i i i i

“ALinear” — 2011/2/26 — 14:45 — page 1 — #19 “ALinear” — 2011/2/26 — 14:45 — page 2 — #20
i i i i

2 Base e Dimensão Cap. 1

Denotaremos x C . y/ simplesmente por x y (veja o Exercício 1). A

importância da regra da unidade na definição de espaço vetorial é indicada no
Exercício 3, no final deste Capítulo.
1 Exemplo 1.2 O conjunto Kn D f.x1 ; x2 ; : : : ; xn/ j xi 2 K .i D 1; : : : ; n/g com as
definições usuais de adição e multiplicação por escalar é um espaço vetorial.

Exemplo 1.3 O conjunto F de todas as funções ff W S ! Kg definidas num
Base e Dimensão conjunto S ¤ ; e com as operações de adição e multiplicação por escalar
usualmente definidas é um espaço vetorial.

Exemplo 1.4 Também são espaços vetoriais o conjunto KŒz de todos os po-
Este Capítulo apresenta algumas noções básicas da Álgebra Linear, introduz linômios com coeficientes em K (na incógnita z) ou o subconjunto Kn Œz de todos
somas diretas e define o espaço quociente. os polinômios de grau menor do que n (na incógnita z).

1.1 Espaços Vetoriais Definição 1.5 Um subconjunto Y de um espaço vetorial X é um subespaço se, com
as operações definidas em X , Y for um espaço vetorial.
O corpo R ou o corpo C serão denotados por K. Exemplo 1.6 O subconjunto de Kn de todos os vetores cuja primeira coordenada
é nula é um subespaço de Kn . Se S D R, os subconjuntos de F (veja o Exemplo
Definição 1.1 Um espaço vetorial X sobre o corpo K é um conjunto cujos
1.3) formados por todas as funções contínuas ou por todas as funções de período 
elementos .chamados vetores/ podem ser somados e multiplicados por escalares,
são subespaços de F . O mesmo acontece com o subconjunto de KŒz formado pelos
isto é, os elementos do corpo K. Se x; y; z 2 X e ;  2 K, as seguintes
polinômios de grau par.

propriedades devem ser satisfeitas pela adição e multiplicação por escalar:
Veja o Exercício 4 para a caracterização de um subespaço vetorial.
.i / x C y 2 X .fechamento/;
Definição 1.7 Sejam X e Y espaços vetoriais sobre o corpo K. Uma aplicação
.i i / .x C y/ C z D x C .y C z/ .associatividade/; TWX ! Y
.i i i / x C y D y C x .comutatividade/; satisfazendo
T .x C y/ D T x C Ty
.i v/ existe 0 2 X tal que x C 0 D x .elemento neutro/;
para quaisquer x; y 2 X e  2 K é chamada transformação linear ou aplicação
.v/ existe . x/ 2 X tal que x C . x/ D 0 .inverso aditivo/; linear. Se X D Y , também chamamos T de operador linear ou simplesmente
operador. Se Y D K, uma aplicação linear é denominada funcional linear.
.vi / x 2 X .fechamento/; Se T for uma bijeção, dizemos que T é um isomorfismo e que os espaços X e
.vi i / .x/ D ./x .associatividade/; Y são isomorfos.
(No caso de aplicações lineares, é usual denotar T .x/ por T x. Em algumas
.vi i i / .x C y/ D x C y .distributividade/; situações, especialmente para funcionais lineares, não se mantêm tal notação.)
.i x/ . C /x D x C x .distributividade/; Observação 1.8 Note que, na definição de aplicação linear, estamos indicando as
operações nos espaços vetoriais X e Y da mesma maneira: em T .x C y/, a soma
.x/ 1x D x .regra da unidade/. x C y ocorre no espaço X , enquanto ocorre em Y na expressão T x C Ty .

i i i i

i i i i
 i i i i

“ALinear” — 2011/2/26 — 14:45 — page 3 — #21 “ALinear” — 2011/2/26 — 14:45 — page 4 — #22
i i i i

§1.2 Bases 3 4 Base e Dimensão Cap. 1

1.2 Bases De maneira análoga, y2 D ˇ2 x2 C : : : C ˇn xn C ˇ1 y1 , com ao menos um dos

escalares ˇ2 ; : : : ; ˇn diferente de zero (veja o Exercício 12). Supondo ˇ2 ¤ 0,
Definição 1.9 Seja S  X um subconjunto qualquer de um espaço vetorial X . verificamos então que o conjunto fx3 ; : : : ; xn ; y1 ; y2 g gera o espaço X . Repetindo
Uma combinação linear de elementos de S é uma soma .finita/ sucessivamente esse procedimento, obtemos que

1 x1 C : : : C k xk ; fy1 ; : : : ; yn g

com 1 ; : : : ; k 2 K e x1 ; : : : ; xk 2 S. gera o espaço X . Em particular,

O conjunto S é linearmente dependente, se existir um número finito de ynC1 D 1 y1 C : : : C n yn :
elementos
x1 ; : : : ; xk 2 S Mas, então,
e escalares 1 ; : : : ; k 2 K, não todos nulos, tais que 1 y1 ::: n yn C 1ynC1 C 0ynC2 C : : : C 0yj D 0;
1 x1 C : : : C k xk D 0: o que contradiz fy1 ; : : : ; yj g ser um conjunto linearmente independente. 2
Caso contrário, o conjunto S é linearmente independente.
O conjunto S gera o espaço X se, para todo x 2 X , existirem .finitos/ Lema 1.11 Todo espaço vetorial X ¤ f0g gerado por um subconjunto S D
elementos x1 ; : : : ; xj 2 S e escalares 1 ; : : : ; j 2 K tais que x D 1 x1 C : : : C fx1 ; : : : ; xng possui uma base.
j xj . Demonstração: Se S for linearmente dependente, um de seus elementos pode ser
Uma base de X é um subconjunto ordenado B que é linearmente independente escrito como combinação linear dos elementos restantes. Retirando esse elemento,
e gera X . Um espaço vetorial X tem dimensão finita, se possuir uma base com o conjunto restante continua gerando X . Continuamos retirando elementos que
um número finito de elementos,1 ou se X D f0g. Caso contrário, ele tem dimensão são combinação linear dos elementos restantes até obter um conjunto linearmente
infinita. independente que continua gerando X . 2
Lema 1.10 (do intercâmbio de Steinitz) Suponhamos que S D fx1 ; : : : ; xng gere Note que o espaço vetorial X D f0g não possui base.
o espaço vetorial X e que fy1 ; : : : ; yj g seja linearmente independente em X . Então
j  n: Teorema 1.12 Todas as bases de um espaço vetorial X de dimensão finita possuem
o mesmo número de elementos.
Demonstração: Suponhamos que j > n. Como S gera X , temos que
Demonstração: Se B D fx1 ; : : : ; xng e B0 D fy1 ; : : : ; yj g forem bases de X , o
y1 D 1 x1 C : : : C n xn ; Lema 1.10 aplicado ao conjunto linearmente independente B0 e ao conjunto gerador
B mostra que j  n. Aplicando então ao conjunto linearmente independente B e
sendo ao menos um dos escalares 1 ; : : : ; n diferente de zero (veja o Exercício ao conjunto gerador B0 , obtemos n  j . 2
11). Podemos supor 1 ¤ 0. Temos então que fx2 ; : : : ; xn ; y1 g gera X . De fato, se
x 2 X , existem escalares
 ˛1 ; : : : ; ˛n tais que x D
 ˛1 x1 C : : : C ˛n xn . Mas, então, Definição 1.13 Se B D fx1 ; : : : ; xn g for uma base do espaço vetorial X , dizemos
1
x D ˛1 .y1 2 x2 : : : n xn / C ˛2 x2 C : : : C ˛n xn ; que X tem dimensão n e escrevemos
1
mostrando o afirmado. !" X D n:
1
Diz-se também que o espaço vetorial é finitamente gerado. Se X D f0g, X tem dimensão finita igual a zero.

i i i i

i i i i
 i i i i

“ALinear” — 2011/2/26 — 14:45 — page 5 — #23 “ALinear” — 2011/2/26 — 14:45 — page 6 — #24
i i i i

§1.2 Bases 5 6 Base e Dimensão Cap. 1

Teorema 1.14 Todo subconjunto linearmente independente S D fy1 ; : : : ; yj g de Demonstração: Se x D 1 x1 C : : : C n xn e y D 1 x1 C : : : C n xn , então

um espaço vetorial X de dimensão n  1 pode ser completado para formar uma
base de X . T .x C ˛y/ D T ..1 C ˛ 1 /x1 C : : : C .n C ˛ n /xn /
D .1 C ˛ 1 ; : : : ; n C ˛ n /
Demonstração: Se S não gerar X , então existe um vetor x1 2 X que não é D .1 ; : : : ; n / C ˛. 1 ; : : : ; n / D ŒxB C ˛ŒyB ;
combinação linear dos elementos de S. O conjunto
mostrando a linearidade de T . Se  D .1 ; : : : ; n / 2 Kn , então T x D , para
fy1 ; : : : ; yj ; x1 g x D 1 x1 C : : : C n xn , o que prova que T é sobrejetora. Finalmente, T x D Ty,
então .1 ; : : : ; n / D . 1 ; : : : ; n /, o que implica i D i para i D 1; : : : ; n e,
é linearmente independente. Repetimos esse procedimento um número finito de portanto, x D y. 2
vezes, até obter uma base de X . 2
Observe que somente a ordenação dos elementos da base é que permite dar
O Teorema 1.14 mostra-nos como obter diferentes bases para um espaço vetorial sentido à representação de um vetor em uma base. A importância do isomorfismo
X ¤ f0g de dimensão finita. Assim, X possui muitas bases. destacado na Proposição 1.18 é explorada no Exercício 9.

Definição 1.15 Sejam X um espaço vetorial e B D fx1 ; : : : ; xn g uma base de X .
Se x 2 X , então existem .únicos/ escalares 1 ; : : : ; n 2 K tais que
x D 1 x1 C : : : C n xn :
O vetor .1 ; : : : ; n / 2 Kn é chamado representação de x na base B e 1 ; : : : ; n
as coordenadas de x na base B. Denotamos também por ŒxB o vetor .1 ; : : : ; n /.
Definição 1.16 Seja ei 2 Kn o vetor cuja i -ésima coordenada é igual a 1, as outras
sendo nulas. O conjunto E D fe1 ; : : : ; en g é a base canônica do espaço Kn .
Observação 1.17 Uma base de um espaço vetorial é um conjunto ordenado.
Assim, se B D fx1 ; x2 ; : : : ; xn g for uma base do espaço X , então B0 D
fx2 ; : : : ; xn; x1 g é outra base de X . O mesmo acontece se a base possuir um número
infinito de elementos.
Proposição 1.18 Sejam X um espaço vetorial e B D fx1 ; : : : ; xn g uma base de X .
Se x D 1 x1 C : : : C n xn , a aplicação T W X ! Kn dada por
T x D ŒxB D .1 ; : : : ; n /
estabelece um isomorfismo entre X e Kn .
Observação 1.19 Tendo alcançado esse ponto, não deixa de ser interessante
comparar três concepções do plano. A primeira concepção é o plano como es-
paço euclidiano, o espaço da geometria clássica. Esse espaço é completamente
homogêneo: se, de repente, um objeto fosse transportado para esse plano,
não haveria como localizá-lo. Todos os pontos são absolutamente iguais. A
segunda concepção é o plano como espaço vetorial. Nesse caso, existe um ponto
excepcional: a origem. Um objeto transportado para o plano apenas distinguiria
sua localização como ocupando a origem ou não. A terceira concepção vem com a
introdução de coordenadas, e cria o plano da geometria analítica clássica. Aqui a
localização de cada ponto é muito bem determinada por suas coordenadas.
O isomorfismo entre um espaço de dimensão finita n e o Kn introduz a
possibilidade de medirmos distâncias ou mesmo ângulos. Essa possibilidade será
estudada posteriormente, especialmente nos Capítulos 8 e 10.



1.3 Somas Diretas
Definição 1.20 Sejam A; B subconjuntos de um espaço vetorial X . Denotamos
por A C B o conjunto de todos os vetores x C y, com x 2 A e y 2 B.
Proposição 1.21 Sejam U; V subespaços de X . Então U C V é subespaço de X .
O subespaço U C V é chamado soma dos subespaços U e V .

i i i i

i i i i
 i i i i

“ALinear” — 2011/2/26 — 14:45 — page 7 — #25 “ALinear” — 2011/2/26 — 14:45 — page 8 — #26
i i i i

§1.3 Somas Diretas 7 8 Base e Dimensão Cap. 1

Demonstração: Se z1 D x1 C y1 e z2 D x2 C y2 forem elementos de U C V e Teorema 1.24 Seja X um espaço vetorial de dimensão finita. Então vale:
 2 K, então claramente z1 C z2 2 U C V (veja o Exercício 4). 2
.i / todo subespaço Y de X possui dimensão finita;

Definição 1.22 Sejam U; V subespaços de X . O subespaço W D U C V é a .i i / todo subespaço Y possui um complemento Z  X , isto é, existe um
soma direta dos subespaços U e V se cada elemento w 2 W puder ser escrito de subespaço Z de X tal que
maneira única como X D Y ˚ Z:
w D x C y:
Demonstração: Se Y D f0g, então !" Y D 0. Caso contrário, tome 0 ¤ y1 2 Y .
Nesse caso denotamos W por W D U ˚ V . .Veja a Figura 1.1./ Se existir y2 2 Y linearmente independente com y1 , consideramos então o conjunto
fy1 ; y2 g. Se esse conjunto gerar Y , temos uma base. Se não, podemos acrescentar
A definição de soma direta pode ser generalizada para a soma de um número
y3 2 Y linearmente independente com y1 e y2 . Procedendo assim, obtemos
finito de subespaços de X . Assim, W D V1 C : : : C Vn é a soma direta dos
sucessivamente conjuntos linearmente independentes, cada um contendo o anterior.
subespaços V1 ; : : : ; Vn de X se cada elemento w 2 W puder ser escrito de maneira
De acordo com o Lema 1.10, esse processo só pode continuar enquanto esses
única na forma w D v1 C : : : C vn .
conjuntos tiverem menos elementos do que a dimensão de X . Obtemos assim uma
 base fy1 ; : : : ; yj g para Y .
 V
 Aplicando então o Teorema 1.14, essa base pode ser completada até obtermos



uma base fy1 ; : : : ; yj ; x1 ; : : : ; xn j g para X . Defina Z como o espaço de todas as
 combinações lineares dos elementos x1 ; : : : ; xn j . Claramente Z é um subespaço

 .u; v/ 2 U ˚ V
v de X e Z \ Y D f0g. Logo, pela Proposição 1.23, temos X D Y ˚ Z. 2



 




u U

Figura 1.1:
1.4 Espaço Quociente
Se W D U ˚ V , um ponto w 2 W escreve-se de maneira única como w D u C v.
Definição 1.25 Seja Y um subespaço de X . Se x1 ; x2 2 X , dizemos que x1 é
congruente a x2 módulo Y , escrito
Proposição 1.23 O subespaço W D U C V é a soma direta dos subespaços U; V
de X se, e somente se, U \ V D f0g. x1  x2 "# Y;

Demonstração: Suponhamos que W D U ˚ V . Se z 2 U \ V então w D x C y se x1 x2 2 Y .

também pode ser escrito como w D .x C z/ C .y z/. Como a decomposição
Podemos dividir o espaço X em diferentes classes de equivalência módulo
w D x C y é única, devemos ter x D x C z e y D y z. Assim, z D 0 (veja o
Y (veja o Exercício 31). Denotaremos a classe contendo o elemento x por Œx.
Exercício 2.)
(Cuidado para não confundir essa notação com ŒxB , que é a representação do vetor
Reciprocamente, suponhamos que x1 Cy1 e x2 Cy2 sejam duas decomposições
x na base B.)
de w 2 W . Então x1 x2 D y2 y1 pertencem simultaneamente a U e V . Logo
x1 x2 D 0 D y2 y1 , garantindo a unicidade da decomposição. 2 Definição 1.26 Se Œx e Œz forem classes de equivalência módulo Y e  2 K,
Note que, se fu1 ; : : : ; uk ; vkC1 ; : : : ; vn g for base de W , então W D U ˚ V , definimos
com U D< u1 ; : : : ; uk > e V D< vkC1 ; : : : ; vn >. Œx C Œz D Œx C z; Œx D Œx:

i i i i

i i i i
 i i i i

“ALinear” — 2011/2/26 — 14:45 — page 9 — #27 “ALinear” — 2011/2/26 — 14:45 — page 10 — #28
i i i i

§1.4 Espaço Quociente 9 10 Base e Dimensão Cap. 1

Com essas operações, o conjunto de todas as classes de equivalência módulo Y Exemplo 1.29 Seja x 2 Kn e considere Y o subespaço de todos os vetores cujas
torna-se um espaço vetorial, denotado por duas primeiras coordenadas são nulas. Então dois vetores são congruentes módulo
X Y se, e somente se, suas duas primeiras coordenadas forem iguais. Isto é,
ou X=Y
Y .x1 ; x2 ; x3 ; : : : ; xn /  .y1 ; y2 ; y3 ; : : : ; yn / !" Y , x 1 D y1 e x 2 D y2 :
e denominado espaço quociente de X por Y .
A classe de equivalência de x 2 K pode ser vista como um vetor com duas
n
A classe de equivalência Œx muitas vezes é representada por x C Y .
componentes, dadas pela primeira e segunda coordenadas de x.

A rigor, precisamos mostrar que as operações em X=Y estão bem definidas,
isto é, independem dos representantes de cada classe de equivalência. Portanto, Teorema 1.30 Consideremos a decomposição
suponhamos que x1 2 Œx e z1 2 Œz. Então x1 D x C y1 e z1 D z C y2 , com
y1 ; y2 2 Y . Mas, então, x1 C z1 D x C y1 C z C y2 D x C z C .y1 C y2 / e, assim, X D Y ˚ Z:
x1 C z1  x C z !" Y . Do mesmo modo, x1 D x C .y1 / e x1  x
!" Y. Então a aplicação QW Z ! X=Y definida por Q.z/ D Œz é um isomorfismo
canônico. .Um isomorfismo é canônico, se ele independer de escolhas de bases nos
Exemplo 1.27 Seja X um espaço vetorial qualquer. Se Y D X , então X=Y D
fŒ0g, pois x  0 !"
Y para todo x 2 X . Por outro lado, se Y D f0g, então
espaços envolvidos./
X=Y D X , pois x  y !"
Y implica x D y.

Assim, se X tiver dimensão finita e fz1 ; : : : ; zj g for uma base de Z, então
fŒz1 ; : : : ; Œzj g é uma base de X=Y . Portanto,
Exemplo 1.28 Seja Y  R2 o subespaço definido por Y D f.x; y/ j 2y D xg.
(Em outras palavras, Y é a reta de equação 2y D x). Na Figura 1.2, os vetores "# X=Y D "# ZD "# X "# Y:
w1 ; : : : ; w5 pertencem todos à mesma classe. Assim, o vetor Œw1  C Y 2 R2 =Y é
uma reta paralela à reta 2y D x. O espaço quociente R2 =Y é formado por todas as Demonstração: Definimos QW Z  X ! X=Y por Q.z/ D Œz. A aplicação Q é
retas paralelas à reta 2y D x. claramente linear.
y6 w5 Cada classe Œx 2 X=Y tem como representante um elemento x 2 X . Mas,

w4 
 Œw1  existe uma única decomposição x D y C z, com y 2 Y e z 2 Z. Assim,
 
w3

 Œx D Œy C z D Œz, mostrando que Q é sobrejetor.
 
w2  6
 Y Suponhamos que Œz1  D Œz2 . Então z1 D z2 C y, com y 2 Y . Mas, isso implica

 @
w1X I

y
XXXX @

z1 z2 D y 2 Y . Como z1 z2 2 Z, concluímos que z1 z2 D 0, completando a
 @

X
 -
  x

 demonstração. 2
 


Exemplo 1.31 (Continuação do Exemplo 1.28) Na Figura 1.3, o espaço R2 é a
soma direta dos subespaços Y e Z. A aplicação Q associa Œw 2 X=Y ao ponto
z0 2 Z, (única) interseção da reta Œw com o subespaço Z.

Figura 1.2:
O subespaço Y é a reta 2y D x. Os vetores w1 ; : : : ; w5 pertencem todos à mesma
classe. O espaço R2 =Y é formado por todas as retas paralelas à reta 2y D x. 1.5 Exercícios
Sem dificuldades, podemos estender a interpretação geométrica aqui apre-
sentada ao caso geral.
1. Seja X um espaço vetorial. Se x for o inverso aditivo de x 2 X , mostre
que x D . 1/x.

i i i i

i i i i
 i i i i

“ALinear” — 2011/2/26 — 14:45 — page 11 — #29 “ALinear” — 2011/2/26 — 14:45 — page 12 — #30
i i i i

§1.5 Exercícios 11 12 Base e Dimensão Cap. 1

y6 


 Z
  .a/ Mostre que U é um espaço vetorial com elemento neutro aditivo .1; 1/.
 

 Œw

 z0 .b/ Mostre que, se v1 D .e; 1/ e v2 D .1; e/, então B D fv1 ; v2 g é uma base
  
 






Y de U (estamos denotando por e a base dos logaritmos naturais).
  
 

 
 - .c/ Defina T W U ! R2 por T .z/ D ŒzB , em que ŒzB é a representação de z
 x
 
 

na base B. Mostre que T é um isomorfismo.
 



.d/ Encontre todos os subespaços unidimensionais de U .



10. Seja S  X um subconjunto arbitrário do espaço vetorial X . Mostre
que o conjunto de todas as combinações lineares dos elementos de S é
Figura 1.3:
um subespaço de X , chamado (sub)espaço gerado por S e denotado por
A reta Œw 2 X=Y intercepta o subespaço Z no ponto z0 .
< S >. Mostre que, se Y  X for um subespaço tal que S  Y ,
então < S >  Y . (Esse exercício generaliza o procedimento usado na
2. Seja X um espaço vetorial. Mostre que 0 2 X é único e que 0 D 0 2 X demonstração do Teorema 1.24).
para todo  2 K. Mostre também que 0x D 0 para todo x 2 X .
11. Seja X um espaço vetorial. Se S  X for linearmente independente, mostre
3. Seja X D f.x1 ; : : : ; xn / j xi 2 Kg. Defina a soma x C y da maneira usual e
que 0 62 S. Mostre que, se um conjunto possuir um subconjunto linearmente
x D 0 para todo  2 K e x 2 X . Verifique quais propriedades da definição
dependente, então esse conjunto é linearmente dependente.
de espaço vetorial são satisfeitas.
4. Seja X um espaço vetorial. Mostre que Y  X é um subespaço se, e somente 12. Qual a razão, na demonstração do Lema 1.10, de substituirmos sempre
se, x C y 2 Y para quaisquer x; y 2 Y e  2 K. um dos elementos xj ; : : : ; xn do conjunto fxj ; : : : ; xn; y1 ; : : : ; yj 1 g por um
dos elemento y1 ; : : : ; yj 1 ? Porque não podemos substituir yj por um dos
5. Se X for um espaço vetorial, mostre que os conjuntos X e f0g (que elementos y1 ; : : : ; yj 1 ?
consiste apenas do elemento neutro aditivo) são subespaços de X , chamados
subespaços triviais. 13. Seja S D f1; z; z 2 ; : : : ; z n ; : : :g. Mostre que S é uma base de KŒz.
6. Seja S ¤ ;. Generalize o Exemplo 1.3 e mostre que ff W S ! Kn g é um 14. Seja T W X ! Y uma aplicação linear e defina !" T WD fv 2 X j T v D 0g.
espaço vetorial. Mostre que T é injetora se, e somente se, !" T D f0g.
7. Seja V  Kn o conjunto de todas as n-uplas da forma .0; 0; x3; : : : ; xn/. 15. Exiba um isomorfismo entre Kn e Kn Œz.
Mostre que V é um subespaço de Kn .
16. Defina K1 como o espaço de todas as sequências .z1 ; : : : ; zn ; : : :/ com a
8. Seja B D fx1 ; : : : ; xng uma base do espaço vetorial X . Mostre que cada
soma e multiplicação por escalar definidas de maneira natural. Mostre que
elemento x 2 X escreve-se de maneira única como combinação linear dos
K1 é um espaço vetorial. Considere seu subespaço K1 0 , formado por todas
elementos de B. (Compare com a Definição 1.15.)
as sequências satisfazendo zi D 0, exceto para um número finito de índices.
9. Seja U D f.x; y/ 2 R2 j x > 0; y > 0g. Se z1 D .x1 ; y1 / e z2 D .x2 ; y2 / Mostre que K10 é isomorfo ao espaço KŒz.
forem elementos de U e  2 R, defina
17. Sejam T W X ! Y e SW Y ! Z aplicações lineares. Mostre que a composta
z1 C z2 D .x1 x2 ; y1 y2 /; z1 D .x1 ; y1/: S ı T D ST é uma aplicação linear.

i i i i

i i i i
 i i
“ALinear” — 2011/2/26 — 14:45 — page 13 — #31
i i
§1.5 Exercícios 13
18. Seja T W X ! Y um isomorfismo entre os espaços X e Y . Mostre que a
inversa T 1 W Y ! X é linear.
19. Mostre que todo espaço vetorial de dimensão n sobre o corpo K é isomorfo
a Kn . Esse isomorfismo é único? Conclua que quaisquer dois espaços de
dimensão n sobre o mesmo corpo K são sempre isomorfos. Os espaços Rn e
Cn são isomorfos?
20. Sejam X , Y espaços vetoriais de dimensão finita sobre o corpo K. Mostre
que, se T W X ! Y for um isomorfismo, então a imagem por T de toda base
de X é uma base de Y . Em particular, !" X D !" Y .
21. Seja B D fx1 ; : : : ; xn g uma base de X e Y um espaço vetorial. Escolha
arbitrariamente y1 ; : : : ; yn 2 Y . Mostre que existe uma única aplicação
linear T W X ! Y tal que T .xi / D yi para i D 1; : : : ; n. Conclua que,
se fy1 ; : : : ; yn g for uma base de Y , então T é um isomorfismo.
22. Mostre que S é uma base de X se, e somente se, todo elemento x 2 X puder
ser escrito de maneira única como combinação linear dos elementos de S.
23. Seja X um espaço vetorial de dimensão n. Se S D fy1 ; : : : ; yn g  X for um
conjunto linearmente independente, mostre que S é uma base de X .
24. Sejam X um espaço vetorial de dimensão n e S D fy1 ; : : : ; yn g um conjunto
que gera X . Mostre que S é uma base de X .
25. Seja X um espaço vetorial e S D fx1 ; : : : ; xk g um subconjunto linearmente
dependente formado por vetores não-nulos do espaço X . Mostre que um
deles é combinação linear dos vetores precedentes.
26. Sejam X um espaço de dimensão n e V1 ˚


˚ Vk uma soma direta de
subespaços de X . Mostre que
!".V1 ˚


˚ Vk / D !" V1 C : : : C !" Vk  n:
27. Sejam X um espaço de dimensão finita e U; V subespaços de X . Mostre que
!".U C V / D !" U C !" V !".U \ V /.
28. Denotaremos por Mnn .K/ o conjunto das matrizes n  n com entradas
no corpo K. Defina o conjunto das matrizes simétricas S D fA 2
i i
i i
i i
“ALinear” — 2011/2/26 — 14:45 — page 14 — #32
i i
14 Base e Dimensão Cap. 1
Mnn .K/ j At D Ag, em que At denota a transposta da matriz A (veja
3.12 para a definição da transposta de uma matriz); defina o conjunto das
matrizes anti-simétricas A D fA 2 Mnn .K/ j At D Ag. Mostre que
Mnn .K/ D S ˚ A.
29. Mostre que U \ V é um subespaço de X , se U e V forem subespaços de X .
O subespaço U \ V é a interseção dos subespaços U e V .
30. Seja X um espaço vetorial e W1 ; W2 subespaços. Mostre que, se X D
W1 [ W2 , então X D Wi para pelo menos algum i 2 f1; 2g.
31. Seja  uma relação de equivalência2 num conjunto A. Dado x 2 A, denote
cl.x/ WD fy 2 A j y  xg
a classe de equivalência do elemento x. Mostre que A pode ser escrito como
uma união disjunta de suas classes de equivalência.
32. Mostre que a congruência módulo Y é uma relação de equivalência.
33. Seja Y um subespaço de X com !" Y D !" X . Mostre que Y D X .
34. Seja W  R3 o subespaço (verifique!) formado por todas as soluções da
equação linear homogênea 2x C 3y C 4z D 0. Descreva as classes de
equivalência da congruência módulo W .
35. Sejam X um espaço vetorial e M; N subespaços. Dê exemplo desses espaços,
de modo que
.a/ nem M , nem X=M tenha dimensão finita;
.b/ X=M tenha dimensão finita, mas X=N não tenha.
36. Seja T W X ! X um operador linear e W um subespaço invariante por T ,
isto é, T .W /  W . Considere a aplicação TN W X ! X=W definida por
TN .x/ D ŒT x. Mostre que TN é linear e que, se q 2 KŒz satisfizer q.T / D 0,
então q.TN / D 0.
37. Seja W  X um subespaço e QW X ! X=W a aplicação quociente definida
por Q.x/ D Œx. Seja Y  X outro subespaço de X . Mostre que X D W ˚Y
se, e somente se, a restrição QjY W Y ! X=W for um isomorfismo.
2
Quer dizer, se x; y; z 2 A, então: .i / x  x; .i i / se x  y, então y  x; .i i i / se x  y e
y  z, então x  z.
i i
i i
 i i i i

“ALinear” — 2011/2/26 — 14:45 — page 15 — #33 “ALinear” — 2011/2/26 — 14:45 — page 16 — #34
i i i i

§1.5 Exercícios 15

38. A soma direta de espaços vetoriais X1 ; X2 é o conjunto X1 ˚ X2 de todos os

pares .x1 ; x2 / com x1 2 X1 e x2 2 X2 . Definindo adição e multiplicação por
escalar coordenada a coordenada, mostre que X1 ˚ X2 é um espaço vetorial.
Se X1 e X2 tiverem dimensão finita, então !".X1 ˚X2 / D !" X1 C !" X2 .
2
39. Seja Y um subespaço de X . Mostre que X é isomorfo a Y ˚ X=Y .

Dualidade
Este Capítulo apresenta, para o caso de espaços de dimensão finita, uma
primeira versão do Teorema de Representação de Riesz e também o isomorfismo
canônico entre o espaço X e o bidual X 00 . Ele pode ser suprimido numa primeira
leitura ou a critério do instrutor.

2.1 O Espaço Dual

Existem muitas maneiras de produzir espaços vetoriais a partir de espaços ou
subespaços conhecidos. Por exemplo, se M for um subespaço de X , então X=M
é um novo espaço vetorial. Ou, dados os espaços vetoriais X e Y , podemos
considerar o espaço X ˚ Y , apresentado no Exercício 38 do Capítulo 1.
Apresentaremos agora uma forma importante de obter um novo espaço vetorial,
partindo do espaço X :
Definição 2.1 Se X for um espaço vetorial sobre K, consideremos o conjunto
X 0 D f`W X ! K j ` é linearg:
De maneira natural vemos que X 0 tem uma estrutura de espaço vetorial, se
definirmos, para `; m 2 X 0 e  2 K,
.` C m/.x/ D `.x/ C m.x/; .`/.x/ D `.x/:
Com essas operações, X D f`W X ! K j ` é linearg denota o espaço dual1 de X .
0

Os elementos de X 0 são chamados de funcionais lineares.

1
Também chamado espaço dual algébrico do espaço X , em contraposição ao espaço dual
topológico definido em textos de Análise Funcional. Em espaços de dimensão finita as definições
coincidem.

16

i i i i

i i i i
 i i
“ALinear” — 2011/2/26 — 14:45 — page 17 — #35
i i
§2.1 O Espaço Dual 17
R1
Exemplo 2.2 Seja X D ff W Œ0; 1 ! R j f é contínuag. Defina `.f / D 0 f .s/ds
e, para s0 2 Œ0; 1 fixo, m.f / D f .s0 /. É fácil verificar que ` 2 X 0 e m 2 X 0 .

Exemplo 2.3 Defina 1 W Kn ! K por 1 .x1 ; : : : ; xn/ D x1 . Então 1 2 .Kn /0 .

Seja fx1 ; : : : ; xn g uma base do espaço vetorial X . Então, para todo x 2 X , existem
escalares `1 .x/; : : : ; `n .x/ tais que
x D `1 .x/x1 C : : : C `n .x/xn :
Os escalares `i .x/ são justamente as coordenadas de x na base fx1 ; : : : ; xng.
(Quer dizer, se x D ˛1 x1 C : : : C ˛n xn , `i .x/ denota ˛i .)
Teorema 2.4 Sejam B D fx1 ; : : : ; xn g uma base de X e
x D `1 .x/x1 C : : : C `n .x/xn :
Então, se ıij denotar 0, se i ¤ j , e 1, se i D j , temos:
.i / `i W X ! K é um funcional linear e `i .xj / D ıij , para i; j 2 f1; : : : ; ng;
.i i / o conjunto f`1 ; : : : ; `n g é uma base de X 0 , chamada de base dual da base B;
0
.i i i / se m 2 X , então
m.x/ D `1 .x/m.x1 / C : : : C `n .x/m.xn /:
0
.i v/ para todo 0 ¤ x 2 X , existe m 2 X tal que m.x/ ¤ 0.
Demonstração: Suponhamos que x D ˛1 x1 C: : :C˛n xn e y D ˇ1 x1 C: : :Cˇn xn
(quer dizer, `i .x/ D ˛i e `i .y/ D ˇi ). Então x C y D .˛1 C ˇ1 /x1 C : : : C
.˛n C ˇn /xn e, portanto, `i .x C y/ D ˛i C ˇi D `i .x/ C `i .y/, mostrando
.i /.
Quanto à afirmação .i i /, suponhamos que 1 `1 C : : : C n `n D 0 2 X 0 .
Avaliando esse funcional sucessivamente nos vetores x1 ; : : : ; xn , concluímos que
1 D : : : D n D 0. Seja agora m 2 X 0 . Então
m.x/ D m.˛1 x1 C : : : C ˛n xn / D ˛1 m.x1 / C : : : C ˛n m.xn /
D `1 .x/m.x1 / C : : : C `n .x/m.xn /;
provando não apenas que `1 ; : : : ; `n geram X 0 , mas também a afirmação .i i i /.
Se x ¤ 0, então alguma coordenada `i .x/ na expressão x D `1 .x/x1 C : : : C
`n .x/xn não é nula. Considerando m D `i , obtemos .i v/. 2 primeiro lugar, que
i i
i i
i i
“ALinear” — 2011/2/26 — 14:45 — page 18 — #36
i i
18 Dualidade Cap. 2
Observação 2.5 A parte .i i i / do Teorema 2.4 é uma versão do Teorema de
Representação de Riesz; veja o Teorema 8.23.

Uma vez que X 0 é um espaço vetorial, esse espaço tem o seu dual, que será
denotado por X 00 e chamado de bidual de X . Note que X 00 é, por definição, o
espaço vetorial de aplicações lineares
X 00 D fLW X 0 ! K j L é linearg:
Quer dizer, L é uma transformação linear que associa, a cada funcional linear
`W X ! K, o número L.`/ 2 K.
Os elementos de X 00 são, aparentemente, complicados. Mostraremos que, em
espaços de dimensão finita, as aplicações lineares em X 00 estão canonicamente
associadas aos vetores do espaço X . Quer dizer, existe um isomorfismo entre X
e X 00 que independe da utilização de bases nesses espaços vetoriais. (A existência
de um isomorfismo entre esses espaços é trivial: se !" X D n, o Teorema 2.4
garante então que !" X 00 D !" X 0 D !" X D n. Espaços vetoriais de mesma
dimensão são sempre isomorfos: veja o Exercício 19 do Capítulo 1.)
Lema 2.6 Para cada x 2 X fixo, considere a aplicação Lx W X 0 ! K definida por
Lx .`/ D `.x/:
Quer dizer, Lx associa a cada funcional linear ` 2 X 0 o valor que ` assume no
ponto x. Então Lx 2 X 00 .
Demonstração: Suponhamos que `; m 2 X 0 . Então, se ˛ 2 K,
Lx .` C ˛m/ D .` C ˛m/.x/ D `.x/ C ˛m.x/ D Lx .`/ C ˛Lx .m/:
(Compare essa demonstração com o Exemplo 2.2.) 2
Teorema 2.7 Seja X um espaço vetorial de dimensão finita. Então os espaços X 00
e X são canonicamente isomorfos. Mais precisamente, todo elemento do espaço
X 00 é da forma Lx , para algum x 2 X .
Demonstração: Apesar de ser constituída de etapas simples, a idéia da prova é
relativamente elaborada. Definimos D fLx j x 2 X g. Quer dizer, os elementos
de são as aplicações lineares definidas no lema anterior. Vamos mostrar, em
é um subespaço de X 00 . Depois, mostraremos que X é
isomorfo a . Assim, !" D n D !" X 00 . Isso quer dizer que D X 00 .
i i
i i
 i i i i

“ALinear” — 2011/2/26 — 14:45 — page 19 — #37 “ALinear” — 2011/2/26 — 14:45 — page 20 — #38
i i i i

§2.1 O Espaço Dual 19 20 Dualidade Cap. 2

Sejam Lx ; Ly 2 e  2 K. Consideremos Lx C Ly . Queremos mostrar Isso implica

que essa aplicação linear é um elemento de , isto é, Lx C Ly D Lz para algum 1 p.t1 / C : : : C n p.tn / D 0; 8 p 2 Kn Œt: (2.1)
z 2 X . Temos, para ` 2 X 0 ,
Considere os polinômios
n
.Lx C Ly /.`/ D Lx .`/ C Ly .`/ D `.x/ C `.y/ D `.x C y/ D LxCy .`/: Y
qi .t/ D .t tj /:
Isso mostra que é um subespaço de X 00 . Agora definimos: j D1
j ¤i

TW X ! Cada polinômio qi possui exatamente n 1 raízes nos pontos tj , com j ¤ i .

x 7! Lx : Substituindo sucessivamente os polinômios qi na relação .2:1/, obtemos i q.ti / D
Vamos mostrar que T é um isomorfismo entre X e . Temos que 0, o que implica i D 0. Isso mostra que f`1 ; : : : ; `n g é linearmente independente
em .Kn Œt/0 e, portanto, uma base desse espaço.
T .x C y/ D LxCy D Lx C Ly D T .x/ C T .y/; Assim, todo funcional linear `W Kn Œt ! R é uma combinação linear dos
funcionais `1 ; : : : ; `n e, portanto,
de acordo com o que mostramos na primeira parte. A aplicação T é sobrejetora,
por definição. A injetividade também é clara: se T .x/ D T .y/, então Lx D Ly ` D ˛1 ` 1 C : : : C ˛n ` n
e, portanto, Lx .`/ D Ly .`/ para todo ` 2 X 0 . Mas, então, `.x/ D `.y/ e
`.x y/ D 0 para todo ` 2 X 0 . Mas, isto implica x y D 0, de acordo com para escalares ˛1 ; : : : ; ˛n 2 K. O resultado segue-se daí ao considerarmos o
o Teorema 2.4, .i v/. Isto mostra a injetividade e completa a demonstração. 2 funcional linear Z
p 7! p.t/dt: 2
Uma consequência do Teorema 2.7 é que a construção de novos espaços I
vetoriais por meio de duais do espaço de dimensão finita X , esgota-se, senão
no próprio espaço X 0 (que já é isomorfo a X ), por certo no espaço X 00 , que é 2.2 Exercícios
canonicamente isomorfo ao espaço X .
Concluímos este capítulo com a seguinte aplicação dada por Lax [22], sur- 1. Considere a base B WD fv1 ; v2 g do R2 , em que v1 D .2; 1/ e v2 D .3; 1/.
preendente à primeira vista: Ache a base dual de B.
Teorema 2.8 Sejam t1 ; : : : ; tn pontos distintos do intervalo I . Então existem 2. Seja Rn Œt o espaço de todos os polinômios (com coeficientes em R) de
constantes ˛1 ; : : : ; ˛n tais que grau menor do que n (na incógnita t). Mostre que as seguintes aplicações
pertencem ao dual de Rn Œt:
Z
p.t/dt D ˛1 p.t1 / C : : : C ˛n p.tn /
I .a/ i .p.t// D ai para todo i D 0; 1; : : : ; n 1, se p.t/ 2 Rn Œt for dado
para todo polinômio p de grau menor do que n. por p.t/ D a0 C a1 t C : : : C an 1 t n 1 ;
R1
Demonstração: O espaço Kn Œt de todos os polinômios p.t/ D a0 C a1 t C : : : C .b/ J.p.t// D 0 p.t/dt, para todo p.t/ 2 Rn Œt.
an 1 t n 1 de grau menor do que n é isomorfo a Kn e, portanto, tem dimensão n.
3. Considere o espaço R2 Œt, como antes. Sejam `1 W R2 Œt ! R e `2 W R2 Œt ! R
Definimos `j .p/ D p.tj /. Então `j 2 .Kn Œt/0 . Afirmamos que f`1 ; : : : ; `n g é R1 R2
linearmente independente. De fato, suponhamos que dadas por `1 .p.t// D 0 p.t/dt e `2 .p.t// D 0 p.t/dt. Mostre que
B0 D f`1 ; `2 g é uma base de .R2 Œt/0 . Ache a base fv1 ; v2 g de R2 Œt da qual
1 `1 C : : : C n `n D 0 2 .Kn Œt/0 : B0 é dual.

i i i i

i i i i
 i i i i

“ALinear” — 2011/2/26 — 14:45 — page 21 — #39 “ALinear” — 2011/2/26 — 14:45 — page 22 — #40
i i i i

§2.2 Exercícios 21 22 Dualidade Cap. 2

Y
4. Considere a demonstração do Teorema 2.7. Se X tiver dimensão infinita, o T @`
que podemos concluir? R
@
X - K
5. Sejam X um espaço vetorial arbitrário e f W X ! K um funcional linear `ıT
não-nulo.

.a/ Mostre que !" f tem codimensão 1, isto é, existe w 2 X tal que (A aplicação T 0 é a transposta de T . Alguns autores a chamam de adjunta
de T , mas ela não coincide com a aplicação adjunta que será definida
X D !" f ˚ < w > posteriormente, no Capítulo 8.)

.a/ Mostre que T 0 é uma aplicação linear;

(< w > denota o espaço gerado por w 2 X ).
.b/ se S; T W X ! Y forem aplicações lineares, mostre que .S C ˛T /0 D
.b/ Se gW X ! K for outro funcional linear, então g é um múltiplo escalar
S 0 C ˛T 0 ;
de f se, e somente se, o núcleo de g contiver o núcleo de f .
.c/ se SW X ! Y e T W Y ! Z forem aplicações lineares, mostre que
.c/ Sejam '; f1 ; : : : ; fr funcionais lineares no espaço X . Mostre que ' é .ST /0 D T 0 S 0 ;
combinação linear de f1 ; : : : ; fr se, e somente se, !" f1 \


\ !" fr 
!" '. .d/ se T W X ! Y tiver inversa, mostre que .T 1 0
/ D .T 0 / 1 ;
.e/ se X e Y tiverem dimensão finita, identificando X 00 com X e Y 00 com
6. Sejam X um espaço vetorial e S  X um subconjunto arbitrário. O anulador Y , mostre que T 00 W D .T 0 /0 é então identificado com T ;
de S é o conjunto S 0 D ff 2 X 0 j f .s/ D 0 8 s 2 Sg. Mostre que S 0 é
.f / se X e Y tiverem dimensão finita, qual a relação entre os núcleos
subespaço de X 0 .
e imagens de T e T 0 ? (Observação: o núcleo e a imagem de uma
aplicação linear estão definidos em 3.10.)
7. Seja Y  X um subespaço do espaço vetorial de dimensão finita X . Mostre
que #$% X D #$% Y C #$% Y 0 . Identificando X e X 00 (de acordo com o 11. Seja X um espaço de dimensão finita, com X D M ˚ N . Considere a
Teorema 2.7), mostre que Y 00 WD .Y 0 /0 D Y . projeção W X ! M definida por .x/ D m, se x D m C n. Obtenha a
transposta  0 .
8. Seja
S D f.2; 2; 3; 4; 1/; . 1; 1; 2; 5; 2/; .0; 0; 1; 2; 3/; .1; 1; 2; 3; 0/g um
subconjunto do R5 . Obtenha o anulador de < S >.

9. Seja W  X um subespaço e f W W ! K linear. Mostre que existe um

funcional linear 'W X ! K que estende f , isto é, '.w/ D f .w/ para todo
w 2 W.

10. Seja T W X ! Y uma aplicação linear. A aplicação T induz uma aplicação

linear T 0 W Y 0 ! X 0 da seguinte maneira: para cada funcional `W Y ! K,
definimos
T 0 W Y 0 ! X 0 por T 0 .`/ D `T D ` ı T:

i i i i

i i i i