Apostila (1).doc

  • Uploaded by: Odeir Fortunato
  • 0
  • 0
  • November 2019
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Apostila (1).doc as PDF for free.

More details

  • Words: 3,248
  • Pages: 10
Prof. Sérgio Ricardo de Brito Gadelha

1

COMBINAÇÃO LINEAR Uma expressão da forma a1u1 + a2u2+ . . . +anun = w, onde a1, a2, . . . ,an são escalares e u1, u2, . . .,un e w, vetores do n chama-se combinação linear. Em outras palavras, sejam V um espaço vetorial real ( ou complexo), v 1, v2,...,vn  V e a1,...,an, números  (ou complexos).     Então o vetor v  a1v1  a 2 v 2    a n v n é um elemento de V, e dizemos que “v” é uma combinação linear de v1,...,vn. W = [ v1,...,vn] é chamado subespaço quando por v1,...,vn. Por exemplo, os vetores e1 = (1, 0, 0); e2 = (0, 1, 0) e e3 = (0, 0, 1) geram o espaço vetorial R , pois qualquer vetor (a, b, c)  R3 pode ser escrito como combinação linear dos ei, especificamente: 3

(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) Sendo u = (x, y, z) se o sistema de equações lineares resultante da combinação linear não for consistente, isto é, não tiver solução, então o vetor não pode ser escrito como combinação linear, logo não gera um espaço. Exemplos.:    1) Sejam v1  (3, 1) e v 2  (2, 4) e os escalares a1 = 2 e a2 = -1. Podemos encontrar um vetor v = (x,   y) que seja combinação linear de v1 e v 2 .     v  a1v1  a 2 v 2  (x, y) = 2.(3, 1) + (-1).(2, 4) = (4, -2) = v 



2) Sejam os vetores v1 = (1, -3, 2) e v 2 = (2, 4, -1).    O vetor v = (-4, -18, 7) pode ser escrito como combinação linear de v1 e v 2 . (-4, -18, 7) = a1.(1, -3, 2) + a2.(2, 4, -1)

a1  2a2  4   3a1  4a2  18  2a  a  7 1 2

 1 2 :  4  1 0 2   3 4 : 18 ~ 0 1  3  a1  2     a  3  2 1 : 7  0 0 0  2 COMBINAÇÕES LINEARES E SUBESPAÇOS GERADOS 



Seja um vetor espaço vetorial. Considere um subconjunto A  { v 1 ,  , v n }  V, com A  . O conjunto S de todos os vetores de V que são combinações lineares dos vetores de A é um subespaço   vetorial de V. O subespaço diz-se gerado por v 1 ,  , v n . Ou seja:

Prof. Sérgio Ricardo de Brito Gadelha

2 



S = G (A) ou S  [ v 1 ,  , v n ] Os vetores v1,...vn são chamados geradores de S e A é o conjunto gerador. Exercícios: 1) Os vetores i = (1, 0) e j = (0, 1) geram o espaço vetorial 2, pois qualquer (x, y)   é combinação linear de i e j. (x, y ) = x.(1, 0) + y.(0, 1) = (x, y) [ i, j ] = 2 





2) Os vetores i =(1, 0, 0), j =(0, 1, 0) e k =(0, 0, 1) geram o espaço vetorial 3. (x, y, z) = x.(1, 0, 0) + y.(0, 1, 0) + z.(0, 0, 1) Obs.: i, j e k são chamados de vetores unitários, e também podem ser representados por e1, e2, e3. 3) Seja V = 3. Determinar o subespaço gerado por v1 = (2, 1, 3). [ v1 ] = { (x, y, z)  2 / (x, y, z) = a.(2, 1, 3), a   }

x  2.a  x  2.y  v  a.(2,1,3) y  a z  3.a  z  3.y 

S {(x, y, z)3 / x  2y e z  3y}ou  S {(2y, y, 3y) / y}

Obs.: O subespaço gerado por um vetor v,  3, v1  0, é uma reta que passa pela origem. 4) Determinar o subespaço gerado pelo conjunto A = { (1, 0, 0) , (0, 0, 1) }.    v  a1 v 1  a 2 v 2  (x, y, z) = a1 (1, 0, 0) + a2 (0, 0, 1). (x, y, z) = (a1, 0, 0) + (0, 0, a2) = (a1, 0, a2)  x = a1 y=0 z = a2 S = { (x, y, z)  3 / y = 0 } S = { (x, o, z)  3 / x, z  } Obs.: S é o plano xz DEPENDÊNCIA E INDEPENDÊNCIA LINEAR

Definição. Seja V um espaço vetorial e

v1 , v2 ,....., vn

v1 , v2 ,....., vn 

V. Dizemos que o conjunto A={

} é linearmente independente (LI) ou os vetores

v1 , v2 ,....., vn

são L.I. se a

Prof. Sérgio Ricardo de Brito Gadelha

3

1 v1  2 v2  ......... n vn  0 1 , 2 ,.......n   implica que 1  2 .......  n  0 . No caso em que exista algum i  0 diremos que {v1 , v2 ,......, v n} é linearmente

equação:

dependente (LD) ou que os vetores v1, v2, ... , vn são L.D. Em outras palavras, seja um conjunto de vetores de mesma dimensão: v1 , v 2 ,..., v N  R n

Se a única combinação linear que resulte no vetor nulo 1v1   2 v 2  ...   N v N  0

for a trivial, isto é, aquela em que os coeficientes são nulos: 1   2  ...   N  0

então dizemos que os vetores vN são linearmente independentes. Por outro lado, se houver alguma combinação que produza o vetor nulo, em que os coeficientes não se anulam, então dizemos que os vetores vN são linearmente dependentes. Exemplos em R3: 

v1 e v2 são dependentes se estão na mesma linha.



v1, v2, v3 no mesmo plano são dependentes.



v1, v2, v3 e v4 são sempre dependentes em R3.

Exercícios: Verifique se os conjuntos são L.I. ou L.D. 1) A = { (3, 1), (1, 2) }, V = 2

   a1v1  a2v2  0

3a1  a2  0 a1(3, 1)  a2 (1, 2)  (0, 0)   a1  a2  0  A é L.I. a1  2a2  0 2) A = { (1, 2, 0), (0, 1, 1), (2, 4, 0) } a1(1, 2, 0) + a2(0, 1, 1) + a3(2, 4, 0) = (0, 0, 0)

Prof. Sérgio Ricardo de Brito Gadelha

4

a1  2a3  0  2a1  a2  4a3  0 a2  0 e a3  qualquer Logo A é L.D. a  0 2 3) A = { (2, 4), (6, 12) } a1(2, 4) + a2(6, 12) = (0, 0)

2a1  6a2  0 (2)  4a1 12a2  0  A é L.D.   4a1 12a2  0 4a1 12a2  0 Sistema Indeterminado 00 Obs. 1: Sempre que o conjunto A tiver elementos múltiplos, teremos um conjunto L.D.   No caso anterior, v 2  3v1 . 4) A = { (1, 0, 2), (2, 0, 4) } é L.D.   v 2  2v1









5) A = { (0, 0, 0), (2, 3, 4), (5, 6, 7) } v 2  0v1 e v3  0v1 é L.D.  1

6) A   

 3

2  4 , 0  12

8     v 2  4v1  0 

Obs. 2: Para gerar o V = 2 é preciso de 2 vetores Para gerar o V = 3 é preciso de 3 vetores Para gerar o V = M2X2 é preciso de 4 vetores

Prof. Sérgio Ricardo de Brito Gadelha

5

Prof. Sérgio Ricardo de Brito Gadelha

6

BASES E DIMENSÕES Definição. Se V é um espaço vetorial qualquer e S = {v 1, v2, ..., vn} é um conjunto de vetores em V, dizemos que S é uma base de V se valerem as seguintes condições: (a) S é linearmente independente. (b) S gera V. Teorema Se S = {v1, v2, ..., vn} é uma base de um espaço vetorial V, então cada vetor em V pode ser expresso da forma v = c1v1 + c2v2 + ... +cnvn de uma única maneira Obs. 1. Os vetores v1,. . .,vn são linearmente dependentes se, e somente se, um deles é combinação linear dos outros. 2. Se dois vetores v1,. . . ,vm, são iguais, digamos v1= v2, então os vetores são dependentes. Pois v1- v2 = 0 3. Dois vetores v1 e v2 são dependentes se, e somente se, um deles é múltiplo do outro. 4. No espaço real R3 a dependência de vetores pode ser escrita geometricamente como segue: dois vetores quaisquer u e v são dependentes se, e somente se, estão na mesma reta passando pela origem; três vetores quaisquer u, v e w são dependentes se, e somente se, estão no mesmo plano passando pela origem Exercícios 1) Verifique se o conjunto B { (1, -1), (0, 1) } é uma base do V = 2: a) B é L.I.? a1.(1, -1) + a2.(0, 1) = (0, 0) 

a1 = 0 -a1 + a2 = 0

a1 = a2 = 0  B é L.I.

 b) B gera o V = 2 ? Devemos escrever todo e qualquer v  2 como combinação linear de   v1 e v 2 .    v  a1v1  a 2 v 2 . (x, y) = a1.(1, -1) + a2.(0, 1) x = a1  a1 = x y = -a1 + a2  a2 = x + y

Prof. Sérgio Ricardo de Brito Gadelha

7

(x, y) = x.(1, -1) + (x +y) (0, 1) Logo, B gera o 2 2) Verifique se B = { (2, 3), (4, 6) } é uma base do V = 2 . (B é L.D., logo não é base) 3) B = { (1, 0, 1), (0, 0, 1) } é uma base de 3 ? ( Não, pois precisamos de 3 vetores para gerar o 3.) 4) B = { (1, 0), (0, 1) } é uma base de 2 ? (Sim, e é chamada de Base Canônica) 5) B = { (1, 0, 0), (0, 1, 0), (0, 0, 1) } é uma base de 3 ? (É a base canônica do 3) Obs. 1: Sejam e1 = (1, 0, 0,..., 0), e2 = (0, 1, 0, ..., 0),..., en = (0, 0,...,1). O conjunto B = { e1, e2,...,en) é uma base de n, chamada de Base canônica do n.

Prof. Sérgio Ricardo de Brito Gadelha

8

Definição. Diz-se que um espaço vetorial V é de dimensão finita n ou é n-dimensional, e escreve-se dim V = n se existem vetores linearmente independentes e1, e2, . . ., en que geram V. A seqüência {e1, e2, ..., en} é então chamada de uma base de V Teorema. Seja V um espaço vetorial de dimensão finita. Então, todas as bases de V tem o mesmo número de elementos. Seja V de dimensão finita n. Então: (i) Qualquer conjunto de n + 1 ou mais vetores é linearmente dependente (ii) Qualquer conjunto linearmente independente é parte de uma base, isto é, pode ser estendido a uma base (iii) Um conjunto linearmente independente com n elementos é uma base. Exemplo Os quatro vetores em R4 (1,1,1,1), (0,1,1,1), (0,0,1,1), (0,0,01) são linearmente independentes, pois formam uma matriz escalonada. Além disso, como dim R4 = 4, eles formam uma base de R4. Dimensão é o número de elementos necessários para gerar um espaço vetorial. Estes elementos, formam uma base que gera o espaço V. Ex.: V = 2 então dim. V = 2 V = 3 então dim. V = 3 1

V = M2x2 então dim. V = 4  0  V = M2x3 então dim. V = 6 V = M2x1 então dim. V = 2 V = Mmxn então dim. V = m . n

0  0 , 0 0

1 0 , 0 1

0  0 , 0 0

0 1

TEOREMA: Se dim V = n, qualquer conjunto de “n” vetores L.I. formará uma base de V. BASE ORTOGONAL E BASE ORTONORMAL Diz-se que uma base {v1, v2, ..., vn} de V é ortogonal se os seus vetores são dois a dois ortogonais. Exemplos: {(1,2,-3), (3,0,1), (1,-5,-3)} é uma base ortogonal do R3. Mostre que, o conjunto B = { (1, 0), (2, -1) } é uma base ortogonal em relação a esse produto interno. (1, 0).(2, -1) = 2 –2 +0 +0 = 0  B é ortogonal. Uma base B = {v1, v2, ..., vn} de um espaço vetorial euclidiano V é ortonormal se B é ortogonal e

0 para i  j todos os seus vetores são unitários, isto é: v  v   . i j 1 para i  j Exemplo.: B = { (1, 2), (-2, 1) } Produto interno usual (1, 2).(-2, 1) = 0 -2 +2 = 0

(1, 2).(1, 2) = 5  1  B não é base ortogonal

Prof. Sérgio Ricardo de Brito Gadelha

9

Se um conjunto B é uma base ortogonal então para que tenhamos uma base ortonormal, basta normalizar cada elemento de B, isto é:    vn v1 v2  ,  ,...,  v1 v2 vn

Exemplo1: Seja B = { (1, 2), (-2, 1) } uma base ortogonal em relação ao produto interno usual. Construir uma base B’ ortonormal.  v1  1 2  ,  ;    v1  5 5   v1 .v 2  0 Prova:   v1 .v 2  1

  1 2   2 1   v2  2 1  ,   B'   , ,   ,       v2 5 5 5 5    5 5  

  v 2 .v 2  1

Exemplo. 2: O conjunto B = { (1, 3), (3, a) } é uma base ortogonal do V = 2 em relação ao produto interno usual. a) Determine o valor de “a”. b) A partir de B, construa uma base B’, ortonormal.  u .v  0  (1, 3).(3, a )  0  3  3a  0  a  1

B   (1, 3), (3,  1) é ortogonal.   v1 (1, 3)  1 (3,  1)  3 3  v2 1    ,  ;     ,    2 2 v1 10 10   10 10  v 2  10 1 3

 1 B'   ,  10

3  3 1  ,  ,   10   10 10  

Exemplo. 3:  A partir de v1  (1, 2) construa uma base B ortogonal do V = 2 em relação ao produto interno usual. A partir de B, construa uma base B’ ortonormal.   a) B = { v1 , v 2 } = { (1, 2), (x, y) }  (1, 2), (x, y) = 0  v 2 = (-2y, y) x +2y = 0  x = -2y   Podemos tomar  y  0. Por exemplo, y = -1 e x = 2 v 2 =(2, 1) Logo, B = { (1, 2), (2, 1) }  v1  1 2  ,  ; b)    v1  5 5

 v2  2 1  ,  ;    v2 5  5

 1 2   2 1  B '   ,  ,  ,   5   5 5   5

Processo de Ortogonalização de Gram-Schmidt De um espaço vetorial euclidiano V e uma base qualquer B = {v 1, v2, ..., vn} desse espaço, é possível a partir dessa base, determinar uma base ortogonal, considere-se: w 1 = v1 e determina-se o valor de  de modo que o vetor w 2  v 2  w 1 seja ortogonal a w1, ou seja; ( v 2  w 1 )  w 1  0 v 2  w 1  ( w 1  w 1 )  0

Prof.

Sérgio

Ricardo

10

 w 2  v2 

de

Brito

Gadelha

v 2  w1 w1  w1

v 2  w1 w 1 assim w1 e w2 são ortogonais. w1  w1

v3  w 2 v w  w 2  3 1  w 1 , onde w1, w2 e w3 são ortogonais. w2 w2 w1  w1 O processo que permite a determinação de uma base ortogonal a partir de uma base qualquer chama-se processo de ortogonalização de Gram-Schmidt. Para se obter uma base ortonormal, basta normalizar cada wi wi, fazendo u i  . wi

Analogamente determina-se w3, onde w 3  v 3 

 



Dessa forma, dado um espaço euclidiano V e um a base qualquer B = { v1 , v 2 ,..., v n } desse espaço, é possível, a partir dessa base, determinar uma base ortogonal de V.   w1  v1 ;

     w2  v 2  (v1 .u1 ).u1

        w3  v 3  (v 3 .u 2 ).u 2  (v 3 .u1 ).u1

onde onde

 w  u1  1 w1  w  u 2  2 w2

           w4  v 4  (v 4 .v 3 ).u 3  (v 4 .u 2 ).u 2  (v 4 .u1 ).u1

 w  onde u 3  3 w3

      B  {w1 , w2 , w3 ,..., wn }  base ortogonal e B = {u1 ,..., u n }  base ortonormal.

Bibliografia Recomendada 1. SIMON, Carl & Blume, L. Matemática para Economistas. Tradução: Claus Ivo Doering. Porto Alegre: Bookman, 2004. 2. BRAGA, Márcio Bobik; KANNEBLEY JÚNIOR, Sérgio; ORELLANO, Verônica I.F. Matemática para economistas. São Paulo: Atlas, 2003. 3. BOLDRINI, José Luiz. Álgebra linear: 591 problemas resolvidos. 442 problemas suplementares. Ed. Harbra, 2004. 5. LIPSCHUTS, Algebra linear. Ed. PEARSON EDUCATION DO BRASIL LTDA, 2004 6. DAVID, C. Lay. Álgebra Linear e suas Aplicações. Editora: LTC, Rio de Janeiro, 1999. 7. KOLMAN, Bernard. Introdução a Álgebra Linear com Aplicações. Ed. Prentice-Hall do Brasil, 2000. 8.ANTON, Howard. Elementary Linear Algebra. 3a ed. John Wiley & Sons, 1981. Recomendo que vocês exercitem seus conhecimentos na lista de exercícios referente ao “Ponto 49”. Um forte abraço e até o nosso próximo encontro.

Related Documents

Benchmarking 1doc
June 2020 45
Homework.1doc
October 2019 76
Apostila
November 2019 37
Apostila
December 2019 50
Apostila
June 2020 28
Apostila
December 2019 53

More Documents from ""

Apostila (1).doc
November 2019 5
Cv-domingas Manuel.pdf
November 2019 4
Eveke Ovima.docx
December 2019 3
December 2019 6