UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL APOSTILA DE Álgebra Linear Realização: Fortaleza, Fevereiro/2010 II Curso Pré-Engenharia Apostila de Álgebra Linear Sumário 1. Matrizes .......................................................................................................................................................... 3 1.1. Operações com matrizes ............................................................................................................................. 4 1.2. Operações elementares com linhas de uma matriz ...................................................................................... 5 1.3. Questões ..................................................................................................................................................... 6 2. Determinantes ................................................................................................................................................ 7 2.1. Regra de Chió .............................................................................................................................................. 8 2.2. Teorema de Laplace .................................................................................................................................... 9 2.3. Questões ....................................................................................................................................................10 3. Sistemas Lineares ...........................................................................................................................................11 3.1. Método do escalonamento .........................................................................................................................11 3.2. Regra de Cramer ........................................................................................................................................13 3.3. Questões ....................................................................................................................................................13 4. Vetores ...........................................................................................................................................................14 4.1. Adição de Vetores ......................................................................................................................................15 4.2. Multiplicação por escalar ...........................................................................................................................15 4.3. Questões ....................................................................................................................................................16 5. Operações com vetores ..................................................................................................................................16 5.1. Módulo.......................................................................................................................................................16 5.2. Produto escalar (ou produto interno) .........................................................................................................16 5.3. Produto vetorial (ou produto externo)........................................................................................................17 5.4. Questões ....................................................................................................................................................19 6. Espaços vetoriais ............................................................................................................................................19 6.1. Questões ....................................................................................................................................................21 7. Subespaços vetoriais ......................................................................................................................................22 7.1. Questões ....................................................................................................................................................24 8. Interseção, união e soma de subespaços ........................................................................................................25 8.1. Interseção ..................................................................................................................................................25 8.2. Soma ..........................................................................................................................................................26 8.3. União .........................................................................................................................................................27 8.4. Questões ....................................................................................................................................................27 9. Combinação linear ..........................................................................................................................................27 9.1. Questões ....................................................................................................................................................28 10. Subespaços gerados ...................................................................................................................................29 10.1. Questões ....................................................................................................................................................30 11. Dependência e Independência Linear .........................................................................................................31 11.1. Questões ....................................................................................................................................................32 12. Base de um espaço vetorial ........................................................................................................................33 12.1. Questões ....................................................................................................................................................36 13. Dimensão ...................................................................................................................................................36 13.1. Questões ....................................................................................................................................................37 14. Mudança de base .......................................................................................................................................38 14.1. A inversa da matriz de mudança de base ...................................................................................................39 14.2. Questões ....................................................................................................................................................40 Página 2 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 1. Matrizes Sejam m e n inteiros positivos. Chama-se matriz m × n (sobre R) qualquer lista ordenada de m-n números reais, dispostos em m linhas e n colunas. Os números que constituem uma matriz são chamados de termos da matriz. Uma matriz A, m × n, pode ser denotada como se segue: A= a11 ⋮ am1 ⋯ a1n ⋱ ⋮ ⋯ amn Ou, simplesmente, A = (aij ), onde 1 < 𝑖 < 𝑚 e 1 < 𝑗 < 𝑛. Notamos que os índices i e j indicam a posição que o termo ocupa na matriz. O termo aij está na i-ésima linha e na j-ésima coluna. Seja A = (aij ) uma matriz n × n. Chama-se diagonal principal, ou simplesmente diagonal da matriz A, a lista ordenada (a11 , a22 , . . . , ann ). Chama-se diagonal secundária da matriz A, a lista ordenada (a1n , a2(n−1) , an1 ). A soma dos índices dos termos da diagonal secundária é sempre igual a n+1. Igualdade de Matrizes: Sendo A = (aij ), e B = (bij ), matrizes, A e B são iguais, se e somente se, aij = bij para quaisquer valores de i e de j. Tipos de Matrizes: o Chama-se matriz linha toda matriz 1 × 𝑛, ou seja, toda matriz constituída de uma só linha. o Chama-se matriz coluna toda matriz 𝑚 × 1, ou seja, toda matriz constituída de uma só coluna. o Chama-se matriz nula aquela cujos termos são todos nulos. o Uma matriz 𝑚 × 𝑛 chama-se quadrada se 𝑚 = 𝑛. o Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 ) chama-se triangular superior se todos os termos que ficam abaixo da diagonal principal são iguais a zero, ou seja, 𝑎𝑖𝑗 = 0 sempre que 𝑖 > 𝑗. o Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 ) chama-se triangular inferior se todos os termos que ficam acima da diagonal principal são iguais a zero, ou seja, 𝑎𝑖𝑗 = 0 sempre que 𝑖 < 𝑗. o Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 ) chama-se diagonal se todos os termos fora da diagonal principal são iguais a zero, ou seja, 𝑎𝑖𝑗 = 0 sempre que 𝑖 ≠ 𝑗. o Chama-se matriz identidade 𝑛 × 𝑛 a matriz diagonal 𝑛 × 𝑛 cujos termos da diagonal principal são todos iguais a 1. Ela é denotada por 𝐼𝑛 ou simplesmente por I. o Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 ) chama-se simétrica se 𝑎𝑖𝑗 = 𝑎𝑗𝑖 para quaisquer que sejam i e j, isto é, se os termos simetricamente situados em relação à diagonal principal são iguais. 5 1 3 2 −1 o Exemplos: , 1 0 2 , 𝐼𝑛 , toda matriz diagonal. −1 0 3 2 1 o Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 ) chama-se anti-simétrica se 𝑎𝑖𝑗 = −𝑎𝑗𝑖 para quaisquer que sejam i e j, ou seja, se os termos simetricamente situados em relação à diagonal principal são números reais simétricos e os termos da diagonal são todos nulos. Página 3 de 40 II Curso Pré-Engenharia o Exemplos: Apostila de Álgebra Linear 0 1 , −1 0 0 4 8 4 0 −1 , matriz quadrada nula. −8 1 0 1.1. Operações com matrizes Adição de Matrizes: Sejam A = (aij ), e B = (bij ) matrizes m × n. Definimos a soma das matrizes A e B como sendo a matriz A + B = (cij ), em que cij = aij + bij . Ou seja, somar A com B consiste em somar termos correspondentes. Propriedades (1): Para quaisquer matrizes m × n, A = (aij ), B = (bij ) e C = (cij ), as seguintes propriedades são válidas: o o o o o Associatividade: A + (B + C) = (A + B) + C; Comutatividade: A + B = B + A; Elemento neutro: A + O = A, onde O é a matriz m × n nula; Matriz oposta: A + (-A) = O, onde −A = (aij ). Chamamos (–A) de matriz oposta de A; Multiplicação de um escalar por uma matriz: Sejam x ∈ R e A = (aij ) uma matriz m × n. Definimos o produto da matriz A pelo escalar x como x. A = (x. aij ). Isto é, multiplicar x por A consiste em multiplicar x por todos os termos de A. Propriedades (2): Para quaisquer que sejam as matrizes m × n, A = (aij ) e B = (bij ) e os números reais x e y, valem as seguintes propriedades: o o o o x.(A + B) = x.A + x.B (Distributiva para escalar) (x + y).A = x.A + y.A (Distributiva para matrizes) x.(y.A) = (xy).A (Associativa) 1.A = A (1 é o escalar que representa o elemento neutro dessa operação) Multiplicação de Matrizes: Seja A = (aij ) uma matriz m × n. Denotaremos por Ai a i-ésima linha de A e Aj a j-ésima coluna de A. Isto é: 𝐴𝑖 = 𝑎𝑖1 𝑎𝑖2 … 𝑎𝑖𝑛 e 𝐴 𝑗 = 𝑎1𝑗 𝑎2𝑗 ⋮ 𝑎𝑚𝑗 Sejam A = (aij ) uma matriz m × n e B = (bjk ) uma matriz n × p. Definimos o produto da matriz A pela matriz B como A. B = C = (cij ) = nj=1 aij bjk . Observação 1: O produto A.B é uma matriz m × p; Observação 2: O termo de A.B que se situa na i-ésima linha e na j-ésima coluna é Ai . B k . Observação 3: Quando existe uma matriz A−1 tal que A. A−1 = I, dizemos que A é uma matriz invertível, e chamamos A−1 de matriz inversa de A. Página 4 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear Propriedades: o Se A é uma matriz m × n, então A. In = Im . A. Isso indica que a matriz identidade é o elemento neutro para a multiplicação de matrizes. o Se A é uma matriz m × n e B e C são matrizes n × p, então A(B + C) = AB + AC, ou seja, a multiplicação se distribui à esquerda em relação à soma de matrizes. o Para as mesmas matrizes A, B e C, temos (A + B) = BA + CA, ou seja, a multiplicação se distribui à direita em relação à soma de matrizes. o Seja A uma matriz m × n, B uma matriz n × p e x ∈ ℝ, então x. (AB) = A(x. B). o Se A, B e C são, respectivamente, matrizes m × n, n × p e p × q, então A(BC) = (AB)C (comutatividade). Transposição de Matrizes: Seja A uma matriz m × n, definimos a transposta de A como sendo a matriz n × m At = (bji ), em que bji = aij . Exemplo: 2 3 4 5 −1 0 2 1 𝑡 2 −1 3 0 = 4 2 5 1 Propriedades: Sejam x um número real, A e B matrizes m × n e C uma matriz n × p. Então valem as seguintes propriedades: o o o o At t = A (A + B)t = At + B t (xA)t = x(A)t (BC)t = C t B t 1.2. Operações elementares com linhas de uma matriz Seja A uma matriz m × n. Chama-se operação elementar com linhas de A qualquer uma das operações descritas a seguir: Permutação de duas linhas de A; Multiplicação de uma linha de A por um número real não nulo; Substituição de Ai por Ai + xAj , em que j ≠ i e x é um número real qualquer. Exemplo: 3 0 2 1 3 12 −1 3 1 𝐴 3 1 1 0 1 4 2 1 −1 3 𝐴2 −2𝐴1 1 0 0 1 4 1 −3 −5 A primeira operação acima consistiu em multiplicar a primeira linha por 1/3 e a segunda operação em substituir a segunda linha por ela mais (-2) vezes a primeira (A2 − 2A1 ). Página 5 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear Sejam A e B matrizes m × n. Dizemos que A é linha-equivalente a B se B pode ser obtida a partir de A através de operações elementares com linhas. (No exemplo anterior, notamos que a primeira matriz é linha-equivalente à terceira) Matriz na forma escada: Seja A uma matriz m × n. Dizemos que A é uma matriz na forma escada, se as seguintes condições são satisfeitas: As possíveis linhas nulas ficam abaixo das possíveis linhas não nulas. O primeiro termo não nulo de cada linha não nula é igual a 1. Os demais termos da coluna à qual pertence o primeiro termo não nulo de uma linha não nula são todos nulos. A coluna à qual pertence primeiro termo não nulo de uma linha não nula fica à direita do primeiro termo não nulo da linha anterior, isto é, se p é o número de linhas não nulas e se o primeiro termo não nulo da i-ésima linha não nula ocorre na k i -ésima coluna, então k1 < k 2 < ⋯ < k p . Exemplos: 1 0 1 0 1 4 , 0 1 −3 5 0 0 0 0 1 0 0 −1 1 5 , 0 0 0 −2 0 0 0 1 3 , O, I. 0 0 0 Teorema: Toda matriz m × n é linha-equivalente a uma matriz na forma escada. Exemplo: 2 3 −1 −4 0 2 1 1 3 1 0 0 1 A 2 1 3/2 −1/2 6 0 −1/2 7/2 1 0 0 1 0 0 −1/2 0 7/2 1 A 7 3 1 3/2 −4 0 1 1 1 A 6 2 1 0 0 1 0 0 1 0 0 −1/2 2 3 A 2 +4A 1 A 3 −A 1 3/2 −1/2 1 0 −1/2 7/2 −1/2 0 1 1 A1+ A3 2 3 A1− A2 2 1 A 3+ A 2 2 1 0 0 0 1 0 0 0 1 1.3. Questões 1) Se A = 1 −2 4 eB= 3 −6 2 2 , calcule AB e BA. 1 Página 6 de 40 II Curso Pré-Engenharia 2) Se A= Apostila de Álgebra Linear 3 −2 , ache B, de modo que B 2 = A. −4 3 3) Suponha que A≠0 e AB=AC onde A,B,C são matrizes tais que a multiplicação esteja definida. a) B=C? b) Se existir uma matriz Y, tal que YA=I, onde I é a matriz identidade, então B=C? 4) Diz-se que as matrizes A e B são comutativas se AB = BA. Encontre todas as matrizes sejam comutativas com x y que z w 1 1 0 1 2 2 . 3 −1 a) Encontre A2 e A3 . b) Se f x = x 3 − 3x 2 − 2x + 4 , encontre f A c) Se g x = x 2 − x − 8, encontre g(A) 5) Seja A = 6) Para cada uma das matrizes a seguir, encontra uma matriz na forma escada, à qual a matriz dada é linha equivalente. 2 1 5 a) 6 3 15 2 0 −2 0 b) 0 2 −1 0 2 1 5 c) 1 −3 6 1 2 1 0 d) −1 0 3 5 1 −2 1 1 2 −1 3 1 4 2 e) 1 −5 1 4 16 8 0 2 0 2 1 1 0 3 f) 3 −4 0 2 2 −3 0 1 7) Sejam A e B matrizes quadradas do mesmo tamanho, em que A é invertível. Mostre, por indução, que (𝐴𝐵𝐴−1 )𝑛 = 𝐴𝐵𝑛 𝐴−1 para todo inteiro positivo n. 2. Determinantes Determinante é uma função que associa a cada matriz quadrada um escalar. Seu cálculo é feito somando os termos ligados pelas diagonais paralelas à diagonal principal, e subtraindo deste valor a soma dos produtos dos termos ligados pelas setas paralelas à diagonal secundária: Página 7 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear Temos que: det A = (a11 ∙ a22 ∙ a33 + a12 ∙ a23 ∙ a31 + a21 ∙ a32 ∙ a13 ) − (a13 ∙ a22 ∙ a31 + a12 ∙ a21 ∙ a33 + a23 ∙ a32 ∙ a11 ) Sejam A, B e C matrizes quadradas de ordem n, e x um escalar qualquer, essas são algumas das propriedades dos seus determinantes: o o o o o o det(x ∙ A) = x n ∙ det A det A = det (At ) Se uma fila (linha ou coluna) da matriz é composta de zeros, então o determinante desta matriz será zero. Se A tem duas filas iguais, então detA = 0 Se permutarmos duas linhas ou colunas de A, então o determinante muda de sinal. Se A e B são matriz quadradas da mesma ordem, então det AB = detA. detB Observação 1: O determinante de uma matriz triangular ou diagonal é o produto dos termos de sua diagonal principal. Observação 2: O determinante permite saber se a matriz tem ou não inversa, pois as que não têm são precisamente aquelas cujo determinante é igual a 0. A. A−1 = I, aplicando determinante dos dois lados, temos: det A. A−1 = detI detA. det A−1 = 1 det A−1 = 1 det A Assim, se o determinante da matriz A for nulo, a matriz inversa não pode existir. 2.1. Regra de Chió Através dessa regra é possível diminuir de n para (n − 1) a ordem de uma matriz quadrada A sem alterar o valor do seu determinante. A regra prática de Chió consiste em: 1) Escolher um elemento aij = 1 (caso não exista, aplicar as propriedades para que apareça o elemento 1). 2) Suprimir a linha i e a coluna j do elemento aij = 1, obtendo-se o menor complementar do referido elemento. Página 8 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 3) Subtrair de cada elemento do menor complementar obtido o produto dos elementos que ficam nos pés das perpendiculares traçadas do elemento considerado às filas suprimidas. 4) Multiplicar o determinante obtido no item anterior por (−1)i+j onde i e j designam as ordens da linha e da coluna às quais pertence o elemento aij = 1 do primeiro item. Exemplo: 1 det 𝐴 = 2 3 5 7 −6 −11 4 − 5.2 3 − 2.7 . (−1)1+1 = = 6.17 − 13.11 = −41 4 3 = −13 −17 2 − 3.5 4 − 3.7 2 4 2.2. Teorema de Laplace Chama-se de menor complementar (Dij ) de um elemento aij de uma matriz quadrada A o determinante que se obtém eliminando-se a linha i e a coluna j da matriz. Assim, dada a matriz quadrada de terceira ordem a seguir: 2 A= 5 3 0 3 7 9 , podemos escrever: 5 1 D23 = menor complementar do elemento a23 = 9 da matriz A. Pela definição, D23 será igual ao determinante que se obtém de A, eliminando-se a linha 2 e a coluna 3, ou seja: D23 = 2 3 0 = 2.5 − 3.0 = 10 5 Chama-se de cofator de um elemento aij de uma matriz o seguinte produto: cof aij = (−1)i+j . Dij Assim, por exemplo, o cofator do elemento a23 = 9 da matriz do exemplo anterior é igual a: cof a23 = (−1)2+3 . D23 = (−1)5 . 10 = −10 Observações sobre o teorema: o o o O determinante de uma matriz quadrada é igual à soma dos produtos dos elementos de uma fila qualquer (linha ou coluna) pelos seus respectivos cofatores. Este teorema permite o cálculo do determinante de uma matriz de qualquer ordem. Como já conhecemos as regras práticas para o cálculo dos determinantes de ordem 2 e de ordem 3, só recorremos à este teorema para o cálculo de determinantes de 4ª ordem em diante. Seu uso possibilita diminuir a ordem do determinante. Assim, para o cálculo de um determinante de 4ª ordem, a sua aplicação resultará no cálculo de quatro determinantes de 3ª ordem. Para expandir um determinante pelo teorema de Laplace, é mais prático escolher a fila (linha ou coluna) que contenha mais zeros, para que seu produto seja nulo. Página 9 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 2.3. Questões 1) Dadas as matrizes A = 1 2 3 −1 eB= , calcule 1 0 0 1 a) det 𝐴 + det 𝐵 b) det(A + B) 2) Sejam A e B matrizes do tipo n × n. Verifique se as colocações abaixo são verdadeiras ou falsas: a) det(AB) = det(BA) b) det A’ = det A c) det(2A) = 2 det A d) det(A²) = (det A)² 3) Calcule o det A, onde: 3 −1 0 2 a) A = 2 0 1 1 i 3 3 −i b) A = 2 1 −i i 4) Prove que 𝑎1 0 𝑏1 𝑏2 𝑐1 𝑐2 𝑑1 𝑑2 0 𝑏3 𝑐3 𝑑3 5 0 −1 2 2 1 −1 0 0 1 3 0 −i i 0 1 0 𝑏2 𝑏4 = 𝑎1 𝑐2 𝑐4 𝑑2 𝑑4 𝑏3 𝑐3 𝑑3 𝑏4 𝑐4 𝑑4 1 1 1 5) Mostre que det a b c = a − b b − c (c − a). a² b² c² 6) Verdadeiro ou falso? a) Se det A = 1, então A-1 = A. b) Se A é uma matriz triangular superior e A-1 existe, então também A-1 será uma matriz triangular superior. c) Se A é uma matriz escalar n × n da forma kIn , então det A = k n . d) Se A é uma matriz triangular, então det A = a11 +. . . +ann . a2 7) Calcule (a + 2)2 (a + 4)2 (a + 2)2 (a + 4)2 (a + 6)2 (a + 4)2 (a + 6)2 . (a + 8)2 Página 10 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear cos2a cos 2 a sen2 a 8) Mostre que cos2b cos2 b sen2 b = 0. cos2c cos2 c sen2 c 3. Sistemas Lineares Definição 1: Seja 𝑛 um inteiro positivo. Chama-se equação linear a 𝑛 incógnitas toda equação do tipo 𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ 𝑎𝑛 𝑥𝑛 = 𝑏 em que 𝑎1 , 𝑎2 , ..., 𝑎𝑛 , 𝑏 são constantes reais e 𝑥1 , 𝑥2 , ..., 𝑥𝑛 são incógnitas. Chamamos cada 𝑎𝑖 de coeficiente de 𝑥𝑖 e 𝑏 de termo independente da equação. Definição 2: Sejam 𝑚 e 𝑛 inteiros positivos. Chama-se sistema linear a 𝑚 equações e 𝑛 incógnitas todo sistema com m equações lineares, todas às mesmas n incógnitas. Denotaremos o sistema citado como se segue: a11 x1 + a12 x2 + ⋯ + a1n xn = b1 a21 x1 + a22 x2 + ⋯ + a2n xn = b2 ⋮ a31 x1 + a32 x2 + ⋯ + a3n xn = b3 Chama-se solução do sistema toda lista ordenada (x1 , x2 , … , xn ) de números reais que satisfaz a todas as equações do sistema linear e chama-se conjunto solução do sistema o conjunto constituído de todas as soluções. Dizemos que o sistema linear é, respectivamente, impossível, possível determinado ou possível indeterminado conforme seu conjunto solução seja vazio, unitário ou tenha pelo menos dois elementos. 3.1. Método do escalonamento O método do escalonamento consiste em transformar uma matriz qualquer em uma matriz na forma escada através de operações elementares com linhas. O objetivo disso é resolver sistemas lineares. Para tanto, devemos saber que cada sistema linear tem duas matrizes correspondentes: uma chamada matriz dos coeficientes ou matriz incompleta do sistema e outra chamada matriz completa do sistema. Listemos a seguir as matrizes referentes a um sistema genérico: a11 a21 ⋮ am1 a12 a22 ⋮ am2 … a1n … a2n ⋮ ⋮ … amn Matriz incompleta Matriz completa Página 11 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear x1 b1 x2 b2 Se A é a matriz dos coeficientes, X = ⋮ e B = , então o sistema pode ser representado ⋮ xn bm (matricialmente) pelas seguintes equações: A1 . X = b1 A2 . X = b2 ⋮ Am . X = bm O método do escalonamento para resolver um sistema linear cuja matriz completa é C consiste em encontrar uma matriz C’, tal que C’ seja linha-equivalente a C e o sistema cuja matriz é C’ já explicite o seu conjunto solução. Para tanto, essa matriz deverá estar na forma escada. 2x + 3y − z = 6 Exemplo: Resolvamos o sistema −4x + 2z = −1 , que tem a seguinte matriz completa: x + y + 3z = 0 2 3 −1 6 −4 0 2 −1 1 1 3 0 Devemos operar essa matriz com linhas, de maneira a deixar a matriz dos coeficientes na forma escada. 2 3 −1 6 1 3/2 −1/2 3 −4 0 2 −1 → −4 0 2 −1 → 1 1 3 0 1 1 3 0 1 → 0 0 1 0 → 0 1 0 0 3/2 −1/2 3 1 6 0 11 → 0 −1/2 7/2 3 0 −1/2 1/4 1 0 0 11/6 → 0 1 7/2 −25/12 0 0 3/2 −1/2 3 1 0 11/6 → −1/2 7/2 3 −1/2 1/4 1 0 0 0 11/6 → 0 1 0 1 −25/42 0 0 1 −1/21 11/6 −25/42 x = −1/21 Assim, o sistema inicial é equivalente a y = 11/6 . Portanto, está resolvido. z = −25/42 Observações: o o o Um sistema linear AX = B chama-se homogêneo se B = O. Isto é, se todos os termos independentes são nulos. Neste caso, uma solução óbvia é a trivial, composta apenas de zeros. (Por exemplo, para n = 3, a solução trivial é (0,0,0).) Se, num sistema linear homogêneo, o número de incógnitas é maior do que o número de equações, ele admite solução não trivial. Se m = n, então o sistema linear AX = B tem uma única solução, então A é linhaequivalente a In . Página 12 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 3.2. Regra de Cramer A regra de Cramer é utilizada para a resolução de um sistema linear a partir do cálculo de determinantes. Vamos considerar aqui um sistema linear Ax = B, sendo x uma matriz de incógnitas. Seja A uma matriz invertível n × n e seja B ∈ ℝn . Seja Ai a matriz obtida substituindo a i-ésima coluna de A por B. Se x for a única solução de Ax = B, então xi = det (Ai ) para i = 1,2, … , n det (A) Com i variando até n, é possível encontrar as matrizes-solução do sistema, e descobrir se ele é possível determinado (quando há somente uma matriz-solução), possível indeterminado (infinitas matrizes-solução) ou impossível (nenhuma solução). Exemplo: Considerando o sistema de equações: x1 + 2x2 + x3 = 5 2x1 + 2x2 + x3 = 6 x1 + 2x2 + 3x3 = 9 Solução: 5 det A1 = 6 9 1 2 det A = 2 2 1 2 1 1 = −4 3 2 1 1 5 2 1 = −4 det A2 = 2 6 2 3 1 9 1 1 = −4 3 1 2 5 det A3 = 2 2 6 = −8 1 2 9 Portanto: x1 = −4 =1 −4 x2 = −4 =1 −4 x3 = −8 =2 −4 1 Então temos como solução a matriz x = 1 e o sistema é possível determinado. 2 3.3. Questões 1) Determine os valores de k tais que o sistema nas incógnitas x, y e z tenha: (i) única solução, (ii) nenhuma solução, (iii) mais de uma solução. 𝑘𝑥 + 𝑦 + 𝑧 = 1 a) 𝑥 + 𝑘𝑦 + 𝑧 = 1 𝑥 + 𝑦 + 𝑘𝑧 = 1 𝑥 + 𝑦 + 𝑘𝑧 = 2 b) 3𝑥 + 4𝑦 + 2𝑧 = 𝑘 2𝑥 + 3𝑦 − 𝑧 = 1 2) Ache as soluções dos problemas dados ou prove que não existem soluções Página 13 de 40 II Curso Pré-Engenharia c) d) e) f) Apostila de Álgebra Linear 𝑥+𝑦+𝑧 =1 2𝑥 − 3𝑦 + 7𝑧 = 0 3𝑥 − 2𝑦 + 8𝑧 = 4 x − y + 2z = 4 3x + y + 4z = 6 x+y+z=1 2x − y + 5y = 19 x + 5y − 3z = 4 3x + 2y + 4z = 25 x + 3y + z = 0 2x + 7y + 4z = 0 x + y − 4z = 0 3) Dado o sistema: 1 1 1 3 a) b) c) d) 2 0 2 4 0 2 2 4 −1 −1 −1 −3 𝑥 2 𝑦 2 𝑧 = 4 𝑤 8 Encontre uma solução dele sem resolvê-lo (atribua valores para x, y, z e w). Resolva efetivamente o sistema, isto é, encontre sua matriz-solução. Resolva também o sistema homogêneo associado. Verifique que toda matriz-solução obtida em (b) é a soma de uma matriz-solução encontrada em (c) com a solução particular que você encontrou em (a). 4) Dado o sistema linear: 3𝑥 + 5𝑦 + 12𝑧 − 𝑤 = −3 𝑥 + 𝑦 + 4𝑧 − 𝑤 = −6 2𝑦 + 2𝑧 + 𝑤 = 5 a) Discuta a solução do sistema. b) Acrescente a equação 2z + kw = 9 a este sistema, encontre um valor de k que torne o sistema impossível. 5) Dê o conjunto solução do seguinte sistema linear: 𝑥1 + 𝑥2 + 5𝑥3 − 8𝑥4 = 1 𝑥1 + 4𝑥2 + 13𝑥3 − 3𝑥4 = 1 −2𝑥1 + 𝑥2 − 2𝑥3 + 21𝑥4 = −2 3𝑥2 + 8𝑥3 + 5𝑥4 = 0 4. Vetores Um vetor é definido por três características: intensidade, direção e sentido. Força, deslocamento e velocidade são representados por vetores, mas um vetor pode ser bem mais do que isso. Ao longo do curso de Álgebra Linear, o seu conceito será desenvolvido de forma bem mais ampla. Soluções de sistemas lineares poderão, por exemplo, ser representadas por vetores. Página 14 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear Desenhando um vetor no plano cartesiano, ele deve apresentar uma origem e uma extremidade. Os segmentos orientados cuja origem é o ponto (0,0) são chamados de vetores no plano, e são muito mais fáceis de trabalhar. Para representá-lo, basta indicar o par ordenado que corresponda à sua extremidade, pois já conhecemos seu ponto inicial. A definição segue para vetores no espaço, caso em que a origem dos vetores é o ponto (0,0,0), e assim por diante. De tal forma, para representar um vetor V = OP com ponto inicial na origem, usa-se usualmente a a notação de coordenadas V = (a, b, c), mas também existe a notação de matriz coluna V = b e matriz c linha V = a b c . Com essas notações, a soma de vetores e a multiplicação do vetor por um escalar são operações que ficam bem mais simples. 4.1. Adição de Vetores Propriedades: o o o o o o o Associatividade: A + B + C = A + B + C, ∀ A, B, C ∈ ℝn Comutatividade: A + B = B + A, ∀ A, B ∈ ℝn . Elemento neutro: Seja O o vetor nulo. Então A + O = A, para qualquer A ∈ ℝn . Assim, O é o elemento neutro em relação à operação de adição, o qual chamaremos de elemento nulo de ℝn . Elemento oposto: Dado A = a1 , a2 , … , an , denotaremos por – A o vetor (−a1 , −a2 , … , −an ). Então A + (−A) = O. Chamaremos (−A) de elemento oposto a A. Considerando que: A − B = A + −B e as quatro propriedades anteriores, teremos três propriedades conseqüentes: 1. 𝐴 + 𝐵 = 𝐴 + 𝐶 ⟹ 𝐵 = 𝐶 2. 𝐴 + 𝐵 = 𝐶 ⟹ 𝐴 = 𝐶 − 𝐵 3. 𝐴 + 𝐴 = 𝐴 ⟹ 𝐴 = 𝑂 Exemplo: Sendo v = 1,2 e w = (3,5), temos: v + w = 1,2 + 3,5 v + w = (4,7) Do mesmo modo, 2v = (2,4). 4.2. Multiplicação por escalar Sejam A = (a1 , a2 , … , an ) ∈ ℝn e λ ∈ ℝ. Definimos a multiplicação de A por λ como sendo: λ ∙ A = (λa1 , λa2 , … , λan ) Página 15 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear A seguir as propriedades de vetores: 1. 2. 3. Associativa na adição: Comutativa: Existência de elemento neutro na adição: 4. 5. 6. 7. Existência de elemento oposto: Distributiva por vetor: Distributiva por escalar: Associativa na multiplicação: 8. Existência de elemento neutro na multiplicação: 4.3. Questões 1) Determine o vetor X, tal que , para vetores V e U dados. 2) Determine os vetores X e Y, tal que dados. e para vetores V e U 5. Operações com vetores 5.1. Módulo Seja , definimos o módulo ou a norma de um vetor como sendo: Observação: para , note que o módulo de um vetor é o seu comprimento. Chamaremos de vetor unitário todo vetor cuja norma é 1. 5.2. Produto escalar (ou produto interno) Sejam A+B e A - B. e dois vetores não nulos nos reais. Considere os vetores Temos que se, e somente se , pois as diagonais de um paralelogramo só são iguais se o paralelogramo é um retângulo. Como consequência dessa condição podemos observar que: Página 16 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 𝐴 ⊥ 𝐵 ⟺ 𝑎1 𝑏1 + 𝑎2 𝑏2 + … + 𝑎𝑛 𝑏𝑛 = 0 Esta condição é necessária para que dois vetores sejam perpendiculares. Sejam 𝐴 = (𝑎1 , 𝑎2 , … , 𝑎𝑛 ) e 𝐵 = (𝑏1 , 𝑏2 , … , 𝑏𝑛 ) dois vetores quaisquer em ℝ𝑛 . O produto escalar é definido como a multiplicação termo a termo e a soma dos produtos: 𝐴 ∙ 𝐵 = 𝑎1 𝑏1 + 𝑎2 𝑏2 + … + 𝑎𝑛 𝑏𝑛 Assim, dois vetores não nulos 𝐴 e 𝐵 em ℝ𝑛 são perpendiculares apenas se 𝐴 ∙ 𝐵 = 0. Propriedades do produto escalar: i. 𝐴 ∙ 𝐵 = 𝐵 ∙ 𝐴, para quaisquer 𝐴, 𝐵 ∈ ℝ𝑛 ii. 𝐴 ∙ 𝐵 + 𝐶 = 𝐴 ∙ 𝐵 + 𝐴 ∙ 𝐶, para quaisquer 𝐴, 𝐵, 𝐶 ∈ ℝ𝑛 iii. 𝐴 ∙ 𝜆𝐵 = 𝜆 𝐴 ∙ 𝐵 = 𝜆𝐴 ∙ 𝐵, para quaisquer 𝐴, 𝐵 ∈ ℝ𝑛 e qualquer 𝜆 ∈ ℝ iv. 𝐴 ∙ 𝐴 ≥ 0, para qualquer 𝐴 ∈ ℝ𝑛 e 𝐴 ∙ 𝐴 = 0 ⟺ 𝐴 = 𝑂 A norma (ou módulo) de um vetor pode ser caracterizada pelo produto escalar: 𝐴 = 𝐴 ∙ 𝐴, como é provado a seguir: 𝐴 ∙ 𝐴 = 𝑎1 𝑎1 + 𝑎2 𝑎2 + … + 𝑎𝑛 𝑎𝑛 𝐴∙𝐴 = 𝑎1 2 + 𝑎2 2 + … + 𝑎𝑛 2 𝐴∙𝐴 = 𝐴 5.3. Produto vetorial (ou produto externo) Consideremos dois vetores em 𝐴 = (𝑎1 , 𝑎2 , 𝑎3 ) e 𝐵 = (𝑏1 , 𝑏2 , 𝑏3 ). Queremos encontrar um vetor 𝐶, em ℝ3 , de preferência não nulo, de tal forma que C seja simultaneamente perpendicular a A e a B. Devemos ter 𝐶. 𝐴 = 0 e 𝐶. 𝐵 = 0. Se 𝐶 = (𝑥, 𝑦, 𝑧), então: 𝑎1 𝑥 + 𝑎2 𝑦 + 𝑎3 𝑧 = 0 𝑏1 𝑥 + 𝑏2 𝑦 + 𝑏3 𝑧 = 0 Tentaremos resolver este sistema. Para isso, começaremos multiplicando a primeira equação por 𝑏2 , a segunda por −𝑎2 e, em seguida, somaremos as duas equações. A seguinte equação é obtida: 𝑎1 𝑏2 − 𝑎2 𝑏1 . 𝑥 = 𝑎2 𝑏3 − 𝑎3 𝑏2 . 𝑧 Depois, multiplicando a primeira equação do sistema acima por −𝑏1 , a segunda por 𝑎1 e, em seguida, somando as duas equações, chegamos a: Página 17 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear Enfim, temos as seguintes equações: Agora fica fácil visualizar os valores das variáveis. Se x assumir o valor do coeficiente de z na primeira equação, y assumi o valor do coeficiente de z na segunda equação, basta que z assuma o valor dos coeficientes de x e de y (que são iguais) para as equações serem verdadeiras. O conjunto-solução é: Há mais soluções do sistema. Contudo, esta é especialmente chamada de produto vetorial de A por B e será denotado por 𝐴 × 𝐵. Note que 𝐴 × 𝐵 é o determinante formal: em que Observe ainda que: três vetores que formam a base de , visto que cada gerador (pois temos os ) está num eixo diferente, x, y ou z. Nós o chamamos de determinante formal uma vez que não é um determinante formado só por números. A primeira linha é constituída de vetores. Página 18 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear Como vimos, o produto vetorial de dois vetores já surgiu com uma propriedade importante: é um vetor simultaneamente perpendicular aos dois vetores. Vejamos a seguir mais propriedades do produto vetorial: i. ii. iii. iv. 𝐴 × 𝐵 = −(𝐵 × 𝐴) ∈ ℝ3 𝐴 × (𝜆𝐵) = 𝜆(𝐴 × 𝐵) = (𝜆𝐴) × 𝐵, para quaisquer 𝐴, 𝐵 ∈ ℝ3 e qualquer 𝜆 ∈ ℝ 𝐴 × 𝜆𝐴 = 0, para qualquer 𝐴 ∈ ℝ3 e qualquer 𝜆 ∈ ℝ 𝐴 × 𝐵 + 𝐶 = 𝐴 × 𝐵 + (𝐴 × 𝐶) e (𝐵 + 𝐶) × 𝐴 = (𝐵 × 𝐴) + (𝐶 × 𝐴), para quaisquer 𝐴, 𝐵, 𝐶 ∈ ℝ3 v. vi. vii. (𝐴 × 𝐵) × 𝐶 = (𝐴. 𝐶)𝐵 − (𝐵. 𝐶)𝐴, para quaisquer 𝐴, 𝐵, 𝐶 ∈ ℝ3 (𝐴 × 𝐵). (𝐴 × 𝐵) = (𝐴. 𝐴)(𝐵. 𝐵) − (𝐴. 𝐵)2 Se A e B são dois vetores não nulos de ℝ3 e θ é a medida do ângulo formado por A e B, então: 𝐴 × 𝐵 = 𝐴 . 𝐵 . 𝑠𝑒𝑛θ 𝑎1 𝑎2 𝑎3 (Produto misto) 𝐴. 𝐵 × 𝐶 = 𝑏1 𝑏2 𝑏3 , em que 𝐴 = (𝑎1 , 𝑎2 , 𝑎3 ), 𝐵 = (𝑏1 , 𝑏2 , 𝑏3 ), e 𝑐1 𝑐2 𝑐3 𝐶 = (𝑐1 , 𝑐2 , 𝑐3 ) viii. 5.4. Questões 1) Ache dois vetores mutuamente ortogonais e ortogonais ao vetor (5, 2, -1). 2) Calcule 𝑢. 𝑣, onde: a) 𝑢 = (2, −3, 6) e 𝑣 = (8,2, −3) b) 𝑢 = (1, −8,0,5) e 𝑣 = (3,6,4) c) 𝑢 = (3, −5,2,1) e 𝑣 = (4,1, −2,5) 3) Sejam 𝑢 = (1, −2,5), 𝑣 = (3, 1, −2). Encontre: a) b) c) d) 𝑢+𝑣 −6𝑢 2𝑢– 5𝑣 𝑢. 𝑣 4) Ache dois vetores mutuamente ortogonais de comprimento unitário, e ambos ortogonais ao vetor (2,1,3). 5) Determine o número real positivo c de maneira que os pontos (−1,1, 𝑐) e (−1,1, −𝑐) e a origem sejam vértices de um triângulo retângulo em (0,0,0). 6) Sabendo que o ângulo entre os vetores (2, 1,-1) e (1,-1,m+2) é 60°, determine 𝑚. 7) Determine os ângulos do triângulo cujos vértices são (-1,-2,4), (-4,-2,0) e (3,-2,1). 6. Espaços vetoriais Um espaço vetorial é um conjunto de vetores. As oito propriedades citadas acima devem ser satisfeitas, além de duas operações: soma e multiplicação por escalar. Considerando dois vetores quaisquer de um Página 19 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear espaço vetorial V, a soma deles deve ser um terceiro vetor que ainda faz parte de V. Se multiplicarmos um vetor de V por um escalar, o resultante também deve ser elemento de V. Em resumo, um espaço vetorial real é um conjunto V, não vazio, com duas operações: Soma: 𝑉 𝑥 𝑉 → 𝑉 Se 𝑥 , 𝑦 ∈ 𝑉, então 𝑥 + 𝑦 ∈ 𝑉; Produto por escalar: ℝ 𝑥 𝑉 → 𝑉 Se 𝛼 é escalar e 𝑥 ∈ 𝑉, então 𝛼𝑥 ∈ 𝑉. Se uma dessas duas operações não for válida para um conjunto W, então é porque o conjunto não é um espaço vetorial. Dizemos que um espaço vetorial é fechado em relação às duas operações (soma e multiplicação por escalar). Para saber se um conjunto é um espaço vetorial, verifica-se se as duas operações são válidas e depois se as oito propriedades dos vetores também são válidas. Observação: O conjunto de todas as matrizes de ordem 2 é um espaço vetorial. Deste modo, os vetores desse espaço são matrizes 2x2.Tal conjunto é designado assim: 𝑉 = 𝑀 2,2 . Exemplo: Seja o conjunto W = { 𝑎, 1 /𝑎 ∈ ℝ}. Com as duas operações de soma e multiplicação por escalar definidas, verifique se W é um espaço vetorial. Solução: Considere os elementos 3,1 e (5,1) ∈ 𝑊. Assim, i) Soma: 3,1 + 5,1 = (8,2) ∉ 𝑊 ii) Produto: 𝛼 3,1 = 3𝛼, 𝛼 ∉ 𝑊 𝑠𝑒 𝛼 ≠ 1, assim não é válido para todo 𝛼 Logo, W não é um conjunto fechado em relação a essas duas operações e, portanto, não é um espaço vetorial. Exemplo: Verifique se o conjunto ℝ3 é um espaço vetorial. Solução: Sejam 𝑢 = 𝑥1 , 𝑦1 , 𝑧1 , 𝑣 = 𝑥2 , 𝑦2 , 𝑧2 e 𝑤 = (𝑥3 , 𝑦3 , 𝑧3 ) vetores de ℝ3 e 𝛼, 𝛽 ∈ ℝ. i) Soma: 𝑢 + 𝑣 = (𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 , 𝑧1 + 𝑧2 ) ∈ ℝ3 Multiplicação por escalar: 𝛼𝑢 = (𝛼𝑥1 , 𝛼𝑦1 , 𝛼𝑧1 ) ∈ ℝ3 ii) 1. 𝑢 + 𝑣 = 𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 , 𝑧1 + 𝑧2 = 𝑥2 + 𝑥1 , 𝑦2 + 𝑦1 , 𝑧2 + 𝑧1 = 𝑣 + 𝑢 2. 𝑢 + 𝑣 + 𝑤 = 𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 , 𝑧1 + 𝑧2 + 𝑥3 , 𝑦3 , 𝑧3 = 𝑥1 + 𝑥2 + 𝑥3 , 𝑦1 + 𝑦2 + 𝑦3 , 𝑧1 + 𝑧2 + 𝑧3 = 𝑥1 + (𝑥2 + 𝑥3 , 𝑦1 + (𝑦2 + 𝑦3 ), 𝑧1 + (𝑧2 + 𝑧3 )] = 𝑢 + (𝑣 + 𝑤 ) 3. ∃0 = 0,0,0 ∈ ℝ3 / 𝑢 + 0 = 𝑥1 , 𝑦1 , 𝑧1 + 0,0,0 = 𝑥1 + 0, 𝑦1 + 0, 𝑧1 + 0 = 𝑥1 , 𝑦1 , 𝑧1 4. ∃ −𝑢 = −𝑥1 , −𝑦1 , −𝑧1 ∈ ℝ3 / 𝑢 + −𝑢 = 𝑥1 , 𝑦1 , 𝑧1 + −𝑥1 , −𝑦1 , −𝑧1 = 𝑥1 − 𝑥1 , 𝑦1 − 𝑦1 , 𝑧1 − 𝑧1 = 0,0,0 = 0 5. 𝛼 𝑢 + 𝑣 = 𝛼 𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 , 𝑧1 + 𝑧2 = 𝛼 𝑥1 + 𝑥2 , 𝛼 𝑦1 + 𝑦2 , 𝛼 𝑧1 + 𝑧2 = (𝛼𝑥1 + 𝛼𝑥2 , 𝛼𝑦1 + 𝛼𝑦2 , 𝛼𝑧1 + 𝛼𝑧2 ) = (𝛼𝑥1 , 𝛼𝑦1 , 𝛼𝑧1 ) + (𝛼𝑥2 , 𝛼𝑦2 , 𝛼𝑧2 ) = 𝛼 𝑥1 , 𝑦1 , 𝑧1 + 𝛼 𝑥2 , 𝑦2 , 𝑧2 = 𝛼𝑢 + 𝛼𝑣 6. 𝛼 + 𝛽 𝑢 = 𝛼 + 𝛽 𝛼𝑥1 , 𝛼𝑦1 , 𝛼𝑧1 = [ 𝛼 + 𝛽 𝑥1 , 𝛼 + 𝛽 𝑦1 , 𝛼 + 𝛽 𝑧1 ] = [𝛼𝑥1 + 𝛽𝑥1 , 𝛼𝑦1 + 𝛽𝑦1 , 𝛼𝑧1 + 𝛽𝑧1 ] = 𝛼𝑥1 , 𝛼𝑦1 , 𝛼𝑧1 + (𝛽𝑥1 , 𝛽𝑦1 , 𝛽𝑧1 ) = 𝛼 𝑥1 , 𝑦1 , 𝑧1 + 𝛽 𝑥1 , 𝑦1 , 𝑧1 = 𝛼𝑢 + 𝛽𝑢 7. 𝛼𝛽 𝑢 = 𝛼𝛽 𝑥1 , 𝑦1 , 𝑧1 = 𝛼𝛽𝑥1 , 𝛼𝛽𝑦1 , 𝛼𝛽𝑧1 = [𝛼 𝛽𝑥1 , 𝛼 𝛽𝑦1 , 𝛼 𝛽𝑧1 ] = 𝛼[(𝛽𝑥1 ), (𝛽𝑦1 ), (𝛽𝑧1 )] = 𝛼[𝛽 𝑥1 , 𝑦1 , 𝑧1 ] Página 20 de 40 II Curso Pré-Engenharia 8. Apostila de Álgebra Linear = 𝛼(𝛽𝑢) 1𝑢 = 1 𝑥1 , 𝑦1 , 𝑧1 = 1𝑥1 , 1𝑦1 , 1𝑧1 = 𝑥1 , 𝑦1 , 𝑧1 = 𝑢 Exemplo: Considere em V = ℝ2 o produto por escalar usual, mas com a adição, a operação definida por: 𝑥1 , 𝑦1 + 𝑥2 , 𝑦2 = (𝑥1 + 𝑥2 , 𝑦1 + 2𝑦2 ). Determine se V, com essas operações, é um espaço vetorial. Solução: i) 1. Soma: 𝑥1 , 𝑦1 + 𝑥2 , 𝑦2 = (𝑥1 + 𝑥2 , 𝑦1 + 2𝑦2 ) ∈ 𝑉 2. Produto por escalar: 𝛼 𝑥1 , 𝑦1 = (𝛼𝑥1 , 𝛼𝑦1 ) ∈ 𝑉 Logo, V é um espaço fechado em relação a essas duas operações. Portanto, temos que verificar as oito propriedades. ii) 1. Associativa na adição: 𝑢 + 𝑣 = 𝑥1 , 𝑦1 + 𝑥2 , 𝑦2 = (𝑥1 + 𝑥2 , 𝑦1 + 2𝑦2 ) 𝑣 + 𝑢 = 𝑥2 , 𝑦2 + 𝑥1 , 𝑦1 = (𝑥2 + 𝑥1 , 𝑦2 + 2𝑦1 ) Como 𝑢 + 𝑣 = 𝑣 + 𝑢 já não é satisfeita, não precisamos mais testar as outras propriedades. V não é espaço vetorial. Exemplo: O conjunto que contém um único objeto, com as operações definidas por: 𝑜𝑏𝑗𝑒𝑡𝑜 + 𝑜𝑏𝑗𝑒𝑡𝑜 = 𝑜𝑏𝑗𝑒𝑡𝑜 𝑜𝑏𝑗𝑒𝑡𝑜 = 𝑜𝑏𝑗𝑒𝑡𝑜, com 𝛼 ∈ ℝ Solução: i) Da própria definição no enunciado, o conjunto é fechado em relação às operações de soma e multiplicação por escalar e, portanto, não precisamos verificá-las; ii) Substituindo 𝑜𝑏𝑗𝑒𝑡𝑜 por 𝑥 : 𝑢+𝑣 =𝑥+𝑥 =𝑥 ⇒𝑢+𝑣 =𝑣 +𝑢 1. 𝑣+ 𝑢 = 𝑥+𝑥 =𝑥 𝑢+𝑣 +𝑤 = 𝑥+𝑥 +𝑥 = 𝑥+𝑥 = 𝑥 2. ⇒ 𝑢+𝑣 +𝑤 =𝑢+ 𝑣+𝑤 𝑢+ 𝑣+𝑤 = 𝑥+ 𝑥+𝑥 = 𝑥+𝑥 = 𝑥 3. Seja 𝑛 o vetor nulo. Logo, 𝑢 + 𝑛 = 𝑢 ⇒ 𝑥 + 𝑛 = 𝑥 ⇒ 𝑛 = 𝑥 . Assim, existe vetor nulo, que equivale ao próprio 𝑥 . 4. Seja 𝑝 o vetor oposto. Logo, 𝑢 + 𝑝 = 𝑛 ⇒ 𝑥 + 𝑝 = 𝑥 ⇒ 𝑝 = 𝑥 . Assim, existe vetor oposto, que também equivale ao próprio 𝑥 . O vetor oposto de 𝑢 é 𝑢. 𝛼 𝑢 + 𝑣 = 𝛼 𝑥 + 𝑥 = 𝛼𝑥 = 𝑥 5. ⇒ 𝑢 + 𝑣 = 𝑢 + 𝑣 𝛼𝑢 + 𝛼𝑣 = 𝛼𝑥 + 𝛼𝑥 = 𝑥 + 𝑥 = 𝑥 +𝛽 𝑢= +𝛽 𝑥 =𝑥 6. ⇒ ( + 𝛽)𝑥 = 𝑎𝑢 + 𝛽𝑣 𝑢 + 𝛽𝑢 = 𝑥 + 𝛽𝑥 = 𝑥 + 𝑥 = 𝑥 𝛽𝑢 = 𝛽𝑥 = 𝑥 = 𝑥 7. ⇒ 𝛽𝑢 = β 𝑢 𝛼𝛽 𝑢 = 𝛼𝛽 𝑥 = 𝑥 8. 1𝑢 = 1𝑥 = 𝑥 = 𝑢 6.1. Questões 1) Verifique que 𝑀 2,2 = 𝑎 𝑐 𝑏 𝑑 𝑎, 𝑏, 𝑐 e 𝑑 ∈ ℝ é um espaço vetorial com as operações. 2) Seja 𝐹 o conjunto de todas as funções reais, de variável real, ou seja 𝐹 = {𝑓: ℝ → ℝ}. O vetor soma 𝑓 + 𝑔, para quaisquer funções 𝑓 e 𝑔 em 𝐹 é definido por: 𝑓+𝑔 𝑥 =𝑓 𝑥 +𝑔 𝑥 e para qualquer escalar 𝑟 ∈ ℝ e qualquer 𝑓 ∈ 𝐹 o produto 𝑟𝑓 é tal que: Página 21 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 𝑟𝑓 𝑥 = 𝑟. 𝑓 𝑥 Mostre que 𝐹, com essas operações, é um espaço vetorial. 7. Subespaços vetoriais Dado um espaço vetorial V, há subconjuntos de V tais que eles próprios também são espaços vetoriais, só que menores. Esses subconjuntos são chamados de subespaços de V. Dado um espaço vetorial V, um subconjunto W, não-vazio, será um subespaço vetorial de V se forem válidas as mesmas duas operações de antes: Soma: 𝑉 𝑥 𝑉 → 𝑉 Se 𝑥 , 𝑦 ∈ 𝑉, então 𝑥 + 𝑦 ∈ 𝑉; Produto por escalar: ℝ 𝑥 𝑉 → 𝑉 Se 𝛼 é escalar e 𝑥 ∈ 𝑉, então 𝛼𝑥 ∈ 𝑉. Se ambas as operações forem válidas em W, não é necessário verificar as oito propriedades dos vetores para dizer que W é espaço vetorial, pois elas já são válidas em V, que contém W. Todo espaço vetorial admite pelo menos dois subespaços (que são chamados triviais): 1. O conjunto formado somente pelo vetor nulo (a origem). 2. O próprio espaço vetorial: V é subconjunto de si mesmo. Todo subespaço vetorial tem como elemento o vetor nulo, pois ele é necessário à condição de multiplicação por escalar: quando 𝛼 = 0 ⇒ 𝛼𝑢 = 0. Para conferirmos se um subconjunto W é subespaço, basta verificar que 𝑣 + 𝛼𝑢 ∈ 𝑊, para quaisquer 𝑣 𝑒 𝑢 ∈ 𝑉 e qualquer 𝛼 ∈ ℝ, em vez de checar as duas operações separadamente. Exemplo: Em ℝ3 , os únicos subespaços são a origem, as retas e os planos que passam pela origem e o próprio ℝ3 . Exemplo: Seja 𝑉 = 𝑀(3,3), ou seja, o conjunto das matrizes de ordem 3, e W o subconjunto das matrizes triangulares superiores. W é subespaço de V? Solução: Está implícito que V é um espaço vetorial. Assim, verificamos as duas operações para W: 𝑎+𝑔 𝑏+ 𝑐+𝑖 𝑎 𝑏 𝑐 𝑔 𝑖 0 𝑑 𝑒 0 𝑑+𝑗 𝑒+𝑘 ∈𝑊 i) + 0 𝑗 𝑘 = 0 0 𝑓 0 0 𝑓+𝑙 0 0 𝑙 𝑎 𝑏 𝑐 𝛼𝑎 𝛼𝑏 𝛼𝑐 ii) 𝛼 0 𝑑 𝑒 = 0 𝛼𝑑 𝛼𝑒 ∈ 𝑊 0 0 𝑓 0 0 𝛼𝑓 Logo, W é subespaço de V. Observação: as matrizes triangulares inferiores formam um conjunto que também é subespaço, o que também é o caso das matrizes diagonais e das simétricas. Exemplo: Verifique se o conjunto-solução do sistema linear homogêneo abaixo é um subespaço de 𝑉 = 𝑀(3,1). 2𝑥 + 4𝑦 + 𝑧 = 0 𝑥 + 𝑦 + 2𝑧 = 0 𝑥 + 3𝑦 − 𝑧 = 0 2 4 1 𝑥 0 Solução: Temos o seguinte sistema: 1 1 2 𝑦 = 0 1 3 −1 𝑧 0 Página 22 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear Desta forma, estamos procurando, dentro do espaço vetorial 𝑀(3,1), os vetores que satisfazem o sistema, isto é, o conjunto dos vetores-solução. Depois precisamos saber se esse conjunto é subespaço de 𝑀(3,1). 𝑥1 𝑥2 Assim, considere os vetores-solução: 𝑦1 e 𝑦2 𝑧1 𝑧2 𝑥1 𝑥2 2 4 1 2 4 1 𝑥1 2 4 1 𝑥2 0 0 0 𝑦 𝑦 𝑦 i) 1 1 2 = 1 1 2 2 𝑦2 = 0 + 0 = 0 1 + 2 1 + 1 1 𝑧1 𝑧2 1 3 −1 1 3 −1 𝑧1 1 3 −1 𝑧2 0 0 0 𝑥1 2 4 1 2 4 1 𝑥1 0 0 ii) 1 1 2 𝛼 𝑦1 = 𝛼 1 1 2 𝑦1 = 𝛼 0 = 0 𝑧1 1 3 −1 1 3 −1 𝑧1 0 0 O resultado de (i) e (ii) ainda pertence ao conjunto dos vetores-solução e, portanto, ele é subespaço de 𝑀(3,1). Exemplo: Seja 𝑉 = ℝ2 e 𝑊 = { 𝑥, 𝑥 2 / 𝑥 ∈ ℝ}. Verifique se W é subespaço de V. Solução: Se escolhermos 𝑢 = 1,1 e 𝑣 = (2,4), temos 𝑢 + 𝑣 = (3,5) ∉ 𝑊. Logo, W não é subespaço. Exemplo: Seja 𝑉 = 𝑀(𝑛, 𝑛) e W o subconjunto de todas as matrizes em que 𝑎11 < 0. Verifique se W é subespaço de V. Solução: i) A condição de soma é satisfeita, pois ainda gera uma matriz em que 𝑎11 < 0. ii) Se fizermos 𝛼𝑀, com 𝛼 < 0, temos que 𝑎11 da nova matriz será maior que zero. Assim, W não é subespaço. Exemplo: Verifique se o conjunto solução do sistema linear não-homogêneo abaixo é um subespaço. 2𝑥 + 4𝑦 + 𝑧 = 1 𝑥 + 𝑦 + 2𝑧 = 1 𝑥 + 3𝑦 − 𝑧 = 0 Solução: 𝑥1 𝑥2 2 4 1 𝑥 1 Temos o seguinte sistema: 1 1 2 𝑦 = 1 e os seguintes vetores-solução: 𝑦1 e 𝑦2 . 𝑧1 𝑧2 1 3 −1 𝑧 0 Assim, 𝑥1 𝑥2 𝑥1 𝑥2 2 4 1 2 4 1 2 4 1 1 1 2 i) 1 1 2 . 𝑦1 + 𝑦2 = 1 1 2 . 𝑦1 + 1 1 2 . 𝑦2 = 1 + 1 = 2 𝑧1 𝑧2 1 3 −1 1 3 −1 𝑧1 1 3 −1 𝑧2 0 0 0 2 1 O vetor dos termos independentes resultante 2 é diferente do vetor do sistema linear 1 . 0 0 Logo, o conjunto dos vetores-solução não é um subespaço de M(3,1). Exemplo: Seja 𝑆 = 𝑥1 , 𝑥2 / 𝑥2 = 2𝑥1 . Sendo S subconjunto de ℝ2 , verifique se S é subespaço de ℝ2 . Solução: i) 𝑐1 , 2𝑐1 + 𝑐2 , 2𝑐2 = 𝑐1 + 𝑐2 , 2𝑐1 + 2𝑐2 = 𝑐1 + 𝑐2 , 2(𝑐1 + 𝑐2 ) ∈ 𝑆 ii) 𝑐1 , 2𝑐1 = 𝑐1 , 2𝑐1 ∈ 𝑆 Exemplo: Verifique se 𝑊 = 𝑥, 𝑦 ∈ ℝ2 / 𝑦 = −2𝑥 + 1 é subespaço de ℝ2 . Solução: i) 𝑊 = 𝑥, −2𝑥 + 1 / 𝑥 𝜖 ℝ . Como (0,0) ∉ 𝑊, pode-se concluir que o subconjunto 𝑊não é um subespaço vetorial de ℝ2 . Exemplo: Verifique se 𝑊 = Solução: 𝑥, 𝑦, 𝑧 ∈ ℝ3 / 𝑥 − 2𝑦 − 4𝑧 = 6 é subespaço de ℝ3 . Página 23 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 𝑊 = 6 + 2𝑦 + 4𝑧, 𝑦, 𝑧 ; 𝑦, 𝑧 𝜖 ℝ . Tomando 𝑦 = 0 e 𝑧 = 0 temos (6,0,0). Como (0,0,0) ∉ 𝑊, então 𝑊não é um subespaço vetorial de ℝ3 . i) 7.1. Questões 1) Mostre que os seguintes subconjuntos de ℝ4 são subespaços a) W = {(x, y, z, t) ∈ ℝ4 / x + y = 0 e z – t = 0} b) U = {(x, y, z, t) ∈ ℝ4 / 2x + y – t = 0 e z = 0} 2) Considere o subespaço S = [(1, 1, -2, 4), (1, 1, -1, 2), (1, 4, -4, 8)] de ℝ4 . 2 a) O vetor ( 3, 1, -1, 2) pertence a S? b) O vetor (0, 0, 1, 1) pertence a S? 3) Nos problemas que seguem, determine se W é ou não um subespaço do espaço vetorial: a) 𝑉 = ℝ3 , 𝑊1 = 𝑜 𝑝𝑙𝑎𝑛𝑜 𝑥0𝑦, 𝑊2 = { 𝑥, 𝑦, 𝑧 ; 𝑥 = 𝑦 = 𝑧} e 𝑊3 = { 𝑥, 𝑦, 𝑧 ; 𝑥 = 𝑦} b) 𝑉 = ℝ2 ; 𝑊 = {(𝑥, 𝑦); 𝑥 2 + 𝑦 2 ≤ 1}; 4) Considere os seguintes conjuntos de vetores. Quais deles são subespaços de ℝ3 ? a) (x,y,z), tais que z = x3 b) (x,y,z), tais que z = x + y; c) (x,y,z), tais que z >= 0; d) (x,y,z), tais que z = 0 e xy >= 0; e) (x,y,z), tais que x = z = 0; f) (x,y,z), tais que x = -z; g) (x,y,z), tais que y = 2x + 1; h) (x,y,z), tais que z2 = x2 + y2. 5) Determine se W é subespaço de ℝ3 ou não, onde W consiste nos vetores (𝑎, 𝑏, 𝑐) ∈ ℝ3 para os quais: a) a = 2b b)a ≤ b ≤ c c)ab = 0 d)a = b = c Página 24 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 6) Seja W o conjunto de todos os vetores em ℝ4 de forma (x, x+y, y, 2x + 3y), onde 𝑥, 𝑦 ∈ ℝ. W é um subespaço de ℝ4 ? 7) Seja W o conjunto de todos os vetores do ℝ3 da forma (x, y, x2 + y2), onde 𝑥, 𝑦 ∈ ℝ. W é um subespaço de ℝ3 ? 8) Seja W o conjunto de todos os vetores ℝ4 da forma (x, y, x+1, 2x + y – 3), onde 𝑥, 𝑦 ∈ ℝ. W é um subespaço de ℝ4 ? 9) Dados os conjuntos W em cada espaço vetorial V indicado proceda assim: i) Reescreva W apresentando seu vetor genérico; ii) Verifique se W é subespaço vetorial de V. a) 𝑊 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ ℝ4 ; 𝑥 = 𝑦 e 𝑧 = 2𝑡} sendo 𝑉 = ℝ4 ; b) W é o conjunto de todas as matrizes identidade de ordem 𝑛 × 𝑛, sendo 𝑉 = 𝑀(𝑛, 𝑛); c) 𝑊 = {(𝑥, 𝑦) ∈ ℝ2 ; 𝑦 ≤ 0} sendo 𝑉 = ℝ2 ; d 𝑊 = {(𝑎, 2𝑎, 3𝑎); 𝑎 ∈ ℝ} sendo 𝑉 = ℝ3 . 10) Considere o subespaço de ℝ3 gerado pelos vetores v1=(1,1,0), v2=(1,-1,1) e v3=(1,1,1). O espaço gerado por esses vetores é igual ao ℝ3 ? Por quê? 8. Interseção, união e soma de subespaços 8.1. Interseção Dados W1 e W2 subespaços de um espaço vetorial V, a interseção 𝑊1 ∩ 𝑊2 sempre será subespaço de V. Prova: Inicialmente observamos que 𝑊1 ∩ 𝑊2 nunca é vazio, pois ambos contêm o vetor nulo de V. Assim, basta verificar as condições de soma e produto por escalar apresentadas anteriormente para os subespaços. Suponha então 𝑤 𝑒 𝑣 ∈ 𝑊1 ∩ 𝑊2 𝑤 + 𝑣 ∈ 𝑊1 W1 é subespaço ↔ 𝛼𝑣 ∈ 𝑊1 𝑤 + 𝑣 ∈ 𝑊2 𝑤 + 𝑣 ∈ 𝑊1 ∩ 𝑊2 W2 é subespaço ↔ , deste modo → 𝛼𝑣 ∈ 𝑊2 𝛼𝑣 ∈ 𝑊1 ∩ 𝑊2 Exemplo: Seja 𝑉 = ℝ3 , 𝑊1 ∩ 𝑊2 é a reta de interseção dos planos 𝑊1 e 𝑊2 . Página 25 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear Exemplo: 𝑊1 = 𝑀𝑎𝑡𝑟𝑖𝑧𝑒𝑠 𝑡𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑟𝑒𝑠 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟𝑒𝑠 , então 𝑊2 = {𝑀𝑎𝑡𝑟𝑖𝑧𝑒𝑠 𝑡𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑟𝑒𝑠 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟𝑒𝑠} 𝑊1 ∩ 𝑊2 = 𝑀𝑎𝑡𝑟𝑖𝑧𝑒𝑠 𝐷𝑖𝑎𝑔𝑜𝑛𝑎𝑖𝑠 . Seja 𝑉 = 𝑀(𝑛, 𝑛) e 8.2. Soma Podemos construir um conjunto que contenha 𝑊1 e 𝑊2 e ainda é subespaço de V. Este conjunto será formado por todos os vetores de V que forem a soma de vetores de W1 com vetores de W2. 𝑊1 + 𝑊2 = 𝑢 ∈ 𝑉 / 𝑢 = 𝑣 + 𝑤 𝑐𝑜𝑚 𝑣 ∈ 𝑊1 𝑒 𝑤 ∈ 𝑊2 Prova: Dados: 𝑢 = 𝑤 + 𝑣 ∈ 𝑊1 + 𝑊2 𝑜𝑛𝑑𝑒 𝑣 ∈ 𝑊1 𝑒 𝑤 ∈ 𝑊2 𝑢′ = 𝑤′ + 𝑣′ ∈ 𝑊1 + 𝑊2 𝑜𝑛𝑑𝑒 𝑣′ ∈ 𝑊1 𝑒 𝑤′ ∈ 𝑊2 Temos que: 𝑢 + 𝑢′ = 𝑤 + 𝑣 + 𝑤 ′ + 𝑣 ′ = 𝑣 + 𝑣′ + 𝑤 + 𝑤 ′ ∈ 𝑊1 + 𝑊2 𝛼𝑢 = 𝛼 𝑤 + 𝑣 = 𝛼𝑤 + 𝛼𝑣 𝑜𝑛𝑑𝑒 𝛼𝑤 ∈ 𝑊1 𝑒 𝛼𝑣 ∈ 𝑊2 𝑙𝑜𝑔𝑜 𝛼𝑢 ∈ 𝑊1 + 𝑊2 Caso os dois subespaços sejam retas não-colineares, a soma deles equivale ao plano formado por elas. Se as parcelas 𝑊1 e 𝑊2 têm interseção 𝑊1 ∩ 𝑊2 = 0 , a soma 𝑊1 + 𝑊2 é dita soma direta e é denotada por 𝑊1 ⨁𝑊2 . Página 26 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 0 0 𝑎 𝑏 𝑎 e 𝑊2 = , onde a, b, c, d ∈ ℝ, então 𝑊1 + 𝑊2 = 𝑐 𝑑 0 0 𝑐 0 0 Esta é uma soma direta, pois 𝑊1 ∩ 𝑊2 = = 0. 0 0 Exemplo: Seja 𝑊1 = 𝑏 = 𝑀(2,2). 𝑑 8.3. União A união de dois subespaços 𝑊1 e 𝑊2 , diferente da soma, é um conjunto que contém exatamente todos os elementos de 𝑊1 e de 𝑊2 . Deste modo, nem sempre a união de subespaços é um subespaço. Exemplo: 𝑊1 = (𝑥, 0) / 𝑥 ∈ ℝ = 𝑥(1,0) / 𝑥 ∈ ℝ 𝑊2 = (0, 𝑦) / 𝑦 ∈ ℝ = 𝑦(0,1) / 𝑦 ∈ ℝ W1 e W2 são retas que passam pela origem. Assim, 𝑊1 ∩ 𝑊2 = 0 e 𝑊1 ∪ 𝑊2 é o feixe formado pelas duas retas, que não é subespaço vetorial de ℝ3 . De fato, se somarmos os dois vetores 𝑣 𝑒 𝑤 , vemos que 𝑣 + 𝑤 está no plano que contém 𝑊1 e 𝑊2 , mas 𝑣 + 𝑤 ∉ 𝑊1 ∪ 𝑊2 . 8.4. Questões 1) Sejam 𝑊1 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ ℝ4 |𝑥 + 𝑦 = 0 e 𝑧 − 𝑡 = 0} e 𝑊2 = {(𝑥, 𝑦, 𝑧, 𝑡) ∈ ℝ4 |𝑥 − 𝑦 − 𝑧 + 𝑡 = 0} subespaços de ℝ4 . a) Determine 𝑊1 ∩ 𝑊2 b) Exiba uma base para 𝑊1 ∩ 𝑊2 c) Determine 𝑊1 + 𝑊2 d) 𝑊1 + 𝑊2 é soma direta? Justifique. e) 𝑊1 + 𝑊2 = ℝ4 ? 9. Combinação linear Considere um conjunto de vetores qualquer, pertencente a um espaço vetorial V. Já foi mostrado que somar estes vetores entre si em qualquer combinação resultará em um vetor pertencente a V. Também Página 27 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear foi mostrado que multiplicar cada vetor por um escalar também gera um resultado pertencente a V, caso contrário V não seria um espaço vetorial. De fato, sejam 𝑣1 , 𝑣2 , … , 𝑣𝑛 ∈ 𝑉 e sejam os escalares 𝑎1 , 𝑎2 , … , 𝑎𝑛 ∈ ℝ. Então qualquer vetor 𝑣 da forma 𝑣 = 𝑎1 𝑣1 + 𝑎2 𝑣2 + … + 𝑎𝑛 𝑣𝑛 é um elemento do mesmo espaço vetorial V. Por ter sido gerado pelos vetores primitivos 𝑣1 , … , 𝑣𝑛 , o vetor 𝑣 é denominado o resultado de uma combinação linear de 𝑣1 , … , 𝑣𝑛 . O conjunto de escalares {𝑎1 , … , 𝑎𝑛 } é arbitrário, mas sendo um conjunto de números reais, o vetor 𝑣 sempre pertencerá a V. O vetor 𝑣 não é único, pois para cada combinação de escalares pode gerar um vetor 𝑣 diferente. Exemplo: O vetor 𝑣 = (−4, −18,7) é combinação linear dos vetores 𝑣1 = 1, −3,2 e 𝑣2 = (2,4, −1), já que 𝑣 pode ser escrito como 𝑣 = 2𝑣1 − 3𝑣2 . 9.1. Questões 1) Quais dos seguintes vetores são combinação linear de 𝑥1 , 𝑥2 e 𝑥3 ? 𝑥1 = 4,2, −3 , 𝑥2 = (2,1, −2) e 𝑥3 = (−2, −1,0) a) (1,1,1) b) 4,2, −6 c) −2, −1,1 d) (−1,2,3) 2) Escreva 𝐸 como combinação linear de 𝐴 = a) 𝐸 = 3 −1 1 −2 b) 𝐸 = 2 1 −1 −2 1 0 1 1 1 1 −1 ,𝐵 = ,𝐶 = , onde: −1 −1 0 0 0 3) Considere os vetores 𝑢 = (1, −3,2) e 𝑣 = (2, −1,1) em ℝ3 . a) Escreva (1,7, −4) como combinação linear de 𝑢 e 𝑣. b) Escreva (2, −5,4) como combinação linear de 𝑢 e 𝑣. c) Para que valor de 𝑘 o vetor (1, 𝑘, 5) é uma combinação linear de 𝑢 e 𝑣? d) Procure uma condição para 𝑎, 𝑏 e 𝑐 de modo que (𝑎, 𝑏, 𝑐) seja combinação linear de 𝑢 e 𝑣. 4) Determinar o valor de 𝑘 para que o vetor 𝑢 = (−1, 𝑘, −7) seja combinação linear de 𝑣1 = (1,3,2) e 𝑣2 = (2,4,1). Página 28 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 10.Subespaços gerados Um conjunto de vetores {𝑣1 , 𝑣2 , … , 𝑣𝑛 } pode construir vetores 𝑣 por meio de combinação linear. Fazendo todas as combinações possíveis (isto é, fazendo cada escalar ter todos os valores reais possíveis), o conjunto constrói uma infinidade de vetores que compõem um conjunto expandido. Esse conjunto é um subespaço vetorial. O conjunto 𝑣1 , … , 𝑣𝑛 é chamado de conjunto de vetores de base, pois, em termos formais, ele gerou o subespaço W, definido abaixo. Definição: Um subespaço gerado por um conjunto de vetores 𝐵 = 𝑣1 , … , 𝑣𝑛 é o conjunto de todos os vetores V que são combinações lineares dos vetores 𝑣1 , … , 𝑣𝑛 ∈ 𝑉. 𝑊 = 𝑣1 , … , 𝑣𝑛 = {𝑣 ∈ 𝑉 / 𝑣 = 𝑎1 𝑣1 +. . . +𝑎𝑖 𝑣𝑖 +. . . + 𝑎𝑛 𝑣𝑛 , 𝑐𝑜𝑚 𝑎𝑖 ∈ ℝ, 1 ≤ 𝑖 ≤ 𝑛} Obs.: A notação de colchetes informa que o conjunto W é o conjunto gerado por 𝑣1 , … , 𝑣𝑛 . Não confundir com o próprio conjunto gerador 𝑣1 , … , 𝑣𝑛 . Ou seja, 𝑣1 , 𝑣2 é um conjunto com infinitos vetores formados da combinação destes dois e {𝑣1 , 𝑣2 } é um conjunto com apenas dois vetores. Exemplo: Seja 𝑉 = ℝ3 e 𝑣 ∈ 𝑉 (sendo 𝑣 ≠ 0), então 𝑣 = {𝑎𝑣 , 𝑎 ∈ ℝ} é a reta que contém o vetor 𝑣 , pois é o conjunto de todos os vetores com a mesma direção de 𝑣 que tem origem em (0,0). Exemplo: Se 𝑣1 , 𝑣2 ∈ ℝ3 são tais que 𝛼𝑣1 ≠ 𝑣2 qualquer que seja 𝛼 ∈ ℝ, então 𝑣1 , 𝑣2 será o plano que passa pela origem e contém 𝑣1 e 𝑣2 : A condição 𝛼𝑣1 ≠ 𝑣2 é importante para garantir que os dois vetores gerem um plano. Caso ela não seja satisfeita, os vetores 𝑣1 e 𝑣2 seriam colineares, e não existira nenhuma combinação deles que pudesse gerar um vetor que não pertencesse à reta que eles geram. Página 29 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear Nota-se que um conjunto gerador de dois elementos que um é combinação linear do outro equivale a um conjunto gerador com apenas um desses dois elementos. Assim, se 𝑣3 ∈ 𝑣1 , 𝑣2 , então 𝑣1 , 𝑣2 , 𝑣3 = 𝑣1 , 𝑣2 , pois todo vetor que pode ser escrito como combinação linear de 𝑣1 , 𝑣2 , 𝑣3 é uma combinação linear apenas de 𝑣1 e 𝑣2 , já que 𝑣3 é combinação linear de 𝑣1 e 𝑣2 . Exemplificando: Seja 𝐵 = {𝑣1 , 𝑣2 , 𝑣3 } tal que 𝑣3 = 𝑝𝑣1 + 𝑞𝑣2 . Um elemento qualquer do conjunto gerado por B é da forma: 𝑣 = 𝑎1 𝑣1 + 𝑎2 𝑣2 + 𝑎3 𝑣3 = 𝑎1 𝑣1 + 𝑎2 𝑣2 + 𝑎3 (𝑝𝑣1 + 𝑞𝑣2 ) = 𝑎1 + 𝑝𝑎3 𝑣1 + 𝑎2 + 𝑞𝑎3 𝑣2 = 𝑏1 𝑣1 + 𝑏2 𝑣2 Exemplo: Seja 𝑉 = ℝ2 , 𝑣1 = (1,0) e 𝑣2 = (0,1). Assim, 𝑉 = 𝑣1 , 𝑣2 , pois dado 𝑣 = (𝑥, 𝑦) ∈ 𝑉, temos 𝑥, 𝑦 = 𝑥 1,0 + 𝑦(0,1), ou seja, 𝑣 = 𝑥𝑣1 + 𝑦𝑣2 . 1 0 0 1 𝑎 𝑏 Exemplo: Seja 𝑣1 = e 𝑣2 = , então 𝑣1 , 𝑣2 = , 𝑐𝑜𝑚 𝑎 𝑒 𝑏 ∈ ℝ 0 0 0 0 0 0 Observa-se que se em um conjunto gerador existir algum vetor que é combinação linear de outros elementos do próprio conjunto gerador, esse elemento é inútil. Eliminá-lo do conjunto gerador não modifica o conjunto gerado. Tal propriedade pode ser verificada lembrando que a combinação linear é uma soma de vetores, e que a parcela da soma do vetor que é gerado por outros pode ser substituída pelos próprios vetores que o geram. Assim, qualquer elemento do conjunto gerado por B pode ser escrito como combinação linear de apenas 𝑣1 e 𝑣2 . Surge então a necessidade de verificar quando um vetor é combinação linear de outros. 10.1. Questões 1) Quais dos seguintes conjuntos de vetores é um conjunto gerador de ℝ4 ? a) {(1,0,0,1); (0,1,0,0); (1,1,1,1); (0,1,1,1)} b) {(1, −1,0,2); (3, −1,2,1); (1,0,0,1)} c) {(0,0,1,1); (−1,1,1,2); (1,1,0,0); (2,1,2,1)} 𝑥 − 2𝑦 + 𝑧 2) Resolva o seguinte sistema, usando a Regra de Cramer: 2𝑥 + 𝑦 𝑦 − 5𝑧 =1 =3 =4 Página 30 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 11. Dependência e Independência Linear Um conjunto de vetores é dito linearmente independente (freqüentemente indicado por LI) quando nenhum elemento contido nele é gerado por uma combinação linear dos outros (lembrar o conceito de combinação linear apresentado anteriormente). Naturalmente, um conjunto de vetores é dito linearmente dependente (LD) se pelo menos um de seus elementos é combinação linear dos outros. Sejam V um espaço vetorial e 𝑣1 , … , 𝑣𝑛 ∈ 𝑉. Dizemos que o conjunto 𝑣1 , … , 𝑣𝑛 ou que os vetores 𝑣1 , … , 𝑣𝑛 são linearmente independentes (LI) se a equação 𝑎1 𝑣1 +. . . + 𝑎𝑛 𝑣𝑛 = 0 admitir apenas a solução trivial, isto é: 𝑎1 = . . . = 𝑎𝑛 = 0 Se existir algum 𝑎𝑗 ≠ 0, dizemos que 𝑣1 , … , 𝑣𝑛 ou que os vetores 𝑣1 , … , 𝑣𝑛 são linearmente dependentes (LD). Em outras palavras, o conjunto 𝑣1 , … , 𝑣𝑛 é LD se, e somente se um destes vetores for combinação linear dos outros. Prova: Sejam 𝑣1 , … , 𝑣𝑛 LD e 𝑎1 𝑣1 +. . . +𝑎𝑗 𝑣𝑗 +. . . + 𝑎𝑛 𝑣𝑛 = 0. Suponha que 𝑎𝑗 ≠ 0 (para ser LD). Então 𝑣𝑗 = −1 𝑎𝑗 𝑎1 𝑣1 +. . . +𝑎𝑗 −1 𝑣𝑗 −1 + 𝑎𝑗 +1 𝑣𝑗 +1 +. . . + 𝑎𝑛 𝑣𝑛 . Portanto, 𝑣𝑗 é combinação linear. Por outro lado, se tivermos 𝑣1 , … , 𝑣𝑗 , … , 𝑣𝑛 tal que para algum 𝑗 𝑣𝑗 = 𝑏1 ∙ 𝑣1 + ⋯ + 𝑏𝑗 −1 ∙ 𝑣𝑗 −1 + 𝑏𝑗 +1 ∙ 𝑣𝑗 +1 + ⋯ + 𝑏𝑛 ∙ 𝑣𝑛 Então, 𝑏1 ∙ 𝑣1 + ⋯ − 𝑣𝑗 + ⋯ + 𝑏𝑛 ∙ 𝑣𝑛 = 0 Logo, 𝑏𝑗 = −1 e, portanto, V é LD. A Independência Linear tem uma interpretação geométrica útil: i) Seja 𝑉 = 𝑅 2 e 𝑣1 , 𝑣2 ∈ 𝑉. 𝑣1 , 𝑣2 é LD se e somente se 𝑣1 e 𝑣2 estiverem na mesma reta quando colocados com seus pontos iniciais na origem 𝑣1 = 𝜆 ∙ 𝑣2 *são pararlelos: Página 31 de 40 II Curso Pré-Engenharia ii) Apostila de Álgebra Linear Seja 𝑉 = 𝑅 3 e 𝑣1 , 𝑣2 , 𝑣3 e 𝑉. 𝑣1 , 𝑣2 , 𝑣3 é LD se estes 3 vetores estiverem no mesmo plano quando colocados com seus pontos iniciais na origem: Exemplo: Os vetores v1 (2, 2, 0) , v2 (0,5, 3) e v3 (0, 0, 4) são LI ou LD? Solução: Verificando a expressão a1 (2, 2,0) a2 (0,5, 3) a3 (0,0, 4) (0,0,0) 2a1 0 a1 0 2a1 5a2 0 a2 0 3a 4a 0 a 0 2 3 3 Logo, como o sistema admite somente a solução trivial, os vetores são LI. 11.1. Questões 1) Considere dois vetores (𝑎, 𝑏) e (𝑐, 𝑑) no plano. Se 𝑎𝑑 − 𝑏𝑐 = 0, mostre que eles são LD. Se 𝑎𝑑 − 𝑏𝑐 ≠ 0, mostre que eles são LI. 2) Para quais valores de 𝑎 o conjunto de vetores {(3,1,0); (𝑎2 + 2,2,0)} é LD? 3) Verifique se os polinômios seguintes são linearmente dependentes ou independentes. a) 𝑡 2 − 2𝑡 + 3, 2𝑡 2 + 𝑡 + 8 e 𝑡 2 + 8𝑡 + 7 Página 32 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear b) 𝑡 2 − 1, 𝑡 + 1 e 𝑡 + 2 4) Ache as relações lineares não triviais satisfeitas pelos seguintes conjuntos de vetores. a) (2,1,1), 3, −4,6 e (4, −9,11) ∈ ℝ3 b) (2,1), (−1,3) e (4,2) ∈ ℝ2 c) (1,0,2,4), 0,1,9,2 e (−5,2,8, −16) ∈ ℝ4 R4 d) (1,4), 3, −1 e (2,5) ∈ ℝ2 5) Verifique se o conjunto a seguir é LD ou LI: {(1,2𝑥, −𝑥 2 ), (2, −𝑥, 3𝑥 2 ), (3, −4𝑥, 7𝑥 2 )}. 12. Base de um espaço vetorial Considere um espaço vetorial V. Admita a existência de um subconjunto B desse espaço (não necessariamente um subespaço) tal que B gere V por combinação linear. Notar que para um espaço particular V, B não é único, vários conjuntos B distintos podem gerar V. De fato, o próprio V pode gerar ele mesmo. Porém, é mais simples trabalhar com conjuntos menores, e é de interesse resumir um grande conjunto V em um pequeno conjunto B. Foi verificado acima que dentro de B quaisquer elementos formados por combinações lineares dos outros são “inúteis”. Ou seja, se B for um conjunto LD, existe pelo menos um vetor “inútil”, que pode ser eliminado para tornar B menor e mais simples. O processo pode continuar até que B se torne LI. Se B é LI, e ainda consegue gerar V (Lembre-se que a eliminação de elementos LD de um conjunto gerador não modifica o conjunto gerado) é denominado base. Uma base de um espaço vetorial é um conjunto LI gerador deste espaço. É também a maneira mais simples de “resumir” o espaço. Condições: i) {𝑣1 , … , 𝑣𝑛 } é LI ii) 𝑣1 , … , 𝑣𝑛 = 𝑉 (O conjunto gera V) Atenção! Todo conjunto LI de um vetorial V é base de um subespaço gerado por ele. Exemplo: Prove que B {(1,1),(1,0)} é base de R 2 Solução: i) a (1,1) b (1,0) (0,0) (a b, a) (0,0) a b 0 B é LI ii) a (1,1) b (1,0) ( x, y) Página 33 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear a b x b y x (a b, a) ( x, y) B gera R 2 a y Exemplo: Prove que {(0,1),(0, 2)} Não é base de R 2 Solução: i) a (0,1) b (0, 2) (0, 0) (0, a 2 b) (0, 0) a 2 b Mas como 𝑎 e 𝑏 não são necessariamente zero, o conjunto é LD. Exemplo: 1,0,0 , 0,1,0 não é base de ℝ3 . É LI, mas não gera todo ℝ3 , isto é, 1,0,0 , 0,1,0 ≠ ℝ3 𝑎 ∙ 1,0,0 + 𝑏 ∙ 0,1,0 = 𝑥, 𝑦, 𝑧 𝑎, 𝑏, 0 = 𝑥, 𝑦, 𝑧 ⟹ 𝑧 = 0 Como o ℝ3 não é composto apenas de pontos com a coordenada z nula, os dois vetores não podem ser base. Exemplo: 𝑉 = 𝑀 2,2 . 1 0 0 ; 0 0 0 1 0 ; 0 1 0 0 ; 0 0 0 é uma base de 𝑉. 1 Observação: Existem espaços que não tem base finita, principalmente quando trabalhamos com espaços de funções. Então, precisaremos de um conjunto infinito de vetores para gerar o espaço. Isto não implica que estamos trabalhando com combinações lineares infinitas, mas sim, que cada vetor do espaço é uma combinação linear finita daquela “base infinita”. Ou seja, para cada vetor dado, podemos escolher uma quantidade finita de vetores da base para escrevê-lo. Por exemplo, o conjunto de todos polinômios de coeficientes reais formam um espaço vetorial. Uma base naturalmente definida é {1, 𝑥, 𝑥 2 , 𝑥 3 , . . . }, que é infinita, pois não há restrição para o grau do polinômio. Porém, para formar um polinômio particular é possível utilizar um número finito de elementos da base. Teorema: Sejam 𝑣1 , … , 𝑣𝑛 vetores não nulos que geram um espaço vetorial 𝑉. Dentre estes vetores podemos extrair uma base de 𝑉. Prova: i) Se 𝑣1 , … , 𝑣𝑛 são LI, eles cumprem as condições para uma base e não temos mais nada a fazer. Página 34 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear ii) Se 𝑣1 , … , 𝑣𝑛 são LD, então existe uma combinação linear deles com algum coeficiente diferente de zero, dando o vetor nulo: 𝑥1 ∙ 𝑣1 + … + 𝑥𝑛 ∙ 𝑣𝑛 = 0 Por exemplo, seja 𝑥𝑢 ≠ 0, então: 𝑥 𝑥 𝑣𝑛 = − 𝑥 1 ∙ 𝑣1 − 𝑥 2 ∙ 𝑣2 − ⋯ − − 𝑛 𝑛 𝑥 𝑛 −1 𝑥𝑛 ∙ 𝑣𝑛−1 . Ou seja, 𝑣𝑛 é uma combinação linear de 𝑣1 , … , 𝑣𝑛−1 e, portanto 𝑣1 , … , 𝑣𝑛−1 ainda geram 𝑉. Se 𝑣1 , … , 𝑣𝑛−1 ainda for LD, podemos prosseguir da mesma forma até chegar a um subconjunto 𝑣1 , … , 𝑣𝑟 com 𝑟 ≤ 𝑛 que ainda geram 𝑉, ou seja, formaremos uma base. Isto é, de um espaço gerador qualquer é possível retirar elementos “inúteis” até que ele se torne uma base. Veremos agora uma propriedade curiosa dos espaços vetoriais: o número de elementos de qualquer base de um espaço vetorial particular é constante, independe da base escolhida. Este número é uma propriedade inerente à natureza do espaço. Teorema: Seja um espaço vetorial 𝑉 gerado por um conjunto de vetores 𝑣1 , … , 𝑣𝑛 . Então, qualquer conjunto LI tem no máximo "𝑛" vetores. Prova: Como 𝑣1 , … , 𝑣𝑛 = 𝑉, então podemos extrair uma base para 𝑉. Seja {𝑣1 , … , 𝑣𝑟 } com 𝑟 ≤ 𝑛, esta base. Considere agora 𝑤1 , 𝑤2 , … , 𝑤𝑚 , 𝑚 vetores de 𝑉, com 𝑚 > 𝑛. Então, existem constantes tais que: 𝑤1 = 𝑎11 ∙ 𝑣1 + 𝑎12 ∙ 𝑣2 +. . . +𝑎1𝑟 ∙ 𝑣𝑟 𝑤2 = 𝑎21 ∙ 𝑣1 + 𝑎22 ∙ 𝑣2 +. . . +𝑎2𝑟 ∙ 𝑣𝑟 (𝑖) ⋮ 𝑤𝑚 = 𝑎𝑚 1 ∙ 𝑣1 + 𝑎𝑚 2 ∙ 𝑣2 +. . . +𝑎𝑚𝑟 ∙ 𝑣𝑟 Consideremos agora uma função linear de 𝑤1 , … , 𝑤𝑛 dando zero: (𝑖𝑖)0 = 𝑥1 ∙ 𝑤1 + 𝑥2 ∙ 𝑤2 +. . . +𝑥𝑚 ∙ 𝑤𝑚 Substituindo (𝑖) em (𝑖𝑖), temos: 0 = 𝑥1 ∙ 𝑎11 ∙ 𝑣1 + 𝑎12 ∙ 𝑣2 +. . . +𝑎1𝑟 ∙ 𝑣𝑟 +. . . +𝑥𝑚 ∙ 𝑎𝑚 1 ∙ 𝑣1 + 𝑎𝑚 2 ∙ 𝑣2 +. . . +𝑎𝑚𝑟 ∙ 𝑣𝑟 0 = 𝑎11 ∙ 𝑥1 + 𝑎21 ∙ 𝑥2 +. . . +𝑎𝑚 1 ∙ 𝑥𝑚 ∙ 𝑣1 + ⋯ + 𝑎1𝑟 ∙ 𝑥1 + 𝑎2𝑟 ∙ 𝑥𝑟 +. . . +𝑎𝑚𝑟 ∙ 𝑥𝑚 ∙ 𝑣𝑟 Como 𝑣1 , 𝑣2 , … , 𝑣𝑛 são LI, então os coeficientes dessa equação devem ser nulos: Página 35 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 𝑎11 ∙ 𝑥1 +. . . 𝑎𝑚 1 ∙ 𝑥𝑚 = 0 ⋮ 𝑎1𝑟 ∙ 𝑥1 +. . . 𝑎𝑚𝑟 ∙ 𝑥𝑚 = 0 Temos então um sistema linear homogêneo com 𝑟 equações e 𝑚 incógnitas 𝑥1 , … , 𝑥𝑚 e, como 𝑟 ≤ 𝑛 < 𝑚, ele admite uma solução não trivial, ou seja, existe uma solução com algum 𝑥𝑖 não nulo. Portanto 𝑤1 , … , 𝑤𝑚 são LD. 12.1. Questões 1) Quais são as coordenadas de x = (1,0,0) em relação à base β = {(1,1,1),(-1,1,0),(1,0,-1)}? 13. Dimensão A dimensão de um espaço vetorial 𝑉 é definida como o número de vetores de uma base de 𝑉 e é denotada por 𝑑𝑖𝑚 𝑉. Se 𝑉 não possui base, 𝑑𝑖𝑚 𝑉 = 0. Qualquer base de um espaço vetorial tem sempre o mesmo número de elementos e o número de bases para cada espaço vetorial é infinito. Exemplo: 𝑑𝑖𝑚ℝ2 = 2, pois toda base do ℝ2 tem dois vetores, como { 1,0 ; 0,1 } ou { 1,1 ; 0,1 }. Exemplo: 𝑑𝑖𝑚ℝ𝑛 = 𝑛. Exemplo: 𝑑𝑖𝑚𝑀 2,2 = 4. Exemplo: 𝑑𝑖𝑚𝑀 𝑚, 𝑛 = 𝑚𝑥𝑛. Exemplo: 𝑑𝑖𝑚𝑃𝑛 = 𝑛 + 1 (polinômios de grau n). Exemplo: dim 0 = 0, pois a origem é apenas um ponto. Observação: Quando um espaço vetorial V admite uma base finita, dizemos que V é um espaço vetorial de dimensão finita. Teorema: Qualquer conjunto de vetores LI de um espaço vetorial V de dimensão finita pode ser completado de modo a formar uma base de V. Prova: Seja 𝑑𝑖𝑚𝑉 = 𝑛 e 𝑣1 , … , 𝑣𝑖 vetores LI, com 𝑖 ≤ 𝑛. i) ii) Se 𝑣1 , … , 𝑣𝑖 = 𝑉, então 𝑖 = 𝑛 e o conjunto forma uma base. Se existe 𝑣𝑖+1 ∈ 𝑉 tal que 𝑣𝑖+1 ∉ 𝑣1 , … , 𝑣𝑖 , isto é, 𝑣𝑖+1 não é uma combinação linear de 𝑣1 , … , 𝑣𝑖 , então {𝑣1 , … , 𝑣𝑖 , 𝑣𝑖+1 } é LI. Se 𝑣1 , … , 𝑣𝑖 , 𝑣𝑖+1 = 𝑉, então {𝑣1 , … , 𝑣𝑖 , 𝑣𝑖+1 } é a base procurada. Caso contrário, existe 𝑣𝑖+2 ∉ 𝑣1 , … , 𝑣𝑖 , 𝑣𝑖+1 e {𝑣1 , … , 𝑣𝑖 , 𝑣𝑖+1 , 𝑣𝑖+2 } é LI. Se 𝑣1 , … , 𝑣𝑖 , 𝑣𝑖+1 , 𝑣𝑖+2 = 𝑉, Página 36 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear nossa prova está concluída. Se não, prosseguimos analogamente. Como não poderemos ter mais do que n vetores LI em V, então após um número finito de passos teremos obtido uma base de V. Teorema: Se 𝑑𝑖𝑚𝑉 = 𝑛, qualquer conjunto de n vetores LI formará uma base de V. Prova: Se não formasse uma base, poderíamos completar o conjunto até formá-la e dessa forma teríamos uma base com mais do que n vetores em V, o que é um absurdo. Teorema: Se U e W são subespaços de um espaço vetorial V que tem dimensão finita, então 𝑑𝑖𝑚𝑈 ≤ 𝑑𝑖𝑚𝑉 e 𝑑𝑖𝑚𝑊 ≤ 𝑑𝑖𝑚𝑉. Além disso: dim 𝑈 + 𝑊 = 𝑑𝑖𝑚𝑈 + 𝑑𝑖𝑚𝑊 − dim (𝑈 ∩ 𝑊) Para permitir uma interpretação geométrica, consideramos o espaço tridimensional ℝ3 . A dimensão de qualquer subespaço S de ℝ3 só poderá ser 0,1,2 ou 3. Portanto, temos os seguintes casos: i) ii) iii) iv) 𝑑𝑖𝑚𝑆 𝑑𝑖𝑚𝑆 𝑑𝑖𝑚𝑆 𝑑𝑖𝑚𝑆 = 0, então 𝑆 = {0}. Ou seja, o subespaço é a origem (apenas um ponto); = 1, então S é uma reta que passa pela origem; = 2, então S é um plano que passa pela origem; = 3, então S é o próprio ℝ3 . 13.1. Questões 1) Ilustre com um exemplo a proposição: “se U e W são subespaços de um espaço vetorial V que tem dimensão finita então dim 𝑈 + 𝑊 = 𝑑𝑖𝑚𝑈 + 𝑑𝑖𝑚𝑊 − dim (𝑈 ∩ 𝑊)”. 2) Escreva uma base para o espaço vetorial das matrizes 2 × 2. Qual a dimensão desse espaço? 3) Resolva a questão anterior considerando o espaço das matrizes 3 × 3. E qual seria a dimensão de um espaço de matrizes 𝑛 × 𝑛? 4) Seja V o espaço das matrizes 2 × 2, e seja W o subespaços gerado por 1 1 2 −4 1 −7 1 −5 , , , −1 5 −5 7 −5 1 −4 2 Encontre uma base e a dimensão de W. 5) Considere o subespaço de ℝ4 gerado pelos vetores 𝑣1 = (1, −1,0,0), 𝑣2 = (0,0,1,1), 𝑣3 = −2,2,1,1 e 𝑣4 = (1,0,0,0). a) O vetor (2, −3,2,2) pertence a [𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 ]? Justifique. b) Exiba uma base para [𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 ]. Qual a dimensão? c) 𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 = ℝ4 ? Por quê? Página 37 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 14. Mudança de base Sejam 𝛽 = {𝑢𝑖 , … , 𝑢𝑛 } e 𝛽′ = {𝑤𝑖 , … , 𝑤𝑛 } duas bases ordenadas de um mesmo espaço vetorial V de dimensão 𝑛. Dado 𝑣 ∈ 𝑉, podemos escrevê-lo como: v x1u1 ... xnun (i) v y1w1 ... yn wn Devemos relacionar 𝑣 𝛽 𝑥1 = … com 𝑣 𝑥𝑛 𝛽′ 𝑦1 = … . 𝑦𝑛 Já que {𝑢1 , … 𝑢𝑛 } é base de V, podemos escrever os vetores 𝑤𝑖 como combinação linear dos vetores 𝑢𝑖 : w1 a11u1 a21u2 ... an1un w 2 a12u1 a22u2 ... an 2un (ii) ... w n a1n u1 a2 n u2 ... ann un Substituindo (ii) na segunda equação de (i), temos: v y1w1 ... yn wn = y1 ( a11u1 a21u2 ... an1un ) + ... + yn ( a1nu1 a2 nu2 ... annun ) (a11 y1 ... a1n yn )u1 ... (an1 y1 ... ann yn )un Mas v x1u1 ... xnun , e, como as coordenadas em relação a uma base são únicas, temos: x1 a11 y1 ... a1n yn 𝑥1 𝑎11 … 𝑎1𝑛 ⋱ ⋮ ↔ … = ⋮ ... 𝑥 𝑎 … 𝑎 𝑛 𝑛1 𝑛𝑛 x a y ... a y n1 1 nn n n A matriz dos coeficientes está 𝑦1 𝑣 𝛽′ = … em outro 𝑣 𝛽 = 𝑦𝑛 𝑦1 … 𝑦𝑛 atuando como uma matriz de mudança de base, pois transforma o vetor 𝑥1 … , numa segunda base. Assim: 𝑥𝑛 𝑎11 ⋮ 𝑎𝑛1 … 𝑎1𝑛 ⋱ ⋮ = 𝐼 … 𝑎𝑛𝑛 𝛽′ 𝛽 Esta é a matriz de mudança de base da base 𝛽′para a base 𝛽. Uma vez obtida 𝐼 𝛽′ 𝛽 , podemos encontrar as coordenadas de qualquer vetor 𝑣 em relação à base 𝛽 multiplicando a matriz pelas coordenadas de 𝑣 em relação à base 𝛽′ (ambas as bases supostamente conhecidas). Página 38 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear 𝑣 𝛽′ 𝛽 é Observação: Note que a matriz 𝐼 𝛽 = 𝐼 𝛽′ 𝛽 𝑣 𝛽′ obtida de (ii) transpondo a matriz dos coeficientes. Questão: Calcule 𝑣 𝛽 de 𝑣 = (5, −8) para 𝛽 = { 2, −1 ; 3,4 } e 𝛽 ′ = { 1,0 ; 0,1 }. Solução 1: i) Inicialmente, procurando 𝐼 𝛽′ 𝛽 , então colocamos 𝛽′em função de 𝛽: w1 = 1, 0 = a11 2, −1 + a21 3, 4 = 2a11 + 3a21 , −a11 + 4a21 w2 = 0, 1 = a12 2, −1 + a22 3, 4 = 2a12 + 3a22 , −a12 + 4a22 4 𝑎11 = 11 ; 𝑎12 = −3 11 1 2 ; 𝑎21 = 11 ; 𝑎22 = 11 Dessa forma, I a 11 a21 3 4 a12 11 11 a22 1 2 11 11 3 4 11 11 5 4 ii) 5, 8 I 5, 8 2 3 1 1 11 11 Isto é, (5, 8) 4(2, 1) 1(3, 4) ; Solução 2: Basta resolver o sistema: (5, 8) a(2, 1) b(3, 4) 2a 3b 5 a 4 a 4b 8 b 1 Observação: O cálculo feito da matriz de mudança de base só é vantajoso quando se trabalha com vários vetores, para não ter que resolver um sistema de equações a cada vetor. 14.1. A inversa da matriz de mudança de base Página 39 de 40 II Curso Pré-Engenharia Apostila de Álgebra Linear Um fato importante é que a matriz 𝐼 para encontrar 𝑣 𝛽′ pois 𝑣 𝛽′ = 𝐼 𝛽 𝛽′ 𝛽′ 𝛽 é invertível e 𝐼 𝛽′ −1 𝛽 = 𝐼 𝛽 𝛽′ . Dessa forma, podemos usá-la 𝑣 𝛽. 14.2. Questões 1 1) Se [𝐼]𝑎′ = 0 𝛼 1 1 0 −1 −1 1 , ache [𝑣]𝑎′ onde [𝑣]𝛼 = 2 . 0 −1 3 2) Se α é base de um espaço vetorial, qual é a matriz de mudança de base [𝐼]𝛼𝛼 ? 3) Seja V o espaço vetorial de matrizes 2 × 2 triangulares superiores. Sejam 𝛽 e 𝛽′ duas bases de V tais 1 0 0 1 0 0 1 0 1 1 1 1 que 𝛽 = , , e 𝛽′ = , , . 0 0 0 0 0 1 0 0 0 0 0 1 𝛽′ a) Ache [𝐼]𝛽 . b) Mostre que 𝐼 𝛽′ −1 𝛽 = 𝐼 𝛽 𝛽′ . 4) Uma elipse em uma base cartesiana está rotacionada em um ângulo de 45° e sua base é formada pelos vetores {(1,0); (0,1)}. Ache a matriz de mudança de base para uma nova base onde os vetores sejam respectivamente (−1,1) e (2,2). Página 40 de 40