) = 3 ( 1, 1, 0 ) + 0 ( 2, 2, 0 ) ( 3, 3, 0 ) = 0 ( 3, 3, 0 ) + 3/2 ( 2, 2, 0 ) Observemos que o vetor ( 3, 3, 0 ) é escrito de maneira única como combinação de ( 1, 1, 0 ), mas tem infinitas maneiras de se escrever ( 3, 3, 0 ) como combinação linear de ( 1, 1, 0 ) e ( 2, 2, 0 ) Um problema fundamental em Álgebra Linear é saber o número mínimo de vetores necessários para descrever um espaço, o que está relacionado com as condições para que um vetor seja escrito de maneira única como combinação linear de um conjunto de geradores. Vamos apresentar um conceito que terá grande importância na análise desta questão. Seja V espaço vetorial sobre R e v1, v2, ....vn V. Dizemos que o conjunto { v1, v2, ...vn } é linearmente independente ( L.I.) ou que os vetores v1, v2, ...vn são linearmente independentes se a única solução da equação 1v1 + 2 v2 + ...+ nvn = 0 é a trivial, isto é, 1 = 2 = ...= n = 0. Se a equação acima admite uma solução não trivial , isto é, existe um j 0, tal que 1v1 + 2 v2 + ...+ j vj + ...+ nvn = 0 , então dizemos que o conjunto { v1, v2, ...vn }é linearmente dependente ( L.D. ) ou que os vetores são linearmente dependentes. 2 Exemplos: 1. Os vetores e1 = ( 1, 0 ) e e2 = ( 0, 1 ) são L.I. De fato: Tomando a combinação linear a ( 1, 0 ) + b ( 0, 1 ) = 0 obtemos a = 0 e b = 0 2. Os vetores e1 = ( 1, 0, 0 ), e2 = ( 0, 1, 0 ) e e3 = ( 0, 0, 1 ) são L.I. 3. O conjunto 10 00 , 01 00 , 00 10 , 00 01 é L.I. 4. { 0 } é L.D. ( De fato: Existem infinitas soluções não nulas para a combinação 0 = 0 ) 5. { v } com v 0 é L.I. ( De fato: v = 0 = 0 ) 6. { (1,2 ), (1, 1 ) } é L.I. a(1, 2 ) + b ( 1, 1 ) = 0 a + b = 0 e a + 2b = 0 a = b = 0 7. { ( 1, 2, 3 ), ( 2, 4, 6 ) } é L.D. Considerando a combinação linear nula a( 1, 2, 3) + b(2, 4, 6 ) = 0 existe solução não trivial ( a = – 2 e b = 1 ) 8. 10 01 , 10 00 , 00 01 é L.D. A equação 00 00 10 01 c 10 00 b 00 01 a tem solução não trivial pois 00 00 10 01 10 00 00 01 Consideremos os seguintes exemplos: 1. { ( 1, 2, 3 ) ( 2, 4, 6 ) } é L.D. e (2, 4, 6 ) = 2.(1, 2, 3 ) 2. 10 01 , 10 00 , 00 01 é L.D. e 10 01 10 00 00 01 Isto que foi observado nos exemplos acima vale geralmente: Seja V espaço vetorial sobre R e v1, v2, ....vn V. Então i) { v1, v2, ....vn } é L.D. um dos vetores for combinação linear dos outros. ii) { v1, v2, ....vn } é L.I. nenhum vetor pode ser escrito como combinação linear dos outros 3 Como conseqüências do resultado anterior temos os seguintes resultados: 1. Qualquer conjunto de vetores que contenha um subconjunto L.D. é L.D. 2. Qualquer conjunto de vetores contendo o vetor nulo é L.D. 3. Todo subconjunto de um conjunto L.I. é L.I. 4. Um conjunto de dois vetores é L.D. se e somente se um deles é um múltiplo escalar do outro Exemplos: 1. { (1, 0, 0 ), (0, 1, 0), (0, 0, 1 ) } é L.I. Também são L.I. os conjuntos { (1, 0, 0 ), (0, 0, 1) } { (1, 0, 0 ), (0, 1, 0) } e { (0, 1, 0), (0, 0, 1 ) } 2. { (1, 2 ) , ( 2, 4 ) , ( 1, 0 ) , ( 0, 1 ) , (1, 1) } é L.D. 3. Em R3 e em R2 dois vetores são L.D. estão sobre uma reta passando pela origem 4. Em R3 três vetores são L.D. estão sobre um mesmo plano passando pela origem. Exercícios: 1. Sejam u, v, w R3. Determinar sob que condições o conjunto { u, v, w } é L.I. Solução: Sejam u = ( u1, u2, u3 ) , v = ( v1, v2, v3 ) , w = ( w1, w2, w3 ) e vamos tomar uma combinação linear nula destes vetores : xu + yv + zw = 0 que nos leva ao seguinte sistema: 0zwyvxu 0zwyvxu 0zwyvxu 333 222 111 Assim, o conjunto { u, v, w } será L.I. o sistema acima tem solução única o posto da matriz 333 222 111 wvu wvu wvu é 3 333 222 111 wvu wvu wvu ~ I3 Observações: i) Uma vez que o posto de uma matriz é igual ao da sua transposta podemos também tomar a matriz em que as linhas são os vetores , ou seja, 321 321 321 www vvv uuu e verificar se é linha equivalente à I3. 4 ii) O mesmo resultado vale para n vetores no Rn. 2. Use o exercício anterior para verificar se os vetores (1, 1, 1 ), ( 1, 0, 1 ) e ( 1, 1, 0 ) são L.I. ou L.D. Solução: 100 010 001 100 010 111 100 010 111 011 101 111 O posto da matriz é 3, logo os vetores são L.I. 3. Mostre que os vetores ( 1, 1, 1 ), ( 1, 0, 1 ) e (1, 1, 0 ) geram o R3 . Solução: (x, y, z ) = a ( 1, 1, 1 ) + b ( 1, 0, 1 ) + c( 1, 1, 0 ) nos leva ao sistema: zba yca xcba Escalonando o sistema obtemos: zx yx zxy zx yx y zx yx x xz xy x z y x 100 010 001 100 010 101 100 010 111 100 010 111 011 101 111 Temos assim que o sistema tem solução única, independentemente de ( x, y, z ) . Logo, v R3 , v pode ser escrito como combinação linear dos vetores ( 1, 1, 1 ), ( 1, 0, 1 ) e (1, 1, 0 ), ou seja, R 3 = [( 1, 1, 1 ), ( 1, 0, 1 ), (1, 1, 0 )] Os dois exercícios anteriores nos mostraram que R 3 = [( 1, 1, 1 ), ( 1, 0, 1 ), (1, 1, 0 )] e que {( 1, 1, 1 ), ( 1, 0, 1 ), (1, 1, 0 )} é L.I. Isto significa que {( 1, 1, 1 ), ( 1, 0, 1 ), (1, 1, 0 )}é uma base para o R 3 . Base e Dimensão de um Espaço Vetorial Um conjunto { v1, v2, ...vn } de vetores de V é dito uma base de V se e somente se: 1) { v1, v2, ...vn } é linearmente independente2) V = [ v1, v2, ...vn ] Se { v1, v2, ...vn } é uma base para V, então qualquer vetor de V é escrito de maneira única como combinação linear de { v1, v2, ...vn } 5 Exemplos: 1. { (1,0 ), ( 0,1 ) } é uma base do R2 . 2. { (1, 0, 0 ) , (0, 1, 0 ), ( 0, 0, 1 ) } é uma base do R3 3. 10 00 , 01 00 , 00 10 , 00 01 é uma base do M2( R ). As bases dos três exemplos anteriores são chamadas de bases canônicas. 4. { ( 1, 1, 1 ), ( 1, 0, 1 ), ( 1, 1, 0 ) } é uma base do R3 ( Vimos nos exercícios anteriores que este conjunto é L.I. e gera o R 3 ) 5. 01 10 , 10 01 não é uma base do M2( R ). Os vetores são L.I. mas não geram o M2( R ). 6. {(1,0), (0,1), (1,1) } não é uma base do R2 . O conjunto gera o R2 , mas não é L.I. Voltemos ao exemplo anterior: Os vetores (1,0), (0,1) e (1,1) geram o R 2 e são L.D. Podemos escrever qualquer um deles como combinação dos outros dois: (1, 0 ) = (1, 1 ) – (0, 1 ) (0, 1 ) = (1, 1 ) – ( 1, 0 ) (1, 1 ) = ( 1, 0 ) + ( 0, 1 ) Logo, qualquer um dos vetores pode ser desprezado e os dois restantes continuam gerando o R 2 , ou seja, R 2 = [ (1, 0 ), ( 0, 1 ) ] = [ (1, 0 ), (1, 1 ) ] = [ ( 0,1 ), (1, 1 ) ]. Além disto, o conjunto que fica é L.I. {(1, 0 ), ( 0, 1 ) }, { (1, 0 ), (1, 1 ) } e { ( 0,1 ), (1, 1 ) } são conjuntos L.I. e portanto qualquer um destes conjuntos formam uma base para o R 2 O fato observado acima está expresso no seguinte teorema: D] Se { v1, v2, ...vn } é L.I. já é a base. Caso contrário existe um vetor que pode ser escrito como combinação linear dos demais. Logo este vetor pode ser “removido”. Se os vetores restantes são Sejam v1, v2, ...vn vetores não nulos que geram um espaço vetorial V. Então, entre v1, v2, ...vn podemos extrair uma base para V. 6 L.I. formam base, caso contrário existe um vetor que é combinação linear dos demais e pode ser “removido”. Continuamos com o processo, “desprezando” os vetores “supérfluos” até obtermos um conjunto L.I. e portanto uma base para o espaço, que é o número mínimo de geradores para o espaço. Exemplos: 1. Três vetores no plano ( R2 ) são sempre L.D. 2. Quatro vetores no espaço ( R3 ) são sempre L.D. 3. Cinco matrizes 2 x 2 ( em M2 ( R ) ) são sempre L.D. Como consequência do Teorema anterior temos que “ Qualquer base de um espaço vetorial V tem sempre o mesmo número de vetores ” Este fato nos permite dar a seguinte definição Exemplos: 1. dim R2 = 2, dim R3 = 3. Generalizando: dim Rn = n 2. dim M2 ( R ) = 4. Generalizando: dim Mmxn ( R ) = m.n. 3. dim P2 ( R ) = 3, dim P3 ( R ) = 4. Generalizando: dim Pn ( R ) = n + 1 Seja V espaço vetorial sobre R e V = [v1, v2, ....vn ]. Então, qualquer subconjunto de V com mais de n vetores é necessariamente L.D. Equivalentemente: Um espaço vetorial gerado por n vetores tem no máximo n vetores L.I. Seja V espaço vetorial sobre R, então o número de elementos de uma base de V é chamado de dimensão de V e indicado por dimV. 7 4. Se V = { 0 } então dimV = 0 Observações: 1) Existem espaços vetoriais em que o número de elementos da base é infinito. Por exemplo, o espaço das funções reais de variável real. Só trabalharemos com espaços de dimensão finita. 2) Se W é subespaço vetorial de V e dim V = n então dim W n Conseqüência: Se dimV = n, então qualquer conjunto de n vetores L.I. formará uma base para V. D] Caso não formasse, poderíamos, pelo Teorema, completar até formar uma base e obteríamos assim um conjunto L.I. com mais de n vetores, o que é uma contradição. Exemplo: O conjunto { (1, 0, 0 ), (0, 1, 0 ), (1, 2, 1 ) } é L.I.. Logo, como dim R 3 = 3, ele forma uma base para o R 3 . Observações 1. Se temos n vetores que geram um espaço de dimensão n podemos garantir que o conjunto de vetores é L.I. e portanto formam uma base para o espaço. 2. Se temos n vetores L.I. de um espaço de dimensão n podemos garantir que o conjunto gera o espaço e portanto forma uma base para o mesmo. Um processo prático para a determinação de uma base para subespaços do R n , conhecendo-se os seus geradores Seja V um subespaço de R n V = [v1, v2, ....vr ] e observemos que: 1) Mudando a ordem dos vetores geradores não alteramos o subespaço gerado ( v vi j ) 2) Multiplicando qualquer vetor gerador por um escalar não nulo não alteramos o subespaço gerado. ( v kvi i ) 3) Substituindo qualquer vetor gerador por ele somado a um outro vetor multiplicado por uma constante não alteramos o subespaço gerado ( v v kvi i j ) 8 As operações citadas acima correspondem às operações elementares sobre as linhas de uma matriz. Desta forma, dado um conjunto de geradores, escrevemos os vetores como linhas de uma matriz m x r e escalonamos a matriz. A matriz escalonada ( basta escalonar por Gauss ) resultante tem por linhas vetores que geram o mesmo espaço. Desprezando-se as eventuais linhas nulas, as restantes correspondem a vetores L.I. que geram o subespaço e portanto formam uma base para o mesmo. Exemplo: Encontre uma base para o seguinte subespaço U = [ (1, 0, 1, 2 ), ( 2, 1, 1, 0 ), (0, – 1 , 1, 4 ) ] R4 Solução: Vamos escalonar a matriz cujas linhas são os vetores geradores: 1 0 1 2 2 1 1 0 0 1 1 4 1 0 1 2 0 1 1 4 0 1 1 4 1 0 1 2 0 1 1 4 0 0 0 0 Assim, [ (1, 0, 1, 2 ), ( 2, 1, 1, 0 ), (0, – 1 , 1, 4 ) ] = [ ( 1, 0, 1, 2 ), (0, 1, -1, -4 ) ] e { ( 1, 0, 1, 2 ), (0, 1, -1, -4 ) } é uma base para U Referências Bibliográficas - Álgebra Linear – Alfredo Steinbruch / Paulo Winterle - Álgebra Linear – Boldrini / Costa / Figueiredo / Wetzler - Álgebra Linear – Caliolli - Álgebra Linear com Aplicações – Anton / Rorres
Compartilhar