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 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
Compartilhar