Video Transcript
Gostaria de revisitar uma pergunta enganadoramente simples que fiz no
primeiro vídeo desta série, o que são vetores? É um vetor bidimensional, por exemplo, fundamentalmente uma seta num
plano que podemos descrever com coordenadas por conveniência, ou é
fundamentalmente este par de números reais que se visualiza bem como
uma seta num plano, ou são ambas manifestações de algo mais
profundo?
Por um lado, a definição de vetores, principalmente por ser uma lista de
números, parece clara e inequívoca. Faz coisas como vetores de quatro dimensões ou vetores de cem dimensões
soarem como ideias reais e concretas com as quais pode realmente
trabalhar. Caso contrário, uma ideia como quatro dimensões é apenas uma noção
geométrica vaga que é difícil de descrever sem heurísticas. Mas por outro lado, uma sensação comum para aqueles que realmente
trabalham com álgebra linear, especialmente à medida que se torna
mais fluente na mudança de base, é que está a lidar com um espaço
que existe independentemente das coordenadas que deu e que as
coordenadas são na verdade um pouco arbitrárias, dependendo do que
escolhe como vetores da base.
Os tópicos centrais da álgebra linear, como determinantes e vetores
próprios, parecem indiferentes à sua escolha de sistemas de
coordenadas. O determinante diz o quanto uma transformação redimensiona áreas, e os
vetores próprios são os que permanecem no seu próprio span durante
uma transformação, mas ambas as propriedades são inerentemente
espaciais, e pode alterar livremente o seu sistema de coordenadas
sem alterar os valores subjacentes de qualquer um deles. Mas, se os vetores não forem fundamentalmente listas de números reais, e
se a sua essência subjacente é algo mais espacial, isto apenas
levanta a questão do que os matemáticos querem dizer quando utilizam
uma palavra como espaço ou espacial.
Para chegar onde pretendo, gostaria de gastar a maior parte deste vídeo a
falar sobre algo que não é uma seta nem uma lista de números, mas
também tem qualidades e funções vetoriais. Veja, há um sentido em que as funções são na verdade apenas outro tipo de
vetor. Da mesma forma que pode adicionar dois vetores, há também uma noção
sensata para adicionar duas funções, 𝑓 e 𝑔, para obter uma nova
função, 𝑓 mais 𝑔. É uma daquelas coisas em que já sabe o que vai ser, mas fraseá-la ainda é
um bocado. A imagem desta nova função para qualquer objeto, como menos quatro, é a
soma das imagens de 𝑓 e 𝑔, quando calculou cada uma delas para o
mesmo objeto, menos quatro. Ou, mais geralmente, o valor da função soma para qualquer objeto 𝑥 é a
soma dos valores 𝑓 de 𝑥 mais 𝑔 de 𝑥.
Isto é semelhante à adição de vetores coordenada a coordenada; é que
existem, de certo modo, infinitas coordenadas com que lidar. Da mesma forma, há uma noção sensata de redimensionar uma função por um
número real, apenas multiplicando todas as imagens por esse
número. E novamente, isto é análogo ao redimensionamento de um vetor coordenada a
coordenada; parece que há infinitas coordenadas. Agora, dado que a única coisa que os vetores podem realmente fazer é
somar ou multiplicar, parece que devemos ser capazes de utilizar as
mesmas construções úteis e técnicas de resolução de problemas da
álgebra linear, que foram originalmente pensadas no contexto das
setas no espaço, e aplicá-las às funções também.
Por exemplo, há uma noção perfeitamente razoável de uma transformação
linear para funções, algo que assume uma função e a transforma
noutra. Um exemplo familiar vem do cálculo, a derivada. É algo que transforma uma função noutra função. Às vezes, neste contexto, ouvirá chamá-los de operadores em vez de
transformações, mas o significado é o mesmo. Uma questão natural que pode querer perguntar é o que significa uma
transformação de funções ser linear. A definição formal de linearidade é relativamente abstrata e de base
simbólica em comparação à forma como falei disto no capítulo três
desta série, mas a recompensa da abstração é que obteremos algo
genérico o suficiente para aplicar às funções, assim como setas.
Uma transformação é linear se satisfizer duas propriedades, comumente
chamadas de aditividade e homogeneidade. Aditividade significa que se adicionar dois vetores, 𝐕 e 𝐖, então
aplique uma transformação à sua soma, e obtém o mesmo resultado como
se tivesse adicionado as versões transformadas de 𝐕 e 𝐖. A propriedade da homogeneidade é que quando multiplica um vetor 𝐕 por um
número, aplique a transformação, e obtém o mesmo vetor final se
multiplicasse a versão transformada de 𝐕 pela mesma quantidade. O modo como costuma ouvir isto descrito é que as transformações lineares
preservam as operações de adição vetorial e multiplicação
escalar. A ideia de linhas de uma grelha que permanecem paralelas e uniformemente
espaçadas que tenho falado nos vídeos anteriores é realmente apenas
uma ilustração do que estas duas propriedades significam no caso
específico de pontos no espaço 2D.
Uma das consequências mais importantes destas propriedades, que torna
possível a multiplicação de um vetor e uma matriz, é que uma
transformação linear é completamente descrita pelos vetores da
base. Como qualquer vetor pode ser escrito multiplicando e adicionando os
vetores da base de alguma forma, determinar a versão transformada de
um vetor resume-se a multiplicar e adicionar as versões
transformadas dos vetores da base da mesma maneira. Como verá daqui a pouco, isto é tão verdadeiro para funções quanto para
setas. Por exemplo, os alunos de cálculo estão sempre a utilizar o facto de a
derivada ser aditiva e ter a propriedade da homogeneidade, mesmo que
não a tenham dito dessa maneira. Se adicionar duas funções, então considere a derivada, é o mesmo que
considerar primeiro a derivada de cada uma separadamente e depois
adicionar o resultado. Da mesma forma, se redimensionar uma função e, em seguida, tomar a
derivada, é o mesmo que tomar primeiro a derivada e, em seguida,
redimensionar o resultado.
Para realmente alcançar o paralelismo, vamos ver como seria descrever a
derivada com uma matriz. Será um pouco complicado, uma vez que os espaços de função tendem a ter
infinitas dimensões, mas acho que este exercício é bastante
satisfatório. Vamos limitar-nos a polinómios, coisas como 𝑥 ao quadrado mais três 𝑥
mais cinco ou quatro 𝑥 elevado a sete menos cinco 𝑥 ao
quadrado. Cada um dos polinómios no nosso espaço terá apenas um número finito de
muitos termos, mas o espaço completo vai incluir polinómios com um
grau arbitrariamente grande. A primeira coisa que precisamos de fazer é dar coordenadas a esse espaço,
o que requer a escolha de uma base. Como os polinómios já estão escritas como a soma das potências da
variável 𝑥, é muito natural escolher apenas potências puras de 𝑥
como funções da base. Por outras palavras, a nossa primeira função da base será a função
constante, 𝑏 zero de 𝑥 igual a um. A segunda função da base será 𝑏 um de 𝑥 igual a 𝑥, depois 𝑏 dois de
𝑥 igual a 𝑥 ao quadrado, depois 𝑏 três de 𝑥 igual a 𝑥 ao cubo e
assim por diante. O papel que essas funções da base desempenham será semelhante aos papéis
de 𝑖-chapéu, 𝑗-chapéu e 𝑘-chapéu no mundo dos vetores como
setas.
Como os nossos polinómios podem ter um grau arbitrariamente elevado, este
conjunto de funções da base é infinito. Mas tudo bem, significa apenas que quando tratamos os nossos polinómios
como vetores, estes terão infinitas coordenadas. Um polinómio como 𝑥 ao quadrado mais três 𝑥 mais cinco, por exemplo,
seria descrito com as coordenadas cinco, três, um, e infinitamente
muitos zeros. Leria isto dizendo que é cinco vezes a primeira função da base mais três
vezes esta segunda função da base, mais uma vez a terceira função da
base, e nenhuma outra função da base deve ser adicionada a partir
deste ponto. O polinómio quatro 𝑥 elevado a sete menos cinco 𝑥 ao quadrado teria as
coordenadas zero, zero, menos cinco, zero, zero, zero, zero, quatro
e, em seguida, uma sequência infinita de zeros. Em geral, como cada polinómio individual tem apenas alguns termos
finitos, as suas coordenadas serão uma sequência finita de números
com uma cauda infinita de zeros.
Neste sistema de coordenadas, a derivada é descrita com uma matriz
infinita que é predominantemente cheia de zeros, mas que tem a
contagem de inteiros positivos nesta diagonal. Vou falar sobre como pode determinar esta matriz daqui a pouco, mas a
melhor maneira de ter uma ideia é ver isto em ação. Considere as coordenadas que representam o polinómio 𝑥 ao cubo mais
cinco 𝑥 ao quadrado mais quatro 𝑥 mais cinco e, em seguida,
coloque as coordenadas à direita da matriz. O único termo que contribui para a primeira coordenada do resultado é um
vezes quatro, o que significa que o termo constante no resultado
será quatro. Isso corresponde ao facto de que a derivada de quatro 𝑥 é a constante
quatro. O único termo que contribui para a segunda coordenada do produto vetorial
matriz é duas vezes cinco, o que significa que o coeficiente à
frente de 𝑥 na derivada é dez. Aquele corresponde à derivada de cinco 𝑥 ao quadrado. Da mesma forma, a terceira coordenada no produto vetor e matriz se reduz
a três vezes um. Este corresponde à derivada de 𝑥 ao cubo sendo três 𝑥 ao quadrado. E depois disso, não será nada além de zeros. O que torna isto possível é que a derivada é linear. E para aqueles de vocês que gostam de fazer uma pausa e ponderar, poderia
construir esta matriz tomando a derivada de cada função da base e
colocando as coordenadas dos resultados em cada coluna.
Assim, surpreendentemente, a multiplicação de vetores por matrizes e a
derivação, que a princípio parecem animais completamente diferentes,
são apenas membros da mesma família. De facto, a maioria dos conceitos sobre os quais falei nesta série em
relação a vetores como setas no espaço, coisas como o produto
interno ou vetores próprios, têm análogos diretos no mundo das
funções. Embora às vezes se dão por nomes diferentes, coisas como produto interno
ou função própria. Ora, de volta para a questão do que é um vetor. A ideia que quero deixar aqui é que existem muitas coisas vetoriais em
matemática. Contanto que esteja a lidar com um conjunto de objetos em que haja uma
noção razoável de multiplicação e adição, seja um conjunto de setas
no espaço, listas de números, funções ou qualquer outra coisa louca
que escolha definir, todas as ferramentas desenvolvidas em álgebra
linear em relação a vetores, transformações lineares, e todas essas
coisas, devem ser capazes de se aplicar.
Reserve um momento para se imaginar agora como um matemático que está a
desenvolver a teoria da álgebra linear. Quer que todas as definições e descobertas do seu trabalho se apliquem a
todas as coisas vetoriais em geral, não apenas a um caso
específico. Estes conjuntos de coisas vetoriais, como setas ou listas de números ou
funções, são chamadas de espaços vetoriais, e o que você, como
matemático, pode querer fazer é dizer: “Ei pessoal! Eu não quero pensar em todos os tipos diferentes de espaços vetoriais
loucos que podem criar.” Então, o que faz é estabelecer uma lista de regras que a adição e a
multiplicação de vetores devem obedecer. Essas regras são chamadas de axiomas e, na moderna teoria da álgebra
linear, existem oito axiomas que qualquer espaço vetorial deve
satisfazer se toda a teoria e construções que descobrimos forem
aplicáveis.
Vou deixá-las na tela aqui para quem quiser fazer uma pausa e ponderar,
mas basicamente é apenas uma lista de verificação para se certificar
de que as noções de adição vetorial e multiplicação escalar fazem as
coisas que espera que façam. Esses axiomas não são regras fundamentais da natureza, pois são uma
interface entre você, o matemático que descobre resultados e outras
pessoas que podem querer aplicar esses resultados a novos tipos de
espaços vetoriais. Se, por exemplo, alguém define algum tipo louco de espaço vetorial, como
o conjunto de todas as criaturas, com alguma definição de adicionar
e multiplicar criaturas, esses axiomas são como uma lista de coisas
que elas precisam de verificar sobre suas definições antes de poder
começar a aplicar os resultados da álgebra linear.
E você, como matemático, nunca precisa de pensar em todos os possíveis
espaços vetoriais malucos que as pessoas possam definir. Só precisa de provar os seus resultados em relação a esses axiomas para
que qualquer pessoa cujas definições satisfaçam esses axiomas possa
aplicar os seus resultados com alegria, mesmo que nunca tenha
pensado na situação deles. Consequentemente, tenderia a escrever todos os seus resultados de maneira
bastante abstrata, ou seja, apenas em termos desses axiomas, em vez
de se concentrar num tipo específico de vetor, como setas no espaço
ou funções. Por exemplo, é por isso que praticamente todos os livros didáticos que
encontrará definirão transformações lineares em termos de
aditividade e homogeneidade, em vez de falar sobre linhas de grelha
que permanecem paralelas e uniformemente espaçadas, embora o último
seja mais intuitivo e, pelo menos na minha opinião, mais útil para
alunos iniciantes, mesmo que seja específico de uma situação.
Portanto, a resposta do matemático para “o que são vetores” é
simplesmente ignorar a pergunta. Na teoria moderna, a forma que os vetores tomam não importa realmente,
setas, listas de números, funções, criaturas, na verdade, pode ser
qualquer coisa, desde que haja uma noção de vetores de adição e
multiplicação escalar que siga essas regras. É como perguntar o que é o número três. Sempre que surge concretamente, é no contexto de um trio de coisas. Mas em matemática, é tratada como uma abstração para todos os trios
possíveis e permite raciocinar sobre todos os possíveis trios
utilizando uma única ideia. O mesmo acontece com os vetores, que têm muitas formas, mas a matemática
os abstrai numa única noção intangível de espaço vetorial.
Mas, como qualquer um que esteja a assistir a esta série sabe, acho
melhor começar o raciocínio sobre os vetores num cenário
visualizável concreto, como o espaço 2D com setas enraizadas na
origem. Mas, à medida que aprende mais álgebra linear, saiba que estas
ferramentas se aplicam de maneira muito mais geral e que esta é a
razão subjacente pela qual os livros didáticos e as palestras tendem
a ser redigidos, bem, abstratamente. Então com isto, acho que vou dar fim a esta série de álgebra linear
essencial. Se assistiu e entendeu os vídeos, realmente acredito que tenha uma base
sólida nas intuições subjacentes da álgebra linear. Isto não é o mesmo que aprender o tópico completo, é claro, é algo que só
pode realmente resultar de trabalhar em problemas, mas a
aprendizagem que faz pode ser substancialmente mais eficiente se
tiver todas as intuições corretas em vigor. Portanto, divirta-se a aplicar estas intuições e boa sorte com a sua
aprendizagem futura.