Documente Academic
Documente Profesional
Documente Cultură
Espaços Vetoriais
Espaços vetoriais
Sabemos que um conjunto é uma coleção de elementos. Vejamos um exemplo.
Exemplo
A é o conjunto dos números naturais maiores que zero e menores que cinco. Representamos esse
conjunto das seguintes formas:
Ou também
Uma característica dos conjuntos chamados espaços vetoriais é que, em geral, eles possuem
infinitos vetores. Nesse conjunto especial, os seus elementos podem ser operados segundo as regras
dos vetores e o resultado dessas operações continua pertencendo ao conjunto.
Exemplo
O espaço vetorial conhecido como RGB (Red Green Blue) é baseado nas três cores primárias
(vermelho, verde e azul). Qualquer cor nesse espaço vetorial é representada como um vetor com
três coordenadas onde cada coordenada representa uma quantidade da respectiva cor primária na
composição da cor final:
Para operarmos vetores que possam assumir formas mais abstratas precisamos estabelecer regras
que nos permitam reconhecer quando estamos diante de um espaço vetorial, por exemplo, será que
uma matriz quadrada pode ser chamada de vetor? Será que o conjunto de matrizes quadradas pode
ser chamado de espaço vetorial?
Essas perguntas podem ser respondidas observando as propriedades da soma e da multiplicação por
escalar das matrizes e dos vetores estudadas no primeiro capítulo. Já que as propriedades são
exatamente iguais, então podemos chamar uma matriz quadrada de vetor e o conjunto desses
vetores de espaço vetorial das matrizes quadradas.
Formalmente, o espaço vetorial é definido como sendo um conjunto V, não vazio, com as operações
de adição e multiplicação por escalar dadas por:
Axioma é uma palavra grega que significa digno de confiança. Quando usada com
significado matemático, axioma é uma regra que não pode ser demonstrada e deve
apenas ser aceita como correta. Outros exemplos de axiomas são as definições de
ponto, reta e plano dadas por Euclides há mais de 2000 anos.
Exemplo
Verificar se o conjunto é um espaço vetorial com as suas operações de
adição e multiplicação por escalar assim definidas:
∙ (soma vetorial):
∙ (multiplicação por escalar):
Solução
Vamos verificar os dez axiomas considerando:
, e
A1)
O primeiro axioma afirma que, ao somarmos dois elementos de V, o resultado pertencerá ao
conjunto V. Isso significa que a soma vetorial também deverá possuir as características dos
elementos de V.
Seguindo a regra da soma vetorial mostrada no enunciado:
A partir desse momento, devemos avaliar se o resultado possui as mesmas características dos
vetores pertencentes a V. Já que não existem restrições nas coordenadas dos vetores do conjunto V,
o resultado da soma vetorial também pertence a V.
Verificamos que o axioma é atendido.
Quando afirmamos que não existem restrições nas coordenadas dos vetores de V
queremos dizer que não importam os valores que podem aparecer no lugar de x e y em
qualquer vetor pertencente a V.
Podemos impor como restrição, por exemplo, a condição de que as coordenadas dos
vetores do conjunto V sejam todas positivas. Dessa forma, o resultado da soma vetorial
deve atender a essas exigências também.
A2)
Conforme esse axioma, a soma dos elementos do conjunto V deve ser comutativa, ou seja, ao
trocarmos a ordem dos elementos presentes na soma vetorial o resultado não deve se alterar.
A3)
A soma vetorial é uma operação definida para dois vetores. Quando necessitamos somar mais de
dois vetores, devemos associá-los dois a dois. Portanto, os vetores pertencentes ao conjunto V
devem atender à regra associativa, isto é, a associação de dois em dois vetores em qualquer ordem
não deve alterar o resultado final.
A4)
Todo espaço vetorial deve possuir um vetor nulo como ponto de referência principal. A principal
função do vetor nulo é fazer o papel de elemento neutro da soma vetorial, ou seja, se somarmos
qualquer vetor ao vetor nulo o resultado é o próprio vetor .
A regra da soma vetorial dada no enunciado faz com que a expressão anterior seja igual a:
O vetor nulo nem sempre será aquele cujas coordenadas são todas iguais a zero. A sua
característica dependerá do conjunto V e das regras de adição e multiplicação por
escalar definidas no enunciado.
A5)
Para qualquer vetor pertencente a V, deve existir o seu vetor oposto também pertencente ao
conjunto V. Note que a soma do vetor ao vetor deve resultar no vetor nulo encontrado no
axioma A4.
O vetor oposto é definido por:
M1 )
Ao multiplicarmos qualquer escalar α (que seja um número real) por um vetor que pertença ao
conjunto V, o resultado deve ser um vetor que também pertence a V.
Aplicando a regra da multiplicação por escalar dada no enunciado:
Devemos avaliar se o resultado possui as mesmas características dos vetores pertencentes a V. Por
não existirem restrições nas coordenadas dos vetores de V, o resultado da multiplicação por escalar
também pertence ao conjunto V.
Verificamos que o axioma é atendido.
M2 )
A multiplicação por escalar é uma operação definida para apenas um escalar e um vetor. Quando
dois ou mais escalares estão envolvidos, devemos associar um escalar e um vetor por vez.
M3 )
Os vetores pertencentes ao conjunto V devem atender à propriedade distributiva.
Segundo a regra da soma vetorial dada no enunciado, a expressão anterior resulta em:
M4 )
A regra da multiplicação por escalar dada no enunciado torna a expressão anterior igual a:
M5 )
O último axioma se refere ao elemento neutro da multiplicação por escalar, isto é, quando
multiplicamos qualquer vetor pelo escalar 1 o resultado deve ser o próprio vetor .
Conforme a regra da multiplicação por escalar dada no enunciado:
Exemplo
Verificar se o conjunto é um espaço vetorial com as suas operações de
adição e multiplicação por escalar assim definidas:
∙ (soma vetorial):
∙ (multiplicação por escalar):
Solução
Vamos verificar os dez axiomas considerando os vetores:
, e
A1)
Conforme o enunciado, a soma vetorial é dada por:
Já que não existem restrições nas coordenadas dos vetores do conjunto V, o resultado da soma
vetorial também pertence a V.
Verificamos que o axioma é atendido.
A2)
Conforme esse axioma, a soma dos elementos do conjunto V deve ser comutativa, ou seja, ao
trocarmos a ordem dos elementos presentes na soma vetorial o resultado não deve se alterar.
A3)
Os vetores pertencentes ao conjunto V devem atender à regra associativa, isto é, a associação de
dois em dois vetores em qualquer ordem não deve alterar o resultado final.
A4)
Ao somarmos qualquer vetor ao vetor nulo o resultado deve ser o próprio vetor .
A regra da soma vetorial dada no enunciado faz com que a expressão anterior seja igual a:
A5)
Para qualquer vetor pertencente a V, deve existir o seu vetor oposto também pertencente ao
conjunto V. Note que a soma do vetor ao vetor deve resultar no vetor nulo encontrado no
axioma A4.
O vetor oposto é definido segundo a regra da multiplicação por escalar dada no enunciado:
Perceba que o resultado não é o vetor nulo . Como o axioma A5 não é atendido, não
podemos considerar o conjunto V um espaço vetorial e os seus elementos não podem ser chamados
de vetores. Não é necessário testar os axiomas restantes.
É muito importante notar a aplicação das regras de soma vetorial e multiplicação por
escalar dadas no enunciado. O espaço vetorial é um conjunto que tem regras próprias
para operação dos seus elementos, desde que os dez axiomas sejam atendidos.
De uma forma geral, o conjunto de todas as funções com uma variável independente é um espaço
vetorial:
As operações usuais de soma de duas matrizes e multiplicação de uma matriz por um escalar são
conhecidas e não serão mostradas.
Podemos assim chamar qualquer matriz de segunda ordem de vetor.
De uma forma mais ampla, podemos provar que o conjunto de todas as matrizes quadradas de
ordem n também é um espaço vetorial:
De uma forma geral, o conjunto de todas as matrizes de m linhas por n colunas é um espaço
vetorial:
Subespaços vetoriais
Considerando o conjunto mostrado anteriormente, podemos afirmar que o conjunto
é um subconjunto de A, ou seja, o conjunto B está contido em A (representamos por
B⊂A).
Se um espaço vetorial é um conjunto, então devem existir subconjuntos que estão contidos nesse
espaço. Tais subconjuntos são chamados subespaços vetoriais.
Matematicamente, o subespaço vetorial S é definido como sendo um subconjunto, não vazio, do
espaço vetorial V com as operações de adição e multiplicação por escalar dadas por:
A)
M)
É importante notar que essas duas operações básicas são o resumo das dez propriedades dos vetores
(cinco de adição vetorial e cinco de multiplicação por escalar). Portanto, um subespaço também é
um espaço vetorial por si só.
Quando as regras de subespaço vetorial são atendidas dizemos que o subespaço é fechado nas
operações de adição e multiplicação por escalar.
Exemplo
Considerando o espaço vetorial e o conjunto:
ou
Verificar se S é um subespaço vetorial de V.
Solução
Vamos testar as duas condições sabendo que:
∈ S, já que a segunda
∈ S, já que a componente é o dobro da primeira.
segunda componente é o dobro da primeira.
Solução
Vamos testar as duas condições sabendo que:
Lembramos que, se todo espaço vetorial contém o vetor nulo, então qualquer subespaço
vetorial deve também conter esse mesmo vetor. Note que o par (0,0) não pertence ao
subconjunto S.
A combinação linear é amplamente usada nos sistemas de cores . Por exemplo, dizemos que uma
determinada cor representada no sistema RGB é uma combinação linear das cores vermelho, verde
e azul. Isso significa que a determinada cor depende das quantidades das cores primárias.
Exemplo
Mostre que, no espaço vetorial , o vetor é uma combinação linear dos vetores
unitários , e .
Solução
Os vetores , e podem ser representados através das suas coordenadas:
, ,
Então o vetor pode ser escrito como:
Ou melhor:
Exemplo
Considere os vetores abaixo:
e
Escrever o vetor como uma combinação linear dos vetores e .
Solução
A expressão da combinação linear é dada pela fórmula:
Então:
É importante observar que, dependendo dos vetores que participam da combinação linear, podem
existir infinitas formas de escrever um vetor em função dos vetores .
Exemplo
Verificar de quantas maneiras o vetor pode ser escrito como combinação linear dos
vetores , e .
Solução
Partindo da expressão da combinação linear:
Temos então:
Note que só conheceremos os valores de a1 e a2 se fixarmos um valor para a3. Isso significa que
existem infinitas possibilidades de escolha (sistema linear com infinitas soluções), logo, o vetor
pode ser escrito em função dos vetores , e de infinitas
maneiras.
Uma observação mais atenta da equação anterior revela que existe uma relação de dependência
entre vetores se, através de uma combinação linear de constantes não-nulas, conseguirmos obter
uma resultante nula, isto é, o vetor nulo.
Dizemos nesse caso que os vetores são linearmente dependentes (L.D.).
Solução
Nesse caso podemos perceber que:
O que fornece:
Note que podemos cancelar os dois vetores sem que tenhamos que multiplicar cada um deles por
zero. Logo, os dois vetores são L.D.
Por outro lado, não existirá nenhuma relação de dependência entre vetores se a única forma de obter
uma resultante nula consistir em multiplicar por zero cada um dos vetores que participam da
combinação linear.
Nesse caso, dizemos que os vetores são linearmente independentes (L.I.).
Exemplo
Verificar se os vetores e são linearmente independentes.
Solução
Partindo da expressão da combinação linear:
Desejamos saber se as constantes a1 e a2 são iguais a zero. Para isso, basta substituir as coordenadas
dos vetores em questão:
Dizemos que o conjunto A é linearmente independente ou que os vetores são L.I. Caso
exista pelo menos uma solução diferente da solução trivial, dizemos que o conjunto A é linearmente
dependente (L.D.).
Resumindo, se os vetores da combinação linear dada pela equação anterior forem L.I., então não
existe como cancelar os vetores a não ser multiplicando todos eles por zero.
Por exemplo, imagine que tenhamos interesse em saber se um vetor depende de um conjunto de
três vetores . Nesse caso, basta fazer a combinação linear:
Se for a única solução, então cada vetor é independente dos três restantes. A
existência de outras soluções caracteriza uma relação de dependência entre os vetores.
Exemplo
Verificar se os vetores dados a seguir são L.I. ou L.D.:
, e
Solução
Vamos fazer a combinação linear:
Temos então:
O fato do sistema linear anterior ser L.D. não significa que a solução
não seja possível. Na verdade, essa solução está incluída dentre as infinitas soluções
que o sistema linear possui. Lembramos os três vetores seriam L.I. se a única solução
possível fosse .
Observamos que todos os vetores anteriores dependem de e . De uma forma geral, podemos
escrever qualquer vetor da seguinte forma:
Em computação gráfica, dizemos que o espaço das cores é gerado pelo vermelho, verde e azul (o
sistema RGB), pois qualquer cor nesse espaço depende dessas três cores primárias. Por outro lado, o
espaço das cores também pode ser gerado pelas cores ciano, magenta e amarelo (o sistema CMY).
Com essas afirmações queremos dizer que pode existir mais de uma maneira de gerar o mesmo
espaço vetorial.
Vamos definir formalmente o significado de subespaço gerado considerando um espaço vetorial V e
um conjunto .
O conjunto S, de todos os vetores de V que são combinações lineares dos vetores de A, é um
subespaço vetorial de V. Matematicamente, queremos dizer que:
, ou seja, .
, ou seja, .
Exemplo
Os vetores e geram o espaço vetorial , pois qualquer vetor
é combinação linear de e .
Vamos começar partindo da expressão da combinação linear:
Substituindo os vetores:
e
Concluímos que:
Exemplo
Solução
Para que o conjunto A gere é preciso que qualquer vetor seja combinação
linear de e :
Para esclarecer ainda mais, considere o vetor . Podemos colocá-lo como uma combinação
linear de e usando as relações acima, ou seja:
Note que:
Base
Aprendemos a posicionar um ponto ou vetor no sistema de coordenadas cartesianas projetando o
ponto P na direção dos eixos x e y.
A base formada pelos vetores e é chamada base canônica (natural ou mais comum)
do . A escala de contagem (tamanho dos vetores e ) é igual a 1.
Entretanto, a escala de contagem sobre os eixos não precisa necessariamente ser igual a 1. Além do
que, os dois eixos podem ter escalas diferentes.
Podemos também mudar a inclinação dos eixos, ou seja, não é necessário que os eixos sejam
perpendiculares.
Exemplo
é uma base do espaço , já que:
B é LI
e
Substituindo na expressão da combinação linear, concluímos que:
Exemplo
é uma base do espaço , já que:
B é LI
Dimensão
Se V é um espaço vetorial e possui uma base com n vetores, então V tem dimensão n.
Exemplo
e
Componentes de um vetor
Conforme a segunda condição para um subconjunto B ser uma base, é necessário que qualquer
vetor de V possa ser escrito como uma combinação linear dos vetores de B. Assim:
Só deve existir uma única forma de escrever um vetor na base considerada, ou seja,
só existe uma representação possível do vetor na base B.
Exemplo
Já provamos que é uma base do espaço , assim, qualquer vetor
pode ser colocado como uma combinação linear dos vetores de B. O vetor em relação a
essa base tem coordenadas:
Exemplo
Já provamos que é uma base do espaço , assim, qualquer vetor
pode ser colocado como uma combinação linear dos vetores de B. O vetor em relação a
essa base tem coordenadas:
Para localizar o vetor no sistema de coordenadas dado pelos vetores e , basta contar 3
posições no sentido contrário de (multiplicar por 3) e contar duas posições no sentido de
(multiplicar por 2 o vetor ). O vetor será a resultante entre e .
Podemos assim afirmar que as coordenadas do vetor na base B são -3 e 2 e representamos por
. Note que existe uma correspondência entre as coordenadas do vetor escrito na base
canônica e o mesmo vetor escrito na base B:
.
A ordem dos elementos dentro dos parênteses é muito importante já que representa a
contagem na direção de cada um dos vetores da base considerada. Por exemplo:
Nesses dois casos podemos verificar os vetores de cada uma das bases e suas
respectivas coordenadas na direção de cada vetor independentemente da ordem que
estão escritos.
Mudança de base
Às vezes um determinado problema se torna mais simples quando visualizado em um sistema de
coordenadas diferente do que é definido pela base canônica. A solução para esse tipo de problema é
a mudança de base.
Uma das aplicações mais interessantes da mudança de base é a mudança de sistemas de cores em
computação gráfica. Por exemplo, podemos mudar do sistema de cores RGB (vermelho-verde-azul)
para o sistema de cores CMY (ciano-magenta-amarelo) usando o conceito de mudança de base.
Através da mudança de base, podemos estabelecer como a mesma cor que aparece no monitor do
computador (sistema RGB) pode ser representada na impressora (sistema CMY).
Por uma questão de simplicidade, vamos demonstrar como realizar uma mudança de base no espaço
vetorial . Em seguida vamos generalizar o conceito para espaços vetoriais mais gerais.
Sejam e duas bases do espaço vetorial . As coordenadas dos vetores
de cada base são:
e para os vetores da base A.
Podemos construir a matriz que representa cada base agrupando as coordenadas dos seus
respectivos vetores:
para a base A.
para a base B.
Se B é uma base do , então os vetores e podem ser escritos como uma combinação linear
dos vetores de B. Isso significa que, para realizarmos a mudança da base A para a base B,
precisamos escrever os vetores e como sendo uma combinação linear dos vetores e :
Teremos assim:
Onde é a matriz que realiza a mudança da base A para a base B. Então, a matriz mudança de
base pode ser obtida através da equação:
Se quisermos transformar qualquer vetor escrito na base A para a base B, devemos fazer:
Exemplo
Considere os vetores e escritos na base . Escrever os
vetores na base .
Solução
Primeiramente, vamos escrever as matrizes que representam cada uma das bases:
para a base A.
para a base B.
Exemplo
Usando os resultados do exemplo anterior, escreva na base B1 os vetores:
e
Solução
Precisamos encontrar a inversa da matriz de mudança da base A para B:
Os vetores escritos na base A são encontrados através das multiplicações matriciais a seguir: