Baixe o app para aproveitar ainda mais
Prévia do material em texto
ÁLGEBRA LINEAR Marcelo Maximiliano Danesi Espaços vetoriais: base Objetivos de aprendizagem Ao final deste texto, você deve apresentar os seguintes aprendizados: � Reconhecer os conceitos de base e dimensão de espaços vetoriais gerais. � Avaliar se um conjunto é base de um espaço vetorial dado. � Encontrar uma base para um espaço vetorial dado. Introdução Neste capítulo, você definirá o conceito geral de base e dimensão de espaços vetoriais, verá exemplos de conjuntos e suas bases e como podemos usar o conceito de dimensão junto com as transformações lineares a fim de melhor perceber os subespaços associados a ela. Além disso, saberá como construir a base de espaço vetorial usando as técnicas desenvolvidas em ℝn. A definição de base e dimensão num espaço vetorial qualquer permite uma aproximação do ℝn, por meio das coordenadas de um vetor, e for- nece as ferramentas que faltavam para entendermos as transformações lineares, mediante aplicação do teorema do núcleo e da imagem. Base e dimensão de espaços vetoriais Dentro da noção geral de espaço vetorial, uma base de um espaço vetorial E é um conjunto B ⊂ E, linearmente independente e gerador de E. Isto é, se v ∈ E e B é uma base de E, então podemos escrever, de forma única, v como uma combinação linear de elementos em B. A saber, existem v1, …, vn ∈ B e α1, ⋯, αn ∈ ℝ tal que: v = α1 ⋅ v1 + ⋯ + αn ⋅ vn. Adicionalmente, se B = {v1, … , vn}, então os números α1, … , αn são cha- mados de coordenadas do vetor v na base B, e escrevemos (v)B = (α1, … , αn). Em P3, o espaço vetorial dos polinômios de grau menor ou igual a 3 e de coeficientes reais, considere o conjunto formado pelos vetores: v1 = x 3 + 2x – 4 v2 = x 2 + 3x – 2 v3 = x 3 + 2x2 + 3x – 3 v4 = 4x 3 – x2 + 2x + 7 a) B = {v1, v2, v3, v4} é um conjunto linearmente independente? b) Como podemos escrever o vetor v = 11x3 – 3x2 + 7x + 4 como uma combinação linear dessa base? Isto é, quais são as coordenadas de v na base B? Solução: a) B é um conjunto linearmente independente porque a combinação linear α1 ⋅ v1 + α2 ⋅ v2 + α3 ⋅ v3 + α4 ⋅ v4 = 0 admite apenas a solução trivial α1 = α2 = α3 = α4 = 0. Verificamos isso por meio da substituição dos vetores na igualdade α1 ⋅ (x3 + 2x – 4) + α2 ⋅ (x2 + 3x – 2) + α3 ⋅ (x3 + 2x2 + 3x – 3) + α4⋅(4x3 – x2 + 2 + 7) = 0, distribuindo e arranjando os termos de acordo com as potências de x: (α1 + α3 + 4α4) x 3 + (α2 + 2α3 – α4 ) x 2 + (2α1 + 3α2 + 3α3 + 2α4 )x + (– 4α1 – 2α2 – 3α3 + 7α4) = 0. Dessa forma, podemos afirmar que, em cada coeficiente: α1 + α3 + 4α4 = 0 α2 + 2α3 + α4 = 0 2α1 + 3α2 + 3α3 + 2α4 = 0 –4α1 – 2α2 – 3α3 + 7α4 = 0 o que é equivalente à equação matricial: 1 0 1 4 0 1 2 –1 2 3 3 2 –4 –2 –3 7 α1 α2 α3 α4 . = 0 0 0 0 que admite apenas a solução trivial. Podemos calcular isso por meio do método de Gauss. Espaços vetoriais: base2 b) Pela definição, precisamos calcular α1, α2, α3, α4 de forma que: v = α1 ⋅ v1 + ⋯ + αn ⋅ vn. Para isso, substituindo os vetores 11x3 – 3x2 + 7x + 4 = α1 ⋅ (x3 + 2x – 4) + α2 ⋅ (x2 + 3x – 2) + α3 ⋅ (x3 + 2x2 + 3x – 3) + α4 ⋅ (4x3 – x2 + 2x + 7) e distribuindo e arranjando os termos de acordo com as potências de x, temos: 11x3 – 3x2 + 7x + 4 = (α1 + α3 + 4α4) x 3 + (α2 + 2α3 – α4)x 2 + (2α1 + 3α2 + 3α3 + 2α4)x + (– 4α1 – 2α2 – 3α3 + 7α4). Dessa forma, podemos afirmar que, em cada coeficiente: α1 + α3 + 4α4 = 11 α2 + 2α3 – α4 = –3 2α1 + 3α2 + 3α3 + 2α4 = 7 –4α1 – 2α2 – 3α3 + 7α4 = 4 o que é equivalente à equação matricial: 1 0 1 4 0 1 2 –1 2 3 3 2 –4 –2 –3 7 α1 α2 α3 α4 . = 11 –3 7 4 que podemos resolver usando o método de Gauss. Desse modo, podemos calcular que existe uma única solução dada por (v)B = (α1, α2, α3, α4 ) = (3, –1, 0, 2). Uma observação relevante nesse momento é que estamos trabalhando de forma análoga à feita em ℝ𝑛 e aproveitando disso para usarmos os conceitos de ℝ𝑛 para a solução do problema geral. Com a noção de base estabelecida, podemos afirmar que, se E admite uma base com n vetores, então todas as bases de E têm o mesmo número n de vetores. Dizemos, então, que a dimensão de E é n e escrevemos dim(E) = n. Reunindo todos esses resultados, podemos estabelecer, para alguns espaços vetoriais, a noção de base canônica e calcular sua dimensão. 3Espaços vetoriais: base 1. Em Pn, o espaço vetorial dos polinômios de grau menor ou igual a n e de coeficientes reais, esse espaço é gerado pela base (canônica): B = {1, x, x2, … , xn } e dim(Pn) = n + 1. 2. Em P∞, o espaço vetorial de todos os polinômios de coeficientes reais, esse espaço é gerado pela base (canônica): B = {1, x, x2, … , xn,…} e dim(P∞) = ∞. 3. Em M(m × n), o espaço vetorial das matrizes, m × n, de coeficientes reais, esse espaço é gerado pela base (canônica) composta pelas matrizes: e dim(M(m×n)) = mn. Repare que P∞ é um subespaço do espaço vetorial das funções reais con- tínuas, logo dim(C0(ℝ)) = ∞. O próximo exemplo ajuda na visualização das bases e no cálculo da dimensão dos espaços listados anteriormente. Em P4, o espaço vetorial dos polinômios de grau menor ou igual a 4 e de coeficientes reais, gerado pela base (canônica): B = {1, x, x2, x3, x4} e dim(P4) = 5. Em M(2 × 3), o espaço vetorial das matrizes, 2 × 3, de coeficientes reais, gerado pela base (canônica): B = {A1,1 = , A1,2 = , A1,3 = , A2,1 = , A2,2 = , A2,3 = } 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 e dim(M(2 × 3)) = 6. Espaços vetoriais: base4 Admitimos, como convenção, que: � se E = {0}, então dim(E) = 0; � se B é a base canônica e α1, ⋯, αn ∈ ℝ são as coordenadas de v na base B, escrevemos (v) = (α1, … , αn ) por simplicidade. Dado E espaço vetorial, tal que dim(E) = n, destacamos as seguintes propriedades: � se {u1, … , um} ⊂ E é linearmente independente, então m ≤ n; � se E = ger{u1, … , un}, então {u1, … ,un} é linearmente independente; � se F é subespaço de E, então dim(F) ≤ n e dim(F) = n, somente se F = E. Essas propriedades abrem caminho para o Teorema do Núcleo e da Ima- gem (paralelo ao Teorema do Posto): dados E1, E2 espaços vetoriais, T: E1 → E2 transformação linear, então: N(T) = {u ∈ E1; T(u) = 0} Im(T) = {w = T(u);u ∈ E1} são respectivamente subespaços de E1 e E2, que satisfazem: dim(N(T)) + dim(Im(T)) = dim(E1). Considere a transformação linear A: P4 → P5, tal que: A(ax4 + bx3 + cx2 + dx + e) = (2a + b – c – d)x5 + (a + 2c + d + e) x4+ (b – d + e) x3 + (2a + 2b – c – 2d + e)x2 + (– 2a + c + e)x + (2a + b – 6c – 3d –3e). De imediato, podemos afirmar que essa transformação não é sobrejetora, pois Im(T) ≤ dim(P4) = 5, enquanto que dim(P5) = 6. Investigando o núcleo de T, dado u = ax4 + bx3 + cx2 + dx + e ∈ P4, temos que u∈N(A) se A(u) = 0. Isto é, se: (2a + b – c – d)x5 + (a + 2c + d + e)x4 + (b – d + e)x3 + (2a + 2b – c – 2d + e)x2 + (– 2a + c + e)x + (2a + b – 6c – 3d – 3e) = 0. 5Espaços vetoriais: base A igualdade anterior ocorre se: 2a + b – c – d = 0 a + 2c + d + e = 0 b – d + e = 0 2a + 2b – c – 2d + e = 0 –2a + c + e = 0 2a + b – 6c – 3d – 3e = 0 o que é equivalente ao sistema matricial: 2 1 –1 –1 0 1 0 2 1 1 0 1 0 –1 1 2 2 –1 –2 1 –2 0 1 0 1 2 1 –6 –3 –3 TA . a b c d e = 0 0 0 0 0 0 Aplicando o método de Gauss na matriz TA, calculamos suas equivalências de forma que: TA~ 1 0 2 1 1 0 1 –5 –3 –2 0 1 0 –1 1 0 2 –5 –4 –1 0 0 5 2 3 0 1 –10 –5 –5 ~ ~ 1 0 2 1 1 0 1 –5 –3 –2 0 0 5 2 3 0 0 5 2 3 0 0 5 2 3 0 0 –5 –2 –3 5 0 0 1 –1 0 1 0 –1 1 0 0 5 2 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 que equivale ao sistema: 5a + d – e = 0 b – d + e = 0 5c + 2d + 3e = 0 d = d e = e Espaços vetoriais: base6 ou: a = – d + e1 5 1 5 c = – d – e2 5 3 5 b = d – e d = d e = e Isto é, (a, b, c, d, e) = d(–1/5,1, – 2/5,1,0) + e(1/5, – 1, – 3/5,0,1), com d, e ∈ ℝ. Dessaforma: �(A) = ger{– x4 + x3 – x2 + x, x4 – x3 – x2 + 1}1 5 1 5 3 5 2 5 O que significa que 𝒩(A) é um subespaço vetorial de P4 de dimensão 2, e Im(A) é um subespaço vetorial de P5 de dimensão 3. Interessante é que podemos determinar a dimensão de Im(A) sem calcularmos uma base desse subespaço. Conjunto como base de espaço vetorial Dados E espaço vetorial e B ⊂ E, B é base de E se: � B for linearmente independente; � E = ger(B). Observe que essa última condição pode ser substituída pela dim(E) = dim(ger(B)). Assim, podemos afirmar que um conjunto B é base de E se B tiver dim(E) vetores e for linearmente independente. 7Espaços vetoriais: base Em P2, considere B = {v1, v2, v3}, tal que: v1 = x 2 + 2x – 4 v2 = x 2 + 3x – 2 v3 = – x 2 + 2x + 7, Como B tem dim(P2) = 3 vetores, só precisamos verificar que B é linearmente inde- pendente, para afirmarmos que B é base de P2. Calculando o wronskiano de B: W(x) = det = det = 10 v1 v2 v3 v´1 v´2 v´3 v´1́ v´2́ v´3́ (x2 + 2x – 4) (x2 + 3x – 2) (–x2 + 2x + 7) (2x + 2) (2x + 3) (–2x + 2) (2) (2) (–2) Assim, W(x) ≠ 0 e B é linearmente independente. Logo, podemos afirmar que B é base de P2. É importante também vermos alguns exemplos de quando um conjunto não é base do espaço vetorial que o contém. Em P2, considere as seguintes afirmações. � B1 = {v1 = x + 1, v2 = x 2 – 1} é um conjunto linearmente independente, pois v1 e v2 não são múltiplos. Contudo, dim(ger(B1)) = 2, logo B1 não é base de P2 (que tem dimensão 3). � B2 = {v1,v2,v3 = v1 – v2 } possui três vetores, mas é linearmente dependente porque v3 é combinação dos demais. Logo, dim(ger(B2 )) < dim(P2), e B2 não é base de P2. Construção de uma base para espaço vetorial Usando as propriedades que vimos até agora, podemos afirmar que, dados E espaço vetorial C = {v1, … , vn } ⊂ E, se C é linearmente dependente, então existe B ⊂ C, tal que B é linearmente independente e ger(B) = ger(C). Espaços vetoriais: base8 Em P2, considere C = {v1, v2, v3}, tal que: v1 = x 2 + 2x – 1 v2 = – x2 + x – 2 v3 = – x 2 + 4x – 5. Podemos verificar que esse conjunto é linearmente dependente, pois a igualdade α1v1 + α2v2 + α3v3 = 0 admite solução não trivial. Substituindo os vetores α1(x 2 + 2x – 1) + α2 (– x 2 + x – 2) + α3 (– x 2 + 4x – 5) = 0 e distribuindo e associando os termos de acordo com a potência de x, obtemos (α1 – α2 – α3)x 2 + (2α1 + α2 + 4α3 ) x + (– α1 – 2α2 – 5α3) = 0. Assim, a igualdade é válida se, e somente se, em cada coeficiente, temos: α1 – α2 – α3 = 0 2α1 + α2 + 4α3 = 0 –α1 – 2α2 – 5α3 = 0 que é equivalente à equação matricial: 1 –1 –1 2 1 4 –1 –2 –5 . α1 α2 α3 = 0 0 0 Aplicando o método de Gauss à matriz dos coeficientes, calculamos suas equiva- lências de forma que: 1 –1 –1 2 1 4 –1 –2 –5 ~ ~ ~ 1 –1 –1 0 3 6 0 –3 –6 1 –1 –1 0 1 2 0 0 0 1 0 1 0 1 2 0 0 0 que equivale ao sistema: α1 + α3 = 0 α2 + 2α3 = 0 α3 = α3 ou: α1 = –α3 α2 = – 2α3 α3 = α3 9Espaços vetoriais: base Isto é, (α1, α2, α3) = α3 (– 1, – 2, 1), com α3 ∈ ℝ e uma solução não trivial, seria: – 1v1 – 2v2 + 1v3 = 0 ou: v3 = v1 + 2v2 mostrando que v3 é combinação linear de v1 e v2. Dessa maneira, {v1, v2} é um conjunto linearmente independente, e ger{v1, v2 } = ger(C). No exemplo anterior, o isomorfismo entre Pn e ℝn+1 poderia ser usado para justificar que, quando escalonamos a matriz de coeficientes na forma triangular superior: 1 –1 –1 0 1 2 0 0 0 essa matriz indica, através dos seus pivôs, que os vetores nas colunas 1 e 2 da matriz original eram linearmente independentes e o vetor na coluna 3 da matriz original era uma combinação deles, onde: 1 2 –1 ↔ x2 + 2x –1 –1 1 –2 ↔ –x2 + x – 2 Segue daí a afirmação que {v1, v2} é um conjunto linearmente independente e ger{v1, v2} = ger(C). Isso significa que, dado um conjunto C de vetores de E, é possível (por meio do Teorema do Posto) reduzir esse conjunto, obtendo um B linearmente independente, tal que ger(B) = ger(C). Além disso, existe uma dualidade entre os métodos de ℝn+1 e Pn que podem ser usados a nosso favor. Espaços vetoriais: base10 Vamos aproveitar essa ideia da dualidade e descrever um algoritmo que permite calcular o complemento da base de um subespaço de E para obtermos uma base do próprio E, quando E = Pn ou E = Mm×n(ℝ). Sejam E espaço vetorial e B = {u1, u2, … ,ur } à base de um subespaço de E, então: � considere as coordenadas (u1),(u2), … , (ur ) dos vetores de B na base canônica de E; � escreva a matriz ; � encontre os l = (dim(E) – r) vetores em ℝdim(E) que geram a solução da equação matricial ; � escreva a base de E como a união de B e os l vetores em E calculados pelas coordenadas do passo anterior. Vamos a alguns exemplos, comentando cada passo até obtermos esse complemento da base dada. Em P2, sabemos que B = {v1, v2}, tal que: v1 = x 2 + 2x – 1 v2 = – x 2 + x – 2 são linearmente independentes e que ger(B) ≠ P2. Isso significa que deve existir v ∈ P2, tal que {v} ∪ B é base de P2. Aplicando o algoritmo que descrevemos, procedemos da seguinte forma. � Na base canônica {x2, x, 1} de P2, escrevemos os vetores em coordenadas: (v1) = (1, 2, – 1) (v2) = (– 1, 1, – 2) � Assim, a matriz A fica definida por: A = 1 2 –1 –1 1 –2 2×3 11Espaços vetoriais: base � Calculando a solução da equação matricial: 1 2 –1 –1 1 –2 . a b c = 0 0 aplicamos o método de Gauss à matriz A, calculando suas equivalências de forma que: 1 2 –1 –1 1 –2 ~ ~ 1 2 –1 0 3 –3 1 0 1 0 1 –1 que equivale ao sistema: a + c = 0 b – c = 0 c = c ou: a = –c b = c c = c Isto é, (a, b, c) = c(– 1, 1, 1), com c ∈ ℝ e �(A) = ger{(–1,1,1)} ⊂ ℝ3 . Esse resultado está de acordo com o que era esperando, já que dim(P2) = 3, r = 2 implica que precisamos de l = 3 – 2 = 1 vetores para complementar a base B. � Escrevemos o vetor v ∈ P2 usando as coordenadas na base canônica: v = – 1x2 + 1x + 1 {v} ∪B = {v1, v2, v} é uma base de P2. W(x) = det = det = –18 v1 v2 v v´1 v´2 v´ v´1́ v´2́ v´´ (x2 + 2x – 1) (–x2 + x – 2) (–x2 + x + 1) (2x + 2) (–2x + 1) (–2x + 1) (2) (–2) (–2) Logo, W(x) ≠ 0 e {v1, v2, v} é linearmente independente. Uma base é sempre um conjunto ordenado. Estamos escrevendo a base canônica de Pn como {x n, … , x, 1} por uma questão de conveniência. Os cálculos são totalmente análogos, se usarmos essa base como {1, x, … ,xn}. Espaços vetoriais: base12 Vamos a mais um exemplo, agora no espaço das matrizes. Em M3×2(ℝ), considere o conjunto: B = v1 = , v2 = , v3 = , v4 = 1 –2 –1 0 2 3 –2 1 0 2 1 –1 1 0 1 –1 –2 1 –2 3 0 –2 0 1 Esse conjunto é linearmente independente, e ger(B) ≠ M3×2(ℝ). Isso significa que deve existir v5, v6∈ M3×2(ℝ) , tal que {v5, v6} ∪ B é base de M3×2(ℝ) u, uma vez que dim(M3×2(ℝ)) = 6 . Aplicando o algoritmo que descrevemos, temos o seguinte. � Na base canônica: A1,1 = , A1,2 = , A2,1 = , A2,2 = , A3,1 = , A2,3 = 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 de M3×2(ℝ), escrevemos os vetores em coordenadas, (v1) = (1, – 2, – 1, 0, 2, 3); (v2) = (– 2, 1, 0, 2, 1, – 1); (v3) = (1, 0, 1, – 1, – 2, 1); (v4) = (– 2, 3, 0, – 2, 0, 1). � Assim, a matriz A fica definida por: 1 –2 –1 0 2 3 –2 1 0 2 1 –1 1 0 1 –1 –2 1 –2 3 0 –2 0 1 A = 4×6 � Calculando a solução da equação matricial: 1 –2 –1 0 2 3 –2 1 0 2 1 –1 1 0 1 –1 –2 1 –2 3 0 –2 0 1 . a b c d e f = 0 0 0 0 13Espaços vetoriais: base aplicamos o método de Gauss à matriz A, calculando suas equivalências de forma que: 1 –2 –1 0 2 3 –2 1 0 2 1 –1 1 0 1 –1 –2 1 –2 3 0 –2 0 1 ~ ~ 1 –2 –1 0 2 3 0 –3 –2 2 5 5 0 2 2 –1 –4 –2 0 –1 –2 –2 4 7 ~ ~ 1 –2 –1 0 2 3 0 –3 –2 2 5 5 0 0 2 1 –2 4 0 0–4 –8 7 16 1 –2 –1 0 2 3 0 –3 –2 2 5 5 0 0 2 1 –2 4 0 0 0 –2 1 8 ~ ~ 1 –2 –1 0 2 3 0 –3 –2 0 6 13 0 0 4 0 –3 16 0 0 0 –2 1 8 4 –8 0 0 5 28 0 2 0 0 –3 –14 0 0 4 0 –3 16 0 0 0 –2 1 8 4 0 0 0 –7 –28 0 2 0 0 –3 –14 0 0 4 0 –3 16 0 0 0 –2 1 8 que equivale ao sistema: 4a – 7e – 28f = 0 2b – 3e –14f = 0 4c – 3e – 16f = 0 –2d + e + 8f = 0 e = e f = f ou: a = e + 7f7 4 b = e + 7f3 2 c = e + 4f3 4 d = e + 4f1 2 e = e f = f Espaços vetoriais: base14 Isto é, (a, b, c, d, e, f) = e , , , , 1, 0 + f (7,7,–4,4,0,1)7 4 3 2 3 4 1 2 , com e, f ∈ ℝ e �(A) = ger ⊂ ℝ6, , , , 1, 0 , (7,7,–4,4,0,1)74 3 2 3 4 1 2 . Esse resultado está de acordo com o que esperávamos de l = 2 vetores para com- plementar a base B. � Escrevemos os vetores v5, v6 ∈ M3×2(ℝ), usando as coordenadas na base canônica: v5 = + + + + 1 + 0 = 7 4 3 2 1 0 0 0 0 0 0 1 0 0 0 0 3 4 0 0 1 0 0 0 1 2 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 7/4 3/2 3/4 1/2 1 0 v6 = 7 + 7 – 4 + 4 + 0 + 1 = 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 7 7 –4 4 0 1 {v5, v6} ∪ B = {v1, v2, v3, v4, v5, v6} é uma base de M3×2(ℝ). Não será demonstrado neste material, mas vale lembrar-se de que {v1, v2, v3, v4, v5, v6} é linearmente independente. ANTON, H.; BIVENS, I. C.; DAVIS, S. L. Cálculo. 10. ed. Porto Alegre: Bookman, 2014. 2 v. ANTON, H.; RORRES, C. Álgebra linear com aplicações. 10. ed. Porto Alegre: Bookman, 2012. LAY, D.; LAY, S.; MACDONALD, J. Álgebra linear e suas aplicações. 5. ed. Rio de Janeiro: LTC, 2018. LIMA, E. Álgebra linear. 9. ed. Rio de Janeiro: IMPA, 2016. 15Espaços vetoriais: base
Compartilhar