Espaços vectoriais reais
|
|
- Rafael di Azevedo Campos
- 6 Há anos
- Visualizações:
Transcrição
1 ALGA - 00/0 - Espaços Vectoriais 49 Introdução Espaços vectoriais reais O que é que têm em comum o conjunto dos pares ordenados de números reais, o conjunto dos vectores livres no espaço, o conjunto das matrizes reais de um determinado tipo, o conjunto dos polinómios reais numa indeterminada x e o conjunto das funções reais de variável real? À partida os elementos destes conjuntos são entes de natureza diferente, mas em todos os conjuntos se de ne uma operação denominada soma e, para cada um dos conjuntos, sabe-se efectuar o produto de um número real por um dos seus elementos. Quando se fala de soma não é habitualmente uma soma de números e pode nem sequer envolver qualquer soma de números, como se vê, por exemplo, no caso da soma de vectores no espaço. Veri ca-se, no entanto, que a soma de nida em qualquer dos conjuntos referidos goza de propriedades comuns em todos eles e comuns à soma usual: é comutativa, associativa, tem elemento neutro e qualquer elemento tem simétrico. Para o produto de um número real por um elemento de qualquer dos conjuntos também se encontram propriedades comuns. A observação dessas propriedades comuns conduz à de nição do conceito mais geral de espaço vectorial real. De nição Seja V um conjunto não vazio no qual estão de nidos uma soma + que associa a cada par de elementos de V um elemento de V e um produto escalar que associa a cada par formado por um número real e um elemento de V; um elemento de V, ou seja: 8v 1 ; v V; v 1 + v V. (V é fechado para a soma). 8 R; 8v V; v V: (V é fechado para o produto escalar). V é um espaço vectorial real se são satisfeitas as seguintes propriedades para a soma e produto escalar: (S 1 ) 8u; v V, u + v = v + u: (propriedade comutativa) (S ) 8u; v; w V, (u + v) + w = u + (v + w) : (propriedade associativa) (S ) Existe um elemento em V; representado por 0 V ; tal que: 8v V; v+0 V = v. (existência de elemento neutro) (S 4 ) Para todo o v V; existe um elemento em V, representado por v; tal que v + ( v) = 0 V. (existência de simétricos) (P 1 ) 8 R; 8u; v V; (u + v) = u + v: (P ) 8; R; 8v V; ( + ) v = ( v) + ( v) : (P ) 8; R; 8v V; () v = ( v) : (P 4 ) 8v V, 1 v = v.
2 ALGA - 00/0 - Espaços Vectoriais 50 Observações 1. Os elementos de V designam-se por vectores.. Os elementos de R designam-se por escalares.. A de nição de espaço vectorial não especi ca a natureza dos elementos de V, nem das operações de soma e produto escalar. Qualquer tipo de objecto pode ser um vector e as operações podem nada ter a ver com as operações de soma e produto de números. 4. Ao vector 0 V chama-se vector nulo do espaço vectorial V. 5. Ao vector v chama-se simétrico do vector v.. Quando não há ambiguidade omite-se o símbolo no produto escalar.. Há uma de nição análoga de espaço vectorial complexo, em que os escalares são números complexos. 8. A de nição de espaço vectorial pode ser ainda mais geral, sendo os escalares elementos de uma estrutura também mais geral chamada corpo. Exemplos de espaços vectoriais reais 1. O conjunto dos vectores no espaço, com a soma usual de vectores e o produto usual de um número real por um vector.. Para m; n N; o conjunto das matrizes de tipo m n; com a soma usual e o produto escalar usual. Este conjunto designa-se por M mn (R) :. Como casos particulares do exemplo anterior têm-se os conjuntos M m1 (R) e M 1n (R) : 4. Para n N;o conjunto R n = f(x 1 ; x ; :::; x n ) : x 1 ; x ; :::; x n Rg com as seguintes operações de soma e produto escalar: 8 (x 1 ; x ; :::; x n ) ; (y 1 ; y ; :::; y n ) R n ; (x 1 ; x ; :::; x n )+(y 1 ; y ; :::; y n ) = (x 1 + y 1 ; x + y ; :::; x n + y n ) 8 (x 1 ; x ; :::; x n ) R n ; 8 R; (x 1 ; x ; :::; x n ) = (x 1 ; x ; :::; x n ). 5. Como casos particulares do exemplo 4 destacam-se, pela sua importância, R (n = 1) ; R e R :. O conjunto R [x] dos polinómios reais na indeterminada x; com a soma usual de polinómios e o produto usual de um número real por um polinómio.. O conjunto R n [x] dos polinómios reais na indeterminada x com grau menor ou igual a n; com as operações referidas no exemplo.
3 ALGA - 00/0 - Espaços Vectoriais O conjunto F (R) das funções reais de variável real, com as operações usuais de soma de funções e de produto de um número real por uma função: 8f; g F (R) ; (f + g) (x) = f (x) + g (x) : 8f F (R) ; 8k R; (kf) (x) = kf (x) : Propriedades: Seja V um espaço vectorial real. Então: 1. O vector nulo é único.. O simétrico de cada vector de V é único.. 8v V; 0 v = 0 V R; 0 V = 0 V. 5. 8v V; ( 1) v = v.. Se v = 0 V, então = 0 ou v = 0 V : Combinações lineares Num espaço vectorial real V estão de nidas as operações de soma e produto escalar. As combinações lineares de vectores de V são a resultante de efectuar simultaneamente essas duas operações. Diz-se então que um vector u V é combinação linear dos vectores u 1 ; u ; :::; u k V se existem escalares 1 ; ; :::; k R tais que 1 u 1 + u + ::: + k u k = u: Os escalares 1 ; ; :::; n são os coe cientes da combinação linear. Chama-se combinação linear nula a qualquer combinação linear que origine o vector nulo. 1. A soma de vectores é um caso particular de combinação linear, em que os coe cientes são 1.. O produto escalar é também um caso particular de combinação linear, apenas com uma parcela.. Como (1; 0; 0) + (0; 1; 0) + ( 5) (0; 0; 1) = (; ; 5) ; o vector (; ; ; e 5; respectivamente. 5) é combinação linear de (1; 0; 0) ; (0; 1; 0) e (0; 0; 1) com coe cientes
4 ALGA - 00/0 - Espaços Vectoriais 5 4. O vector (; ; 5) não é combinação linear de u 1 = (1; 0; 0) e u = (0; 1; 0) ; pois qualquer combinação linear destes dois vectores tem a última coordenada nula: 8 1 ; R; 1 (1; 0; 0) + (0; 1; 0) = ( 1 ; ; 0) : 5. O mesmo vector (; ; 5) é combinação linear dos vectores (1; 1; 1) ; (1; 1; 0) e (1; 0; 0) com coe cientes, respectivamente, 5; 8 e 1 isto é 5 (1; 1; 1) + 8 (1; 1; 0) 1 (1; 0; 0) = (; : 5) :. O vector nulo de qualquer espaço vectorial é combinação linear de qualquer sistema de vectores, com os coe cientes todos nulos. Chama-se a essa combinação linear a combinação linear nula trivial: Por exemplo, em R, 0 (; ; ) + 0 (1; 1; 0) + 0 (0; 0; 1) = (0; 0; 0) :. Pode-se escrever o vector nulo como combinação linear dos mesmos vectores do exemplo anterior, mas com coe cientes diferentes de 0: 1 (; ; ) + ( ) (1; 1; 0) + ( ) (0; 0; 1) = (0; 0; 0) : 8. A partir da fórmula fundamental da trigonometria, sen (x) + cos (x) = 1; 8x R, veri ca-se que a função real constante f (x) = 1; 8x R, é combinação linear das funcões sen (x) e cos (x) ; sendo os dois coe cientes iguais a 1: Independência e dependência linear A nocão de independência ou dependência linear de vectores é uma noção essencial em Álgebra Linear. No que se segue a palavra conjunto será abusivamente utlilizada, pois serão permitidos "conjuntos" de vectores com elementos repetidos, quando, matematicamente, um conjunto não possui elementos repetidos. De nição A: Seja fv 1 ; v ; :::; v k g um conjunto de vectores de V. Diz-se que o conjunto é linearmente independente se a única combinação linear nula de v 1 ; v ; :::; v k é a trivial, isto é: 1 v 1 + v + + k v k = 0 V ) 1 = = ::: = 0 Se o conjunto não é linearmente independente, diz-se que é linearmente dependente, ou seja um conjunto fv 1 ; v ; :::; v k g é linearmente dependente se existem números reais 1 ; ; :::; k não todos nulos tais que 1 v 1 + v + ::: + k v k = 0 V, ou, ainda, se existe uma combinação linear nula não trivial de v 1 ; v ; :::; v k :
5 ALGA - 00/0 - Espaços Vectoriais 5 1. O conjunto de vectores de R ; f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g é linearmente independente, pois 8 >< 1 = 0 1 (1; 0; 0) + (0; 1; 0) + (0; 0; 1) = (0; 0; 0), ( 1 ; ; ) = 0, = 0 >: = 0. O conjunto de vectores de R ; f(; ; ) ; (1; 1; 0) ; (0; 0; 1)g é linearmente dependente pois, como foi visto acima, 1 (; ; ) + ( ) (1; 1; 0) + ( ) (0; 0; 1) = (0; 0; 0) : Alternativamente, a noção de dependência linear admite a seguinte de nição, equivalente à anterior: De nição B: Um conjunto de vectores fv 1 ; v ; :::; v k g é linearmente dependente se algum dos vectores é combinação linear dos restantes. (E, portanto, um conjunto de vectores fv 1 ; v ; :::; v k g é linearmente independente se nenhum dos vectores é combinação linear dos restantes.) Para ver a equivalência entre as duas de nições, começamos por supor que fv 1 ; v ; :::; v k g é um conjunto de vectores linearmente dependente. Seguindo a de nição A, existem números reais 1 ; ; :::; k não todos nulos, tais que 1 v 1 + v + ::: + k v k = 0 V ; Sendo i = 0, tem-se: 1 v 1 + v + + k v k = 0 V,, i v i = 1 v 1 i 1 v i 1 i+1 v i+1 ::: k v k,, v i = 1 i 1 i+1 k v 1 v i 1 v i+1 ::: v k i i i i Conclui-se que v i ; pelo menos, é combinação linear dos restantes vectores. Por outro lado, se um dos vectores v 1 ; v ; :::; v k é combinação linear dos outros, então v i = 1 v i 1 v i 1 + i+1 v i+1 + ::: + k v k,, 1 v i 1 v i 1 + v i + i+1 v i+1 + ::: + k v k = 0 V (1) e a expressão (1) é uma combinação linear nula de v 1 ; v ; :::; v k em que nem todos os coe - cientes são nulos. A de nição B permite reconhecer facilmente a dependência ou independência linear de um conjunto de vectores, sobretudo quando envolve poucos vectores ou quando acontece alguma das situações descritas na proposição seguinte:
6 ALGA - 00/0 - Espaços Vectoriais 54 Proposição: Seja fv 1 ; v ; :::; v k g um conjunto de vectores de um espaço vectorial real V. 1. Se algum dos vectores do conjunto é o vector nulo; então o conjunto é linearmente dependente.. Se o conjunto tem dois vectores iguais, então o conjunto é linearmente dependente.. Se um dos vectores do conjunto é múltiplo real de outro, então o conjunto é linearmente dependente. 1. O conjunto f(1; ) ; (; 4)g ; em R ; é linearmente dependente porque (; 4) = (1; ) :. O conjunto f(1; ; 1) ; (0; 4; 1) ; (; 0; )g ; em R ; é linearmente dependente porque (0; 4; 1) = (1; ; 1) + ( 1) (; 0; ) :. O conjunto 1; ; ; 4 ; (1; 1; 0; e) ; (0; 0; 0; 0) ; (; 1; 4; ) ; ; 1; 1; 10 ; em R 4 ; é linearmente dependente, porque contém o vector nulo. 4. O conjunto f(1; ) ; (; )g ; em R ; é linearmente independente porque nenhum dos vectores é múltiplo real do outro. 5. O conjunto f(1; 1; 1) ; (1; 1; 0) ; (1; 0; 0)g ; em R, é linearmente independente porque nenhum dos vectores é combinação linear dos restantes.. Considere-se, em R 4 ; o conjunto de vectores f(1; ; ; 4) ; (; 1; ; 5) ; (4; ; ; ) ; (1; 8; ; )g : () Usando a de nição A, para reconhecer se este conjunto é dependente começa-se por formar a combinação linear nula a (1; ; ; 4) + b (; 1; ; 5) + c (4; ; ; ) + d (1; 8; ; ) = (0; 0; 0; 0) () e veri ca-se se os escalares a; b; c e d são obrigatoriamente nulos (e o conjunto é independente) ou se, pelo contrário, existem escalares não nulos que satisfaçam a igualdade () (e o conjunto é dependente). A igualdade () é equivalente ao sistema de equações lineares homogéneo: 8> < >: a + b + 4c + d = 0 a b + c 8d = 0 a + b c d = 0 4a + 5b c d = 0 ; (4)
7 ALGA - 00/0 - Espaços Vectoriais 55 ao qual corresponde a matriz simples: A = Como car (A) = e o número de incógnitas é 4, o sistema de equações (4) é indeterminado e, portanto, o conjunto de vectores () é linearmente dependente pois a = b = c = d = 0 não é a única solução. Se a característica da matriz A fosse 4 o sistema de equações era determinado e os vectores seriam linearmente independentes. Observando com atenção o procedimento descrito no exemplo, vê-se que, para vectores de R n ; o processo pode ser simpli cado. Na matriz A as colunas são exactamente os vectores do conjunto () e foi só necessário calcular a característica dessa matriz para concluir que o conjunto era dependente. Num caso geral pode-se, então, construir directamente a matriz em que as colunas sejam os vectores do conjunto para o qual se quer avaliar a independência linear. Calculando a característica dessa matriz podem ocorrer duas situações: a característica é igual ao número de vectores - o conjunto é linearmente independente. a característica é menor que o número de vectores - o conjunto é linearmente dependente. Como a característica de uma matriz é igual à característica da sua transposta, pode-se também utilizar a matriz cujas linhas são os vectores. Subespaços vectoriais Um subespaço vectorial de um espaço vectorial é um subconjunto do espaço que por sua vez ainda é espaço vectorial. Para isso tem de ser fechado para a soma e para o produto escalar. Formalmente tem-se a seguinte de nição: De nição: Seja V um espaço vectorial real. Um subconjunto F de V é um subespaço 5 : vectorial de V se e só se, simultaneamente se veri cam: 1. F =? (em particular, 0 V F );. 8u; v F; u + v F (F é fechado para a soma);. 8 R; 8u F; u F:(F é fechado para o produto escalar). Nota: O vector nulo 0 V de um espaço vectorial pertence a todos os seus subespaços vectoriais: De facto, se F é subespaço vectorial de V e v F, pelo ponto da de nição anterior, ( 1) v = v também pertence a F: Somando v com v; obtém-se 0 V e conclui-se, pelo ponto da de nição, que 0 V F:
8 ALGA - 00/0 - Espaços Vectoriais 5 1. Para qualquer espaço vectorial real V; os subconjuntos V e f0 V g são subespaços vectoriais de V. O subespaço f0 V g denomina-se subespaço nulo. De notar que o subespaço nulo é o único subespaço vectorial de um espaço vectorial real que tem um número nito de elementos. Qualquer subespaço vectorial que contenha um elemento v diferente de 0 V tem de conter todos os "múltiplos" desse elemento, ou seja todos os produtos v; com R:. Seja A uma matriz real de tipo m n. O conjunto F = fx M n1 (R) : AX = 0g formado pelas soluções do sistema homogéneo AX = 0 é um subespaço vectorial de M n1 (R) (ou de R n ; em forma não matricial). A este subespaço chama-se núcleo da matriz A e é designado por NucA:. Se é um valor próprio de uma matriz quadrada de ordem n, A; o subespaço próprio U = fx M n1 (R) : AX = Xg é um subespaço vectorial de M n1 (R). 4. O conjunto F = fa M nn (R) : A é triangular inferiorg é subespaço vectorial de M nn (R) : 5. O conjunto F = ff F (R) : f é contínuag é subespaço vectorial de F (R) :. Para cada n N; R n [x] é subespaço vectorial de R [x] :. O conjunto F = f(x 1 x ; x ) R : x 1 x = 0 e x 1 x = 0g é subespaço vectorial de R : Este exemplo é um caso particular do exemplo, pois os elementos de F são as soluções do sistema homogéneo ( x 1 x = 0 x 1 x = 0 ; ou seja, as soluções do sistema AX = 0; em que " A = 0 1 # : Conclui-se, portanto, que F = NucA: 8. O conjunto F = f(x 1 ; x ; x ) R : x 1 x = 1 e x 1 x = g não é subespaço vectorial de R : 9. Mais geralmente, sendo A uma matriz real de tipo mn, o conjunto de soluções de um sistema de equações AX = B; não homogéneo (B = 0), nunca é subespaço vectorial de M n1 (R) : 10. O conjunto F = f(x 1 ; x ; x ) R : x 1 x = 0g não é subespaço vectorial de R :
9 ALGA - 00/0 - Espaços Vectoriais 5 Expansão linear e geradores Se u 1 ; u ; :::; u k são vectores de um espaço vectorial V; como foi visto atrás, alguns vectores de V são combinação linear de u 1 ; u ; :::; u k e outros não. O conjunto de todas as combinações lineares de um determinado de conjunto de vectores forma um subespaço vectorial de V : Teorema: Se u 1 ; u ; :::; u k são vectores de um espaço vectorial real V; então: 1. O conjunto W de todas as possíveis combinações lineares de u 1 ; u ; :::; u k é um subespaço vectorial de V:. W é o "menor" subespaço de V que contém u 1 ; u ; :::; u k ; querendo isto dizer que, se W 0 é outro subespaço vectorial de V que contenha u 1 ; u ; :::; u k ; então W W 0 : De nição: Seja V um espaço vectorial real e u 1 ; u ; :::; u k vectores de V. O subespaço W de nido no teorema anterior, isto é, o subespaço W = f 1 u 1 + u + ::: + k u k : 1 ; ; :::; k Rg chama-se expansão linear dos vectores u 1 ; u ; :::; u k ou subespaço vectorial gerado pelos vectores u 1 ; u ; :::; u k e representa-se por hu 1 ; u ; :::; u k i ou por L (fu 1 ; u ; :::; u k g) : Os vectores u 1 ; u ; :::; u k dizem-se um conjunto de geradores de W: Observação Quando se coloca um conjunto de vectores (eventualmente só com um vector) entre os símbolos h i passa-se a ter o subespaço vectorial gerado por esses vectores, que, não sendo o subespaço nulo, é in nito. 1. R = h(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)i, ou seja, os vectores (1; 0; 0) ; (0; 1; 0) e (0; 0; 1) formam um conjunto de geradores para o espaço vectorial R :. Mais geralmente, R n = h(1; 0; 0; :::; 0) ; (0; 1; 0; :::; 0) ; (0; 0; 1; :::; 0) ; :::; (0; 0; 0; :::; 1)i.. Em R, o subespaço vectorial F = (x 1 ; x ; x ; x 4 ) R 4 : x 1 x + x 4 = 0 e x 1 x = 0 é gerado por (1; 1; 1; 0) e (0; ; 0; 1) ; isto é, F = L (f(1; 1; 1; 0) ; (0; ; 0; 1)g) ou F = h(1; 1; 1; 0) ; (0; ; 0; 1)i : Para calcular ( estes geradores, bastou encontrar a solução geral, em R 4, do sistema de x 1 x + x 4 = 0 equações : x 1 x = 0
10 ALGA - 00/0 - Espaços Vectoriais Os polinómios 1; x; x ; : : : ; x n formam um conjunto de geradores para R n [x] : 5. Para (0; 0; 1; 0) e (0; 0; 0; 1) em R ; veri ca-se que h(0; 0; 1; 0) ; (0; 0; 0; 1)i = (5) = f 1 (0; 0; 1; 0) + (0; 0; 0; 1) : 1 ; Rg = () = (x 1 ; x ; x ; x 4 ) R 4 : x 1 = x = 0 : () Observações: 1. As expressões (5), () e () do exemplo 5 mostram diferentes formas de representar um subespaço vectorial.. Um espaço vectorial nitamente gerado admite muitos conjuntos de geradores diferentes. Temos, por exemplo, R = h(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)i = h(1; 1; 1) ; (0; 1; 1) ; (0; 0; 1)i ou F = 1 ; 1 1 ; 1 = h(1; 1; )i = h(1; 1; ) ; (0; 0; 0)i = ; 1 ; 1 ; (1; 1; ) ; (0; 0; 0) :. Um espaço vectorial que admita um número nito de geradores diz-se nitamente gerado. 4. Nem todos os espaços vectoriais são nitamente gerados. Dos espaços referidos até agora, nem R [x] ; nem F (R) são nitamente gerados. Bases e dimensão de um espaço vectorial Como foi referido, um espaço vectorial pode admitir vários conjuntos diferentes de geradores. Destes vão interessar sobretudo aqueles que não possuem vectores supér uos, entendendo-se por supér uos aqueles que se escrevem como combinação linear de outros geradores, ou seja os que são conjuntos linearmente independentes. Seja V um espaço vectorial real, F um subespaço de V e u 1 ; u ; :::; u k conjunto de vectores fu 1 ; u ; :::; u k g é uma base de F se: vectores de F: O (i) F = hu 1 ; u ; :::; u k i ; (ii) o conjunto fu 1 ; u ; :::; u k g é linearmente independente. Uma base de um espaço vectorial é, portanto, um conjunto linearmente independente de geradores do espaço.
11 ALGA - 00/0 - Espaços Vectoriais O conjunto de geradores de R n f(1; 0; 0; :::; 0) ; (0; 1; 0; :::; 0) ; (0; 0; 1; :::; 0) ; :::; (0; 0; 0; :::; 1)g é linearmente independente, pelo que forma uma base de R n ; que tem o nome particular de base canónica de R n. Concretamente, em R a base canónica é f(1; 0) ; (0; 1)g e em R a base canónica é f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g :. O conjunto de vectores f(1; 1; 1) ; (0; 1; 1) ; (0; 0; 1)g de R é uma base de R : 8 9 >< 1 ::: 0 0 ::: 1 0 ::: 0 0 ::: 0. O conjunto >: ; :::; ; :::; ; :::; >= de 0 ::: 0 0 ::: 0 1 ::: 0 0 ::: 1 >; m n vectores de M mn (R) é uma base de M mn (R) ; que tem o nome particular de base canónica de M mn (R). 4. O conjunto de geradores de R n [x] formado pelos polinómios 1; x; x ; : : : ; x n é linearmente independente, pelo que é uma base de R n [x] ; que tem o nome particular de base canónica de R n [x] : 5. O subespaço vectorial de R ; F = f(x 1; x ; x ) R : x 1 x = 0 e x 1 x = 0g tem como base, por exemplo, o conjunto de vectores 1 ; 1 ; 1.. O conjunto de vectores 1 ; 1 ; 1 ; (1; 1; ) ; (0; 0; 0) é um conjunto de geradores de F = f(x 1 ; x ; x ) R : x 1 x = 0 e x 1 x = 0g ; mas não é uma sua base porque não é linearmente independente.. O subespaço vectorial de R 4 ; F = f(x 1 ; x ; x ; x 4 ) R 4 : x 1 x = 0 e x 1 x = 0g, tem como base, por exemplo, o conjunto de vectores 1 ; 1 ; 1; 0, (0; 0; 0; 1) : Dado um espaço vectorial V; se um subespaço vectorial F é de nido por uma base fv 1 ; v ; : : : ; v k g, veri car se um vector v pertence a F é veri car se v é combinação linear dos vectores v 1 ; v ; : : : ; v k, que é o mesmo que veri car se o conjunto de vectores fv 1 ; v ; : : : ; v k ; vg é linearmente dependente. No caso de se estar a trabalhar no espaço vectorial R n isso pode ser feito usando o método matricial descrito na página 54. Esse mesmo método permite também identi car condições que de nam um subespaço vectorial de R n, quando se conhecem apenas os seus geradores. Exemplo: Consideremos, em R 4 ; o subespaço F = h(1; ; ; 4) ; (5; ; ; 8)i : 1. Para veri car se o vector (; ; ; 1) pertence a F; forma-se a matriz 1 4 A = : 1
12 ALGA - 00/0 - Espaços Vectoriais 0 Como car (A) =, o conjunto de vectores f(1; ; ; 4) ; (5; ; ; 8) ; (; ; ; 1)g é linearmente dependente e (; ; ; 1) é combinação linear de (1; ; ; 4) e (5; ; ; 8) :. Para um vector genérico (x; y; z; w) pertencer a F é necessário que seja combinação linear de (1; ; ; 4) e (5; ; ; 8) e para isso basta que a matriz 1 4 A = x y z w tenha característica. Uma forma de escada da matriz A é 1 4 A 0 = x y + z x y + w A matriz A tem característica se e só se a última linha de A 0 é nula, isto é, se e só se x y + z = 0 e x y + w = 0, pelo que se conclui que 5 ; F = (x; y; z; w) R 4 : x y + z = 0 e x y + w = 0 : Os seguintes dois teoremas são fundamentais quando se estudam espaços vectoriais nitamente gerados. Teorema: Qualquer espaço vectorial nitamente gerado tem uma base. Observação: Tendo um conjunto de geradores de um espaço vectorial nitamente gerado, para obter uma base basta retirar do conjunto de geradores os vectores que "estragam" a independência linear. Isto faz-se identi cando no conjunto os vectores que se podem escrever como combinação linear dos restantes e retirando-os até se obter um conjunto de geradores linearmente independente. Teorema: Num espaço vectorial nitamente gerado todos as bases têm o mesmo número de vectores. A partir do teorema anterior de ne-se dimensão de um espaço vectorial nitamente gerado V como sendo o número de vectores de uma base e representa-se esse número por dim (V ). Para calcular a dimensão de um espaço vectorial é su ciente encontrar uma sua base e contar o número de vectores que aí guram. Considera-se que o espaço vectorial nulo tem dimensão Para n N; o espaço vectorial R n tem uma base com n vectores (por exemplo, a base canónica), logo dim (R n ) = n.
13 ALGA - 00/0 - Espaços Vectoriais 1. Para m; n N, o espaço vectorial M mn (R) tem uma base com m n vectores (por exemplo, a base canónica), logo dim (M mn (R)) = m n.. Para n N; o espaço vectorial R n [x] tem uma base com n + 1 vectores (por exemplo, a base canónica), logo dim (R n [x]) = n + 1: 4. A dimensão do subespaço vectorial de R ; F = 1 ; 1 ; 1 é A dimensão do subespaço vectorial de R 4 ; F = 1 ; 1 ; 1; 0 ; (0; 0; 0; 1) é :. Se A e uma matriz de ordem n; um seu valor próprio e U o subespaço próprio associado ao valor próprio ; então dim (U ) é a multiplicidade geométrica de.. A dimensão do núcleo de uma matriz A mn é dada pelo grau de indeterminação do sistema AX = 0; que é n car (A) : Saber a dimensão de um espaço vectorial permite tirar conclusões práticas importantes: Proposição: Seja V um espaço vectorial real de dimensão n. Então: 1. Qualquer conjunto de vectores de V com mais de n vectores é linearmente dependente.. Qualquer conjunto linearmente independente com n vectores é uma base de V.. Qualquer conjunto de geradores de V com n vectores é uma base de V. Pode-se ainda relacionar a dimensão de um espaço vectorial com a dimensão dos seus subespaços vectoriais: Proposição: 1. Se V é um espaço vectorial de dimensão n e F é um seu subespaço vectorial, então F é também nitamente gerado e dim (F ) dim (V ).. Se V é um espaço vectorial de dimensão n e F é um seu subespaço vectorial tal que dim (F ) = dim (V ), então F = V. Coordenadas de um vector relativamente a uma base Se V é um espaço vectorial e B = fu 1 ; u ; : : : ; u n g é uma base de V; cada vector de V escreve-se de forma única como combinação linear dos vectores de B; isto é, cada vector de v V escreve-se de modo único na forma v = a 1 u 1 + a u + + a n u n ; com a 1 ; a ; : : : ; a n R.
14 ALGA - 00/0 - Espaços Vectoriais Aos coe cientes a 1 ; a ; : : : ; a n desta combinação linear chamam-se coordenadas do vector v relativamente à base B: Para o que se segue consideramos só bases ordenadas, isto é bases em que está xa a ordem dos vectores. Por exemplo, como bases ordenadas, consideramos diferentes as bases B 1 = f(1; 0) ; (0; 1)g e B = f(0; 1) ; (1; 0)g de R : Fixando uma base ordenada de um espaço vectorial, pode-se "identi car" cada vector do espaço com o n-uplo das suas coordenadas, isto é, com um vector de R n : Isso pode-se representar, por exemplo, na forma: v! (a 1 ; a ; : : : ; a n ) B : 1. O vector (1; 1; ) tem coordenadas (1; 1; ) B relativamente à base canónica B de R.. O mesmo vector (1; 1; ) tem coordenadas (1; 0; 1) B relativamente à base B = f(1; 1; 1) ; (0; 1; 1) ; (0; 0; 1)g de R :. Ainda o mesmo vector (1; 1; ) ; considerado agora como elemento do subespaço F = f(x 1 ; x ; x ) R : x 1 x = 0 e x 1 x = 0g ; tem coordenadas () B relativamente à base B = 1 de F: " # 4. O 5 vector tem coordenadas (; 4 (" # " # " # " #) 5; 4; ) B relativamente à base B = ; ; ; de M (R). 5. O vector 5 x + x tem coordenadas (5; ; 0; ) B relativamente à base f1; x; x ; x g de R [x] : Utilização de matrizes no estudo de espaços vectoriais Como foi visto atrás, as matrizes são um instrumento útil para o estudo de vectores de R n : Foram já descritas várias aplicações: estudar um conjunto de vectores quanto à independência linear, concluir se um vector pertence ou não a um subespaço vectorial ou encontrar condições que de nam um subespaço vectorial. Do ponto de vista matricial, as linhas de uma matriz do tipo m n podem ser identi cadas com vectores de R n e as suas colunas com vectores de R m : Quando se efectua uma operação elementar de tipo II ou III sobre as linhas de uma matriz substitui-se uma linha por uma combinação linear de linhas. Se, no decorrer do método de eliminação de Gauss, uma linha é anulada, signi ca que essa linha é combinação linear das restantes, ou seja, que o conjunto de vectores formado pelas linhas da matriz é linearmente dependente. Isto permite
15 ALGA - 00/0 - Espaços Vectoriais compreender que a característica de uma matriz, de nida inicialmente como o número de linhas diferentes de zero numa forma de escada da matriz, é exactamente o número máximo de linhas da matriz que são vectores linearmente independentes (e também o número máximo de colunas que são linearmente independentes, dado que a característica de uma matriz é igual à característica da sua transposta). Pode-se então identi car a característica de uma matriz com a dimensão do subespaço de R n gerado pelas linhas dessa matriz (chamado espaço das linhas da matriz) e com a dimensão do espaço vectorial de R m gerado pelas colunas (chamado espaço das colunas da matriz). Dependência linear e bases de subespaços Sendo u 1 ; : : : ; u k um conjunto de vectores de vectores de R n ; pode-se formar a matriz A do tipo k n cujas linhas são esses vectores. Calculando a característica dessa matriz pode-se concluir que: (i) Se car (A) < k; o conjunto de vectores fu 1 ; : : : ; u k g é linearmente dependente. (ii) Se car (A) = k; o conjunto de vectores fu 1 ; : : : ; u k g é linearmente independente. (iii) Se car (A) = t, t k; então t é a dimensão do subespaço vectorial gerado por u 1 ; : : : ; u k, isto é dim hu 1 ; : : : ; u k i = car (A) : (iv) Quando a matriz A está em forma de escada, as linhas que não foram anuladas correspondem a vectores de uma base de hu 1 ; : : : ; u k i : 1. Considere-se o conjunto f(1; 1; ; 1) ; (; 1; 1; ) ; ( 1; ; 1; 1)g de R 4 : Forma-se a matriz de tipo 4 A = Aplicando o método de eliminação de Gauss a A chega-se à forma de escada Pode-se então concluir: A 0 = : 5 : (i) O conjunto f(1; 1; ; 1) ; (; 1; 1; ) ; ( 1; ; 1; 1)g é linearmente dependente. (ii) dim h(1; 1; ; 1) ; (; 1; 1; ) ; ( 1; ; 1; 1)i = (iii) Uma base para o subespaço h(1; 1; ; 1) ; (; 1; 1; ) ; ( 1; ; 1; 1)i é formada pelos vectores (1; 1; ; 1) e (; 1; 1; ) :
16 ALGA - 00/0 - Espaços Vectoriais 4. Considere-se o conjunto f(1; 1; ) ; (; ; 4) ; (0; 0; 1)g de R : Forma-se a matriz A = : Aplicando o método de eliminação de Gauss a A tem-se A = Pode-se então concluir: 5! 4 L L 1 +L ! 4 L!L : (i) O conjunto f(1; 1; ) ; (; ; 4) ; (0; 0; 1)g é linearmente dependente. (ii) dim h(1; 1; ; 1) ; (; 1; 1; ) ; ( 1; ; 1; 1)i = (iii) Uma base para o subespaço h(1; 1; ) ; (; ; 4) ; (0; 0; 1)i é formada pelos vectores (1; 1; ) ; (0; 0; 1) ; que são os vectores correspondentes às linhas da matriz que não foram anuladas durante o método de eliminação. Este método pode ser utilizado para vectores que não pertençam a R n ; desde que sejam vectores de um espaço nitamente gerado. Para isso xa-se uma base do espaço (sempre que possível uma base canónica, para facilitar os cálculos) e determinam-se as coordenadas, relativamente a essa base, dos vectores com os quais se está a trabalhar. Essas coordenadas correspondem a vectores de R n (sendo n a dimensão do espaço), com os quais se pode, então formar uma matriz e aplicar o procedimento descrito atrás. 1. Considere-se, de R [x] ; o conjunto 1 + x + x + x ; x + x + x ; 1 + x + x x : Os vectores deste conjunto, relativamente à base canónica de R [x] ; B = f1; x; x ; x g ; têm coordenadas: 1 + x + x + x! (1; 1; ; 1) B x + x + x! (; 1; 1; ) B 1 + x + x x! ( 1; ; 1; 1) B Identi cadas as coordenadas, forma-se a matriz A = ;
17 ALGA - 00/0 - Espaços Vectoriais 5 que admite, como vimos atrás, a forma de escada Pode-se então concluir que: A 0 = (i) O conjunto f1 + x + x + x ; x + x + x ; 1 + x + x x g é linearmente dependente. (ii) dim h1 + x + x + x ; x + x + x ; 1 + x + x x i = : (iii) Uma base para o subespaço h1 + x + x + x ; x + x + x ; 1 + x + x x i pode ser formada pelos vectores 1 + x + x + x e x + x + x : 5 :. Em M (R) :considere-se o conjunto (" # " ; 1 1 # ; " #) : Os vectores do conjunto, relativamente à base canónica B de M (R) ; têm coordenadas: " 1 1 " " 1 # 1 1! (1; 1; ; 1) B # 1 1 1! (; 1; 1; ) B #! ( 1; ; 1; 1) B Seguindo o procedimento anterior pode-se concluir que: (" # " # " #) (i) O conjunto ; ; é linearmente dependente *" # " # " # (ii) dim ; ; = : (iii) Uma base para o subespaço gerado *" # " # " ; ; #+ pode ser formada pelos vectores " # e " 1 1 # :
18 ALGA - 00/0 - Espaços Vectoriais Modos de de nir um subespaço vectorial Na página 0 foi exempli cado como as matrizes podem ser utilizadas para determinar condições que de nam um subespaço vectorial de R n, quando apenas se conhecem os geradores. Vamos agora formalizar e generalizar esse procedimento para qualquer subespaço de um espaço nitamente gerado. Como foi evidenciado no exemplo 5 da página 58 há várias formas de de nir um subespaço vectorial. Quando o subespaço é de nido através de equações lineares (caso () do exemplo referido), é fácil determinar um conjunto de geradores: basta escontrar a solução geral do sistema de equações. Os vectores que guram nessa solução geral formam uma base dos subespaço. Quando são dados os geradores e se pretende encontrar as equações, a utilização de matrizes facilita muito a tarefa, como foi visto no exemplo, de acordo com o procedimento que descrevemos de seguida. Consideremos, então, um espaço vectorial real V, de dimensão n e um conjunto linearmente independente de vectores fu 1 ; u ; : : : ; u k g. Um vector x pertence ao subespaço F = hu 1 ; u ; : : : ; u k i se e só se x é combinação linear dos vectores u 1 ; u ; : : : ; u k e isto acontece se e só se o conjunto fu 1 ; u ; : : : ; u k ; xg é linearmente dependente. Assim, sendo V = R n, forma-se uma matriz com os vectores u 1 ; u ; : : : ; u k, acrescentado uma linha com entradas x 1 ; x ; : : : ; x n ; correspondentes ao vector genérico x: Obtendo-se uma forma de escada da matriz, fu 1 ; u ; : : : ; u k ; xg é linearmente dependente se e só se a característica da matriz é k e, portanto, se a linha correspondente ao vector x fôr nula. Igualando a zero as condições em x 1 ; x ; : : : ; x n obtidas nessa linha, encontramos as condições que de nem F: No caso de V ser um espaço vectorial diferente de R n, faz-se o mesmo procedimento, mas utilizando as coordenadas dos vectores relativamente a uma base de V previamente xada e tendo o cuidado de dar a solução relativamente ao espaço V: Exemplo: Consideremos, em R [x] ; o subespaço F = 1 + x + x + 4x ; 5 + x + x + 8x : Para encontrar condições que de nam F xamos uma base em R [x] ; escolhendo para isso a base canónica B = f1; x; x ; x g : Um vector genérico de R [x] é um polinómio a + bx + cx + dx : Relativamente à base B tem-se:
19 ALGA - 00/0 - Espaços Vectoriais 1 + x + x + 4x! (1; ; ; 4) B 5 + x + x + 8x! (5; ; ; 8) B a + bx + cx + dx! (a; b; c; d) B Com as coordenadas dos vectores forma-se a matriz 1 4 A = a b c d Uma forma de escada da matriz A é 1 4 A 0 = a b + c a b + d A matriz A tem característica se e só se a última linha de A 0 é nula, isto é, se e só se pelo que se conclui que a b + c = 0 e a b + d = 0; F = a + bx + cx + dx R [x] : a b + c = 0 e a b + d = 0 : 5 ;
Espaços vectoriais reais
Espaços Vectoriais - Matemática II - 2004/05 40 Introdução Espaços vectoriais reais O que é que têm em comum o conjunto dos pares ordenados de números reais, o conjunto dos vectores livres no espaço, o
Leia maisExpansão linear e geradores
Espaços Vectoriais - ALGA - 004/05 Expansão linear e geradores Se u 1 ; u ; :::; u n são vectores de um espaço vectorial V; como foi visto atrás, alguns vectores de V são combinação linear de u 1 ; u ;
Leia maisSistemas de equações lineares
Matemática II - / - Sistemas de Equações Lineares Sistemas de equações lineares Introdução Uma equação linear nas incógnitas ou variáveis x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a
Leia maisValores e vectores próprios
ALGA - Eng Civil e EngTopográ ca - ISE - / - Valores e vectores próprios 5 Valores e vectores próprios Neste capítulo, sempre que não haja especi cação em contrário, todas as matrizes envolvidas são quadradas
Leia maisSistemas de equações lineares
ALGA- / - Sistemas de Equações Lineares Sistemas de equações lineares Introdução Uma equação linear nas incógnitas ou variáveis x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a n x n = b
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Espaços Vetoriais Reais
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 4 Espaços Vetoriais Reais Definição de espaço vetorial real [4 01] O conjunto
Leia maisAulas práticas de Álgebra Linear
Ficha 3 Aulas práticas de Álgebra Linear Licenciatura em Engenharia Naval e Oceânica Mestrado Integrado em Engenharia Mecânica 1 o semestre 2018/19 Jorge Almeida e Lina Oliveira Departamento de Matemática,
Leia maisESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA TÓPICOS DE RESOLUÇÃO do Teste Final 2012/2013
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA TÓPICOS DE RESOLUÇÃO do Teste Final 0/0 A) B) C) D) [,0]. Considere as seguintes a rmações: I. ~x
Leia maisALGA - Eng. Civil e Eng. Topográ ca - ISE / Geometria Analítica 89. Geometria Analítica
ALGA - Eng. Civil e Eng. Topográ ca - ISE - 011/01 - Geometria Analítica 9 Geometria Analítica A noção de recta em R e R ; tal como a noção de plano em R já foram abordados no ensino secundário. Neste
Leia maisAulas Teóricas de Álgebra Linear
Aulas Teóricas de Álgebra Linear Instituto Superior Técnico - o Semestre 009/00 MEAmbi - MEBiol Matrizes De nição Uma matriz A, do tipo m n (m por n), é uma tabela de mn números dispostos em m linhas e
Leia maisALGA - Eng. Civil e Eng. Topográ ca - ISE / Matrizes 1. Matrizes
ALGA - Eng. Civil e Eng. Topográ ca - ISE - 011/01 - Matrizes 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n (m vezes n ou m por n) a uma aplicação A : f1; ; :::;
Leia maisMatemática II /06 - Matrizes 1. Matrizes
Matemática II - 00/0 - Matrizes Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n (m vezes n ou m por n) a uma função A : f; ; :::; mg f; ; :::; ng R: (i; j) A (i; j)
Leia maisBases de subespaços. 5 a : aula prática (1.30h) e 08-04/2010 Bases de subespaços 5-1
a : aula prática (.h) - e 8-/ Bases de subespaços - Instituto Superior Técnico o semestre Álgebra Linear o ano da Lics.em Engenharia Informática e de Computadores e Engenharia Química Bases de subespaços
Leia maisEspaços Vectoriais. Espaços Vectoriais
Espaços Vectoriais Espaço vectorial sobre um corpo V - conjunto não vazio de objectos, chamados vectores F - conjunto de escalares, com estrutura de corpo Em V definimos duas operações: - adição de elementos
Leia maisApontamentos das Aulas Teóricas de Álgebra Linear. LEAN - LEMat - MEAer - MEAmbi - MEEC - MEMec. Nuno Martins. Departamento de Matemática
Apontamentos das Aulas Teóricas de Álgebra Linear para LEAN - LEMat - MEAer - MEAmbi - MEEC - MEMec Nuno Martins Departamento de Matemática Instituto Superior Técnico Fevereiro de 0 Índice Sistemas de
Leia maisÁlgebra Linear e Geometria Analítica. 7ª aula
Álgebra Linear e Geometria Analítica 7ª aula ESPAÇOS VECTORIAIS O que é preciso para ter um espaço pç vectorial? Um conjunto não vazio V Uma operação de adição definida nesse conjunto Um produto de um
Leia maisAvaliação e programa de Álgebra Linear
Avaliação e programa de Álgebra Linear o Teste ( de Março): Sistemas de equações lineares e matrizes. Espaços lineares. o Teste ( de Maio): Matriz de mudança de base. Transformações lineares. o Teste (
Leia maisProduto interno no espaço vectorial R n
ALGA - Eng.Civil e Eng. Topográ ca - ISE - 00/0 - Produto Interno Produto interno no espaço vectorial R n A noção de produto interno (ou escalar) de vectores foi introduzida no ensino secundário, para
Leia maisEXERCÍCIOS DE ÁLGEBRA LINEAR
IST - 1 o Semestre de 016/17 MEBiol, MEAmbi EXERCÍCIOS DE ÁLGEBRA LINEAR FICHA - Vectores e valores próprios 1 1 Vectores e valores próprios de transformações lineares Dada uma transformação linear T V!
Leia maisOs Quatro Subespaços Fundamentais
Álgebra Linear e Geometria Analítica Texto de apoio Professor João Soares 7 páginas Universidade de Coimbra 26 de Novembro de 29 Os Quatro Subespaços Fundamentais Seja A uma matriz m n de elementos reais.
Leia maisEXERCÍCIOS DE ÁLGEBRA LINEAR
IST - o Semestre de / MEEC EXERCÍCIOS DE ÁLGEBRA LINEAR FICHA - Método de Eliminação de Gauss Sistemas de equações lineares Uma equação linear nas variáveis (ou incógnitas) x ; ; x n ; é uma equação do
Leia maisMatrizes - Matemática II /05 1. Matrizes
Matrizes - Matemática II - 00/0 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n a uma função A de nida no conjunto f(i; j) i f1; ; ; mg e j f1; ; ; ngg e com valores
Leia maisALGA I. Bases, coordenadas e dimensão
Módulo 5 ALGA I. Bases, coordenadas e dimensão Contents 5.1 Bases, coordenadas e dimensão............. 58 5.2 Cálculos com coordenadas. Problemas......... 65 5.3 Mudanças de base e de coordenadas..........
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocabaunespbr Espaços Vetoriais 1 Definição; 2 Subespaços; 3 Combinação Linear, dependência
Leia maisProduto interno no espaço vectorial R n
ALGA - 00/0 - Produto interno 8 Produto interno no espaço vectorial R n A noção de produto interno de vectores foi introduzida no ensino secundário, para vectores de R e R : Neste capítulo generaliza-se
Leia maisMAT Resumo Teórico e Lista de
MAT 0132 - Resumo Teórico e Lista de Exercícios April 10, 2005 1 Vetores Geométricos Livres 1.1 Construção dos Vetores 1.2 Adição de Vetores 1.3 Multiplicação de um Vetor por um Número Real 2 Espaços Vetoriais
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Matrizes e Sistemas de Equações Lineares
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 1 Matrizes e Sistemas de Equações Lineares Geometria anaĺıtica em R 3 [1 01]
Leia maisMultiplicidade geométrica
Valores e Vectores Próprios - ALGA - /5 Multiplicidade geométrica Chama-se multiplicidade geométrica de um valor próprio ao grau de indeterminação do sistema (A I n ) X : O grau de indeterminação de corresponde
Leia maisExercícios de Álgebra Linear 2 o Semestre 2008/2009 LEIC, LEGM, LMAC, MEFT, MEBiom e MEC
Exercícios de Álgebra Linear o Semestre 008/009 LEIC, LEGM, LMAC, MEFT, MEBiom e MEC João Ferreira Alves/Ricardo Coutinho Sistemas de Equações Lineares e Matrizes Exercício Resolva por eliminação de Gauss
Leia maisficha 1 matrizes e sistemas de equações lineares
Exercícios de Álgebra Linear ficha matrizes e sistemas de equações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2/2
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Definição de Matrizes. Exemplos. Definição de Ordem de Uma Matriz. Exemplos. Representação Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz
Leia maisALGA I. Representação matricial das aplicações lineares
Módulo 6 ALGA I Representação matricial das aplicações lineares Contents 61 Matriz de uma aplicação linear 76 62 Cálculo do núcleo e imagem 77 63 Matriz da composta 78 64 GL(n Pontos de vista passivo e
Leia maisÁlgebra Linear e Geometria Analítica
Instituto Politécnico de Viseu Escola Superior de Tecnologia Departamento: Matemática Álgebra Linear e Geometria Analítica Curso: Engenharia Electrotécnica Ano: 1 o Semestre: 1 o Ano Lectivo: 007/008 Ficha
Leia maisMatemática /09 - Produto Interno 32. Produto Interno
Matemática - 2008/09 - Produto Interno 32 Produto Interno A noção de produto interno (ou escalar) de vectores foi introduzida no ensino secundário, para vectores com duas ou três coordenadass. Neste capítulo
Leia maisExpansão linear e geradores
Espaços Vectoriais - ALGA - 004/05 4 Expansão linear e geradores Se u ; u ; :::; u n são vectores de um espaço vectorial V; como foi visto atrás, alguns vectores de V são combinação linear de u ; u ; :::;
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Matrizes. Exemplos. Ordem de Uma Matriz. Exemplos. Representação 7. Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz Coluna. Exemplos. Diagonal
Leia maisProduto interno, externo e misto de vectores
MTDI I - 00/08 - Produto Interno Produto interno, externo e misto de vectores A noção de produto interno (ou escalar) de vectores foi introduzida no ensino secundário, para vectores com duas ou três coordenadass.
Leia maisNOTAS DE AULAS DE ÁLGEBRA LINEAR
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE EDUCAÇÃO E SAÚDE UNIDADE ACADÊMICA DE EDUCAÇÃO PERÍODO 011 TURNO: DATA: PROFESSORA: CÉLIA MARIA RUFINO FRANCO Aluno (a): NOTAS DE AULAS DE ÁLGEBRA LINEAR
Leia maisAulas práticas de Álgebra Linear
Ficha Matrizes e sistemas de equações lineares Aulas práticas de Álgebra Linear Mestrado Integrado em Engenharia Eletrotécnica e de Computadores o semestre 6/7 Jorge Almeida e Lina Oliveira Departamento
Leia maisMatrizes - ALGA /05 1. Matrizes
Matrizes - ALGA - 004/0 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n a uma função A de nida no conjunto f(i; j) : i f1; ; :::; mg e j f1; ; :::; ngg e com valores
Leia mais7 temos que e u =
Capítulo 1 Complementos de Álgebra Linear 11 Introdução Seja A = [a ij ] uma matriz quadrada de ordem n e pensemos na transformação linear R n! R n que a cada cada vector u R n faz corresponder um vector
Leia maisEspaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
Leia maisMatriz de mudança de coordenadas: S B1!B 2. (como se faz e para que serve) transformação linear. (como se faz e para que serve)
Matriz de mudança de coordenadas: S B!B (como se faz e para que serve) Transformação linear A matriz de T em relação às bases B e B 0 : M(T ; B; B 0 ) (como se faz e para que serve) As 3 formas (equivalentes)
Leia maisALGA /09 - Geometria Analítica 78. Geometria Analítica
ALGA - 00/09 - Geometria Analítica 7 Geometria Analítica A noção de recta em R e R ; tal como a noção de plano em R já foram abordados no ensino secundário. Neste capítulo faz-se um revisão desses conceitos
Leia maisÁlgebra Linear - Exercícios resolvidos
Exercício 1: Álgebra Linear - Exercícios resolvidos Sejam E = L({(1, 1, 1), (1, 2, 2)}) e F = L({(, 1, 1), (1, 1, 2)}). a) Determine a dimensão de E + F. b) Determine a dimensão de E F. Resolução: a) Temos
Leia maisÁlgebra Linear. Determinantes, Valores e Vectores Próprios. Jorge Orestes Cerdeira Instituto Superior de Agronomia
Álgebra Linear Determinantes, Valores e Vectores Próprios Jorge Orestes Cerdeira Instituto Superior de Agronomia - 200 - ISA/UTL Álgebra Linear 200/ 2 Conteúdo Determinantes 5 2 Valores e vectores próprios
Leia maisCapítulo 1. Matrizes e Sistema de Equações Lineares. 1.1 Corpos
Capítulo 1 Matrizes e Sistema de Equações Lineares Neste capítulo apresentaremos as principais de nições e resultados sobre matrizes e sistemas de equações lineares que serão necessárias para o desenvolvimento
Leia maisProduto interno no espaço vectorial R n
ALGA - 008/09 - Produto interno 8 Produto interno no espaço vectorial R n A noção de produto interno de vectores foi introduzida no ensino secundário, para vectores de R e R : Neste capítulo generaliza-se
Leia maisexercícios de álgebra linear 2016
exercícios de álgebra linear 206 maria irene falcão :: maria joana soares Conteúdo Matrizes 2 Sistemas de equações lineares 7 3 Determinantes 3 4 Espaços vetoriais 9 5 Transformações lineares 27 6 Valores
Leia maisÁlgebra Linear Semana 05
Álgebra Linear Semana 5 Diego Marcon 4 de Abril de 7 Conteúdo Interpretações de sistemas lineares e de matrizes invertíveis Caracterizações de matrizes invertíveis 4 Espaços vetoriais 5 Subespaços vetoriais
Leia maisALGA - Eng. Civil e Eng. Topográ ca - ISE /
ALGA - Eng. Civil e Eng. Topográ ca - ISE - /. Se possível dê exemplos de (a) Uma equação não linear. (b) Uma equação linear com termo independente igual ao seu número de aluno e tenha dois coe cientes
Leia mais1 Espaços Vectoriais
Nova School of Business and Economics Apontamentos Álgebra Linear 1 Definição Espaço Vectorial Conjunto de elementos que verifica as seguintes propriedades: Existência de elementos: Contém pelo menos um
Leia maisAlgumas Aplicações de Álgebra Linear. Análise de Redes (Network) Fluxo de Trânsito. Circuitos Eléctricos. Equilíbrio de Equações Químicas
Algumas Aplicações de Álgebra Linear Análise de Redes (Network) Fluxo de Trânsito Circuitos Eléctricos Equilíbrio de Equações Químicas Interpolação Polinomial Estudo de Modelos Económicos Compressão de
Leia mais(x 1, y 1 ) (x 2, y 2 ) = (x 1 x 2, y 1 y 2 ); e α (x, y) = (x α, y α ), α R.
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2457 Álgebra Linear para Engenharia I Terceira Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Considere as retas
Leia maisAplicação da Álgebra Linear à Geometria (1/2) 1. Geometria a m: rectas e planos
30 a : aula (1h) 19/05/2010 Aplicação da Álgebra Linear à Geometria (1/2) 30-1 Instituto Superior Técnico 2010 2 o semestre Álgebra Linear 1 o ano das Lics em Engenharia Informática e de Computadores e
Leia mais(2008/2009) Espaços vectoriais. Matemática 1º Ano - 1º Semestre 2008/2009. Mafalda Johannsen
Espaços vectoriais Matemática 1º Ano 1º Semestre 2008/2009 Capítulos Características de um Espaço Vectorial Dimensão do Espaço Subespaço Vectorial Combinação Linear de Vectores Representação de Vectores
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática
1 Universidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2017/II 1. Sejam u = ( 4 3) v = (2 5) e w = (a b).
Leia mais5. Considere os seguintes subconjuntos do espaço vetorial F(R) das funções de R em R:
MAT3457 ÁLGEBRA LINEAR I 3 a Lista de Exercícios 1 o semestre de 2018 1. Verique se V = {(x, y) : x, y R} é um espaço vetorial sobre R com as operações de adição e de multiplicação por escalar dadas por:
Leia mais(Todos os cursos da Alameda) Paulo Pinto
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Resumo das Aulas Teóricas de 2 o Semestre 2004/2005 (Todos os cursos da Alameda) Paulo Pinto Álgebra Linear Conteúdo Sistemas
Leia maisSistemas de Equações Lineares
Capítulo 2 Sistemas de Equações Lineares 21 Generalidades Chamamos equação linear nas variáveis (incógnitas) x 1, x 2, x 3,, x n uma igualdade da forma a a 1 x 1 + a 2 x 2 + a 3 x 3 + + a n x n = b Os
Leia maisMAT Álgebra Linear para Engenharia II - Poli 2 ō semestre de ā Lista de Exercícios
MAT 2458 - Álgebra Linear para Engenharia II - Poli 2 ō semestre de 2014 1 ā Lista de Exercícios 1. Verifique se V = {(x, y) x, y R} é um espaço vetorial sobre R com as operações de adição e de multiplicação
Leia maisInstituto Superior Técnico Departamento de Matemática Última actualização: 18/Nov/2003 ÁLGEBRA LINEAR A
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 18/Nov/2003 ÁLGEBRA LINEAR A REVISÃO DA PARTE III Parte III - (a) Ortogonalidade Conceitos: produto
Leia maisNota: Turma: MA 327 Álgebra Linear. Segunda Prova. Primeiro Semestre de T o t a l
Turma: Nota: MA 327 Álgebra Linear Primeiro Semestre de 2006 Segunda Prova Nome: RA: Questões Pontos Questão 1 Questão 2 Questão 3 Questão 4 Questão 5 T o t a l Questão 1. A matriz de mudança da base ordenada
Leia maisESPAÇOS LINEARES (ou vetoriais)
Álgebra Linear- 1 o Semestre 2018/19 Cursos: LEIC A Lista 3 (Espaços Lineares) ESPAÇOS LINEARES (ou vetoriais) Notações: Seja A uma matriz e S um conjunto de vetores Núcleo de A: N(A) Espaço das colunas
Leia maisValores e vectores próprios
Valores e Vectores Prórios - Matemática II- /5 Valores e vectores rórios De nem-se valores e vectores rórios aenas ara matrizes quadradas, elo que, ao longo deste caítulo e quando mais nada seja eseci
Leia maisUniversidade Federal Fluminense - GAN
Solimá Gomes Pimentel Universidade Federal Fluminense IM - GAN Solimá Gomes Pimentel, ****- Matemática para Economia III/Solimá Gomes Pimentel 2pt, ; 31cm Inclui Bibliografia. 1. Matemática para Economia
Leia maisFicha de Exercícios nº 3
Nova School of Business and Economics Álgebra Linear Ficha de Exercícios nº 3 Transformações Lineares, Valores e Vectores Próprios e Formas Quadráticas 1 Qual das seguintes aplicações não é uma transformação
Leia maisinteiros positivos). ˆ Uma matriz com m linhas e n colunas diz-se do tipo m n. Se m = n ( matriz quadrada), também se diz que a matriz é de ordem n.
Matrizes noções gerais e notações Definição Designa-se por matriz de números reais a um quadro do tipo a 11 a 12... a 1n a 21 a 22... a 2n...... a m1 a m2... a mn onde os elementos a ij (i = 1, 2,...,
Leia maisESPAÇO VETORIAL REAL. b) Em relação à multiplicação: (ab) v = a(bv) (a + b) v = av + bv a (u + v ) = au + av 1u = u, para u, v V e a, b R
ESPAÇO VETORIAL REAL Seja um conjunto V, não vazio, sobre o qual estão definidas as operações de adição e multiplicação por escalar, isto é: u, v V, u + v V a R, u V, au V O conjunto V com estas duas operações
Leia maisSistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear Pedro A. Santos
Sistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear MEG Operações Elementares Trocar a posição de duas equações Multiplicar uma equação por uma constante diferente de zero Não alteram
Leia maisÁlgebra Linear para MBiol MAmb
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Álgebra Linear para MBiol MAmb Teste 3 22 de Dezembro de 212 Duração: 9 minutos Resolução da versão A (1. val.) 1. Considere
Leia maisÁlgebra Linear. Cursos: Química, Engenharia Química, Engenharia de Materiais,Engenharia Biológica, Engenharia do Ambiente 1 ō ano/1 ō Semestre 2006/07
Álgebra Linear Cursos: Química, Engenharia Química, Engenharia de Materiais,Engenharia Biológica, Engenharia do Ambiente ō ano/ ō Semestre 2006/07 a Lista: SISTEMAS DE EQUAÇÕES LINEARES E ÁLGEBRA DE MATRIZES
Leia maisMatemática II /06 - Determinantes 25. Determinantes
Matemática II - 00/0 - Determinantes Permutações Determinantes Seja n N. Uma permutação p (p ; p ; : : : ; p n ) do conjunto f; ; ; ng é um arranjo dos n números em alguma ordem, sem repetições ou omissões.
Leia maisAula 25 - Espaços Vetoriais
Espaço Vetorial: Aula 25 - Espaços Vetoriais Seja V um conjunto não vazio de objetos com duas operações definidas: 1. Uma adição que associa a cada par de objetos u, v em V um único objeto u + v, denominado
Leia maisÁlgebra Linear. Curso: Engenharia Electrotécnica e de Computadores 1 ō ano/1 ō S 2006/07
Álgebra Linear Curso: Engenharia Electrotécnica e de Computadores ō ano/ ō S 6/7 a Lista: SISTEMAS DE EQUAÇÕES LINEARES E ÁLGEBRA DE MATRIZES Sistemas de equações lineares. Quais das seguintes equações
Leia maisParte 2 - Espaços Vetoriais
Espaço Vetorial: Parte 2 - Espaços Vetoriais Seja V um conjunto não vazio de objetos com duas operações definidas: 1. Uma adição que associa a cada par de objetos u, v em V um único objeto u + v, denominado
Leia maisApontamentos de Álgebra Linear
Aontamentos de Álgebra Linear (inclui as alicações não avaliadas) Nuno Martins Deartamento de Matemática Instituto Suerior Técnico Dezembro de 08 Índice Matrizes: oerações e suas roriedades Resolução de
Leia maisApontamentos III. Espaços euclidianos. Álgebra Linear aulas teóricas. Lina Oliveira Departamento de Matemática, Instituto Superior Técnico
Apontamentos III Espaços euclidianos Álgebra Linear aulas teóricas 1 o semestre 2017/18 Lina Oliveira Departamento de Matemática, Instituto Superior Técnico Índice Índice i 1 Espaços euclidianos 1 1.1
Leia maisCálculo Diferencial e Integral 2 Formas Quadráticas
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Cálculo Diferencial e Integral 2 Formas Quadráticas 1 Formas quadráticas Uma forma quadrática em R n é um polinómio do
Leia maisQ1. Seja V um espaço vetorial e considere as seguintes afirmações: um conjunto de geradores de um subespaço S 2 de V, então A 1 A 2
Q1. Seja V um espaço vetorial e considere as seguintes afirmações: (I) se A 1 é um conjunto de geradores de um subespaço S 1 de V e A 2 é um conjunto de geradores de um subespaço S 2 de V, então A 1 A
Leia maisDiagonalização unitária e diagonalização ortogonal. (Positividade do produto interno) Raíz quadrada. Formas quadráticas.
Aplicações: Diagonalização unitária e diagonalização ortogonal (Positividade do produto interno) Raíz quadrada Formas quadráticas Mínimos quadrados Produto externo e produto misto (Área do paralelogramo.
Leia maisNotas sobre primitivas
Análise Matemática I - Engenharia Topográ ca - 9/- Notas sobre primitivas Notas sobre primitivas Seja f uma função real de variável real de nida num intervalo real I: Chama-se primitiva de f no intervalo
Leia maisProblemas Singulares e Métodos Assimptóticos Desenvolvimento da solução de uma EDO em série de potências na vizinhança de uma singularidade regular
Problemas Singulares e Métodos Assimptóticos Desenvolvimento da solução de uma EDO em série de potências na vizinhança de uma singularidade regular Consideremos uma EDO linear de segunda ordem com a forma
Leia maisSebenta de exercícios de Álgebra Linear e Geometria Analítica. Curso: Eng. Topográ ca
Sebenta de exercícios de Álgebra Linear e Geometria Analítica Curso: Eng. Topográ ca Ano Lectivo 009/010 4 de Setembro de 009 (Versão: 1.0) Índice Notações e terminologia ii 1 Revisão sobre noções elementares
Leia maisEconomia Matemática I 2007/08. Ficha 1 - Capítulos 1 e B = 2 4
Economia Matemática I /8 Ficha - Capítulos e. Sendo D = E = C = efectue, se possível, as seguintes operações: (a) A + C (b) A + B (c) A B (d) (A + B) (e) DE (f) AE (g) A (h) (BC) D (i) CE. Dadas a matrizes
Leia maisficha 4 valores próprios e vectores próprios
Exercícios de Álgebra Linear ficha 4 valores próprios e vectores próprios Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12
Leia maisde adição e multiplicação por escalar definidas por: 2. Mostre que o conjunto dos polinômios da forma a + bx com as operações definidas por:
Lista de Exercícios - Espaços Vetoriais. Seja V o conjunto de todos os pares ordenados de números reais e considere as operações de adição e multiplicação por escalar definidas por: i. u + v (x y) + (s
Leia maisInstituto Superior Técnico Departamento de Matemática Última actualização: 3/Dez/2003 ÁLGEBRA LINEAR A
Instituto uperior Técnico Departamento de Matemática ecção de Álgebra e Análise Última actualização: 3/Dez/2003 ÁLGEBRA LINEAR A REVIÃO DA PARTE IV Parte IV - Diagonalização Conceitos: valor próprio, vector
Leia maisÁlgebra Linear
Álgebra Linear - 0191 Lista 3 - Dependência e Independência Linear Bases e Soma Direta 1) Exiba três vetores u v w R 3 com as seguintes propriedades: nenhum deles é múltiplo do outro nenhuma das coordenadas
Leia mais6 Valores e Vectores Próprios de Transformações Lineares
Nova School of Business and Economics Prática Álgebra Linear 6 Valores e Vectores Próprios de Transformações Lineares 1 Definição Valor próprio de uma transformação linear ( ) Número real (ou complexo)
Leia maisTÓPICOS. Valores e vectores próprios. Equação característica. Matrizes semelhantes. Matriz diagonalizável. Factorização PDP -1
Note bem: a leitura destes apontamentos não dispensa de modo algum a leitura atenta da bibliografia principal da cadeira Chama-se a atenção para a importância do trabalho pessoal a realizar pelo aluno
Leia maisNotas para o Curso de Algebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009
Notas para o Curso de Álgebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009 2 Sumário 1 Matrizes e Sistemas Lineares 5 11 Matrizes 6 12 Sistemas Lineares 11 121 Eliminação Gaussiana 12 122 Resolução
Leia maisLegenda. Questões. 2ª Lista de Exercícios (ALI0001) Prof. Helder G. G. de Lima 1. Cálculos Conceitos Teoria
2ª Lista de Exercícios (ALI0001) Prof. Helder G. G. de Lima 1 Legenda Cálculos Conceitos Teoria Questões 1. Revise todos os axiomas da definição de espaço vetorial V sobre o corpo de escalares R, verificando
Leia maisIntroduzir os conceitos de base e dimensão de um espaço vetorial. distinguir entre espaços vetoriais de dimensão fnita e infinita;
META Introduzir os conceitos de base e dimensão de um espaço vetorial. OBJETIVOS Ao fim da aula os alunos deverão ser capazes de: distinguir entre espaços vetoriais de dimensão fnita e infinita; determinar
Leia maisALGA - Eng. Civil e Eng. Topográ ca - ISE /11 - Geometria Analítica 88. Geometria Analítica
ALGA - Eng. Civil e Eng. Topográ ca - ISE - 010/ - Geometria Analítica Geometria Analítica A noção de recta em R e R ; tal como a noção de plano em R já foram abordados no ensino secundário. Neste capítulo
Leia maisNotas sobre primitivas
Matemática - 8/9 - Notas sobre primitivas 57 Notas sobre primitivas Seja f uma função real de variável real de nida num intervalo real I: Chama-se primitiva de f no intervalo I a uma função F cuja derivada
Leia mais