Beruflich Dokumente
Kultur Dokumente
“ALinear” — 2011/2/26 — 14:45 — page 1 — #19 “ALinear” — 2011/2/26 — 14:45 — page 2 — #20
i i i i
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 x1 C : : : C k xk ; fy1 ; : : : ; yn g
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
Definição 1.15 Sejam X um espaço vetorial e B D fx1 ; : : : ; xn g uma base de X . Observação 1.19 Tendo alcançado esse ponto, não deixa de ser interessante
Se x 2 X , então existem .únicos/ escalares 1 ; : : : ; n 2 K tais que comparar três concepções do plano. A primeira concepção é o plano como es-
paço euclidiano, o espaço da geometria clássica. Esse espaço é completamente
x D 1 x1 C : : : C n xn : homogêneo: se, de repente, um objeto fosse transportado para esse plano,
não haveria como localizá-lo. Todos os pontos são absolutamente iguais. A
O vetor .1 ; : : : ; n / 2 Kn é chamado representação de x na base B e 1 ; : : : ; n
segunda concepção é o plano como espaço vetorial. Nesse caso, existe um ponto
as coordenadas de x na base B. Denotamos também por ŒxB o vetor .1 ; : : : ; n /.
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
Definição 1.16 Seja ei 2 Kn o vetor cuja i -ésima coordenada é igual a 1, as outras introdução de coordenadas, e cria o plano da geometria analítica clássica. Aqui a
sendo nulas. O conjunto E D fe1 ; : : : ; en g é a base canônica do espaço Kn . 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
Observação 1.17 Uma base de um espaço vetorial é um conjunto ordenado. possibilidade de medirmos distâncias ou mesmo ângulos. Essa possibilidade será
Assim, se B D fx1 ; x2 ; : : : ; xn g for uma base do espaço X , então B0 D estudada posteriormente, especialmente nos Capítulos 8 e 10.
fx2 ; : : : ; xn; x1 g é outra base de X . O mesmo acontece se a base possuir um número
infinito de elementos.
1.3 Somas Diretas
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 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.
T x D ŒxB D .1 ; : : : ; n /
Proposição 1.21 Sejam U; V subespaços de X . Então U C V é subespaço de X .
estabelece um isomorfismo entre X e Kn . 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
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;
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
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
fŒ0g, 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
i i i i
i i i i
i i i i
“ALinear” — 2011/2/26 — 14:45 — page 13 — #31 “ALinear” — 2011/2/26 — 14:45 — page 14 — #32
i i i i
18. Seja T W X ! Y um isomorfismo entre os espaços X e Y . Mostre que a Mnn .K/ j At D Ag, em que At denota a transposta da matriz A (veja
inversa T 1 W Y ! X é linear. 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
19. Mostre que todo espaço vetorial de dimensão n sobre o corpo K é isomorfo Mnn .K/ D S ˚ A.
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 29. Mostre que U \ V é um subespaço de X , se U e V forem subespaços de X .
Cn são isomorfos? O subespaço U \ V é a interseção dos subespaços U e V .
20. Sejam X , Y espaços vetoriais de dimensão finita sobre o corpo K. Mostre 30. Seja X um espaço vetorial e W1 ; W2 subespaços. Mostre que, se X D
que, se T W X ! Y for um isomorfismo, então a imagem por T de toda base W1 [ W2 , então X D Wi para pelo menos algum i 2 f1; 2g.
de X é uma base de Y . Em particular, !" X D !" Y .
31. Seja uma relação de equivalência2 num conjunto A. Dado x 2 A, denote
21. Seja B D fx1 ; : : : ; xn g uma base de X e Y um espaço vetorial. Escolha cl.x/ WD fy 2 A j y xg
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, a classe de equivalência do elemento x. Mostre que A pode ser escrito como
se fy1 ; : : : ; yn g for uma base de Y , então T é um isomorfismo. uma união disjunta de suas classes de equivalência.
22. Mostre que S é uma base de X se, e somente se, todo elemento x 2 X puder 32. Mostre que a congruência módulo Y é uma relação de equivalência.
ser escrito de maneira única como combinação linear dos elementos de S. 33. Seja Y um subespaço de X com !" Y D !" X . Mostre que Y D X .
23. Seja X um espaço vetorial de dimensão n. Se S D fy1 ; : : : ; yn g X for um 34. Seja W R3 o subespaço (verifique!) formado por todas as soluções da
conjunto linearmente independente, mostre que S é uma base de X . equação linear homogênea 2x C 3y C 4z D 0. Descreva as classes de
equivalência da congruência módulo W .
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 . 35. Sejam X um espaço vetorial e M; N subespaços. Dê exemplo desses espaços,
de modo que
25. Seja X um espaço vetorial e S D fx1 ; : : : ; xk g um subconjunto linearmente
.a/ nem M , nem X=M tenha dimensão finita;
dependente formado por vetores não-nulos do espaço X . Mostre que um
deles é combinação linear dos vetores precedentes. .b/ X=M tenha dimensão finita, mas X=N não tenha.
26. Sejam X um espaço de dimensão n e V1 ˚ ˚ Vk uma soma direta de 36. Seja T W X ! X um operador linear e W um subespaço invariante por T ,
subespaços de X . Mostre que 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,
!".V1 ˚ ˚ Vk / D !" V1 C : : : C !" Vk n: então q.TN / D 0.
37. Seja W X um subespaço e QW X ! X=W a aplicação quociente definida
27. Sejam X um espaço de dimensão finita e U; V subespaços de X . Mostre que
por Q.x/ D Œx. Seja Y X outro subespaço de X . Mostre que X D W ˚Y
!".U C V / D !" U C !" V !".U \ V /. se, e somente se, a restrição QjY W Y ! X=W for um isomorfismo.
28. Denotaremos por Mnn .K/ o conjunto das matrizes n n com entradas 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
no corpo K. Defina o conjunto das matrizes simétricas S D fA 2 y z, então x z.
i i i i
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
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.
16
i i i i
i i i i
i i i i
“ALinear” — 2011/2/26 — 14:45 — page 17 — #35 “ALinear” — 2011/2/26 — 14:45 — page 18 — #36
i i i i
R1
Exemplo 2.2 Seja X D ff W Œ0; 1 ! R j f é contínuag. Defina `.f / D 0 f .s/ds Observação 2.5 A parte .i i i / do Teorema 2.4 é uma versão do Teorema de
e, para s0 2 Œ0; 1 fixo, m.f / D f .s0 /. É fácil verificar que ` 2 X 0 e m 2 X 0 . Representação de Riesz; veja o Teorema 8.23.
Exemplo 2.3 Defina 1 W Kn ! K por 1 .x1 ; : : : ; xn/ D x1 . Então 1 2 .Kn /0 . 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
Seja fx1 ; : : : ; xn g uma base do espaço vetorial X . Então, para todo x 2 X , existem espaço vetorial de aplicações lineares
escalares `1 .x/; : : : ; `n .x/ tais que
X 00 D fLW X 0 ! K j L é linearg:
x D `1 .x/x1 C : : : C `n .x/xn :
Quer dizer, L é uma transformação linear que associa, a cada funcional linear
Os escalares `i .x/ são justamente as coordenadas de x na base fx1 ; : : : ; xng.
`W X ! K, o número L.`/ 2 K.
(Quer dizer, se x D ˛1 x1 C : : : C ˛n xn , `i .x/ denota ˛i .)
Os elementos de X 00 são, aparentemente, complicados. Mostraremos que, em
Teorema 2.4 Sejam B D fx1 ; : : : ; xn g uma base de X e 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
x D `1 .x/x1 C : : : C `n .x/xn :
e X 00 que independe da utilização de bases nesses espaços vetoriais. (A existência
Então, se ıij denotar 0, se i ¤ j , e 1, se i D j , temos: 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
.i / `i W X ! K é um funcional linear e `i .xj / D ıij , para i; j 2 f1; : : : ; ng;
dimensão são sempre isomorfos: veja o Exercício 19 do Capítulo 1.)
.i i / o conjunto f`1 ; : : : ; `n g é uma base de X 0 , chamada de base dual da base B;
Lema 2.6 Para cada x 2 X fixo, considere a aplicação Lx W X 0 ! K definida por
0
.i i i / se m 2 X , então
Lx .`/ D `.x/:
m.x/ D `1 .x/m.x1 / C : : : C `n .x/m.xn /:
Quer dizer, Lx associa a cada funcional linear ` 2 X 0 o valor que ` assume no
0
.i v/ para todo 0 ¤ x 2 X , existe m 2 X tal que m.x/ ¤ 0. ponto x. Então Lx 2 X 00 .
i i i i
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
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
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.)
i i i i
i i i i