ISCTE, Escola de Gestão Aula 5 - Matemática (Gestão e Marketing) Diana Aldea Mendes 29 de Outubro de 2008 Espaços Vectoriais → Definição (vector): Chama-se vector e designa-se por − v um objecto matemático caracterizado por ter uma origem, uma direcção, um sentido e um modulo ¯→¯ v ¯ . Um escalar tem só magnitude, é um (tamanho) que se designa por v = ¯− número e pode ser representado por um ponto numa linha. Chama-se vector n-dimensional (de dimensão n) um sistema ordenado de → n números reais, − v = (x1, x2, ..., xn), onde os números xi, 1 ≤ i ≤ n, se → designam por componentes de − v. Observação: Uma matriz de tipo (m × n) é um vector com m·n componentes e um polinómio de grau n é um vector com (n + 1) componentes, sendo o número das componentes definido pelo número total de elementos necessários para definir uma matriz ou um polinómio Exemplos: • A matriz quadrada de ordem 3 definida por ⎡ ⎤ 1 0 −1 ⎢ ⎥ A=⎣ 2 3 5⎦ −4 7 11 pode ser vista como um vector com 3 · 3 = 9 componentes definido por → − A = (1, 0, −1, 2, 3, 5, −4, 7, 11) . • O polinómio de grau 5 definido por p5 (x) = 1 − 2x − 3x2 + 5x3 − 6x4 + 4x5 pode ser visto como o vector com 6 componentes definido por → − p = (1, −2, −3, 5, −6, 4) . 5 Definição (operações com vectores): → → v 2 = (y1, y2, ..., yn) são iguais • Dois vectores − v 1 = (x1, x2, ..., xn) e − se para qualquer i, 1 ≤ i ≤ n se tem xi = yi. • Chama-se vector nulo, o vector com todas as componentes iguais a zero, → − isto é, 0 = (0, 0, ..., 0) . → → v 2 = (y1, y2, ..., yn) • A soma (adição) de dois vectores − v 1 = (x1, x2, ..., xn) e − define-se como sendo − → → → u =− v1+− v 2 = (x1 + y1, x2 + y2, ..., xn + yn) e a diferença (subtracção) é dada por − → → → w =− v1−− v 2 = (x1 − y1, x2 − y2, ..., xn − yn) . ¡ →¢ → • Chama-se oposto de um vector − v = (x1, x2, ..., xn) o vector −− v que ¡ − ¢ existe sempre e tem a forma −→ v = (−x1, −x2, ..., −xn) . → → → → v2e− v 3, elementos de um conjunto V, Definição: Quaisquer sejam − v ,− v 1, − a soma (adição) de vectores verifica as seguintes propriedades: → − v 2 é um elemento de V (a operação de adição é fechada) A1. → v1+− → → → − v2=− v2+− v 1 (comutatividade) A2. → v1+− ¡− ¢ → ¡→ ¢ → → → v1+− v2+− v2 +− v3=− v1+ − v 3 (associatividade) A3. → → − − → → − − A4. → v + 0 = 0 +− v =→ v (elemento neutro) ¡ →¢ ¡ →¢ − → − − A5. → v + −− v = −− v +→ v = 0 (elemento oposto) Note-se em especial a propriedade A1, ou seja, fazendo a soma de dois vectores obtém-se sempre um vector do mesmo conjunto (fechado sob adição). − Chama-se multiplicação (produto) do vector → v 1 = (x1, x2, ..., xn) pelo es→ calar α, ao vector α− v 1 definido por → α− v 1 = (αx1, αx2, ..., αxn) . → → → Definição: Quaisquer sejam os vectores − v ,− v1e− v 2 de um conjunto V e os escalares reais α, α1 e α2, verificam-se as seguintes propriedades: → M1. α− v é um elemento de V (a operação de multiplicação por um escalar é fechada) ¡→ ¢ → → → v1+− M2. α − v 2 = α− v 1 + α− v 2 (distributiva em relação à adição de vectores) M3. (α1 + α2) v = α1v + α2v (distributiva em relação à adição de escalares) ¡ ¢ − → → M4. α1 α2 v = (α1α2) − v (distributiva em relação à multiplicação por escalares) → → M5. 1 · − v =− v (elemento neutro) Definição (espaço vectorial): Um conjunto de elementos (vectores) V, dotado com as operações de adição e de multiplicação por um escalar que verificam as propriedades (A1 − A5) e (M 1 − M5), designa-se por espaço vectorial. − Em qualquer espaço vectorial V , para qualquer → v ∈ V e α ∈ R tem-se que → − → 1. 0 · − v = 0 ¡ ¢ → → − → 2. −1 · − v +− v = 0 → − − → 3. α · 0 = 0 Exemplos de espaços vectoriais: • O conjunto constituido só pelo vector nulo é um espaço vectorial (o menor espaço vectorial possível). • O conjunto R dos números reais é um espaço vectorial. O conjunto R2 dos pares de números reais é um espaço vectorial. Mais geral: todas as sequências ordenadas de números reais, de n elementos, isto é (x1, x2, ..., xn) , onde n ∈ N, designa-se por Rne forma um espaço vectorial se as operações induzidas são as operações usuais de adição e multiplicação dos números reais. • O conjunto das todas as matrizes rectangulares de tipo (m × n) constitui em relação à adição e à multiplicação por um escalar um espaço vectorial. Este espaço vectorial designa-se por M(m×n) e pode ser identificado com o espaço vectorial real Rmn. O vector genérico do espaço M(m×n) é definido por ⎡ ⎢ ⎢ A=⎢ ⎣ a11 a12 a21 a22 ··· ··· am1 am2 ... a1n ... a2n ... · · · ... amn ⎤ ⎥ ⎥ ⎥ ⎦ o que de maneira equivalente pode ser identificado com o elemento genérico do espaço vectorial real Rmn, isto é − → v A = (a11, ..., a1n, a21, ..., a2n, ..., am1, ..., amn) , vector que se obtem colando as linhas da matriz A. • O conjunto dos polinómios de coeficientes reais de grau menor ou igual a n forma um espaço vectorial em relação à adição de polinómios e à multiplicação de polinómios por um escalar. Este espaço vectorial designase por Pn e pode ser identificado com o espaço vectorial real Rn+1. O vector genérico do espaço Pn representa-se por pn (x) = anxn + an−1xn−1 + ... + a2x2 + a1x + a0, onde a0, a1, ..., an são coeficientes reais. De maneira equivalente podemos representar o polinómio genérico por − → p n = (a0, a1, ..., an) ∈ Rn+1. Exemplos de conjuntos que não formam espaços vectoriais → • O conjunto V de todos os vectores de tipo − v = (a, b, 1) não forma um espaço vectorial, porque os elementos desse conjunto não são fechados sob → → adição. Para ver isto, considerem-se − v 1 = (a1, b1, 1) e − v 2 = (a2, b2, 1) → → elementos de V e a soma deles dá − v 1+− v 2 = (a1, b1, 1) + (a2, b2, 1) = / V, logo V não é um espaço vectorial. (a1 + a2, b1 + b2, 2) ∈ • O conjunto de todos os polinómios reais de grau 2 não forma um espaço vectorial porque os polinómios não são fechados sob adição. Por exemplo, considerando p1 (x) = 4x2 − 2x + 1 e p2 (x) = −4x2 + 9x + 3, a soma ³ ´ ³ ´ 2 2 p1 (x) + p2 (x) = 4x − 2x + 1 + −4x + 9x + 3 = 7x + 4 é um polinómio de grau 1 que não pertence ao conjunto dado, logo não se trata de um espaço vectorial. Definição (subespaço vectorial): Se V é um espaço vectorial, então o subconjunto de vectores V1 ⊆ V diz-se um subespaço vectorial em V (de V ) se → − → → → → → v1+− v 2 ∈ V1, ∀− v 1, − v 2 ∈ V1 ⊆ V e α− v ∈ V1, ∀− v ∈ V1 ⊆ V, ∀α ∈ R. Portanto, dado um espaço vectorial V , um subconjunto V1 de V forma um subespaço vectorial se as duas operações definidas no espaço ficam fechadas para todos os elementos de V1. Note-se que um subespaço vectorial contém sempre o vector nulo do espaço vectorial do qual provém (ao qual pertence). O vector nulo é sempre um subespaço vectorial. Exemplos de subespaços vectoriais • Os possíveis subespaços do espaço vectorial R3 são: o espaço nulo, uma recta que passa pela origem, um plano que passa pela origem e o espaço inteiro R3. • O espaço vectorial dos polinómios reais de grau menor ou igual a 3 tem como subespaço vectorial o conjunto de todos os polinómios de grau menor ou igual a 1. Exemplos de conjuntos que não formam subespaços vectoriais • O conjunto Q = n o 2 (x, y) ∈ R : x ≥ 0, y ≥ 0 não forma um subespaço vectorial de R2 porque não é fechado sob multiplicação por um escalar. Basta considerar um escalar negativo para obter um vector exterior ao primeiro quadrante. • O conjunto R+ não é um subespaço vectorial de R porque as operações → v = 2 ∈ R+ e α = −1 de R não são fechadas em R+. Por exemplo, se − → escalar real então α− v = −1 · 2 = −2 ∈ / R+. Bases e Dimensão de um Espaço Vectorial → → → v 2, ..., − v m vectores de V e sejam α1, α2, ..., αm Definição: Sejam − v 1, − escalares de R. Então, o elemento m X → → → → − → v i = α1− v 1 + α2− v 2 + ... + αm− vm v = αi− i=1 → designa-se por combinação linear dos vectores − v i, 1 ≤ i ≤ m. O con→ → → v 2, ..., − vm éo junto W de todas as combinações lineares dos vectores − v 1, − → → → v 2, ..., − v m. O subespaço menor subespaço de V que contém os vectores − v 1, − → → → v 2, ..., − v m, e os vectores dizem-se W chama-se subespaço gerado de − v 1, − geradores de W. Exemplos: • O subconjunto S de R3 definido por S = {(x, y, z) : x − 3y + 4z = 0} é um subespaço de R3 sob as operações usuais de adição e multiplicação por escalares. Para ver isto consideramos uma parametrização do subespaço, utilizando x = 3y − 4z, isto é S = {(3y − 4z, y, z) : y, z ∈ R} = {(3y, y, 0) + (−4z, 0, z) : y, z ∈ R} = {y (3, 1, 0) + z (−4, 0, 1) : y, z ∈ R} e logo temos que S é descrito por uma colecção sem restrições de combinações lineares dos vectores (3, 1, 0) e (−4, 0, 1) . → → • Os vectores − v = (1, 1) e − u = (1, −1) são geradores do espaço vectorial → R2. Para ver isto é preciso mostrar que qualquer elemento − w = (x, y) de R2 é uma combinação linear destes dois vectores, isto é, existem escalares → → → u + a2− v =− w ou seja a1 (1, 1) + a2 (1, −1) = reais a1, a2 tal que a1− (x, y) o que é equivalente ao sistema ( a1 + a2 = x a1 − a2 = y. ³ ´ x−y x+y , portanto ∀ x, y ∈ 2 , 2 R, A solução deste sistema é (a1, a2) = existem coeficientes a1, a2 ∈ R tal que a equação vectorial seja possível, ou seja, qualquer vector de R2 pode ser escrito como uma combinação → → linear dos vectores − u e− v. • Seja P2 o espaço vectorial dos polinómios reais de grau ≤ 2 e sejam p1 (x) = x2 − 2x ∈ P2 e p2 (x) = 3x − 5 ∈ P2 . Queremos determinar o espaço gerado por p1 (x) e p2 (x) , ou seja, o conjunto de todas as combinações lineares desses dois vectores, isto é: {λ1p1 (x) + λ2p2 (x) : λ1, λ2 ∈ R} = = n ( ³ ´ ) 2 λ1 x − 2x + λ2 (3x − 5) : λ1, λ2 ∈ R λ1x2 + (−2λ1 + 3λ2)x − 5λ2 : λ1, λ2 ∈ o R . O elemento genérico do espaço P2 é definido por p (x) = a1x2 +a2x+a3 e portanto coloca-se a seguinte questão: para que elementos a1x2 +a2x+a3 de P2 existem os coeficientes λ1, λ2 ∈ R tal que a1x2 + a2x + a3 = λ1x2 + (−2λ1 + 3λ2)x − 5λ2 ? Como dois polinómios são iguais se e só se os seus coeficientes forem iguais, resulta que a1, a2, a3 devem satisfazer as seguintes condições λ1 = a1, −2λ1 + 3λ2 = a2, −5 = a3. A solução 1 , −5 = a donde o deste sistema é dada por λ1 = a1, λ2 = a2+2a 3 3 subespaço gerado é n a1x2 + a2x − 5 : a1, a2 ∈ o R . → → → Definição: Os vectores − v 1, − v 2, ..., − v n, dizem-se linearmente dependentes se existem os escalares reais α1, α2, ..., αn, não todos nulos, tal que se verifica a seguinte relação n X → v i = 0. αi− (1) i=1 Se a igualdade (1) se verifica se e só se α1 = α2 = ... = αn = 0, então os → → → v 2, ..., − v n dizem-se linearmente independentes. vectores − v 1, − Note-se que a relação (1) pode ser dada na seguinte forma matricial n X i=1 → → → → v i = α1− v 1 + α2− v 2 + ... + αn− vn= αi− ⎡ ⎢ ⎢ = α1 ⎢ ⎣ x11 x21 .. xm1 ⎤ ⎡ ⎥ ⎢ ⎥ ⎢ ⎥ + α2 ⎢ ⎦ ⎣ x12 x22 .. xm2 ⎤ ⎡ ⎥ ⎢ ⎥ ⎢ ⎥ + ... + αn ⎢ ⎦ ⎣ x1n x2n .. xmn ⎤ ⎡ ⎥ ⎢ ⎥ ⎢ ⎥=⎢ ⎦ ⎣ 0 0 .. 0 ⎤ ⎥ ⎥ ⎥ ⎦ o que conduz a um sistema linear homogéneo, sobre o qual sabemos que admite sempre a solução nula. Seja A(m×n) a matriz das coordenadas dos vectores, isto é A= h − → − → v 1| → v 2| ... |− vm i ⎡ ⎢ ⎢ =⎢ ⎣ x11 x12 x21 x22 .. .. xm1 xm2 · · · x1n · · · x2n .. ... · · · xmn ⎤ ⎥ ⎥ ⎥ ⎦ e designa-se por r (A) a característica dessa matriz. Obtém-se a seguinte classificação: • se n > m (o número de vectores é superior à dimensão do espaço ao qual − → → pertencem), então os vectores → v 1, − v 2, ..., − v n são sempre linearmente dependentes; • se n ≤ m (o número de vectores é inferior ou igual à dimensão do espaço → → → v 2, ..., − v n são linearmente ao qual pertencem), então os vectores − v 1, − dependentes se e só se r (A) < n. Se r (A) = n, então os vectores → − → → v 1, − v 2, ..., − v n são linearmente independentes. Exemplos: → → → • Os vectores − u = (1, 1/2), − v = (2, 1) e − w = (−2, −1) são linearmente dependentes. Tem-se a seguinte combinação linear → → → u +α − v +α − w = 0 ⇒ α (1, 1/2) + α − 1 2 3 α2 (2, 1) + α3 (−2, −1) = ³ 1 ´ 1 α1 + 2α2 − 2α3, 2 α1 + α2 − α3 = (0, 0) o que é equivalente ao sistema homogéneo ⎧ ⎪ ⎨ α1 + 2α2 − 2α3 = 0 ⎪ ⎩ 1 2 α1 + α2 − α3 = 0. Saliente-se que o sistema é duplamente indeterminado e a sua solução é dada pela família (α1, α2, α3) = (2α3 − 2α2, α2, α3) , ∀α2, α3 ∈ R. A sua resolução também é equivalente ao estudo da dependência linear das filas da matriz das coordenadas dos vectores, isto é: ⎡ ⎢ A=⎣ 1 2 −2 1/2 1 −1 ⎤ ⎥ ⎦ Como n = 3 > m = 2, logo os vectores são linearmente dependentes. Como consequência, escreve-se → − → u + α2→ v + α3− w =0 ⇒ α1− α2 − α3 − → − → − → − → − → α1 u = −α2 v − α3 w ⇒ u = − v − → w α1 α1 → → → portanto − u é uma combinação linear de − v e− w. • O conjunto dos polinómios {1 + x, 1 − x} é linearmente independente em P2 porque α1 (1 + x)+α2 (1 − x) = (α1 + α2)+(α1 − α2) x+0x2 = 0+0x+0x2 pelo que ⎧ ⎪ ⎨ α1 + α2 = 0 ⎪ ⎩ α −α =0 1 2 =⇒ ⎧ ⎪ ⎨ α1 = 0 ⎪ ⎩ α =0 2 , e, portanto, a única relação entre os dois vectores de P2 é a trivial. Definição (base / dimensão de um espaço vectorial): Um conjunto de vectores que geram um espaço vectorial e são linearmente independentes, designase por base do espaço. Diz-se que um espaço vectorial tem dimensão n n− → o − → quando contém uma base com n elementos. Se B = b 1, ..., b n é uma → base de um espaço vectorial V , então cada vector − v = (x1, ..., xn) ∈ V vem unicamente representado por uma combinação linear das suas coordenadas e dos vectores da base, isto é → − → − → − v = x1 b 1 + ... + xn b n. Teorema: Qualquer base de um espaço vectorial tem o mesmo número de elementos. Num espaço vectorial de dimensão n, quaisquer n vectores linearmente independentes formam uma base. Num espaço vectorial de dimensão n, quaisquer (n + 1) vectores são sempre linearmente dependentes. Exemplos: • O conjunto dos vectores {(2, 4) , (1, 1)} forma uma base do espaço R2. Para ver isso precisamos verificar se os vectores são geradores e linearmente independentes. Os vectores são linearmente independentes porque α1 (2, 4) + α2 (1, 1) = (0, 0) ⇒ ⎧ ⎪ ⎨ 2α1 + α2 = 0 ⎪ ⎩ 4α + α = 0 1 2 e são geradores do espaço vectorial R2 porque ⎧ ⎧ y−x ⎪ ⎪ ⎪ ⎪ 2α + α = x α = ⎨ ⎨ 1 1 2 ⎪ ⎩ 4α + α = y 1 2 ⇒ 2 ⎪ ⎪ ⎪ ⎩ α = 2x − y 2 ⇒ ⎧ ⎪ ⎨ α1 = 0 ⎪ ⎩ α =0 2 . Analogamente pode-se verificar que os vectores {(1, 1) , (2, 4)} e os vectores {(1, 0) , (0, 1)} formam também bases para o espaço vectorial R2. Definição (base canónica): Para qualquer espaço vectorial Rn o conjunto de vectores En = {(1, 0, ..., 0) , (0, 1, ..., 0) , ..., (0, 0, ..., 1)} forma uma base designada por base canónica (ou natural). Designemos os → → → e 2, ...., − e n. vectores da base canónica por − e 1, − Exemplos: • A base canónica do espaço R4 é dada por E4 = {(1, 0, 0, 0) , (0, 1, 0, 0) , (0, 0, 1, 0) , (0, 0, 0, 1)} . • A base canónica do espaço vectorial P3 é dada por n 1, x, x2, x3 o o que é equivalente à base canónica do espaço R4 porque 1 = 1 + 0x + 0x2 + 0x3 x = 0 + 1x + 0x2 + 0x3 x2 = 0 + 0x + 1x2 + 0x3 x3 = 0 + 0x + 0x2 + 1x3 ⇒ ⇒ ⇒ ⇒ − → e 1 = (1, 0, 0, 0) → − e 2 = (0, 1, 0, 0) → − e 3 = (0, 0, 1, 0) → − e = (0, 0, 0, 1) 4 o que mostra que a dimensão do espaço P3 é 4. • A base canónica do espaço vectorial M(2×2) é dada por (" 1 0 0 0 # " , 0 1 0 0 # " , 0 0 1 0 # " , 0 0 0 1 #) o que é equivalente à base canónica do espaço R4 porque " " 1 0 0 0 0 0 1 0 # # − ⇒ → e 1 = (1, 0, 0, 0) , − ⇒ → e 3 = (0, 0, 1, 0) , " " 0 1 0 0 0 0 0 1 # # − ⇒ → e 2 = (0, 1, 0, 0) − ⇒ → e 4 = (0, 0, 0, 1) o que mostra que a dimensão do espaço M(2×2) é 4. • Determine a dimensão do subespaço S de R4, onde S = {(x, y, z, w) : x − y − w = 0 e z + 2w = 0} . Para determinar a dimensão do subespaço S é preciso parametrizar a de- scrição do subespaço, isto é ⎧ ⎪ ⎨ x−y−w =0 ⎪ ⎩ logo S = = = = z + 2w = 0 ⇒ ⎧ ⎪ ⎨ x=y+w ⎪ ⎩ z = −2w {(x, y, z, w) : x = y + w = 0 e z = −2w} = {(y + w, y, −2w, w) : y, w ∈ R} = {(y, y, 0, 0) + (w, 0, −2w, w) : y, w ∈ R} = {y (1, 1, 0, 0) + w (1, 0, −2, 1) : y, w ∈ R} . Portanto, definimos o subespaço S como o espaço gerado pelos vectores {(1, 1, 0, 0) , (1, 0, −2, 1)} . É fácil ver que estes dois vectores são linearmente independentes, logo formam uma base de S, de onde vem que S é um subespaço vectorial de dimensão 2 do espaço R4.