Baixe o app para aproveitar ainda mais
Prévia do material em texto
RESUMO: ÁLGEBRA LINEAR ENTRE EM CONTATO CASO TENHA SUGESTÕES, AGRADECIMENTOS, COMENTÁRIOS OU DÚVIDAS REFERENTES AO MATERIAL. annie.passeidireto@gmail.com (ME MANDE UM EMAIL!) Autora: Annie Gabrielle de Oliveira Silva 21 de fevereiro de 2021 annie.passeidireto@gmail.com CONTEÚDO 1 VETORES LINEARMENTE INDEPENDENTES E LINEARMENTE DEPENDENTES QUEM SOU EU? Olá, meu nome é Annie e sou graduanda em geofísica pela Universidade Federal da Bahia e pré-vestibulanda para o Instituto Tecnológico da Aeronáutica. Antes do pré-vestibular, era graduanda, concomitantemente a geofísica, de engenharia elétrica pela Faculdade de Tecnologia e Ciência. Atualmente, atuo como tutora de várias disciplinas e tenho certeza que podemos aprender muito. Sendo assim, bons estudos! CONTEÚDO INTERATIVO! APERTE NA SEÇÃO PARA ACESSAR O CONTEÚDO. Conteúdo 1 Vetores linearmente independentes e linearmente dependentes 1 2 Combinação Linear 2 3 Base e dimensão de um espaço vetorial 4 4 Produto escalar, paralelismo e ortogonalidade 5 5 Interseção e soma de subespaços 6 6 Subespaço gerado por um conjunto de vetores 7 7 Definição de coordenadas de um vetor e de matriz coordenada. Mudança de coordenadas 8 8 Transformações Lineares 9 1 Vetores linearmente independentes e linearmente dependentes Definição: a) Uma sequência (~v) é linearmente dependente ~v = 0 e linearmente independente se ~v 6= 0. [BOULOS and CAMARGO(2005)] Com isto, temos que todo vetor nulo é linearmente independente e caso contrário, será linearmente dependente. b) Um par ordenado (~u,~v) é linearmente dependente se ~u e ~v são paralelos. Caso contrário, (~u,~v) é linearmente independente. [BOULOS and CAMARGO(2005)]. Ou seja, se dois vetores são paralelos (possuem representantes na mesma reta), eles são linearmente dependentes. c) Uma tripla ordenada (~u,~v, ~w) é linearmente dependente se ~u, ~v e ~w são paralelos a um mesmo plano. Caso contrá- rio, (~u,~v, ~w) é linearmente independente.[BOULOS and CAMARGO(2005)] Ou seja, se três vetores são coplanares (estão contidos no mesmo plano), eles são linearmente dependentes. d) Se n ≥ 4, qualquer sequência de n vetores é linearmente dependente. [BOULOS and CAMARGO(2005)] Ou seja, mais de 4 vetores não podem ser coplanares. EXEMPLOS: Exemplo 1 Qualquer coleção de vetores contendo o vetor nulo é linearmente dependente. Tomemos os vetores (u1, 0, u2), temos que: 0 = 0 · u1 + 0 · u2 Exemplo 2 Dois vetores são paralelos se o ângulo entre eles é igual a 0 ou 180◦. A fórmula do ângulo entre os vetores é dada por: 1 2 COMBINAÇÃO LINEAR cos(~u,~v) = ~u · ~v |~u||~v| Dado os vetores ~u = (−4, 5) e ~v = (12,−15), cos((−4, 5), (12,−15)) = (−4, 5) · (12,−15) |(−4, 5)||(12,−15)| ⇒ cos((−4, 5), (12,−15)) = −48− 85√ (−4)2 + 52 · √ 122 + (−15)2 ⇒ cos((−4, 5), (12,−15)) = −123√ (−4)2 + 52 · √ 122 + (−15)2 θ = cos−1 ( −123√ (−4)2 + 52 · √ 122 + (−15)2 ) = 180◦ Exemplo 3 Considere os vetores u1 = (1, 2, 1), u2 = (2, 3, 1), u3 = (1, 0, 1), três vetores coplanares de R3 são linearmente de- pendentes. Três vetores são LI se o det 6= 0. det = ∣∣∣∣∣∣ 1 2 1 2 3 1 1 0 1 ∣∣∣∣∣∣ 1 2 2 3 1 0 = 3 + 2 + 0− {4 + 0 + 3} = −2 ∴ D = −2 Ou ainda, podemos aplicar o teste do produto misto, sobre o qual efetuamos operações de escalonamento na matriz de vetores, o processo de escalonamento fornece a combinação linear dos vetores igual a zero. Ou seja, conseguiremos "zerar"uma linha. De acordo com as propriedades das matrizes, se temos uma linha de zeros, o determinante da matriz será igual a 0. Ao final, realizar o determinante diretamente é uma forma simplificada do processo. 2 Combinação Linear Definição: Seja V um espaço vetorial sobre o corpo F, dizemos que v ∈ V é uma combinação linear dos vetores v1, v2, ..., vn vetores em V se, e somente se, existem escalares α1, α2, ..., αn ∈ F tais que: [Moraes(2020)] v = α1 · v1 + α2 · v2 + ...+ αn · vn EXEMPLOS: Exemplo 1 O vetor (3,4,7) do R3 é uma combinação linear da base canônica β = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} (3, 4, 7) = α(1, 0, 0) + β(0, 1, 0) + γ(0, 0, 1) (3, 4, 7) = 3(1, 0, 0) + 4(0, 1, 0) + 7(0, 0, 1) Exemplo 2 No espaço vetorial R3, o vetor v = (−7,−15, 22) é uma combinação linear dos vetores v1 = (2,−3, 4) e v2 = (5, 1,−2) porque: v = 4v1 − 3v2, de fato: (−7,−15, 22) = 4(2,−3, 4)− 3(5, 1,−2) = (8,−12, 16) + (−15,−3, 6) = (−7,−15, 22) 2 2 COMBINAÇÃO LINEAR Figura 1: A coordenadas apresentadas no exemplo 3, explicitam pontos coplanares. Portanto, os vetores apresentados são LI. Fonte: Autoria própria Figura 2: A coordenadas apresentadas no exemplo 3, vistas por outro ângulo. Fonte: Autoria própria Exemplo 3 A matriz A = [ 1 4 −1 −8 ] é combinação linear da base canônica β = {[ 1 0 0 0 ] , [ 0 1 0 0 ] , [ 0 0 1 0 ] , [ 0 0 0 1 ]} 3 4 PRODUTO ESCALAR, PARALELISMO E ORTOGONALIDADE [ 1 4 −1 −8 ] = [ 1 0 0 0 ] + 4 · [ 0 1 0 0 ] − [ 0 0 1 0 ] − 8 · [ 0 0 0 1 ] 3 Base e dimensão de um espaço vetorial Definição: Seja V um espaço vetorial sobre o corpo F, um subconjunto β = {v1, v2, .., vn} é uma base de V se, e somente se, [Moraes(2020)] a) B gera V, ou seja, [B] = V . b) B é linearmente independente. É uma estrutura sobre a qual pode-se escrever todos os elementos do espaço vetorial por meio da sua combinação linear. EXEMPLOS: Exemplo 1 β = {(1, 0), (0, 1)} é base de R2, pois para todo (x, y) ∈ R2 podemos escrever: (x, y) = x(1, 0) + y(0, 1) Exemplo 2 β = {[ 1 0 0 0 ] , [ 0 1 0 0 ] , [ 0 0 1 0 ] , [ 0 0 0 1 ]} é uma base de M2(R) [ a b d c ] = a · [ 1 0 0 0 ] + b · [ 0 1 0 0 ] + c · [ 0 0 1 0 ] + d · [ 0 0 0 1 ] Definição: Seja V um espaço vetorial sobre o corpo F, finitamente gerado. A dimensão de V, denotado por dimV , é o número de elementos de uma base V (cardinalidade). [Moraes(2020)] a) Diz-se que o espaco vetorial E tem dimensao finita quando admite e uma base B = {v1, ..., vn} com um número finito n de elementos. Este numero, que é o mesmo para todas as bases de E, chama-se a dimensão do espaço vetorial E : n = dimE. Por extensão, diz-se que o espaço o vetorial E = 0 tem dimensao zero.[Lima(2006)] b) B é linearmente independente. É uma estrutura sobre a qual pode-se escrever todos os elementos do espaço vetorial por meio da sua combinação linear. EXEMPLOS: Exemplo 1 β = {(1, 0), (0, 1)} é base de R2, pois para todo (x, y) ∈ R2. Sendo assim, a base de R2 tem dim = 2. Exemplo 2 β = {[ 1 0 0 0 ] , [ 0 1 0 0 ] , [ 0 0 1 0 ] , [ 0 0 0 1 ]} é uma base de M2(R), como β possui 4 elementos, a dimensão da base é dada por dim = 4. 4 4 PRODUTO ESCALAR, PARALELISMO E ORTOGONALIDADE 4 Produto escalar, paralelismo e ortogonalidade Definição: Dados dois vetores ~u e ~v não nulos. O produto escalar de ~u por ~v é o número real ~u ·~v = |~u||~v| cos(~u,~v). Se um dos vetores for nulo, temos que ~u · ~v = 0 [Barreto(2013)] Propriedades 1. ~u · ~v = ~v · ~u 2. ~u · ~v = 0⇒ ~u ⊥ ~v (ortogonalidade) 3. ~u · ~u = |~u|2 4. t(~v, ~u) = (t~u) · ~u = ~v(t~u) 5. ~u · (~v + ~w) = ~u · ~v + ~u · ~w Ou seja, como dito na propriedade 2, dois vetores são ortogonais se o seu produto escalar der resultado nulo. Definição: Dizemos que os vetores ~v1, ~v2, ..., ~vn são colineares (paralelos), se possuem representantes em uma mesma reta. Neste caso indicamos ~v1//~v2//~v3...// ~vn. [Barreto(2013)] Ou seja, dois vetores são paralelos se podemos escrevê-los a partir um do outro (combinação linear). EXEMPLOS: Exemplo 1 Tome os dois vetores ~u = (1, 2, 5) e ~v = (1, 2,−1), são ortogonais pois, (1, 2, 5) · (1, 2,−1) = 1 + 4− 5 = 0X Figura 3: Demonstração geométrica do exemplo 1. Veja que o vetor v está contido no plano ortogonal a u. Fonte: Autoria própria. 5 5 INTERSEÇÃO E SOMA DE SUBESPAÇOS Exemplo 2 Tome os dois vetores ~u = (1, 1, 2) e ~v = (2, 2, 14) = 2, são paralelos pois, (2, 2, 4) = 2(1, 1, 2)X Figura 4: Representação dos vetores ~u e ~v no plano. Note que tanto a reta quanto os vetores ocupam pontos corres- pondentes no espaço. Fonte: autoria própria. 5 Interseção e somade subespaços Definição: Seja V um espaço vetorial sobre o corpo F. Se U e W são subespaços vetoriais de V, então: [Moraes(2020)] (i) O subconjunto de V: U ∩W = {u ∈ V ; v ∈ U e v ∈W} é um subespaço de V. (ii) O subconjunto de V: U +W = {v ∈ V ; v = u+ w;u ∈ U e w ∈W} é um subespaço de V. Em (i), temos a definição de interseção entre subespaços, chamado de subespaço intersecção de U e de W, sobre o qual, somente temos vetores que pertencem a U e W ao mesmo tempo. Já em (ii) temos a definição de subespaço soma, sobre o qual temos uma mudança na estrutura condicional do subespaço, tendo como vetores integrantes aque- les que atendem as condições de U+W. Vale citar o conceito de soma direta, esta soma é dada quando U∩W = {0v}, ou seja, quando não temos interseção entre os subespaços. Exemplo: 6 7 DEFINIÇÃO DE COORDENADAS DE UM VETOR E DE MATRIZ COORDENADA. MUDANÇA DE COORDENADAS Dando um espaço vetorial e seus subespaços, calcularemos a soma e a intersecção entre os mesmos. Se V =M2(R) com U = {[ a b c d ] ∈M2(R); a = d } V = {[ a b c d ] ∈M2(R); a = 0 e c = −b } a) U ∩W : A = [ a b c d ] ∈ U ∩W ⇔ { a = d a = 0 e c = −b ⇔ a = d = 0 e c = −b⇔ A = [ 0 b −b 0 ] Logo, U ∩W = {[ 0 b −b 0 ] ∈M2(R) } b) U +W : U +W = {[ x y z t ] ∈M2(R); [ x y z t ] = [ a b c d ] + [ 0 d −d e ]} Logo, [ x y z t ] ∈ U +W ⇔ x = a y = b+ d z = c− d t = a+ e sendo assim, podemos escrever um vetor [ x y z t ] como a soma de um vetor de U com um de W. 6 Subespaço gerado por um conjunto de vetores Definição: Sejam V um espaço vetorial sobre o corpo F e S um subconjunto finito de V, ou seja, S = {v1, , vn}, o conjunto de todas as combinações lineares de elementos de S é um subespaço de V, chamado subespaço gerado pelos elementos de S, ou simplesmente, subespaço gerado de S. [Moraes(2020)] Notação: [S] ou [v1, , vn] Se um subespaço é gerado por [S], temos que [S] é um sistema de geradores para o subespaço U. Além disso, vale citar que, se [S] é finito, dizemos que U é um subespaço finitamente gerado. Exemplo: Seja S = 1 0 00 0 0 0 0 0 , 0 1 00 0 0 0 0 0 , 0 0 10 0 0 0 0 0 , 0 0 01 0 0 0 0 0 , 0 0 00 1 0 0 0 0 , 0 0 00 0 1 0 0 0 , 0 0 00 0 0 1 0 0 , 0 0 00 0 0 0 1 0 0 0 00 0 0 0 0 1 Então, [S] = α1 1 0 00 0 0 0 0 0 + α2 0 1 00 0 0 0 0 0 + α3 0 0 10 0 0 0 0 0 + α4 0 0 01 0 0 0 0 0 + . . .+ α9 0 0 00 0 0 0 0 1 ;α1, α2, . . . , α9 ∈ R = α1 α2 α3α4 α5 α6 α7 α8 α9 ;α1, α2, . . . , α9 ∈ R Portanto, [S] é um subespaço das matrizes reais do R3. 7 7 DEFINIÇÃO DE COORDENADAS DE UM VETOR E DE MATRIZ COORDENADA. MUDANÇA DE COORDENADAS 7 Definição de coordenadas de um vetor e de matriz coordenada. Mudança de coordenadas Definição: Seja V um espaço vetorial sobre um corpo F de dimensão n. Se β = {v1, v2, . . . , vn} é uma base de V, então cada vetor v de V se escreve de maneira única como combinação linear dos vetores de β. [Moraes(2020)] Quanto a matriz coordenada, não é um termo que eu tenha lido nos livros ou encontrado na internet. Porém, acredito que seu professor se refira a notação das coordenadas de um vetor a qual pode ser representada por uma matriz coluna. No entanto, não existe um conceito formal para o termo "matriz coordenada". Definição: Sejam V espaço vetorial sobre um corpo F de dimensão finita, β = {v1, v2, . . . , vn} e β′ = u1, u2, , un bases ordenadas de V, dado um vetor v ∈ V podemos escrevê-lo como:[Moraes(2020)] Equação (1): v = α1v1 + α2v2 + . . .+ αnvn v = β1v1 + β2v2 + . . .+ βnvn Assim, v[β] = α1 α2 ... αn e v[β′] = β1 β2 ... βn Já que β′ = u1, u2, , un é base de V, podemos escrever os vetores de β como combinação linear dos vetores de β′ , ou seja, v1 = a11u1 + a21u2 + . . .+ an1un v2 = a12u1 + a22u2 + . . .+ an2un ... vn = a1nu1 + a2nu2 + . . .+ annun Substituindo em (1), temos: v = α1(a11u1 + a21u2 + . . .+ an1un) + α2(a12u1 + a22u2 + . . .+ an2un) + . . .+ αn(a1nu1 + a2nu2 + . . .+ annun) = (α1a11 + α2a12 + . . .+ αna1n)u1 + (α1a1 + α2a22 + . . .+ αna2n)u2 + . . .+ (α1an1 + α2an2 + . . .+ αnann)un. Mas como v = β1u1+β2u2+. . .+βnun e as coordenadas em relação a uma base são únicas temos necessariamente: β1 = α1a11 + α2a12 + . . .+ αna1n β2 = α1a21 + α2a22 + . . .+ αna2n ... βn = α1a1n + α2a1n + . . .+ αnann Assim, matricialmente temos: β1 β2 ... βn = a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... an1 an2 . . . ann · α1 α2 ... αn 8 8 TRANSFORMAÇÕES LINEARES Definição: Seja V espaço vetorial sobre um corpo F de dimensão finita, dadas β = {v1, v2, . . . , vn} e β′ = u1, u2, , un bases ordenadas de V, a matriz:[Moraes(2020)] A = a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... an1 an2 . . . ann é chamada matriz de mudança de base de β para β′ Vale citar que, 1. A matriz de mudança de base é invertível e sua inversa é a matriz de mudança de base inversa. Assim, (Mββ ′)−1 =Mββ ′ EXEMPLOS: Exemplo 1 Seja ~v = (7, 3, 8) e a base β = {(2, 1, 3), (1, 0, 0), (1, 0, 1)} As coordenadas do vetor nesta base são dadas por: (7, 3, 8) = 3(2, 1, 3) + 2(1, 0, 0)− (1, 0, 1) Portanto as coordenadas de [v]β = 32 −1 Exemplo 2 Sejam R3 e U um subespaço de base β′ = {(1, 5, 8), (4,−1, 5)} sabendo que a matriz de mudança de base de β′ para β é dada por [ 1 1 2 −1 ] , mostraremos a matriz de mudança de base de β para β′. Para encontrar a matriz de mudança de base inversa, devemos encontrar a inversa de [ 1 1 2 −1 ] . Sendo assim, a matriz de mudança de base de β para β′ é dada por [ 1/3 1/1 2/3 −1/3 ] . Exemplo 3 Considere as bases B = {(1, 0), (0, 1)} e C = {(1, 1), (0, 1)} para R2 . Vamos encontrar a matriz de mudança da base B para a base C. Vamos escrever os elementos da base C como combinação linear dos elementos da base B. Temos que: (1, 1) = 1(1, 0) + 1(0, 1) (0, 1) = 0(1, 0) + 1(0, 1) Assim, a matriz de mudança da base B para a base C é dada por [M ]C = [ 1 0 1 1 ] 8 Transformações Lineares Definição: Sejam V e W espaços vetoriais sobre um corpo F , uma aplicação T : V −→ W é uma transformação linear se, e somente se, satisfaz as seguintes condições: • Para quaisquer u e v em V tivermos T (u+ v) = T (u) + T (v). 9 REFERÊNCIAS REFERÊNCIAS • Para todo v em V e todo λ em F tivermos T (λv) = λ · T (v) Exemplo Um exemplo de transformação linear é dado por: T (p(t)) = d4 dt4 · p(t) É uma estrutura linear que consta a derivada de polinômios. Ao derivar a quarta estrutura polinomial apresentada, teremos: p(t) = a0 + a1t+ a2t 2 + a3t 3 + a4t 4 p′(t) = a1 + 2a2t+ 3a3t 2 + 4a4t 3 p′′(t) = 2a2 + 6a3t+ 12a4t 2 p(3)(t) = 6a3 + 24a4t p(4)(t) = 24a4 Que pode ser um vetor de R. PROVA Escolhidos p1 = a01 + a11t+ a21t2 + a31t3 + a41t4 e p2 = a02 + a12t+ a22t2 + a32t3 + a42t4 do espaço dos polinômios de grau 4, para provar 1, fazemos: p1 + p2 = a01 + a02 + a11t+ a12t+ a21t 2 + a22t 2 + a31t 3 + a32t 3 + a41t 4 + a42t 4 T (p1 + p2) = 24a41 + 24a42 = T (p1) + T (p2) = 24a41 + 24a42X Para provar 2, basta lembrar da propriedade da derivada dada por [k · f(x)]′ = k · f ′(x). Portanto, temos que a estrutura apresentada é uma transformação linear. Referências [Barreto(2013)] N. S. Barreto. Vetores e geometria analática, 2013. URL https://docs.google.com/viewer?a=v&pid= sites&srcid=ZGVmYXVsdGRvbWFpbnxuZWliYXJyZXRvfGd4OjRiZmZmMDRlN2I1ZTFjMGE. acesso em 12 de de- zembro de 2020. [BOULOS and CAMARGO(2005)] P. BOULOS and I. CAMARGO. Geometria analítica-um tratamento vetorial. são paulo: Ed, 2005. [Lima(2006)] E. L. Lima. Álgebra linear. Number 512.5 512.5 LIMal7. 2006. [Moraes(2020)] S. Moraes. Álgebra linear a, 2020. URL https://drive.google.com/file/d/ 1NIJrQVTDBhZAzl3CYnN0k3gBhOsNG4gM/view. acesso em 12 de dezembro de 2020. 10 https://docs.google.com/viewer?a=v&pid=sites&srcid=ZGVmYXVsdGRvbWFpbnxuZWliYXJyZXRvfGd4OjRiZmZmMDRlN2I1ZTFjMGE https://docs.google.com/viewer?a=v&pid=sites&srcid=ZGVmYXVsdGRvbWFpbnxuZWliYXJyZXRvfGd4OjRiZmZmMDRlN2I1ZTFjMGEhttps://drive.google.com/file/d/1NIJrQVTDBhZAzl3CYnN0k3gBhOsNG4gM/view https://drive.google.com/file/d/1NIJrQVTDBhZAzl3CYnN0k3gBhOsNG4gM/view Vetores linearmente independentes e linearmente dependentes Combinação Linear Base e dimensão de um espaço vetorial Produto escalar, paralelismo e ortogonalidade Interseção e soma de subespaços Subespaço gerado por um conjunto de vetores Definição de coordenadas de um vetor e de matriz coordenada. Mudança de coordenadas Transformações Lineares
Compartilhar