Aula 4 espaços vetoriais
-
Upload
fernanda-paola-butarelli -
Category
Engineering
-
view
349 -
download
6
description
Transcript of Aula 4 espaços vetoriais
54
Parte 4 – Espaços Vetoriais
55
Espaços Vetoriais Reais DEFINIÇÃO: Um espaço vetorial real é um conjunto de elementos V munidos
de duas operações ⊕ e ⊗ tais que α) Se uv e vv são elementos de V, então vu vv ⊕ está em V (i. e., V é fechado em relação
à operação ⊕). a) uvvu vvvv ⊕=⊕ se uv e vv pertencem a V. b) ( ) ( ) wvuwvu vvvvvv ⊕⊕=⊕⊕ se uv , vv e wv pertencem a V. c) Existe um elemento 0
v em V tal que uu00u vvvvv =⊕=⊕ , para todo uv em V.
d) Para cada uv em V, existe um elemento uv− em V tal que 0uuvvv =−⊕
β) Se uv é um elemento qualquer de V e r é qualquer número real, então ur v⊗ está em
V (i. e., V é fechado em relação à operação ⊗). e) ( ) vrurvur vvvv ⊗⊕⊗=⊕⊗ , para todo número real r e todos os elementos uv e
vv em V. f) ( ) usurusr vvv ⊗⊕⊗=⊗+ , para todos os números reais r e s e todo elemento uv
de V. g) ( ) ( ) ursusr vv ⊗=⊗⊗ , para todos os números reais r e s e todo elemento uv de
V. h) uu1 vv =⊗ , para todo elemento uv de V. Os elementos de V são chamados vetores; os números reais são chamados
escalares. A operação ⊕ é chamada soma de vetores; a operação ⊗ é denominada multiplicação por escalar. O vetor 0
v que aparece na propriedade (c) é conhecido
como o vetor nulo. O vetor uv− que ocorre na propriedade (d) é o negativo de uv . É possível provar que os vetores 0
v e uv− são únicos.
Exemplo: Considere o conjunto V das triplas ordenadas de números reais
munidos das operações ⊕ e ⊗ através das fórmulas
( ) ( ) ( )'zz,'yy,'xx'z,'y,'xz,y,x +++=⊕ ( ) ( )z,y,rxz,y,xr =⊗
Podemos verificar que as propriedades (a), (b), (c), (d) e (e) são satisfeitas. Por
exemplo, para checarmos a propriedade (e) fazemos: ( ) ( )[ ] ( ) ( )( )'zz,'yy,'xxr'zz,'yy,'xxr'z,'y,'xz,y,xr +++=+++⊗=⊕⊗
Além disso, ( ) ( ) ( ) ( ) ( )( )'zz,'yy,'xxr'z,'y,'rxz,y,rx'z,'y,'xrz,y,xr +++=⊕=⊗⊕⊗
Portanto, a propriedade (e) é satisfeita. Entretanto, a propriedade (f) não é satisfeita. De fato, ( ) ( ) ( )( )z,y,xdrz,y,xdr +=⊗+
Por outro lado ( ) ( ) ( ) ( ) ( )( )z2,y2,xdrz,y,dxz,y,rxz,y,xdz,y,xr +=⊕=⊗⊕⊗
Logo, V não é um espaço vetorial. Observe que as propriedades (g) e (h) são
satisfeitas.
56
Outra fonte de exemplos de espaços vetoriais é o conjunto dos polinômios. Um polinômio (em t) é uma função que pode ser expressa da forma
( ) 01
1n1n
nn atatatatp ++++= −
− L
onde n10 a,,a,a K são números reais. Exemplo: As funções a seguir são polinômios:
( ) 1t5t2t3tp 241 −+−=
( ) 1t2tp2 += ( ) 4tp3 =
As funções a seguir não são polinômios
( ) 6t2tf4 −= e ( ) 1t2t1tf 25 +−=
O polinômio ( )tp tem grau n se 0an ≠ . Portanto, o grau de um polinômio é igual
à potência mais alta com coeficiente não-nulo. O polinômio nulo é definido da seguinte forma:
0t0t0t0 1nn ++++ − L Observe que, por definição, o polinômio nulo não tem grau. Vamos considerar nP a coleção de todos os polinômios de grau n≤ juntamente
com o polinômio nulo. O polinômio 5t3t2 2 +− , por exemplo, é um elemento de 2P . Exemplo: Se
( ) 011n
1nn
n atatatatp ++++= −− L
e ( ) 01
1n1n
nn btbtbtbtq ++++= −
− L
definimos ( ) ( )tqtp ⊕ pela fórmula
( ) ( ) ( ) ( ) ( ) ( )00111n
1n1nn
nn batbatbatbatqtp ++++++++=⊕ −−− L
(isto é, somamos os coeficientes das potências de mesmo grau). Se c é um escalar, definimos ( )tpc⊗ pela fórmula
( ) ( ) ( ) ( ) ( )01
1n1n
nn catcatcatcatpc ++++=⊗ −
− L (isto é, multiplicamos cada coeficiente por c).
57
Vamos provar agora que nP é um espaço vetorial. Sejam ( )tp e ( )tq elementos de nP como antes, isto é, são polinômios de grau
n≤ ou o polinômio nulo. Então, as definições dadas anteriormente de ⊕ e ⊗ mostram que ( ) ( )tqtp ⊕ e ( )tpc⊗ , qualquer que seja o escalar c, são polinômios de grau n≤ ou o polinômio nulo, ou seja, ( ) ( )tqtp ⊕ e ( )tpc⊗ estão em nP , de modo que as propriedades (α) e (β) são válidas.
Para verificar (a), note que
( ) ( ) ( ) ( ) ( ) ( )00111n
1n1nn
nn abtabtabtabtptq ++++++++=⊕ −−− L
e, como iiii abba +=+ para números reais, podemos concluir que ( ) ( ) ( ) ( )tptqtqtp ⊕=⊕ .
A propriedade (b) pode ser demonstrada de forma análoga. Para demonstrar (c) é só utilizar como elemento 0
v o polinômio nulo.
Para demonstrar (d) é só lembrar que, para ( )tp como definido anteriormente, temos seu negativo, ( )tp− , dado por
01
1n1n
nn atatata −−−−− −
− L Para demonstrar (f) fazemos
( ) ( ) ( ) ( ) ( ) ( ) 011n
1nn
n adrtadrtadrtadrtpdr ++++++++=⊗+ −− L
00111n
1n1n
1nn
nn
n daratdatratdatratdatra ++++++++= −−
−− L
( ) ( )011n
1nn
n011n
1nn
n atatatadatatatar +++++++++= −−
−− LL
( ) ( )tpdtpr ⊗⊕⊗= A demonstração das demais propriedades fica como exercício. A vantagem da Definição de Espaço Vetorial apresentada é que ela não se
preocupa com o que é um espaço vetorial. Por exemplo, um vetor em 3R é um ponto, um segmento de reta orientado ou uma matriz 3×1? A Definição trata apenas do comportamento algébrico dos elementos em um espaço vetorial. No caso de 3R , qualquer que seja o ponto de vista adotado, o comportamento algébrico é o mesmo. Podemos, então, falar sobre as propriedades de todos os espaços vetoriais sem ter que nos referirmos a um espaço vetorial particular. Portanto, um “vetor”, agora, é, simplesmente, um elemento de um espaço vetorial e não precisa estar associado a um segmento de reta orientado. O teorema a seguir apresenta diversas propriedades úteis comuns a todos os espaços vetoriais.
TEOREMA: Se V é um espaço vetorial, então a) 0u0
vv = para todo uv em V. b) 00r
vv= para todo escalar r.
c) Se 0urvv = , então r = 0 ou 0u
vv = . d) ( ) uu1 vv −=− para todo uv em V.
58
Subespaços DEFINIÇÃO: Seja V um espaço vetorial e W um subconjunto não-vazio de V.
Se W é um espaço vetorial em relação às operações em V, dizemos que W é um subespaço de V.
Exemplo: Todo espaço vetorial tem pelo menos dois subespaços, ele mesmo e o
subespaço { }0v
que tem como único elemento o vetor nulo (lembre-se que 000vvv
=⊕ e 00rvv
=⊗ em qualquer espaço vetorial). O subespaço { }0v
é chamado de subespaço nulo.
TEOREMA: Seja V um espaço vetorial com as operações ⊕ e ⊗ e seja W um
subconjunto não-vazio de V. Então W é um subespaço de V se e somente se as seguintes condições são válidas:
α) Se uv e vv são vetores em W, então vu vv ⊕ pertence a W. β) Se r é um número real qualquer e uv é qualquer vetor em W, então ur v⊗
pertence a W. Exemplo: Considere o conjunto W de todas as matrizes 2×3 da forma
⎥⎦
⎤⎢⎣
⎡dc00ba
onde a, b, c e d são números reais arbitrários. Mostre que W é um subespaço de 23M , onde 23M consiste no conjunto das matrizes 2×3 munido das operações de soma e produto por escalar habituais.
Sol: Considere
⎥⎦
⎤⎢⎣
⎡=
11
11
dc00ba
uv e ⎥⎦
⎤⎢⎣
⎡=
22
22
dc00ba
vv em W
Então
⎥⎦
⎤⎢⎣
⎡++
++=+
2121
2121
ddcc00bbaa
vu vv está em W
de modo que (α) é satisfeita. Além disso, se k é um escalar, então
⎥⎦
⎤⎢⎣
⎡=
11
11
kdkc00kbka
ukv está em W
de modo que (β) também é satisfeita. Portanto, W é um subespaço de 23M .
59
Exemplo: Seja W o subconjunto de 3R formado por todos os vetores da forma
(a, b, 1), onde a e b são números reais. Para verificar se as propriedades (α) e (β) do Teorema são satisfeitas, suponha que ( )1,b,au 11=v e ( )1,b,av 22=v estão em W. Então
( ) ( ) ( )2,bb,aa1,b,a1,b,avu 21212211 ++=+=+ vv não pertence a W, já que sua terceira componente é 2 e não 1. Como a propriedade (α) não é satisfeita, W não é um subespaço de 3R .
Exemplo: Representamos por nP o espaço vetorial dos polinômios de grau n≤
junto com o polinômio nulo e por P o espaço vetorial de todos os polinômios. É fácil verificar que 2P é um subespaço de 3P e que, em geral, nP é um subespaço de 1nP + . Além disso, nP é um subespaço de P.
Exemplo: Seja V o conjunto de todos os polinômios de grau exatamente = 2;
então V é um subconjunto de 2P , mas não é um subespaço de 2P , já que a soma dos polinômios 1t3t2 2 ++ e 2tt2 2 ++− é um polinômio de grau 1, que não está em V.
Exemplo: Um modo simples de construir subespaços em espaços vetoriais é o
seguinte. Sejam 1vv e 2vv vetores fixos em um espaço vetorial V e seja W o conjunto de todas as combinações lineares de 1vv e 2vv , isto é, W é o conjunto dos vetores em V da forma 2211 vava vv + , onde 1a e 2a são números reais. Para mostrar que W é um subespaço de V, vamos verificar as propriedades (α) e (β) do teorema. Sejam então,
22111 vavaw vvv += e 22112 vbvbw vvv +=
vetores em W. Temos
( ) ( ) ( ) ( ) 2221112211221121 vbavbavbvbvavaww vvvvvvvv +++=+++=+
que também pertence a W. Logo, W é um subespaço de V.
60
DEFINIÇÃO: Sejam k21 v,...,v,v vvv vetores em um espaço vetorial V. Um vetor vv
em V é uma combinação linear de k21 v,...,v,v vvv se existem números reais k21 c,...,c,c , tais que
kk2211 vc...vcvcv vvvv +++= Exemplo: Considere em 3R os vetores
( )1,2,1v1 =v ( )2,0,1v2 =
v ( )0,1,1v3 =v
O vetor ( )5,1,2v =v é uma combinação linear de 1vv , 2vv e 3vv se pudermos
encontrar escalares 1c , 2c e 3c tais que
vvcvcvc 332211vvvv =++
Substituindo 1vv , 2vv e 3vv , obtemos
( ) ( ) ( ) ( )5,1,20,1,1c2,0,1c1,2,1c 321 =++ Combinando os termos do lado esquerdo e igualando os coeficientes
correspondentes, obtemos o sistema linear
5c2c1cc22ccc
21
31
321
=+=+=++
Resolvendo este sistema obtemos 1c1 = , 2c2 = e 1c3 −= , o que significa que vv
é uma combinação linear de 1vv , 2vv e 3vv . Temos então
321 vv2vv vvvv −+=
2211 vcvcv vvv +=
11vc v
22vc v
2vv
1vv
O
61
DEFINIÇÃO: Se { }k21 v,...,v,vS vvv= é um conjunto de vetores em um espaço vetorial V, então o conjunto de todos os vetores em V que são combinações lineares de vetores em S é representado por
[ ]S ou { }[ ]k21 v,...,v,v vvv Exemplo: Considere o conjunto S de matrizes 2×3,
⎭⎬⎫
⎩⎨⎧
⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡=
100000
,010000
,000010
,000001
S
Então [ ]S é o conjunto em 23M de todos os vetores da forma
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡dc00ba
100000
d010000
c000010
b000001
a
onde a, b, c e d são números reais. Logo, [ ]S é o subconjunto de 23M formado pelas matrizes
⎥⎦
⎤⎢⎣
⎡dc00ba
TEOREMA: Seja { }k21 v,...,v,vS vvv= um conjunto de vetores em um espaço
vetorial V. Então [ ]S é um subespaço de V. Exemplo: Considere, em 2P ,
2tt2v 21 ++=v t2tv 2
2 −=v 2t5t5v 23 +−=v 2t3tv 2
4 −−−=v Determine se o vetor
2ttu 2 ++=v pertence a { }[ ]4321 v,v,v,v vvvv .
Se pudermos encontrar escalares 1c , 2c , 3c e 4c tais que
uvcvcvcvc 44332211vvvvv =+++
então uv pertence a { }[ ]4321 v,v,v,v vvvv . Substituindo uv , 1vv , 2vv , 3vv e 4vv na expressão acima, temos
62
( ) ( ) ( ) ( ) 2tt2t3tc2t5t5ct2tc2tt2c 224
23
22
21 ++=−−−++−+−+++
ou ( ) ( ) ( ) 2ttc2c2c2tc3c5c2ctcc5cc2 2
43143212
4321 ++=−++−−−+−++ Como dois polinômios são iguais para todos os valores de t se e somente se os
coeficientes das respectivas potências de t são iguais, obtemos o sistema linear
2c2c2c21c3c5c2c1cc5cc2
431
4321
4321
=−+=−−−=−++
Para investigar se esse sistema de equações lineares é compatível, formamos a
matriz aumentada do sistema e a colocamos na forma escalonada reduzida por linhas, obtendo
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ −
100000131001101
M
M
M
o que indica que o sistema é incompatível, isto é, não tem solução. Portanto, uv não pertence a { }[ ]4321 v,v,v,v vvvv .
63
Independência Linear DEFINIÇÃO: Dizemos que os vetores k21 v,...,v,v vvv em um espaço vetorial V
geram V se todo vetor em V é uma combinação linear de k21 v,...,v,v vvv . Além disso, se esses vetores forem distintos e { }k21 v,...,v,vS vvv= , dizemos, também, que S gera V, ou que { }k21 v,...,v,v vvv gera V, ou que V é gerado por S, ou ainda, que [ ] VS = .
O procedimento para verificar se os vetores k21 v,...,v,v vvv geram o espaço vetorial V é o seguinte:
Etapa 1: Escolha um vetor arbitrário vv em V. Etapa 2: Verifique se vv é uma combinação linear dos vetores dados.
Se for, os vetores dados geram V. Se não for, eles não geram V. Exemplo: Seja V o espaço vetorial 3R e sejam
( )1,2,1v1 =v ( )2,0,1v2 =
v ( )0,1,1v3 =v
Os vetores 1vv , 2vv e 3vv geram V? Solução: Etapa 1: Seja ( )c,b,av =v um vetor arbitrário em 3R , onde a, b e c são números
reais quaisquer. Etapa 2: Temos que verificar se existem constantes 1c , 2c e 3c tais que
vvcvcvc 332211vvvv =++
Isto nos leva ao seguinte sistema linear:
cc2cbcc2accc
21
31
321
=+=+=++
Uma solução é
3cb2a2c1
++−=
3cbac2
+−=
3c2ba4c3
−−=
Como obtivemos uma solução para qualquer escolha de a, b e c, concluímos que
1vv , 2vv e 3vv geram 3R , o que é equivalente a { }[ ] 3k21 Rv,...,v,v =vvv
64
Exemplo: Mostre que
⎭⎬⎫
⎩⎨⎧
⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡=
1000
,0110
,0001
S
gera o subespaço de 22M formada por todas as matrizes simétricas. Solução: Etapa 1: Uma matriz simétrica arbitrária tem a forma
⎥⎦
⎤⎢⎣
⎡=
cbba
A
onde a, b e c são números reais quaisquer. Etapa 2: Precisamos encontrar constantes 1d , 2d e 3d tais que
⎥⎦
⎤⎢⎣
⎡==⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡cbba
A1000
d0110
d0001
d 321
o que nos leva a um sistema linear cuja solução é
ad1 = bd 2 = cd3 = Como encontramos uma solução para qualquer escolha de a, b e c, concluímos
que S gera o subespaço dado. Exemplo: Seja 2PV = , o espaço vetorial de todos os polinômios de grau 2≤ e o
polinômio nulo. Seja ( ) ( ){ }tp,tpS 21= , onde ( ) 1t2ttp 21 ++= e ( ) 2ttp 2
2 += . S gera
2P ? Solução: Etapa 1: Seja ( ) cbtattp 2 ++= um polinômio arbitrário em 2P , onde a, b e c são
números reais quaisquer. Etapa 2: Temos que verificar se existem constantes 1c e 2c tais que
( ) ( ) ( )tpctpctp 2211 += ou
( ) ( )2tc1t2tccbtat 22
21
2 ++++=++ Temos
( ) ( ) ( ) cbtatc2ctc2tcc 2211
221 ++=++++
Como dois polinômios são iguais para todos os valores de t se e somente se os
coeficientes das potências respectivas são iguais, obtemos o sistema linear:
65
cc2cbc2acc
21
1
21
=+==+
Usando operações elementares nas linhas da matriz aumentada desse sistema
linear, obtemos
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
+−−−
c2a4b00ac10ca201
M
M
M
Se 0c2a4b ≠+− , não existe solução. Logo, ( ) ( ){ }tp,tpS 21= não gera 2P . Exemplo: Os vetores ( )0,1ie1 ==
vv e ( )1,0je2 ==vv geram 2R , pois, se ( )21 u,uu =v
é qualquer vetor em 2R , então 2211 eueuu vvv += . Todos os vetores uv em 3R podem ser escritos como uma combinação linear dos vetores ( )0,0,1ie1 ==
vv , ( )0,1,0je2 ==vv e
( )1,0,0ke3 ==vv , logo 1ev , 2ev e 3ev geram 3R . Analogamente, os vetores ( )0,...,0,1e1 =
v , ( )0,...,0,1,0e2 =
v , ..., ( )1,...,0,0en =v geram nR , já que qualquer vetor ( )n21 u,...,u,uu =v
pode ser escrito como
nn2211 eueueuu vL
vvv +++= Exemplo: O conjunto { }1,t,...,t,tS 1nn −= gera nP , já que todos os polinômios em
nP são da forma
n1n1n
1n
0 atatata ++++ −− L
que é uma combinação linear de elementos de S.
Exemplo: Considere o sistema linear homogêneo 0xA
vv = , onde
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−−
−−−=
914431115122
2011
A
O conjunto de todas as soluções de 0xA
vv = forma um subespaço de 4R . Para determinar um conjunto gerador para o espaço solução desse sistema, vamos colocar a matriz aumentada do sistema em sua forma escalonada por linhas:
66
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡−
00000000000110002011
M
M
M
M
A solução geral é, então, dada por
sxsxrx
s2rx
4
3
2
1
===
−−=
onde r e s são números reais arbitrários. Em forma matricial, qualquer solução é dada por
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡−
+
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡−
=
1102
s
0011
rx
Portanto, os vetores
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡−
0011
e
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡−
1102
geram o espaço solução.
DEFINIÇÃO: Os vetores k21 v,...,v,v vvv em um espaço vetorial V são ditos
linearmente dependentes se existem constantes k21 c,...,c,c nem todas nulas, tais que 0vc...vcvc kk2211
vvvv =+++ Caso contrário, k21 v,...,v,v vvv são linearmente independentes se, sempre que
0vc...vcvc kk2211 =+++ vvv , temos 0c...cc k21 ====
Em outras palavras, a única combinação linear de k21 v,...,v,v vvv que dá o vetor nulo é a que tem todos os coeficientes iguais a zero. Se os vetores k21 v,...,v,v vvv são distintos e
{ }k21 v,...,v,vS vvv= , dizemos, também, que o conjunto S é linearmente dependente ou linearmente independente.
67
O procedimento para verificar se os vetores k21 v,...,v,v vvv são linearmente dependentes ou linearmente independentes é o seguinte:
Etapa 1: Escreva a equação 0vc...vcvc kk2211
vvvv =+++ , que leva a um sistema homogêneo.
Etapa 2: Se o sistema homogêneo obtido na Etapa 1 tiver apenas a solução trivial, então os vetores dados são linearmente independentes; se existir uma solução não-trivial, os vetores são linearmente dependentes.
Exemplo: Determine se os vetores
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡−
0011
e
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡−
1102
são linearmente dependentes ou linearmente independentes. Sol: Escrevendo a equação
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡−
+
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡−
0000
1102
c
0011
c 21
obtemos o sistema homogêneo
0cc00cc00c0c0c2c
21
21
21
21
=+=+=+=−−
Cuja única solução é 0cc 21 == . Portanto, os vetores dados são linearmente
independentes. Exemplo: Os vetores ( )2,1,0,1v1 =
v , ( )2,1,1,0v2 =v e ( )3,1,1,1v3 =
v em 3R são linearmente dependentes ou linearmente independentes?
Escrevendo a equação
0vcvcvc 332211
vvvv =++ e resolvemos para 1c , 2c e 3c . O sistema homogêneo resultante é
68
0c3c2c20ccc0cc0cc
321
321
32
31
=++=++=+=+
que tem apenas a solução 0ccc 321 === , mostrando que os vetores são linearmente independentes.
Exemplo: Os vetores 1ev e 2ev em 2R são linearmente independentes, já que
( ) ( ) ( )0,01,0c0,1c 21 =+
é válida se e somente se 0cc 21 == . Analogamente, os vetores 1ev , 2ev e 3ev em 3R e, mais geralmente, os vetores 1ev , 2ev , ..., nev em nR são linearmente independentes.
Exemplo: Se k21 v,...,v,v vvv , são k vetores em qualquer espaço vetorial e ivv é o
vetor nulo, então a equação 0vc...vcvc kk2211
vvvv =+++ é satisfeita fazendo-se 1ci = e 0cj = para ij≠ . Logo { }k21 v,...,v,vS vvv= é linearmente dependente. Portanto, todo
conjunto de vetores contendo o vetor nulo é linearmente dependente. TEOREMA: Os vetores não-nulos n21 v,...,v,v vvv em um espaço vetorial V são
linearmente dependentes se e somente se um dos vetores jvv é uma combinação linear dos j vetores precedentes 1j21 v,...,v,v −
vvv . Exemplo: Se ( )1,2,1v1 −=v , ( )1,2,1v2 −=v , ( )1,2,3v3 −−=v e ( )0,0,2v4 =
v , podemos escrever, por exemplo
0v0vv2v 4321
vvvvv =+++ De modo que 213 v2vv vvv −−= .
69
Base e Dimensão Base DEFINIÇÃO: Os vetores k21 v,...,v,v vvv em um espaço vetorial V formam uma
base para V se (a) k21 v,...,v,v vvv geram V (b) k21 v,...,v,v vvv são linearmente independentes.
Obs: Se k21 v,...,v,v vvv formarem uma base para V, então eles tem que ser distintos
e não-nulos, logo podemos escrevê-los como um conjunto { }k21 v,...,v,v vvv . Os vetores ( )0,1e1 =
v e ( )1,0e2 =v formam uma base para 2R , os vetores
( )0,0,1e1 =v , ( )0,1,0e2 =
v e ( )1,0,0e3 =v formam uma base para 3R e, no caso geral, os
vetores n21 e,...,e,e vvv formam uma base para nR . Cada um desses conjuntos de vetores é chamado de base natural ou base canônica para 2R , 3R e nR , respectivamente.
Exemplo: O conjunto
⎭⎬⎫
⎩⎨⎧
⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡=
1000
,0100
,0010
,0001
S
é uma base para o espaço vetorial V de todas as matrizes 2×2. Para verificar que S é linearmente independente, igualamos a zero uma combinação linear de vetores em S:
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡0000
1000
c0100
c0010
c0001
c 4321
Isto nos dá
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡0000
cccc
43
21
o que implica que 0cccc 4321 ==== . Logo, S é linearmente independente.
Para verificar que S gera V, consideramos um vetor arbitrário
⎥⎦
⎤⎢⎣
⎡dcba
em V e procuramos escalares 1c , 2c , 3c e 4c tais que
⎥⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡1000
c0100
c0010
c0001
cdcba
4321
Vemos que ac1 = , bc2 = , cc3 = e dc4 = . Portanto, S gera V.
70
TEOREMA: Se { }k21 v,...,v,vS vvv= é uma base para um espaço vetorial V, então todo vetor em V pode ser escrito de maneira única como uma combinação linear dos vetores em S.
TEOREMA: Seja { }k21 v,...,v,vS vvv= um conjunto de vetores não-nulos em um
espaço vetorial V e seja W = [S]. Então, algum subconjunto de S é uma base para W. Procedimento para encontrar um subconjunto de um conjunto gerador que é uma
base: Seja mRV = e seja { }n21 v,...,v,vS vvv= um conjunto de vetores não-nulos em V. O
procedimento para encontrar um subconjunto de S que é uma base de W = [S] é o seguinte:
Etapa 1. Forme a equação 0vc...vcvc nn2211
vvvv =+++ Etapa 2. Construa a matriz aumentada associada ao sistema homogêneo da
equação acima e coloque em forma escada reduzida por linhas. Etapa 3. Os vetores correspondentes às colunas contendo o primeiro elemento
não-nulo de cada linha, que é sempre 1, formam uma base para W = [S]. Então, se { }621 v,...,v,vS vvv= e os primeiros elementos não-nulos das linhas ocorrem nas colunas 1,
3 e 4, { }431 v,v,v vvv é uma base para [S]. Exemplo: Seja { }54321 v,v,v,v,vS vvvvv= um conjunto de vetores em 4R , onde ( )1,2,2,1v1 −=v ( )3,4,0,3v2 −−=v ( )1,1,1,2v3 −=v ( )6,9,3,3v4 −−=v ( )6,7,3,9v5 −=v Encontre um subconjunto de S que seja uma base para W = [S] Solução Etapa 1. Forme a equação 0vc...vcvc nn2211
vvvv =+++ ( ) ( ) ( ) ( ) ( ) ( )0,0,0,06,7,3,9c6,9,3,3c1,1,1,2c3,4,0,3c1,2,2,1c 54321 =−+−−+−+−−+−
Etapa 2. Iguale os componentes correspondentes para obter o sistema
homogêneo.
0c6c6cc3c0c7c9cc4c20c3c3cc20c9c3c2c3c
54321
54321
5431
54321
=−+−+=+−+−−=+++=+−+−
71
A forma escada reduzida por linhas da matriz aumentada é
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
−−
000000000000
025
23
2110
023
23
2101
M
M
M
M
Etapa 3. Os primeiros elementos não-nulos das linhas aparecem nas colunas 1 e
2, logo { }21 v,v vv é uma base para W = [S]. TEOREMA: Se { }n21 v,...,v,vS vvv= é uma base para o espaço vetorial V e se
{ }r21 w,...,w,wT vvv= é um conjunto linearmente independente de vetores em V, então r ≤ n.
Corolário: Se { }n21 v,...,v,vS vvv= e { }m21 w,...,w,wT vvv= são bases para um espaço
vetorial, então n = m. Embora um espaço vetorial tenha infinitas bases, para um determinado espaço
vetorial V, todas as bases têm o mesmo número de vetores. Dimensão DEFINIÇÃO: A dimensão de um espaço vetorial V não-nulo é o número de
vetores em uma base para V. Escrevemos, frequentemente, dim V no lugar de dimensão de V. Como o conjunto { }0
v é linearmente dependente, é natural dizer que o espaço
vetorial { }0v
tem dimensão zero. TEOREMA: Se S é um conjunto linearmente independente de vetores em um
espaço vetorial de dimensões finita V, então existe uma base T para V que contém S. Este teorema diz que um conjunto linearmente independente de vetores em um
espaço vetorial V pode ser estendido para uma base de V.
72
Exemplo: Suponha que queremos encontrar uma base para 4R que contém os vetores ( )0,1,0,1v1 =
v e ( )0,1,1,1v2 −−=v . Seja { }4321 e,e,e,e vvvv a base canônica de 4R , onde ( )0,0,0,1e1 =
v , ( )0,0,1,0e2 =v ,
( )0,1,0,0e3 =v e ( )1,0,0,0e4 =
v . Considere o conjunto { }432121 e,e,e,e,v,vS vvvvvv= . Como { }4321 e,e,e,e vvvv gera 4R , S
também gera 4R . Vamos agora encontrar um subconjunto de S que é uma base para 4R . Formamos a equação
0ececececvcvc 463524132211
vvvvvvv =+++++
que nos leva ao sistema homogêneo
0c0ccc0cc0ccc
6
521
42
321
==+−=+−=+−
Colocando a matriz aumentada em sua forma escada reduzida por linhas, obtemos
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−0100000001010000010100011001
M
M
M
M
Como os primeiros elementos não-nulos das linhas aparecem nas colunas 1, 2, 3 e
6, concluímos que { }4121 e,e,v,v vvvv é a base para 4R contendo 1vv e 2vv . Pela definição de base, um conjunto de vetores em um espaço vetorial V é uma
base para V se gera V e é linearmente independente. No entanto, se tivermos a informação adicional de que a dimensão de V é n, precisamos verificar apenar uma dessas condições. Este é o resultado do próximo teorema.
TEOREMA: Seja V um espaço vetorial de dimensão n e seja { }n21 v,...,v,vS vvv=
um subconjunto de n vetores em V. a) Se S é linearmente independente, então é uma base para V. b) Se S gera V, então é uma base para V.
73
Sistemas Homogêneos Considere o sistema homogêneo
0xAvv =
onde A é uma matriz m×n. O conjunto de todas as soluções desse sistema homogêneo é um subespaço de nR . Um problema extremamente importante é encontrar a base para este espaço solução.
O procedimento para encontrar uma base para o espaço solução de 0xA
vv = , ou o núcleo de A, onde A é m×n, é o seguinte:
Etapa 1. Resolva o sistema homogêneo dado pelo método de redução de Gauss-Jordan. Se a solução não contém constantes arbitrárias, então o espaço solução é { }0
v,
que não tem base; a dimensão do espaço solução é zero. Etapa 2. Se a solução xv contém constantes arbitrárias, escreva xv como uma
combinação linear dos vetores p21 x,...,x,x vvv tendo p21 s,...,s,s como coeficientes:
pp2211 xs...xsxsx vvvv +++= Etapa 3. O conjunto de vetores { }p21 x,...,x,x vvv é uma base para o espaço solução
de 0xAvv = ; a dimensão desse espaço solução é p.
Observação: Suponha que, na Etapa 1, a matriz em forma escada reduzida por
linhas na qual foi transformada [ ]0AvM tem r linhas não-nulas (todas com o primeiro
elemento diferente de zero igual a 1). Então, p = n – r, isto é, a dimensão do espaço solução é n – r. Além disso, a solução xv de 0xA
vv = tem n – r constantes arbitrárias. Se A é uma matriz m×n, chamamos a dimensão do núcleo de A de nulidade de A. Exemplo: Encontre uma base e a dimensão do espaço solução W do sistema
homogêneo.
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
−00000
xxxxx
1061220011210001121021411
5
4
3
2
1
74
Sol Etapa 1. Para resolver o sistema dado pelo método de redução de Gauss-Jordan,
transformamos a matriz aumentada em sua forma escada reduzida por linhas, obtendo
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡−
000000000000021000010210010201
M
M
M
M
M
Toda solução é da forma:
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
−
+−−−
=
tt2
sts2ts2
xv
onde s e t são números reais arbitrários.
Etapa 2. Todo vetor em W é uma solução, logo podemos escrever qualquer vetor
em W como
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
−
−
+
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡−−
=
12
011
t
00122
sxv
Como s e t podem assumir quaisquer valores, fazemos primeiro s = 1 e t = 0 e,
depois, s = 0 e t = 1, obtendo como soluções
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡−−
=
00122
x1v e
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
−
−
=
12
011
x 2v
Etapa 3. O conjunto { }21 x,x vv é uma base para W e dim W = 2.
75
Exemplo: Encontre uma base para o espaço solução do sistema homogêneo ( ) 0xAI3
vv =−λ para λ = –2 e
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−−=
200012103
A
Sol Formamos –2I3 –A:
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−−−
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
000032101
200012103
100010001
2
Esta última matriz é a matriz dos coeficientes do sistema homogêneo, logo a
transformamos na matriz aumentada
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−
000000320101
M
M
M
e a colocamos na forma escada reduzida por linhas
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
0000
03210
0101
M
M
M
Então, todo solução é da forma ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
=
s
s32
sxv onde s é um número real qualquer.
Logo, todo vetor no espaço solução pode ser escrito como
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
=
1321
sxv
de modo que
⎪⎭
⎪⎬
⎫
⎪⎩
⎪⎨
⎧
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
1321
é uma base para o espaço solução.
76
Exemplo: Encontre todos os números reais λ tais que o sistema homogêneo ( ) 0xAI2
vv =−λ tem uma solução não-trivial, onde
⎥⎦
⎤⎢⎣
⎡−
=13
51A
Sol Formamos λI2 –A:
⎥⎦
⎤⎢⎣
⎡+λ−−−λ
=⎥⎦
⎤⎢⎣
⎡−
−⎥⎦
⎤⎢⎣
⎡λ
1351
1351
1001
O sistema homogêneo ( ) 0xAI2
vv =−λ é, então
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡+λ−−−λ
00
xx
1351
2
1
Este sistema homogêneo tem uma solução não trivial se e somente se o
determinante da matriz dos coeficientes é nulo (Apostila 2), isto é, se e somente se
013
51det =⎟⎟
⎠
⎞⎜⎜⎝
⎛⎥⎦
⎤⎢⎣
⎡+λ−−−λ
ou se e somente se ( )( ) 01511 =−+λ−λ
0162 =−λ 4=λ ou 4−=λ
Portanto, quando 4=λ ou 4−=λ , o sistema homogêneo ( ) 0xAI2
vv =−λ para a matriz dada A tem uma solução não-trivial.
77
O Posto de uma Matriz DEFINIÇÃO: Seja
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
mn2m1m
n12221
n11211
aaa
aaaaaa
A
L
MMM
L
L
uma matriz m×n. As linhas de A, { }n112111 a,...,a,av =v { }n222212 a,...,a,av =v
M { }mn2m1mm a,...,a,av =v
consideradas vetores em nR , geram um subespaço de nR chamado espaço linha de A. Analogamente, as colunas de A,
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
1m
21
11
1
a
aa
wM
v ,
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
2m
22
12
2
a
aa
wM
v , ...... ,
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
mn
n2
n1
n
a
aa
wM
v
considerados vetores em mR , geram um subespaço de mR chamado espaço coluna de A.
TEOREMA: Se A e B são duas matrizes m×n equivalentes por linhas, então os
espaços linha de A e B são iguais. O procedimento para encontrar uma base para o subespaço V de nR dado por
V = [S], onde { }k21 v,...,v,vS vvv= é um conjunto de vetores em nR dados em forma de linhas, é o seguinte:
Etapa 1. Forma a matriz
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
k
2
1
v
vv
A
vM
v
v
cujas linhas são os vetores dados em S. Etapa 2. Transforme A em sua forma escada reduzida por linhas, obtendo a
matriz B. Etapa 3. As linhas não-nulas de B formam uma base para V.
78
Exemplo: Seja { }4321 v,v,v,vS vvvv= , onde ( )4,3,0,2,1v1 −−=v , ( )4,1,8,2,3v2 =v ,
( )3,2,7,3,2v3 =v e ( )3,4,0,2,1v4 −−=v .
V é o espaço linha da matriz A cujas linhas são os vetores dados:
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−−
−−
=
34021327324182343021
A
A é equivalente por linhas a
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−=
0000011000
1011010201
B
que está em forma escada reduzida por linhas. Os espaços linhas de A e B são idênticos, e uma base para o espaço linha de B consiste nas linhas não-nulas de B. Portanto,
( )1,0,2,0,1w1 =v , ( )1,0,1,1,0w 2 =
v e ( )1,1,0,0,0w 3 −=v formam uma base para V.
DEFINIÇÃO: A dimensão do espaço linha de A é chamada de posto linha de A,
e a dimensão do espaço coluna de A é chamada de posto coluna de A. TEOREMA: Os postos linha e coluna de uma matriz [ ]ijaA = m×n são iguais. DEFINIÇÃO: Como posto linha de A = posto coluna de A, vamos nos referir
simplesmente ao posto de uma matriz m×n e escrever posto de A. O procedimento para calcular o posto de uma matriz é o seguinte: Etapa 1. Usando operações elementares nas linhas, transforme A em uma matriz
B em forma escada reduzida por linhas. Etapa 2. Posto de A = número de linhas não-nulas de B. TEOREMA: Se A é uma matriz m×n, então posto de A + nulidade de A = n.
79
Exemplo: Seja
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
−=
1061220011210001121021411
A
colocando A em sua forma escada reduzida por linhas:
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡−
=
00000000002100010210
10201
A
Logo, posto de A = 3 e nulidade de A = 2.
80
Posto e Singularidade TEOREMA: Uma matriz A n×n é invertível se e somente se posto de A = n. Corolário: Se A é uma matriz n×n, então posto de A = n se e somente se
det(A) ≠ 0. Corolário: Seja A uma matriz n×n. O sistema linear bxA
vv = tem uma única solução para toda matriz b n×1 se e somente se posto de A = n.
Corolário: Seja { }n21 v,...,v,vS vvv= um conjunto de vetores em nR e seja A a
matriz cujas linhas (respectivamente, colunas) são vetores em S. Então S é linearmente independente se e somente se det(A) ≠ 0.
Corolário: O sistema homogêneo 0xA
vv = com n equações lineares e n incógnitas tem uma solução não-trivial se e somente se posto de A < n.
Exemplo: Seja
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
312310021
A
Transformando A em sua forma escada reduzida por linhas B, encontramos
B = I3. Logo, posto de A = 3 e a matriz não é singular. Além disso, o sistema homogêneo 0xA
vv = tem apenas a solução trivial. Exemplo: Seja
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=331311
021A
Então A é equivalente por linhas a
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ −
000310601
uma matriz em forma escada reduzida por linhas. Logo, posto de A < 3 e A é singular. Além disso, 0xA
vv = tem apenas a solução não-trivial.
81
Aplicação do Posto para um Sistema Linear Ax = b TEOREMA: O sistema linear bxA
vv = tem solução se e somente se posto de A = posto de [ ]bA
vM , isto é, se e somente se os postos da matriz de coeficientes e da matriz
aumentada são iguais. Exemplo: Considere o sistema linear
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
321
xxx
310221312
3
2
1
Como posto de A = posto de [ ]bA
vM = 3, o sistema linear tem uma solução.
Exemplo: O sistema linear
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
654
xxx
712431321
3
2
1
não tem solução, pois posto de A = 2 e posto de [ ]bA
vM = 3.
Lista de Equivalência para Matrizes Invertíveis As seguintes afirmações são equivalentes para uma matriz A n×n:
1. A é invertível. 2. 0xA
vv = tem apenas a solução trivial. 3. A é equivalente por linhas a In. 4. O sistema linear bxA
vv = tem uma única solução qualquer que seja a matriz bv
n×1. 5. det(A) ≠ 0 6. A tem posto n. 7. A tem nulidade 0. 8. As linhas de A formam um conjunto linearmente independente de n vetores em nR . 9. As colunas de A formam um conjunto linearmente independente de n vetores em nR .