Documente Academic
Documente Profesional
Documente Cultură
Espaços Vetoriais
Introdução
Sabe-se que o conjunto R2 = {(x, y) / x, y R} é interpretado geometricamente como sendo
o plano cartesiano. Um par (x, y) pode ser encarado como um ponto (Figura 2.1a) e, nesse caso, x e
y são coordenadas, ou pode ser encarado como um vetor (Figura 2.1b) e, nesse caso, x e y são
componentes (ou coordenadas).
Essa mesma idéia, em relação ao plano, entende-se para o espaço tridimensional que é a
interpretação geométrica do conjunto R3. Embora se perca a visão geométrica de espaços com
dimensão acima de 3, é possível estender essa idéia a espaços como R4, R5, ..., Rn. Assim,
y
● (x, y) (x, y)
O x
Figura 2.1a Figura 2.1b
quádruplas de números (x1, x2, x3, x4) podem ser vistas como pontos ou vetores no espaço R4 de
quarta dimensão. A quíntupla (2, –1, 3, 5, 4) será interpretada como um ponto ou um vetor no
espaço R5 de dimensão cinco. Então, o espaço de dimensão n (ou o espaço n-dimensional) será
constituído pelo conjunto de todas as n-uplas ordenadas e representando por Rn, isto é, Rn = {(x1, x2,
..., xn); xi R}
A maneira de se trabalhar nesses espaços é idêntica àquela vista em R2 e em R3. Por
exemplo, se:
u = (x1, x2, ...,xn) e v = (y1, y2, ..., yn) são vetores no Rn e um escalar, define-se:
a) u = v se, e somente se, x1 = y1, x2 = y2, ..., xn = yn.
b) u + v = (x1 + y1, x2 + y2, ..., xn + yn)
c) u = ( x1, x2, ..., xn).
d) u . v = x1y1 + x2y2 + ...+ xnyn.
e) u = u.u = x12 x 22 ... x n2
Desde já é bom observar que o vetor u = (x1, x2, ..., xn) aparecerá, às vezes, com a notação
matricial (matriz-coluna n x 1):
x1
x 2
.
u
.
.
x n
e é fácil ver que u + v e u na notação matricial são os vetores :
x1 y 1 x1 y 1
x 2 y2 x2 y2
. . .
u v
. . .
. . .
xn yn xn yn
x1 x1
x 2 x2
. .
u
. .
. .
Vamos agora transmitir uma idéia nova. Para tanto, consideramos dois conjuntos: o Rn e o
conjunto das matrizes reais de ordem m x n, representado por M (m, n). Como nesses conjuntos
estão definidas as operações de adição e multiplicação por escalar, constata-se a existência de uma
série de propriedades comuns a seguir enumeradas.
Se u, v, w Rn, e se , R e se A, B, C M (m, n), podemos verificar que:
a) Em relação à adição valem as propriedades:
1) (u + v) + w = u + (v + w) e
(A + B) + C = A + (B + C) (associatividade da adição)
2) u + v = v + u e (comutatividade da adição)
A+B=B+A
3) Existe um só elemento em Rn e um só em M (m, n) indicado por 0 e tal que:
u+0=u e
A+0=A (existência do elemento neutro)
E o elemento 0, nesse caso, será o vetor 0 = (0, 0, ..., 0) Rn, na primeira igualdade, e a
matriz nula:
0 0 ... 0
0 0 ... 0
0 M(m, n)
. . . . . . . . . .
0 0 ... 0
na segunda igualdade.
4) Para cada vetor u Rn e para a matriz A M (m, n) existe um só no vetor –u Rn e
uma só matriz –A M (m, n) tais que
u + ( –u) = 0 e
A + ( –A) = 0 (existência do elemento simétrico)
Por exemplo, se tivermos u = (x1, x2, ..., xn), então o vetor simétrico é –u = (–x1, –x2, ..., –xn),
e, caso semelhante, para a matriz A e sua correspondente simétrica –A.
b) Em relação à multiplicação por um escalar valem as propriedades:
1) ( ) u = ( u) e
( ) A = ( A)
2) ( ) u = u u e
( ) u = A A
3) (u v) = u v e
( A B) = A B
4) 1u = u e
1A = A
ESPAÇOS VETORIAIS
Seja um conjunto V, não-vazio, sobre o qual estão definidas as operações adição e
multiplicação por escalar, isto é:
u, v V, u + v V
R, u V, u V
O conjunto V com essas duas operações é chamado espaço vetorial real (ou espaço vetorial
sobre R) se forem verificados os seguintes axiomas: ( os oitos citados acima)
Exemplos
1) O conjunto V = R2 = {(x, y)/x, y R} é um espaço vetorial com as operações de adição
e multiplicação por um número real assim definidas:
(x1, y1) + (x2, y2) = (x1 + x2, y1 + y2)
(x, y) = (x, y)
Fazer a verificação.
SUBESPAÇOS VETORIAIS
Sejam V um espaço e S um subconjunto não-vazio de V. O subconjunto S é um subespaço
vetorial de V se S é um espaço vetorial em relação à adição e à multiplicação por escalar definidas
em V.
Teorema
Um subconjunto S, não-vazio, de um espaço vetorial V é um subespaço vetorial de V se
estiverem satisfeitas as condições:
I) Para quaisquer u, v S, tem-se:
u + v S
II) Para quaisquer R, u S, tem-se:
u S
Verificação.
Aplicações
Obs: Qualquer espaço vetorial não-nulo V tem pelo menos dois subespaços: o próprio V é
um subespaço e o conjunto {0} consistindo apenas do vetor nulo V é um subespaço, chamado
subespaço nulo.
Exemplo:
Subespaço de R2 Subespaço de R3
● {0} ● {0}
● Retas pela origem ● Retas pela origem
● R2 ● Planos pela origem
● R3
Interseção de dois Subespaço Vetoriais
Sejam S1 e S2 dois subespaços vetoriais de V. A interseção S e S 1 e S2, que se representam
por S = S1 ∩ S2, é o conjunto de todos os vetores v V tais que v S1 e v S2.
Teorema
A interseção S de dois subespaços vetoriais S1 e S2 de V é um subespaço vetorial de V.
Demonstração:
Teorema
A soma S de dois subespaços vetoriais S1 de S2 de V é um subespaço vetorial de V.
Demonstração:
Definição
Sejam V um espaço vetorial e
A = { v1, ..., vn} V
Consideramos a equação
a1 v1 + ...+ an vn = 0
Sabemos que essa equação admite pelo menos uma solução:
a1 = 0, a2 = 0, ..., an = 0
chamada solução trivial.
O conjunto A diz-se linearmente independente (LI), ou os vetores v1, ..., vn são (LI), caso a
equação (2.7) admita apenas a solução trivial.
S e existem soluções ai ≠ 0, diz-se que o conjunto A é linearmente dependente (LD), ou
que vetores v1, ..., vn são LD.
Teorema :
Um conjunto S de dois ou mais vetores é linearmente depende se, e somente se, pelo menos um dos
vetores de S pode ser escrito como uma combinação linear dos outros vetores de S.
Definição
Se V é um espaço vetorial qualquer e S = {v1, 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.
A base é a generalização para os espaços vetoriais arbitrários do sistema de coordenadas em
espaços bi e tridimensionais. O teorema a seguir ajuda a elucidar esta afirmação.
Sejam v1 = (1, 2, 1), v2 = (2, 9, 0) e v3 = (3,3,4) . Mostre que o conjunto S = {v1, v2, v3} é
uma base de R3.