Bibliografia b´asica do curso: [3,2,1,4]
Autor: Leandro Fiorini Aurichi - laurichi@ime.usp.br Vers˜ao: 2008
1
Espa¸
cos vetoriais
Comecemos com a defini¸c˜ao de espa¸co vetorial.
Defini¸c˜ao 1.1. (V, ⊕, ) ´e dito um espa¸co vetorial1 se V ´e um conjunto que cont´em um elemento que denotaremos por 0 e se ⊕ : V × V −→ V e : R × V −→ V s˜ao fun¸c˜oes que satisfazem as seguintes propriedades:
(A1) ∀u, v, w ∈ V (u ⊕ v) ⊕ w = u ⊕ (v ⊕ w) (A2) ∀u, v ∈ V u ⊕ v = v ⊕ u (A3) ∀u ∈ V u ⊕ 0 = u (A4) ∀v ∈ V ∃u ∈ V v ⊕ u = 0 (M1) ∀α ∈ R ∀u, v ∈ V α (u ⊕ v) = (α u) ⊕ (α v) (M2) ∀α, β ∈ R ∀v ∈ V (αβ) v = α (β v) (M3) ∀α, β ∈ R ∀v ∈ V (α + β) v = (α v) ⊕ (β v) (M4) ∀v ∈ V 1 v = v
Cada elemento de V ´e chamado de vetor. ⊕ ´e chamada de soma e ´e chamada de multi-plica¸c˜ao por escalar.
Vamos ver alguns exemplos de espa¸cos vetoriais. Note que, para isso, precisamos exibir um conjunto, determinar duas opera¸c˜oes e mais um elemento que far´a o papel do elemento 0 destacado acima. Tudo isso de forma que sejam satisfeitas as propriedades da defini¸c˜ao.
No que se segue, quando aparecer = quer dizer que a igualdade vale pela defini¸⊕ c˜ao de ⊕ que for dada no exemplo. Analogamente, quando aparecer = a justificativa ´ e a defini¸c˜ao de . Quando aparecer =, a igualdade se d´R a por propriedades dos n´umeros reais. Quando aparecer A1
= a justificativa ´e a propriedade (A1) da defini¸c˜ao de espa¸co vetorial. Analogamente para as propriedades (A2), ..., (A4) e (M1), ..., (M4).
1
na verdade a defini¸c˜ao apresentada aqui ´e a de um espa¸co vetorial sobre R, mas, como s´o trabalharemos com espa¸cos desta forma, omitiremos o “sobre R”
Exemplo 1.2. Considere (R2, ⊕, ) onde R2 := {(a, b) : a, b ∈ R} e, dados (a, b), (c, d) ∈ R2 e α ∈ R, definimos (a, b) ⊕ (c, d) := (a + c, b + d) e α (a, b) := (αa, αb). Considere como 0 o elemento (0, 0). ´E poss´ıvel mostrar que (R2, ⊕, ) satisfaz todas as propriedades de um espa¸co vetorial. Como exemplo, vamos mostrar que satisfaz as propriedades (A3) e (A4), deixando as outras como exerc´ıcio:
(A3) Note que, dado (a, b) ∈ R2 temos (a, b) ⊕ (0, 0)= (a + 0, b + 0)⊕ = (a, b) e, portanto, temosR (A3).
(A4) Seja (a, b) ∈ R2. Considere (−a, −b) que, de fato, pertence a R2. Note que (a, b) ⊕ (−a, −b)= (a − a, b − b)⊕ = (0, 0) = 0 e, portanto, temos (A4).R
Apesar do nome vetor ter um certo apelo geom´etrico, os elementos de um espa¸co vetorial n˜ao precisam estar num plano, nem mesmo em qualquer outra figura geom´etrica. O pr´oximo exemplo mostra exatamente isso.
Exemplo 1.3. Considere (F , ⊕, ) onde F := {f : f ´e fun¸c˜ao de R em R} e ⊕ : F × F −→ F e : R×F −→ F s˜ao fun¸c˜oes dadas por (f ⊕g)(x) = f(x)+g(x) e (αf)(x) = αf(x). Para quem n˜ao est´a acostumado, esta nota¸c˜ao pode parecer confusa. Uma maneira de se ler a defini¸c˜ao de ⊕ ´
e a seguinte: dadas f, g ∈ F queremos que f ⊕ g seja uma fun¸c˜ao de R em R de forma que, para cada x ∈ R, seu valor neste ponto seja o mesmo que f (x) + g(x). Como o elemento 0, considere a fun¸c˜ao z : R −→ R dada por z(x) := 0 para qualquer x ∈ R. Novamente, pode-se mostrar que (F , ⊕, ) satisfaz a defini¸c˜ao de espa¸co vetorial. Como exemplo, verifiquemos as propriedades (M3) e (M4) deixando as outras como exerc´ıcio.
(M3) Sejam α, β, x ∈ R e f ∈ F. Temos ((α + β) f )(x) = (α + β)f (x) R = αf (x) + βf (x) = (α f )(x) ⊕ (β f )(x) (M4) Sejam f ∈ F e x ∈ R. Temos (1 f )(x)= 1f (x) = f (x).R
As opera¸c˜oes assim definidas s˜ao as usuais de F .
Note que, no exemplo 1.2, poder´ıamos ter considerado, em vez do R2, Rn := {(x1, ..., xn) : x1, ..., xn ∈ R} com ⊕ e an´alogos, isto ´e, (x1, ..., xn) ⊕ (y1, ..., yn) := (x1 + y1, ..., xn+ yn) e α (x1, ..., xn) := (αx1, ..., αxn) para (x1, ..., xn), (y1, ..., yn) ∈ Rne α ∈ R. Essas opera¸c˜oes assim definidas s˜ao as usuais no Rn. Desta maneira, em particular, temos que (R, ⊕, ) ´e um espa¸co vetorial onde ⊕ e s˜ao a soma e o produto usuais respectivamente.
O que nos impede de tentar fazer o mesmo e obter que (Z, ⊕, ), onde Z ´e o conjunto dos n´umeros inteiros e ⊕ e s˜ao, respectivamente, a soma e o produto usuais, ´e um espa¸co vetorial? Pode-se verificar que as propriedades (A1), ..., (A4) e (M1), ..., (M4) s˜ao satisfeitas. O problema
exemplo z := 1 e α := 12). Assim, n˜ao temos que ⊕ assim definida ´e uma fun¸c˜ao de R × Z −→ Z e, portanto, (Z, ⊕, ) n˜ao ´e um espa¸co vetorial.
Vamos ver outro exemplo que n˜ao ´e um espa¸co vetorial.
Exemplo 1.4. Considere (R2, ⊕, ) onde ⊕ ´e o mesmo de1.2e ´e dada por α(a, b) := (αa, b), onde α ∈ R e (a, b) ∈ R2. Note que, pela defini¸c˜ao de , temos que 2(1, 2) = (2, 2). Suponha por absurdo que (R2, ⊕, ) ´e um espa¸co vetorial. Ou seja, temos que valem todas as propriedades da defini¸c˜ao de espa¸co vetorial. Ent˜ao, temos 2(1, 2)= (1+1)(1, 2)R M 3= (1(1, 2))⊕(1(1, 2))= (1, 2) ⊕ (1, 2)= (1 + 1, 2 + 2)⊕ = (2, 4). Como (2, 2) 6= (2, 4) temos uma contradi¸R c˜ao e, portanto, (R2, ⊕, ) n˜ao ´e um espa¸co vetorial.
Por comodidade, dado (V, ⊕, ) um espa¸co vetorial, denotaremos o s´ımbolo ⊕ por + (assim, v ⊕ u = v + u) e por · (assim, α v = α · v). Na verdade, o mais usual (e que tamb´em adotaremos aqui) ´e simplesmente omitir o s´ımbolo . Por exemplo, α v fica αv. Quando ⊕ e estiverem claros no contexto, chamaremos de V o espa¸co vetorial (V, ⊕, ).
J´a vimos alguns exemplos de espa¸cos vetoriais e alguns exemplos de coisas que n˜ao s˜ao espa¸cos vetoriais. Vamos agora come¸car a ver o que pode ser deduzido a partir da defini¸c˜ao de um espa¸co vetorial. Ou seja, vamos ver algumas propriedades que todos os espa¸cos vetoriais tˆem, independente de sua defini¸c˜ao particular.
Defini¸c˜ao 1.5. Seja V um espa¸co vetorial. Dizemos que v ∈ V ´e um elemento neutro se, para qualquer u ∈ V , temos u + v = u.
Note que o elemento 0 que aparece em (A3) da defini¸c˜ao de espa¸co vetorial ´e um elemento neutro. Ser´a que podem haver outros? O pr´oximo resultado diz que n˜ao.
Proposi¸c˜ao 1.6. Seja V um espa¸co vetorial e seja v elemento neutro de V . Ent˜ao v = 0. Dem.: Como v ´e elemento neutro de V , temos que 0 + v = 0. Por outro lado, temos 0 + v A2= v + 0A3= v. Logo, 0 = v como quer´ıamos.
J´a que num espa¸co vetorial temos que existe um ´unico elemento neutro, ´e freq¨uˆente, ao se definir um espa¸co vetorial, se omitir quem ´e o elemento 0. Mas o leitor pode facilmente determinar quem ´e tal elemento. Uma maneira simples ´e dada pelo pr´oximo resultado:
Proposi¸c˜ao 1.7. Seja V um espa¸co vetorial e seja v ∈ V . Temos que 0v = 0 (Aten¸c˜ao: o 0 que aparece `a esquerda da igualdade ´e o n´umero real zero. J´a o 0 que aparece `a direita, ´e o elemento neutro de V ).
Dem.: Seja u ∈ V tal que 0v +u = 0. Tal u existe por (A4). Temos que 0v= (0 +0)vR M 3= 0v +0v. Assim, temos que 0 = 0v + u = (0v + 0v) + uA1= 0v + (0v + u) = 0v + 0A3= 0v.
Defini¸c˜ao 1.8. Sejam V um espa¸co vetorial e v ∈ V . Dizemos que u ∈ V ´e um elemento oposto a v se v + u = 0.
Pela propriedade (A4) da defini¸c˜ao de espa¸co vetorial, temos que todo elemento v tem um oposto. O pr´oximo resultado diz que existe apenas um ´unico oposto para cada elemento.
Proposi¸c˜ao 1.9. Sejam V um espa¸co vetorial e v ∈ V . Suponha que u, w ∈ V s˜ao elementos opostos a v. Ent˜ao u = w. Dem.: Temos u A3= u + 0 = u + (v + w) A1 = (u + v) + w A2 = (v + u) + w = 0 + w A2 = w + 0 A3 = w
Vamos agora ver que, dado um elemento v, para encontrarmos seu oposto, basta multiplic´a-lo pelo escalar −1.
Proposi¸c˜ao 1.10. Sejam V um espa¸co vetorial e seja v ∈ V um elemento qualquer. Ent˜ao −1v ´
e oposto a v (e, por 1.9, ´e o ´unico elemento oposto a v).
Dem.: Temos v + (−1v)M 4= 1v + (−1v)M 3= (1 − 1)v= 0vR 1.7= 0. Logo, −1v ´e o oposto de v.
Por comodidade, quando tivermos v, u ∈ V e α ∈ V , denotaremos v + (−αu) simplesmente por v − αu. Analogamente, o oposto de v ser´a denotado simplesmente por −v.
Vamos agora a algumas propriedades elementares:
Proposi¸c˜ao 1.11. Sejam V um espa¸co vetorial, v ∈ V e α ∈ R. Temos: (i) α(−v) = −αv;
(iii) Se αv = 0 ent˜ao α = 0 ou v = 0;
Dem.: (i) α(−v) = α(−1v)M 2= (α · (−1))v = −αv.R
(ii) α0A3= α(0 + 0)M 1= α0 + α0. Somando-se −α0 em ambos os lados da igualdade, temos, pela parte (i), 0 = α0.
(iii) Suponha α 6= 0. Vamos ent˜ao mostrar que v = 0. Considere α−1 ∈ R tal que α−1α = 1. De α0 = 0 temos α−1(αv) = α−10. Aplicando (ii) ao lado direito da igualdade, temos que α−1(αv) = 0. Assim, temos que 0 = α−1(αv)M 2= (α−1α)v = 1vM 4= v.
1.1 Exerc´ıcios
Exerc´ıcio 1.1. Considere M2:= a b c d : a, b, c, d ∈ R , ⊕ : M2× M2 −→ M2 dada por a1 b1 c1 d1 ⊕ a2 b2 c2 d2 := a1+ a2 b1+ b2 c1+ c2 d1+ d2 e : R × M2−→ M2 dada por α a b c d := αa αb αc αd
Mostre que (M2, ⊕, ) ´e um espa¸co vetorial. As opera¸c˜oes assim definidas s˜ao as usuais para M2.
Exerc´ıcio 1.2. Considere Q o conjunto dos n´umeros racionais, ⊕ e a soma e o produto usuais de n´umeros reais. (Q, ⊕, ) ´e um espa¸co vetorial? Justifique.
Exerc´ıcio 1.3. Exiba os elementos neutros dos seguintes espa¸cos vetoriais: R3 e M2 (cada um com a soma e a multiplica¸c˜ao por escalar usuais).
Exerc´ıcio 1.4. Seja f ∈ F . Determine qual ´e a fun¸c˜ao representada por −f .
Exerc´ıcio 1.5. Seja V := {r ∈ R : r > 0}. Considere sobre V as seguintes opera¸c˜oes ⊕ : V × V −→ V e : R × V −→ V dadas por r ⊕ s := rs e α r := rα onde r, s ∈ V e α ∈ R. Mostre que (V, ⊕, ) ´e um espa¸co vetorial e exiba o elemento neutro de V .
Exerc´ıcio 1.6. Considere C = {a + bi : a, b ∈ R} o conjunto dos n´umeros complexos. Mostre que C com as opera¸c˜oes usuais ´e um espa¸co vetorial.
Exerc´ıcio 1.7. Seja P := {a + bx + cx2 : a, b, c ∈ R} o conjunto dos polinˆomios de grau menor ou igual a 2. Mostre que P ´e um espa¸co vetorial e exiba seu elemento neutro.
Exerc´ıcio 1.8. Seja A, B, C ∈ M2, onde A := 1 2 2 1 , B := 0 3 1 0 e C := 7 −4 1 0 . Calcule, com as opera¸c˜oes usuais de M2, os seguintes elementos:
(a) A + B (b) B +12C
(c) A − B + 4C
Exerc´ıcio 1.9. Sejam V um espa¸co vetorial e v, u, w ∈ V . Mostre as seguintes afirma¸c˜oes: (a) −(−v) = v;
(b) Se u + v = w + v ent˜ao u = w. (c) Se u + u = 0 ent˜ao u = 0.
Exerc´ıcio 1.10. Sejam V um espa¸co vetorial e u, v ∈ V . Mostre que existe um ´unico vetor w ∈ V tal que u + w = v.
Exerc´ıcio 1.11. Considere (R, ⊕, ) onde, dados a, b ∈ R e α ∈ R, definimos a ⊕ b = a − b e α a = αa. (R, ⊕, ) ´e um espa¸co vetorial?
Exerc´ıcio 1.12. Sejam (U, ⊕U, U) e (V, ⊕V, V) espa¸cos vetoriais. Considere U ×V := {(u, v) : u ∈ U, v ∈ V } com as seguintes opera¸c˜oes:
(u1, v1) + (u2, v2) := (u1⊕U u2, v1⊕V v2) α · (u, v) := (α Uu, α V v)
2
Subespa¸
cos vetoriais
Vejamos agora um modo de obter espa¸cos vetoriais “novos” a partir de “velhos”. Dado (V, +, ·) um espa¸co vetorial, podemos tentar criar um novo espa¸co (S, ⊕, ) simplesmente tomando S ⊂ V e fazendo com que ⊕ e sejam as restri¸c˜oes de + e · respectivamente. E, ´e claro, queremos que (S, ⊕, ) satisfa¸ca as propriedades da defini¸c˜ao de espa¸co vetorial. Ou seja, temos a seguinte defini¸c˜ao:
Defini¸c˜ao 2.1. Seja (V, +, ·) um espa¸co vetorial. Dizemos que (S, ⊕, ) ´e um subespa¸co ve-torial de V se (S, ⊕, ) ´e um espa¸co vetorial, S ⊂ V e, dados u, v ∈ S e α ∈ R temos que u ⊕ v = u + v e α v = α · v. Dizemos que ⊕ e s˜ao as opera¸c˜oes induzidas por + e · respectivamente.
Por comodidade, normalmente usaremos os mesmos s´ımbolos para as opera¸c˜oes no espa¸co ori-ginal e no subespa¸co. E, quando as opera¸c˜oes estiverem claras no contexto, diremos simplesmente que S ´e subespa¸co de V .
O pr´oximo resultado ´e simples, mas ´e importante tˆe-lo em mente.
Proposi¸c˜ao 2.2. Se (S, ⊕, ) ´e subsespa¸co vetorial de (V, +, ·), ent˜ao, dados u, v ∈ S e α ∈ R, temos que u + v ∈ S e αv ∈ S.
Dem.: Como S ´e espa¸co vetorial, temos que ⊕ : S × S −→ S. Logo, dados u, v ∈ S, temos que u ⊕ v ∈ S. Como u + v = u ⊕ v, temos que u + v ∈ S. Analogamente, temos o resultado para αv.
Vamos agora a um exemplo de subespa¸co.
Exemplo 2.3. Seja (D, +, ·) onde D := a 0 0 b : a, b ∈ R
e + e · s˜ao as restri¸c˜oes das opera¸c˜oes em M2. Vamos ver que D ´e subespa¸co de M2. Para isso, precisamos ver, primeiramente, que as opera¸c˜oes + e ·, que s˜ao as restri¸c˜oes da opera¸c˜oes de M2, de fato s˜ao fun¸c˜oes de D × D em D e R × D em D respectivamente. Ou seja, precisamos mostrar que, dados A, B ∈ D e α ∈ R, temos que A + B ∈ D e αA ∈ D. Sejam A :=
a1 0 0 a2 , B := b1 0 0 b2 ∈ D. Temos que a1 0 0 a2 + b1 0 0 b2 + = a1+ b1 0 0 a2+ b2
∈ D. Para mostrar que αA ∈ D ´e an´alogo (exerc´ıcio). Observe tamb´em que o elemento
0 0 0 0
∈ D faz o papel de elemento neutro em D. Assim, para concluirmos que D ´e de fato um espa¸co vetorial, s´o resta mostrar que valem as propriedades (A1), ..., (A4), (M1), ..., (M4) da defini¸c˜ao de espa¸co vetorial. Como exemplo,
vamos mostrar a propriedade (A2) deixando as outras como exerc´ıcio: Sejam A := a1 0 0 a2 , B := b1 0 0 b2 ∈ D. Temos A + B = a1 0 0 a2 + b1 0 0 b2 = a1+ b1 0 0 a2+ b2 = b1 0 0 b2 + a1 0 0 a2 = B + A
O pr´oximo exemplo mostra que podemos ter (V, +, ·), (S, ⊕, ) ambos espa¸cos vetoriais e com S ⊂ V mas sem que S seja subespa¸co de V .
Exemplo 2.4. Considere (R, +, ·), onde + e · s˜ao as opera¸c˜oes usuais. Considere (P, ⊕, ), onde P := {r ∈ R : r > 0} e ⊕ e s˜ao as opera¸c˜oes definidas no exerc´ıcio1.5, isto ´e, dados r, s ∈ P e α ∈ R, temos que r ⊕ s = rs e α r = rα. Pelo exerc´ıcio 1.5, temos que (P, ⊕, ) ´e um espa¸co vetorial. Mas, apesar de P ⊂ R, n˜ao ´e verdade que (P, ⊕, ) ´e subespa¸co vetorial de (R, +, ·). Isso se d´a porque as opera¸c˜oes em P n˜ao s˜ao as opera¸c˜oes induzidas por R. De fato, considere 1, 2 ∈ P . Por um lado, tomando as opera¸c˜oes em P , temos que 1 ⊕ 2 = 1 · 2 = 2. Por outro lado, tomando as opera¸c˜oes em R, temos que 1 + 2 = 3.
O pr´oximo exemplo mostra que podemos ter (S, +, ·), com S ⊂ V , “definir”as opera¸c˜oes em S como as de V e, ainda assim, S n˜ao ser subespa¸co de V .
Exemplo 2.5. Considere [0, 1] ⊂ R. Temos que ([0, 1], +, ·), onde + e · s˜ao as restri¸c˜oes das opera¸c˜oes usuais de R, n˜ao ´e um subespa¸co vetorial de R. Para ver isso, suponha que seja. Ent˜ao, dados a, b ∈ [0, 1] temos, por2.2, que a + b ∈ [0, 1]. Como 1 ∈ [0, 1], temos que 1 + 1 = 2 ∈ [0, 1], contradi¸c˜ao. Logo, [0, 1] n˜ao ´e subespa¸co vetorial de R.
Vimos que, dado um subconjunto S de um espa¸co vetorial V ´e necess´ario fazer muitas veri-fica¸c˜oes para decidir se ele ´e um subespa¸co vetorial ou n˜ao. Temos que verificar as oito propri-edades de espa¸co vetorial, a existˆencia de um elemento neutro e ainda verificar se as restri¸c˜oes das duas opera¸c˜oes tˆem contra dom´ınio S. O pr´oximo resultado mostra uma maneira mais f´acil de fazer tal decis˜ao.
Proposi¸c˜ao 2.6. Seja (V, ⊕, ) um espa¸co vetorial. Seja S ⊂ V . Ent˜ao (S, +, ·), onde + e · s˜ao as restri¸c˜oes das opera¸c˜oes de V , ´e um subespa¸co vetorial se, e somente se, s˜ao satisfeitas as seguintes condi¸c˜oes:
(b) Dados u, v ∈ S temos que u ⊕ v ∈ S; (c) Dados v ∈ S e α ∈ R temos que α v ∈ S. Dem.:
⇒): Suponha que S ´e um subespa¸co vetorial. Ent˜ao, por 2.2, temos (b) e (c). Em particular, temos que S ´e um espa¸co vetorial e, portanto, S 6= ∅. Seja v ∈ S. Temos 0 = 0 v = 0 · v ∈ S e, portanto, temos (a).
⇐): Suponha que S satisfa¸ca (a), (b) e (c). Por (a) temos que S ´e n˜ao vazio. Por (b) temos que + ´
e uma fun¸c˜ao de S × S em S e, por (c), temos que · ´e uma fun¸c˜ao de R × S em S. Assim, resta verificarmos as propriedades (A1), ..., (A4), (B1), ..., (B4). Vamos verificar as propriedades (A2) e (M1) deixando as outras como exerc´ıcio.
(A2) Sejam u, v ∈ S. Temos que u + v = u ⊕ v = v ⊕ u = v + u, onde ∗ vale por que vale a∗ propriedade (A2) em V .
(M1) Sejam u, v ∈ S e α ∈ R. Temos α(u + v) = α (u ⊕ v)∗∗= (α u) ⊕ (α v) = αu + αv, onde ∗∗ vale pois (M1) vale em V .
Vamos aproveitar o resultado anterior e dar mais alguns exemplos de subespa¸cos vetoriais, agora fazendo as verifica¸c˜oes de maneira bem mais simples.
Exemplo 2.7. Considere C := {f : f ´e fun¸c˜ao cont´ınua de R em R}. Temos que C, com as opera¸c˜oes usuais de fun¸c˜oes, ´e um espa¸co vetorial. De fato, podemos mostrar que C ´e subespa¸co vetorial de F (ver exemplo 1.3). Para isso, vamos aplicar 2.6. Note que o elemento neutro de F ´e a fun¸c˜ao identicamente nula que ´e uma fun¸c˜ao cont´ınua. Logo, 0 ∈ C. Se f e g s˜ao fun¸c˜oes cont´ınuas, temos que f + g tamb´em ´e uma fun¸c˜ao cont´ınua. Finalmente, se f ´e um fun¸c˜ao cont´ınua e α ∈ R, temos que αf ´e uma fun¸c˜ao cont´ınua.
Exemplo 2.8. Considere R2 com as opera¸c˜oes usuais. Considere S := {(a, −a) ∈ R2 : a ∈ R}. Vamos mostrar que S ´e um subespa¸co vetorial de R2 com as opera¸c˜oes induzidas. Pela defini¸c˜ao de S, temos que 0 = (0, 0) ∈ S (basta tomarmos a = 0). Agora sejam (a, −a), (b, −b) ∈ R2. Temos (a, −a) + (b, −b) = (a + b, −a − b) = (a + b, −(a + b)) ∈ S. Agora sejam (a, −a) ∈ S e α ∈ R. Temos α(a, −a) = (αa, −αa) ∈ S.
2.1 Exerc´ıcios
Exerc´ıcio 2.1. Sejam V um espa¸co vetorial e S ⊂ V . Suponha que, dados u, v ∈ S e α ∈ R temos que u + v ∈ S e αv ∈ S. Mostre que 0 ∈ S se, e somente se, S ´e n˜ao vazio.
Exerc´ıcio 2.2. Seja V espa¸co vetorial e S ⊂ V . Mostre que S com as opera¸c˜oes restritas de V ´
e um subespa¸co vetorial de V se, e somente se, S ´e n˜ao vazio e, dados α ∈ R e u, v ∈ S temos αu + v ∈ S.
Exerc´ıcio 2.3. Seja V um espa¸co vetorial. Considere S := {0} ⊂ V . S com as opera¸c˜oes induzidas por V ´e um subespa¸co vetorial?
Exerc´ıcio 2.4. Decida se os conjuntos abaixo s˜ao subespa¸cos vetoriais de R3 com as opera¸c˜oes induzidas pelas opera¸c˜oes usuais de R3. Justifique suas afirma¸c˜oes.
(a) A := {(x, y, z) ∈ R3 : z = 0} (b) B := {(x, y, z) ∈ R3 : x + y = z}
(c) C := {(x, y, z) ∈ R3 : xy = 0} (d) D := {(x, y, z) ∈ R3 : x + z = 0}
(e) E := {(x, y, z) ∈ R3 : x2+ z2= 1})
Exerc´ıcio 2.5. Sejam V um espa¸co vetorial e A, B ⊂ V subespa¸cos vetoriais de V . As seguintes afirma¸c˜oes s˜ao verdadeiras? Justifique suas respostas.
(a) A ∩ B ´e um subespa¸co vetorial de V . (b) A ∪ B ´e um subespa¸co vetorial de V .
(c) {a + b : a ∈ A e b ∈ B} ´e um subespa¸co vetorial de V . (d) Se A ⊂ B ent˜ao A ´e subespa¸co vetorial de B.
Exerc´ıcio 2.6. Seja S subespa¸co vetorial de V . Seja 0V o elemento neutro de V e 0S o elemento neutro de S. Mostre que 0V = 0S.
Exerc´ıcio 2.7. Considere S := {A ∈ M2 : detA 6= 0} ∪
0 0 0 0
. S com as opera¸c˜oes induzidas por M2 ´e subespa¸co vetorial de M2?
3
Combina¸
c˜
oes lineares e subespa¸
cos gerados
Segue imediatamente das propriedades de espa¸cos vetoriais que podemos sempre somar dois elementos e que podemos multiplicarmos qualquer elemento por um n´umero real sempre tendo como resultado outro elemento do espa¸co. O pr´oximo resultado simplesmente diz que podemos, na verdade, somar qualquer quantidade (finita) de elementos do espa¸co e sempre obteremos outro elemento do espa¸co. Al´em disso, cada elemento desta soma pode ser multiplicado por um escalar sem preju´ızo algum. Antes de mostrar tal resultado, vamos demonstrar uma importante ferramenta matem´atica que nos ser´a ´util:
Teorema 3.1 (Princ´ıpio da indu¸c˜ao). Seja P uma propriedade. Suponha que sabemos que tal propriedade vale para o n´umero 0 e que, sempre que ela vale para um n´umero n ∈ N ela tamb´em vale para o n´umero n + 1. Ent˜ao a propriedade P vale para todos os n´umeros1 m ∈ N.
Dem.: Suponha que existe um n´umero para o qual a propriedade P n˜ao vale. Seja n o menor n´umero para o qual n˜ao vale P . Por hip´otese, temos que n 6= 0. Assim, temos que n − 1 ∈ N e, como n − 1 < n, temos que a propriedade P vale para n − 1. Por hip´otese, temos que a propriedade P vale para (n − 1) + 1 = n, contradi¸c˜ao.
Corol´ario 3.2. Seja P uma propriedade que vale para um n´umero m ∈ N e que se ela vale para um n´umero n ∈ N ela tamb´em vale para n + 1. Ent˜ao a propriedade P vale para todo n´umero k ∈ N com k ≥ m.
Dem.: Considere a propriedade P0 tal que P0 vale para um n´umero n se, e somente se, P vale para n + m. Aplicamos o teorema para P0 e obtemos o resultado.
Proposi¸c˜ao 3.3. Seja V um espa¸co vetorial. Sejam α1, ..., αn∈ R e v1, ..., vn∈ V . Ent˜ao n
X i=1
αivi∈ V
Dem.: Por indu¸c˜ao2 sobre n. Caso n = 1, temos que α
1v1∈ V pela defini¸c˜ao de espa¸co vetorial. Agora suponha que vale o resultado para n e vamos mostrar para n + 1. Por hip´otese, temos que Pn i=1αivi∈ V . Assim n+1 X i=1 αivi = ( n X i=1 αivi) | {z } ∈V + αn+1vn+1 | {z } ∈V ∈ V
1Uma vers˜ao “informal”deste resultado que talvez ajude a entendˆe-lo melhor: se h´a uma fila infinita de bolas
e sabemos que a primeira est´a pintada e que, se alguma est´a pintada, ent˜ao a pr´oxima tamb´em est´a pintada, podemos concluir que toda a fila est´a pintada.
2
Este tipo de opera¸c˜ao vai ser importante para o restante do texto.
Defini¸c˜ao 3.4. Seja V espa¸co vetorial. Sejam u, v1, ..., vn ∈ V . Dizemos que u ´e uma com-bina¸c˜ao linear de v1, ..., vn se existem α1, ..., αn∈ R tais que u =Pni=1αivi.
Exemplo 3.5. Considere R3com a soma e multiplica¸c˜ao usuais. Temos que (1, 1, 1) ´e combina¸c˜ao linear de (1, 0, 0), (0,12, 1) e (0, 0, 1) pois
1(1, 0, 0) + 2(0,1
2, 1) − 1(0, 0, 1) = (1, 1, 1)
Por outro lado, temos que (1, 1, 1) n˜ao ´e combina¸c˜ao linear de (1, 0, 0) e (0, 1, 0). Pois, suponha que seja. Ent˜ao existem α, β ∈ R tais que α(1, 0, 0) + β(0, 1, 0) = (1, 1, 1). Com isso, olhando as equa¸c˜oes dadas pelas terceiras coordenadas, temos que 1 = α · 0 + β · 0 = 0, contradi¸c˜ao.
Exemplo 3.6. Seja V espa¸co vetorial. Sejam u, v ∈ V . Temos que u + v ´e combina¸c˜ao linear de u − v e v. De fato, temos que 1(u − v) + 2v = u + v.
Suponha que temos um espa¸co vetorial V e A ⊂ V um conjunto qualquer n˜ao vazio. Pelo resultado3.3temos que se A ´e um subespa¸co vetorial de V , ent˜ao qualquer combina¸c˜ao linear de elementos de A tamb´em ´e um elemento de A1. E se A n˜ao for um subespa¸co? Ser´a que ´e suficiente acrescentarmos as combina¸c˜oes lineares de A para obtermos um subespa¸co? O resultado seguinte afirma que sim.
Proposi¸c˜ao 3.7. Seja V um espa¸co vetorial. Seja A ⊂ V um conjunto n˜ao vazio. Ent˜ao S := {v ∈ V : ∃n ≥ 1, v1, ..., vn∈ A e α1, ..., αn∈ R Pni=1α1vi = v} ´e um subespa¸co vetorial de V . Al´em disso, A ⊂ S.
Dem.: Vamos usar 2.6 para mostrar que A ´e subespa¸co. Como A ´e n˜ao vazio, podemos to-mar v ∈ A. Ent˜ao 0v = 0 ∈ S. Sejam u, v ∈ S. Ent˜ao existem u1, ..., un, v1, ...., vm ∈ A e α1, ..., αn, β1, ..., βm∈ R tais que u =Pni=1αiui e v =Pmi=1βivi. Note que
u + v = n X i=1 αiui+ m X i=1 βivi Logo, u + v ∈ S. Seja α ∈ R. Temos que
αv = α m X i=1 βivi= m X i=1 αβivi Logo, αv ∈ S e, portanto, S ´e subespa¸co vetorial de V .
Com esse resultado, fazemos a seguinte defini¸c˜ao:
Defini¸c˜ao 3.8. Sejam V um espa¸co vetorial e A ⊂ V um subconjunto n˜ao vazio. Denotamos por [A] := {v ∈ V : ∃n ≥ 1, v1, ..., vn∈ A e α1, ..., αn∈ R Pni=1α1vi= v} o subespa¸co vetorial gerado por A. E, neste caso, dizemos que A ´e um conjunto gerador para [A]. Por conven¸c˜ao, dizemos que [∅] = 0.
Por comodidade, quando exibirmos os elementos de um conjunto A, omitiremos as chaves. Por exemplo, em vez de denotar por [{u, v, w}], usaremos [u, v, w].
Exemplo 3.9. Considere o espa¸co vetorial R3com as opera¸c˜oes usuais. Temos que [(0, 1, 2), (1, 0, 0)] = {(a, b, 2b) : a, b ∈ R}. De fato, considere (a, b, 2b) e vamos mostrar que (a, b, 2b) ∈ [(0, 1, 2), (1, 0, 0)]. Para isso, basta notar que (a, b, 2b) = b(0, 1, 2) + a(1, 0, 0). Assim, temos que {(a, b, 2b) : a, b ∈ R} ⊂ [(0, 1, 2), (1, 0, 0)]. Para o outro lado, considere α(0, 1, 2) + β(1, 0, 0) = (β, α, 2α). Tomando-se a = β e b = α, temos que α(0, 1, 2)+β(1, 0, 0) ∈ {(a, b, 2b) : a, b ∈ R}. Logo, temos a igualdade. J´a o subespa¸co S := {(x, y, z) : z = 0} ´e gerado por {(1, 0, 0), (0, 1, 0)}. De fato, seja (x, y, 0) ∈ S. Ent˜ao (x, y, 0) = x(1, 0, 0) + y(0, 1, 0). E, dados α, β ∈ R, temos que α(1, 0, 0) + β(0, 1, 0) = (α, β, 0) tem a terceira coordenada 0 e, portanto, pertence a S.
Exemplo 3.10. Considere S ⊂ M2 dado por a 0 0 b : a, b ∈ R
. Temos que S ´e gerado por 1 0 0 0 , 1 0 0 2 De fato, seja a 0 0 b ∈ S. Temos que a 0 0 b = (a − b 2) 1 0 0 0 + b 2 1 0 0 2
Por outro lado, ´e f´acil ver que qualquer combina¸c˜ao linear de 1 0 0 0 e 1 0 0 2 ´ e da forma a 0 0 b .
3.1 Exerc´ıcios
Exerc´ıcio 3.1. Considere R2 com as opera¸c˜oes usuais. Escreva (1, 2) como combina¸c˜ao linear de {(1, 1), (0, 4)}.
Exerc´ıcio 3.2. Considere R3 com as opera¸c˜oes usuais. Considere S := [(1, 0, 0), (1, 1, 0)]. Dˆe uma interpreta¸c˜ao geom´etrica para S.
Exerc´ıcio 3.3. Seja V um espa¸co vetorial. Mostre as seguintes afirma¸c˜oes: (a) Seja S ⊂ V . Ent˜ao S ⊂ [S];
(b) Sejam S1⊂ S2⊂ V . Ent˜ao [S1] ⊂ [S2]; (c) Seja S ⊂ V . Ent˜ao [S] = [[S]].
Exerc´ıcio 3.4. Considere R3 com as opera¸c˜oes usuais. Considere S := {(a, b, a + 2b) : a, b ∈ R}. (a) Mostre que S ´e subespa¸co de R3 com as opera¸c˜oes usuais.
(b) Encontre um conjunto com exatamente 2 elementos que seja um gerador para S. (c) Encontre um conjunto com exatamente 3 elementos que seja um gerador para S. (d) Encontre A, B ⊂ R3 tais que A ∩ B = ∅ e [A] = [B] = S.
Exerc´ıcio 3.5. Sejam V um espa¸co vetorial e v ∈ V . Mostre que [V r {v}] = V .
Exerc´ıcio 3.6. Seja V um espa¸co vetorial e seja S ⊂ V um subconjunto qualquer. Mostre que S = [S] se, e somente se, S ´e um subespa¸co vetorial de V .
Exerc´ıcio 3.7. Considere M2 com as opera¸c˜oes usuais. Considere S := a b c d ∈ M2: a = c A := 0 1 0 0 , 0 0 0 1 , 1 0 1 0 (a) S ´e um subespa¸co vetorial de M2? Justifique.
(b) Relacione S com [A], justificando suas afirma¸c˜oes.
Exerc´ıcio 3.8. Sejam V um espa¸co vetorial e A ⊂ V um conjunto n˜ao vazio. Suponha que S seja um subespa¸co de V tal que A ⊂ S. Mostre que [A] ⊂ S.
Exerc´ıcio 3.9. Sejam V um espa¸co vetorial e A ⊂ V um conjunto n˜ao vazio. Mostre que [A] =T{S ⊂ V : S ⊃ A e S ´e subespa¸co de V }.
4
Dependˆ
encia linear
Vimos na se¸c˜ao anterior que um subespa¸co pode ter v´arios conjuntos geradores. Inclusive, pode-mos ter A ⊂ B distintos que gerem o mesmo subespa¸co. Os conceitos que aprentamos a seguir servem para podermos tomar conjuntos geradores que sejam, de alguma forma, minimais.
Defini¸c˜ao 4.1. Sejam V um espa¸co vetorial e v1, ..., vn ∈ V distintos. Dizemos que v1, ..., vn s˜ao linearmente dependentes se existem α1, ..., αn ∈ R, com pelo menos um αi 6= 0, tais que Pn
i=1αivi = 0. Dizemos que v1, ..., vn s˜ao linearmente independentes caso contr´ario, isto ´e, se dados α1, ..., αn ∈ R temos Pni=1αivi = 0, ent˜ao α1 = · · · = αn = 0. Dizemos que A ⊂ V ´e linearmente dependente se existem v1, ..., vn∈ A distintos linearmente dependentes. Dizemos que A ´e linearmente independente caso contr´ario, isto ´e, se dados quaisquer v1, ..., vn ∈ A distintos temos que v1, ..., vn s˜ao linearmente independentes. Por conven¸c˜ao, dizemos que o conjunto ∅ ´e linearmente independente.
Este primeiro exemplo, ilustra uma rela¸c˜ao entre dependˆencia linear e combina¸c˜ao linear.
Exemplo 4.2. Sejam V um espa¸co vetorial e u, v, w ∈ V . Suponha que w ´e combina¸c˜ao linear de u, v. Ent˜ao u, v, w s˜ao linearmente dependentes. De fato, como w ´e combina¸c˜ao linear de u, v, existem α, β ∈ R tais que αu + βv = w. Assim, αu + βv − 1w = 0.
Mais adiante, veremos que vale uma esp´ecie de rec´ıproca para este exemplo. Mas antes, vejamos mais alguns exemplos simples.
Exemplo 4.3. Considere R4com as opera¸c˜oes usuais. Temos que (0, 1, 0, 1), (4, 6, 2, 6) e (2, 0, 1, 0) s˜ao linearmente dependendentes. De fato, temos que
3(0, 1, 0, 1) −1
2(4, 6, 2, 6) + 1(2, 0, 1, 0) = 0
Exemplo 4.4. Considere M2 com as opera¸c˜oes usuais. Ent˜ao A := 1 1 0 1 , B := 1 1 0 0 , C := 0 0 2 2
s˜ao linearmente independentes. De fato, sejam α, β, γ ∈ R tais que αA + βB + γC = 0. Ent˜ao, temos o seguinte sistema de equa¸c˜oes:
α + β = 0 α + β = 0 2γ = 0 α + 2γ = 0 De onde obtemos que α = β = γ = 0
Exemplo 4.5. Considere F com as opera¸c˜oes usuais. Temos que que as fun¸c˜oes sen(x) e cos(x) s˜ao linearmente independentes. De fato, sejam α, β ∈ R tais que, para todo x ∈ R, temos que αsen(x) + βcos(x) = 0. Fazendo x = 0, temos que 0 = αcos0 + βsen0 = α. E, fazendo x = π2, temos que 0 = βsenπ2 = β. Logo, α = β = 0. Por outro lado, temos que as fun¸c˜oes f (x) := 2sen(x), g(x) := sen(x)−cos(x) e h(x) := sen(x)+2cos(x) s˜ao linearmente dependentes. De fato, temos que
−3
2f (x) + 2g(x) + h(x) = 0 para qualquer x ∈ R.
Agora vamos ao resultado da “rec´ıproca” do primeiro exemplo desta se¸c˜ao. Sua afirma¸c˜ao ´e a de que se n vetores s˜ao linearmente dependentes, ´e porque um deles ´e combina¸c˜ao linear dos outros.
Proposi¸c˜ao 4.6. Sejam V um espa¸co vetorial e v1, ..., vn ∈ V . Suponha que v1, ..., vn s˜ao li-nearmente dependentes. Ent˜ao existe k tal que 1 ≤ k ≤ n tal que vk ´e combina¸c˜ao linear de {vi : 1 ≤ i ≤ n e i 6= k}, isto ´e, existem αi ∈ R tais que
vk= n X i = 1 i 6= k αivi
Dem.: Como v1, ..., vn s˜ao linearmente dependentes, existem α1, ..., αn∈ R, com pelo menos um βi 6= 0, tais que Pni=1βivi = 0. Seja k tal que βk6= 0. Temos
vk= n X i = 1 i 6= k −βi βk vi
O pr´oximo resultado ser´a ´util para quando formos cuidar da minimalidade de conjuntos geradores. Ele simplesmente diz que, se um conjunto gerador finito ´e linearmente dependente, ent˜ao existe um elemento dele que podemos “descartar”.
Corol´ario 4.7. Seja V um espa¸co vetorial. Seja A ⊂ V finito1 e linearmente dependente. Ent˜ao existe v ∈ A tal que [A] = [A r {v}].
Dem.: Escreva A = {v1, ..., vn}. Pelo resultado anterior, existem k e αi∈ R tais que vk=
X i = 1 i 6= k
Vamos mostrar que [A] = [A r {vk}]. ´E claro que [A r {vk}] ⊂ [A] (ver exercicio3.3). Assim, resta mostrar que [A] ⊂ [A r {vk}]. Seja u ∈ [A]. Sejam β1, ..., βn ∈ R tais que v =Pni=1βivi. Temos v = Pn i=iβivi = βkvk+ Pn i = 1 i 6= k βivi = βkPni = 1 i 6= k αivi+Pni = 1 i 6= k βivi Logo, v ∈ [A r {vk}].
O pr´oximo resultado diz que podemos aumentar um conjunto linearmente independente com elementos que n˜ao sejam combina¸c˜ao linear dele.
Proposi¸c˜ao 4.8. Sejam V um espa¸co vetorial e A ⊂ V um subconjunto linearmente indepen-dente. Seja v ∈ V tal que v /∈ [A]. Ent˜ao A ∪ {v} ´e linearmente independente.
Dem.: Suponha que n˜ao. Ent˜ao existem v1, ..., vn ∈ A e α, α1, ..., αn ∈ R n˜ao todos nulos tais que αv +Pn
i=1αivi = 0. Note que α 6= 0 pois, caso contr´ario, ter´ıamos Pn
i=1αivi = 0 com algum αi 6= 0 o que contraria o fato de A ser linearmente independente.
Assim, temos que v = −Pn i=1
αi
αvi o que contraria o fato de v /∈ [A].
4.1 Exerc´ıcios
Exerc´ıcio 4.1. Sejam V um espa¸co vetorial e A ⊂ V . Mostre que, se 0 ∈ A, ent˜ao A ´e linearmente dependente.
Exerc´ıcio 4.2. Considere R4 com as opera¸c˜oes usuais. Decida se cada conjunto de vetores ´e linearmente dependente ou n˜ao. Justifique suas respostas:
(a) {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)} (b) {(1, 1, 0, 0), (2, 2, 4, 4), (0, 0, 1, 1)}
(c) {(x, y, z, w) : x + y + z + w = 0}
(d) {(0, 0, 0, 2), (0, 0, −1, 3), (0, 4, 2, 1), (1, 2, 3, 4)} (e) {(0, 2, 2, 4), (1, 0, 2, 2), (1, 2, 2, 0)}
Exerc´ıcio 4.3. Seja V um espa¸co vetorial. Sejam A, B ⊂ V . Decida se as seguintes afirma¸c˜oes s˜ao verdadeiras ou falsas e justifique suas respostas:
(a) Se A ´e linearmente independente e B ⊂ A, ent˜ao B ´e linearmente independente. (b) Se A ´e linearmente dependente e B ⊃ A, ent˜ao B ´e linearmente dependente.
(c) Se A ´e linearmente independente e B ⊃ A, ent˜ao B ´e linearmente independente. (d) Se A ´e linearmente dependente e B ⊂ A, ent˜ao B ´e linearmente dependente.
Exerc´ıcio 4.4. Seja V um espa¸co vetorial tal que V 6= {0}. Mostre que V r {0} ´e linearmente dependente.
Exerc´ıcio 4.5. Sejam V um espa¸co vetorial e u, v, w ∈ V . Suponha que v ∈ [w] e u ∈ [w]. Mostre que {u, v} ´e linearmente dependente.
Exerc´ıcio 4.6. Sejam V um espa¸co vetorial e u, v, w ∈ V . Suponha que {u, v, w} ´e linearmente independente. Mostre que {u + v, u + w, v + w} ´e linearmente independente.
Exerc´ıcio 4.7. Sejam V um espa¸co vetorial e u1, ..., un, v1, ..., vm∈ V . Suponha que {u1, ..., un, v1, ..., vm} seja linearmente independente. Mostre que [u1, ..., un] ∩ [v1, ..., vm] = {0}.
Exerc´ıcio 4.8. Considere P2 := {a + bx + cx2 : a, b, c ∈ R} o conjuntos dos polinˆomios de grau menor ou igual a 2 com as opera¸c˜oes usuais. Verifique se os seguintes elementos s˜ao linearmente independentes ou n˜ao, justificando suas respostas.
(a) f (x) := 1 + x + x2, g(x) := 2 + 2x + 2x2. (b) f (x) := x + x2, g(x) := 2, h(x) := 1 + 2x2.
(c) f (x) := 1 + x, g(x) := 2 + x, h(x) := x2.
Exerc´ıcio 4.9. Mostre que podemos retirar a hip´otese de A ser finito em4.7. Dica: Como A ´e linearmente dependente, temos que existem v1, ..., vn∈ A linearmente dependentes. Comece com isso e procure fazer algo parecido com a demonstra¸c˜ao de 4.7.
5
Bases
Agora temos material suficiente para tomarmos conjuntos geradores minimais.
Defini¸c˜ao 5.1. Sejam V um espa¸co vetorial e B ⊂ V . Dizemos que B ´e uma base para V se B ´
e linearmente independente e [B] = V . Vejamos alguns exemplos.
Exemplo 5.2. Considere R4 com as opera¸c˜oes usuais. Temos que B := {(1, 0, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)} ´e uma base para R4. De fato, seja (a, b, c, d) ∈ R4. Considere α, β, γ, δ ∈ R tais que α(1, 0, 1, 0) + β(0, 1, 0, 1) + γ(1, 0, 0, 1) + δ(0, 0, 1, 1) = (a, b, c, d). Temos
α + γ = a β = b α + δ = c β + γ + δ = d
De onde, temos α = a − d + b +c−a+d−b2 , β = b, γ = d − b −c−a+d−b2 , δ = c−a+d−b2 . Assim, temos que [B] = R4. Vamos agora mostrar que B ´e linearmente independente. Sejam α, β, γ, δ ∈ R tais que α(1, 0, 1, 0) + β(0, 1, 0, 1) + γ(1, 0, 0, 1) + δ(0, 0, 1, 1) = (0, 0, 0, 0). Temos α + γ = 0 β = 0 α + δ = 0 β + γ + δ = 0 De onde temos que α = β = γ = δ = 0.
Exemplo 5.3. Para cada k ∈ N, considere pk : R −→ R dada por pk(x) = xk. Seja n ∈ N. Chamamos de polinˆomios de grau menor ou igual a n o subespa¸co vetorial de F gerado por p0, ..., pn. Denotamos tal espa¸co por Pn. Temos que B := {p0, ..., pn} ´e uma base para Pn. De fato, pela pr´opria defini¸c˜ao, j´a temos que [B] = Pn. Resta mostrar que B ´e linearmente independente. Sejam α0, ..., αn ∈ R tais que Pni=0αipi = 0. Isto ´e, dado qualquer y ∈ R, temos que
(α0p0+ · · · αnpn)(y) = α0y0+ · · · + αnyn= 0 (1) Mas temos que um polinˆomio identicamente nulo tem todos os seus coeficientes nulos. Logo, α0 = · · · αn= 0.
N˜ao apresentaremos aqui a demonstra¸c˜ao do pr´oximo resultado pois ela precisa de um pouco de material que foge do nosso escopo. Al´em disso, para os principais exemplos tratados aqui, apresentaremos uma vers˜ao mais fraca (mas suficiente) deste resultado na pr´oxima se¸c˜ao. Teorema 5.4. Seja V um espa¸co vetorial. Ent˜ao existe B ⊂ V base para V .
5.1 Exerc´ıcios
Exerc´ıcio 5.1. Exiba uma base para cada espa¸co vetorial e demonstre que a mesma de fato ´e uma base. Considere para cada conjunto as opera¸c˜oes usuais.
(a) M2 (b) R3
(c) R
Exerc´ıcio 5.2. Sejam V um espa¸co vetorial e B uma base para V . Considere C, D ⊂ V tais que C ( B e D ) B. Mostre que C e D n˜ao s˜ao bases de V .
Exerc´ıcio 5.3. Sejam V um espa¸co vetorial e B uma base para V . Seja α ∈ R com α 6= 0. Mostre que C := {αv : v ∈ B} ´e uma base para V .
Exerc´ıcio 5.4. Sejam V um espa¸co vetorial e S ⊂ V um subespa¸co tal que S 6= {0}. Considere B base para V . ´E verdade que, necessariamente, B ∩ S 6= ∅?
Exerc´ıcio 5.5. Sejam U, V espa¸cos vetoriais. Sejam A base para U e B base para V . Considere U × V (veja o exercicio 1.12). O conjunto C := {(a, b) : a ∈ A, b ∈ B} ´e uma base para U × V ?
6
Sistemas lineares
Antes de prosseguirmos com os espa¸cos vetoriais, vamos ver uma aplica¸c˜ao no estudo de sistemas lineares homogˆeneos. Vamos fazer essa aplica¸c˜ao agora pois um dos resultados ser´a utilizado na seq¨uˆencia de nosso trabalho.
Defini¸c˜ao 6.1. Dizemos que um sistema com n equa¸c˜oes nas inc´ognitas x1, ..., xk´e um sistema linear homogˆeneo se cada uma das suas equa¸c˜oes ´e da forma α1x1 + α2x2+ · · · + αkxk = 0 com α1, ..., αk ∈ R. Dizemos que v = (v1, ..., vk) ∈ Rk ´e uma solu¸c˜ao para o sistema se, para cada equa¸c˜ao α1x1+ · · · αkxk = 0 temos que α1v1+ · · · + αkvk = 0. Dado um sistema linear homogˆeneo E com k inc´ognitas, denotamos por Sol(E) o conjunto {v ∈ Rk : v ´e solu¸c˜ao de E}. Chamamos Sol(E) de espa¸co solu¸c˜ao de E.
Exemplo 6.2.
x1+ 2x2 = 0 x2− x3 = 0 ´
e um sistema linear homogˆeneo1. Uma solu¸c˜ao para tal sistema ´e (−2, 1, −1) ∈ R3.
Nosso primeiro resultado j´a mostra uma liga¸c˜ao entre os sistemas lineares e ´algebra linear: o conjunto solu¸c˜ao ´e um espa¸co vetorial.
Proposi¸c˜ao 6.3. Seja E um sistema linear homogˆeneo com k inc´ognitas. Ent˜ao Sol(E) ´e um subespa¸co vetorial de Rk.
Dem.: Comecemos mostrando que 0 ∈ Sol(E). Dada Pk
i=1αixi = 0 equa¸c˜ao de E, temos que Pk
i=1αi0 = 0, logo, 0 ´e solu¸c˜ao.
Agora sejam (v1, ..., vk), (u1, ..., uk) solu¸c˜oes de E. Vamos mostrar que (v1, ..., vk)+(u1, ..., uk) = (v1+ u1, ..., v1+ uk) ´e solu¸c˜ao de E. Seja
Pk
i=1αixi= 0 uma equa¸c˜ao de E. Temos: Pk i=1αi(vi+ ui) = Pk i=1αivi+ Pk i=1αiui = 0 + 0 = 0
Agora sejam (v1, ..., vk) ∈ Sol(E) e γ ∈ R. Vamos mostrar que γ(v1, ..., vk) = (γv1, ..., γvk) ∈ Sol(E). Seja Pk
i=1αixi= 0 uma equa¸c˜ao de E. Temos: Pk
i=1αi(γvi) = γPki=1αivi = γ0
= 0
O que vamos fazer agora ´e determinar uma condi¸c˜ao para que um sistema linear homogˆeneo tenha solu¸c˜oes n˜ao triviais:
Lema 6.4. Considere E uma equa¸c˜ao da forma Pk
i=1αixi = 0. Sejam u, v ∈ Rk onde v n˜ao ´e solu¸c˜ao para E. Ent˜ao existe γ ∈ R tal que u − γv ´e solu¸c˜ao para E.
Dem.: Escrevemos u = (u1, ..., uk) e v = (v1, ..., vk). Sejam a := Pki=1αui e b := Pki=1αvi. Como v n˜ao ´e solu¸c˜ao para E, temos que b 6= 0. Assim, podemos tomar γ := ab. Vejamos que tal γ satisfaz o enunciado. Temos que u − γv = (u1− γv1, ..., uk− γvk). Assim
Pk
i=1αi(ui− γvi) = Pi=1k αiui− γPki=1vi = a − abb
= 0
1
repare que h´a inc´ognitas que n˜ao aparecem em todas as equa¸c˜oes, o que seria exigido pela nossa defini¸c˜ao. Mas isso pode ser facilmente contornado, notando-se, por exemplo, que a primeira equa¸c˜ao ´e equivalente a x1+
Proposi¸c˜ao 6.5. Seja E um sistema linear homogˆeneo com n equa¸c˜oes e k inc´ognitas com k ≥ n. Ent˜ao existe um conjunto linearmente independente em Sol(E) com pelo menos k − n elementos. Dem.: Vamos fazer por indu¸c˜ao sobre n. Caso n = 0 temos que Sol(E) = Rke temos o resultado. Vamos fazer o caso n + 1, supondo que o caso n vale. Ou seja, temos que mostrar que se E tem n + 1 equa¸c˜oes, Sol(E) tem um subconjuto linearmente independente com k − n − 1 elementos. Se n + 1 = k, terminamos porque {0} ⊂ Sol(E). Ent˜ao podemos supor n + 1 < k, logo, k − n > 0. Considere E0 ⊂ E onde E0 tem n equa¸c˜oes. Seja F a equa¸c˜ao restante. Por hip´otese de indu¸c˜ao, temos que Sol(E0) tem um subconjunto A linearmente independente com k − n elementos. Se todos os elemetos de A forem solu¸c˜ao para F , temos que todos os elementos de A s˜ao solu¸c˜ao para E e temos o resultado. Se n˜ao, ent˜ao existe v ∈ A tal que v n˜ao ´e solu¸c˜ao de F . Escreva A r {v} = {a1, ..., ak−n−1}. Para cada i = 1, ..., k − n − 1, seja γi ∈ R tal que ai − γiv seja solu¸c˜ao para F (existe pelo lema). Como a1, ..., ak−n−1 e v s˜ao solu¸c˜oes para E0, temos que cada ai− γiv ´e solu¸c˜ao para E0. Logo, {a1− γ1v, ..., ak−n−1− γk−n−1v} ⊂ Sol(E). Logo, para concluirmos o resultado, basta mostrarmos que tal conjunto ´e linearmente independente. Sejam α1, ..., αk−n−1∈ R tais quePk−n−1i=1 αi(ai− γiv) = 0. Temos:
0 = Pk−n−1 i=1 αi(ai− γiv) = Pk−n−1 i=1 αiai− Pk−n−1 i=1 γiv = Pk−n−1 i=1 αiai− ( Pk−n−1 i=1 γi)v
Como {a1, ..., ak−n−1, v} = A ´e um conjunto linearmente independente, temos que que α1= ... = αk−n−1 = 0 como quer´ıamos.
Corol´ario 6.6. Seja E um sistema linear homogˆeneo com mais inc´ognitas do que equa¸c˜oes. Ent˜ao E tem uma solu¸c˜ao n˜ao trivial, isto ´e, existe v ∈ Sol(E) com v 6= 0.
6.1 Exerc´ıcios
Exerc´ıcio 6.1. Determine o espa¸co solu¸c˜ao de cada um dos sistemas a seguir, determinando tamb´em uma base para cada um deles.
(a) x1+ x2= 0 x2− x3= 0 (b) x1+ x2+ 3x3− x4 = 0 x1+ x5 = 0 x5+ x2− x3 = 0
7
Espa¸
cos finitamente gerados e dimens˜
ao
Vamos definir agora o tipo de espa¸co com o qual mais trabalharemos.
Defini¸c˜ao 7.1. Seja V um espa¸co vetorial. Dizemos que V ´e finitamente gerado se existe A ⊂ V finito tal que [A] = V .
Uma propriedade de espa¸cos finitamente gerados ´e que existe um limitante para o tamanho dos conjuntos linearmente independentes.
Proposi¸c˜ao 7.2. Sejam V um espa¸co vetorial finitamente gerado e suponha que {v1, ..., vn} ⊂ V seja um gerador de V . Ent˜ao todo subconjunto de V com mais de n elementos ´e linearmente dependente.
Dem.: Seja A := {u1, ..., um} com m > n. Vamos mostrar que A ´e linearmente dependente (note que isso implica o resultado). Como {v1, ..., vn} ´e gerador de V , para cada uk existem βk,1, ..., βk,n ∈ R tais que
n X
i=1
βk,ivi = uk Considere o seguinte sistema linear, nas inc´ognitas a1, ..., am:
β1,1a1+ · · · + βm,1am = 0 .. . β1,na1+ · · · + βm,nam= 0
Como esse sistema ´e homogˆeneo, tem m inc´ognitas, n equa¸c˜oes e n < m, temos que existe α1, ..., αm, com algum αi 6= 0, que ´e solu¸c˜ao. Isto ´e, para cada i = 1, ..., n, temos que β1,iα1 + · · · + βm,iαm= 0. Temos: 0 = Pn i=1 Pm k=1βk,iαkvi = Pm k=1 Pn i=1αkβk,ivi = Pm k=1αkuk Logo, u1, ..., um s˜ao linearmente dependentes.
Corol´ario 7.3. Seja V um espa¸co vetorial finitamente gerado. Dadas B, B0 ⊂ V bases de V , temos que B e B0 tˆem a mesma quantidade de elementos.
Dem.: Como B gera V e B0 ´e linearmente independente, temos que |B0| ≤ |B|. Por outro lado, como B0 gera V e B ´e linearmente independente, temos que |B| ≤ |B0|.
Defini¸c˜ao 7.4. Seja V um espa¸co vetorial. Se V ´e finitamente gerado e B ´e uma base para V , dizemos que V tem dimens˜ao |B| e denotamos por dim V := |B|. Se V n˜ao ´e finitamente gerado, simplesmente dizemos que V tem dimens˜ao infinita. Neste caso, denotamos dim V = ∞.
Exemplo 7.5. Considere C = {a + bi : a, b ∈ R} o conjunto do n´umeros complexos com as opera¸c˜oes usuais. Note que (C, +, ·) ´e um espa¸co vetorial (exerc´ıcio). Temos que B := {1, i} ´e uma base para C. De fato, dado a + bi ∈ C, temos que a + bi = (a · 1) + (b · i) e, portanto, B gera C. Resta mostrar que B ´e linearmente independente. Sejam α, β ∈ R tais que α · 1 + β · i = 0. Ent˜ao α = β = 0 e, portanto, B ´e base. Assim, temos que dim C = 2. Esta ´e chamada a base canˆonica de C.
Vejamos um exemplo de um espa¸co que n˜ao tem dimens˜ao finita.
Exemplo 7.6. Considere P := {a0+ a1x1+ · · · + anxn: ai∈ R, n ∈ N} o espa¸co dos polinˆomios com as opera¸c˜oes usuais. Suponha que a dimens˜ao de P seja finita. Ent˜ao existe B ⊂ P finito tal que [B] = P . Seja p ∈ B o polinˆomio com o maior grau em B. Seja k o grau de p. Note que q(x) := xk+1 ´e tal que q ∈ P mas q n˜ao ´e combina¸c˜ao linear dos elementos de B (exerc´ıcio). Logo, B n˜ao gera P .
A id´eia do pr´oximo resultado ´e que, num espa¸co finitamente gerado, podemos ir “aumentando” um conjunto linearmente independente at´e obtermos uma base.
Teorema 7.7 (do completamento de base). Sejam V um espa¸co vetorial finitamente gerado e A ⊂ V um conjunto linearmente independente. Ent˜ao existe B base de V tal que B ⊃ A.
Dem.: Se [A] = V , n˜ao h´a nada a mostrar. Caso contr´ario, existe v1 ∈ V r [A]. Por 4.8, temos que B1 := A ∪ {v1} ´e linearmente independente. Se [B1] = V , acabamos. Se n˜ao, existe v2 ∈ V r [B1]. Novamente por 4.8, temos que B2 := B1 ∪ {v2} ´e linearmente independente. Continuamos tal processo at´e que [Bn] = V . Observe que, de fato, isso ocorre, pois, caso contr´ario, ter´ıamos conjuntos linearmente independentes arbitrariamente grandes o que n˜ao pode ocorrer j´a que V ´e finitamente gerado e por 7.2
Corol´ario 7.8. Seja V um espa¸co vetorial de dimens˜ao n. Seja B ⊂ V um conjunto linearmente independente tal que |B| = n. Ent˜ao B ´e base para V .
Dem.: Seja C ⊃ B base para V . Pela defini¸c˜ao de dimens˜ao, temos que existe D base para V tal que |D| = n. Pelo resultado7.3, temos que |C| = n. Logo, como |B| = n, temos que C = B e, portanto, B ´e base de V .
J´a o pr´oximo resultado diz que, em espa¸cos finitamente gerados, podemos “diminuir” conjun-tos geradores linearmente dependentes at´e obtermos uma base.
Proposi¸c˜ao 7.9. Seja V um espa¸co vetorial. Seja A ⊂ V finito tal que [A] = V . Ent˜ao existe B ⊂ A base para V .
Dem.: Se A ´e linearmente independente, acabamos. Se n˜ao, pelo resultado 4.7, existe v1 ∈ A tal que A1 := A r {v1} ´e tal que [A1] = [A] = V . Se A1 ´e linearmente independente, acabamos. Se n˜ao, novamente por 4.7, existe v2 ∈ A1 tal que A2 := A1r {v2} = A r {v1, v2} ´e tal que [A2] = [A1] = [A] = V . E podemos repetir tal processo at´e que se encontre An ⊂ A linearmente independente tal que [An] = V (note que tal processo de fato termina j´a que A tem finitos elementos).
Corol´ario 7.10. Seja V um espa¸co vetorial de dimens˜ao n. Seja B ⊂ V tal que |B| = n e [B] = V . Ent˜ao B ´e base para V .
Dem.: Pelo resultado anterior, existe C ⊂ B tal que C ´e base para V . Pela defini¸c˜ao de dimens˜ao, existe D base para V tal que |D| = n. Por 7.3, temos que |C| = |D| = n. Assim, C = B e, portanto, B ´e base para V .
Observe que pelos resultados 7.8 e 7.10 temos que, num espa¸co vetorial de dimens˜ao n, se temos um conjunto com n elementos, para decidirmos se ele ´e uma base, basta uma s´o verifica¸c˜ao: se ele ´e linearmente independente ou se ele ´e gerador.
7.1 Exerc´ıcios
Exerc´ıcio 7.1. Considerando as opera¸c˜oes usuais de cada espa¸co, exiba uma base e calcule a dimens˜ao de cada um dos espa¸cos abaixo:
(a) R2 (b) M2
(c) Pn (d) R
Exerc´ıcio 7.2. Considerando as opera¸c˜oes usuais de P3, mostre que o conjunto {q1, q2, q3, q4, q5} ´
e linearmente dependente, onde q1(x) := x + 1, q2(x) := x2− 2x, q3(x) := x3+ 5x, q4(x) = x2+ 9 e q5 := x3+ x2− x + 1.
Dica: Use o exerc´ıcio 7.1
Exerc´ıcio 7.3. Considere R4 com as opera¸c˜oes usuais. Defina bases para R4 que contenham os seguintes vetores
(a) (1, 1, 0, 0) e (1, 1, 1, 1). (b) (0, 0, 0, 1)
(c) (2, 0, 0, 2), (2, 0, 0, 1), (1, 1, 2, 1).
Exerc´ıcio 7.4. Sejam V um espa¸co vetorial e S um subespa¸co seu. Mostre que dim S ≤ dim V .
Exerc´ıcio 7.5. Seja V espa¸co vetorial de dimens˜ao n. Seja S ⊂ V subespa¸co. Suponha que dim S = n. Mostre que S = V .
Exerc´ıcio 7.6. Sejam U e V espa¸cos vetoriais de dimens˜ao m e n respectivamente. Qual a dimens˜ao de U × V ?
Exerc´ıcio 7.7. Seja V um espa¸co vetorial. Considere A, B ⊂ V conjuntos n˜ao vazios tais que a dimens˜ao de [A] ´e m, de [B] ´e n e a de [A ∪ B] = k.
(a) Dˆe um exemplo onde m < n < k. (b) Dˆe um exemplo onde m = n < k. (c) Dˆe um exemplo onde m = n = k. (d) ´E poss´ıvel acontecer k < max{m, n}?
(e) O que podemos afirmar sobre [A], [B] e [A ∪ B] se m = n = k? (f) Suponha [A] ⊂ [B]. Calcule k em fun¸c˜ao de m e n.
(g) Suponha [A] ∩ [B] = {0}. Calcule k em fun¸c˜ao de m e n.
Exerc´ıcio 7.8. Seja V um espa¸co vetorial. Considere A, B ⊂ V conjuntos n˜ao vazios tais que [A] e [B] tˆem dimens˜ao finita. Mostre que
dim[A ∪ B] = dim[A] + dim[B] − dim([A] ∩ [B]) Dica: Use o exerc´ıcio anterior.
8
Sistemas de coordenadas
O que vamos fazer nesta se¸c˜ao ´e construir um jeito de se descrever os elementos de um espa¸co vetorial.
Defini¸c˜ao 8.1. Seja V um espa¸co vetorial finitamente gerado. Um sistema de coordenadas, ou base ordenada, em V ´e uma base B := {v1, ..., vn} ⊂ V em que a ordem dos elementos est´a fixada1.
O pr´oximo resultado nos d´a uma grande utilidade para os sistemas de coordenadas:
Proposi¸c˜ao 8.2. Sejam V um espa¸co vetorial finitamente gerado e B := {v1, ..., vn} uma base ordenada para V . Ent˜ao, para cada elemento v ∈ V , existem a1, ..., an ∈ Rn tais que v = Pn
i=1aivi. Al´em disso, tais ai’s s˜ao ´unicos com tal propriedade.
Dem.: A existˆencia de a1, ..., an se d´a simplesmente pelo fato de B ser base. Vamos mostrar ent˜ao a unicidade. Sejam b1, ..., bn∈ R tais que v =
Pn i=1bivi. Temos 0 = v − v = Pn i=1aivi−Pni=1bivi = Pn i=1(ai− bi)vi
Logo, como v1, ..., vn s˜ao linearmente independentes, (ai− bi) = 0 para todo i = 1, ..., n. O resultado anterior nos permite fazer a seguinte defini¸c˜ao:
Defini¸c˜ao 8.3. Sejam V um espa¸co vetorial finitamente gerado e B := {v1, ..., vn} uma base ordenada para V . Dado v ∈ V , denotamos por [v]B := (a1, ..., an)B a ´unica n-upla tal que Pn
i=1aivi = v.
Exemplo 8.4. Considere R3com as seguintes bases ordenadas: B1 := {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, B2 := {(1, 1, 0), (0, 1, 1), (0, 2, 0)} e B3 := {(0, 1, 0), (1, 0, 0), (0, 0, 1)}. Seja v := (1, 2, 3) ∈ R3. Temos
• [v]B1 = (1, 2, 3)B1 • [v]B2 = (1, 3, −1)B2 • [v]B3 = (2, 1, 3)B3
Note que o processo de se mudar as coordenadas de um vetor de uma base para outra muitas vezes ´e trabalhoso. Mais adiante, veremos uma maneira bem mais simples de se fazer isso. Mas, para isso, precisamos do conceito de transforma¸c˜oes lineares e de alguma teoria sobre elas. Como as transforma¸c˜oes lineares s˜ao ´uteis em diversos outros problemas, faremos um apanhado geral de sua teoria antes de voltarmos `a aplica¸c˜ao de mudan¸ca de bases.
1
ou seja, um sistema de coordenadas ´e uma n-upla (v1, ..., vn) cujas coordenadas formam uma base de V . Mas,
8.1 Exerc´ıcios
Exerc´ıcio 8.1. Considere B := 1 0 1 0 , 0 1 0 1 , 0 1 0 0 , 0 0 1 1 base ordenada de M2. Calcule [v]B em cada um dos seguintes casos:
(a) v = 2 1 0 0 (b) v = 1 1 1 1
Exerc´ıcio 8.2. Considere B := {q1, q2, q3} base de P2, onde q1(x) := 2 + x2, q2(x) := 1 + x + x2 e q3(x) := 4. Calcule p(1) onde [p]B= (1, 2, 3)B
Exerc´ıcio 8.3. Seja V espa¸co vetorial finitamente gerado. Sejam B1 e B2 bases ordenadas para V . Mostre que B1 e B2 s˜ao iguais se, e somente se, dado qualquer v ∈ V , [v]B1 = [v]B2.
Exerc´ıcio 8.4. Seja V 6= 0 um espa¸co finitamente gerado e seja A := {a1, ..., an} ⊂ V ordenado tal que [A] = V , mas A n˜ao ´e base de V . Mostre que existem v ∈ V e α1, ..., αn, β1, ..., βn ∈ R tais quePn
i=1αiai =Pni=1βiai = v, mas αi6= βi para algum i = 1, ..., n.
Exerc´ıcio 8.5. Sejam U espa¸co vetorial finitamente gerado, α ∈ R e u, v ∈ U . Seja B base ordenada para U .
(a) Mostre que [u]B+ [v]B= [u + v]B. (b) Mostre que α[u]B= [αu]B.
9
Transforma¸
c˜
oes lineares
Vamos agora considerar fun¸c˜oes entre espa¸cos vetoriais. Para n´os v˜ao interessar as fun¸c˜oes que preservam a estrutura de espa¸co vetorial. Tais fun¸c˜oes s˜ao as descritas na pr´oxima defini¸c˜ao. Defini¸c˜ao 9.1. Sejam U e V espa¸cos vetoriais. Uma fun¸c˜ao T : U −→ V ´e dita uma trans-forma¸c˜ao linear se, dados u1, u2 ∈ U e α ∈ R temos:
Muitas vezes iremos denotar T u em vez de T (u).
Vejamos alguns exemplos.
Exemplo 9.2. Sejam U e V espa¸cos vetoriais. Considere T : U −→ V dada por T (u) := 0 para qualquer u ∈ U . Temos que T ´e linear. De fato, dados u1, u2 ∈ U , temos T (u1 + u2) = 0 = 0 + 0 = T (u1) + T (u2) e, dado α ∈ R, temos que T (αu1) = 0 = α0 = αT (u1).
Exemplo 9.3. Seja V um espa¸co vetorial. Considere T : V −→ V dada por T (v) := v para qualquer v ∈ V . Temos que T ´e linear. De fato, dados v1, v2 ∈ V , temos que T (v1 + v2) = v1+ v2 = T (v1) + T (v2) e, dado α ∈ R, temos que T (αv1) = αv1 = αT (v1).
Exemplo 9.4. Considere R3 e R2 com as opera¸c˜oes usuais. Seja T : R3 −→ R2 dada por T (a, b, c) := (a, b + c) para qualquer (a, b, c) ∈ R3. Temos que T ´e linear. De fato, sejam (a1, b1, c1), (a2, b2, c2) ∈ R3, temos
T ((a1, b1, c1) + (a2, b2, c2)) = T (a1+ a2, b1+ b2, c1+ c2) = (a1+ a2, b1+ b2+ c1+ c2) = (a1, b1+ c1) + (a2, b2+ c2) = T (a1, b1, c1) + T (a2, b2, c2) Dados α ∈ R e (a, b, c) ∈ R3, temos
T (α(a, b, c)) = T (αa, αb, αc) = (αa, αb + αc) = α(a, b + c) = αT (a, b, c)
Exemplo 9.5. Considere Pn+1 e Pn com as opera¸c˜oes usuais. Temos que D : Pn+1 −→ Pn dada por D(p) := p0 (isto ´e, a derivada1 de p) ´e uma transforma¸c˜ao linear. De fato, sejam an+1xn+1+ anxn+ · · · + a0, bn+1xn+1+ bnxn+ · · · + b0∈ Pn+1. Temos
D((an+1xn+1+ · · · a0) + (bn+1xn+1+ · · · + b0)) = (n + 1)an+1xn+ · · · + a1+ (n + 1)bn+1xn+ · · · b1 = D(an+1xn+1· · · a0) + D(bn+1xn+1+ · · · + b0) Sejam α ∈ R e an+1xn+1+ · · · a0 ∈ Pn. Temos
D(α(an+1xn+1+ · · · a0)) = D(αan+1xn+1+ · · · αa0) = α(n + 1)an+1xn+ · · · αa1 = α((n + 1)an+1xn+ · · · a1) = αD(an+1xn+1+ · · · + a0) 1
O pr´oximo resultado diz que a imagem de uma transforma¸c˜ao linear ´e um espa¸co vetorial.
Proposi¸c˜ao 9.6. Sejam U e V espa¸cos vetoriais e T : U −→ V uma transforma¸c˜ao linear. Temos que ImT := {v ∈ V : ∃u ∈ U T (u) = v} ´e um subespa¸co vetorial de V .
Dem.: Temos que T (0) = T (0 · 0) = 0T (0) = 0. Logo, 0 ∈ ImT . Sejam v1, v2 ∈ ImT . Ent˜ao existem u1, u2 ∈ U tais que T (u1) = v1 e T (u2) = v2. Temos que v1 + v2 = T (u1) + T (u2) = T (u1+ u2) e, como u1+ u2 ∈ U , temos que v1+ v2 ∈ ImT . Sejam v ∈ ImT e α ∈ R. Seja u ∈ U tal que T (u) = v. Temos que αv = αT (u) = T (αu) e, como αu ∈ U , temos que αv ∈ ImT .
Temos que composta de transforma¸c˜oes lineares ´e uma transforma¸c˜ao linear, como mostra o resultado a seguir.
Proposi¸c˜ao 9.7. Sejam U , V e W espa¸cos vetoriais. Sejam T : U −→ V e F : V −→ W transforma¸c˜oes lineares. Ent˜ao F ◦ T : U −→ W , dada por (F ◦ T )(u) := F (T (u)) para u ∈ U ´e uma transforma¸c˜ao linear.
Dem.: Primeiramente, note que, como T (u) ∈ V , podemos tomar F (T (u)) e, portanto, F ◦ T est´a bem definida. Sejam u1, u2∈ U . Temos:
(F ◦ T )(u1+ u2) = F (T (u1+ u2)) = F (T (u1) + T (u2)) = F (T (u1)) + F (T (u2)) = (F ◦ T )(u1) + (F ◦ T )(u2) A verifica¸c˜ao da multiplica¸c˜ao por escalar fica como exerc´ıcio.
9.1 Exerc´ıcios
Exerc´ıcio 9.1. Sejam U e V espa¸cos vetoriais e T : U −→ V uma transforma¸c˜ao linear. Seja S ⊂ U subespa¸co vetorial de U . Mostre que T [S] := {v ∈ V : ∃s ∈ S T (s) = v} ´e um subespa¸co vetorial de V .
Exerc´ıcio 9.2. Sejam U e V espa¸cos vetoriais. Seja T : U −→ V uma transforma¸c˜ao linear. Considere 0U e 0V os elementos neutros de U e V respectivamente. Mostre que T (0U) = 0V.
Exerc´ıcio 9.3. Sejam U1, U2, V1, V2 espa¸cos vetoriais. Sejam T : U1 −→ U2 e F : V1 −→ V2 transforma¸c˜oes lineares. Considere G : U1 × V1 −→ U2× V2 dada por G(u, v) := (T (u), F (v)). Considerando em U1× V1 e U2× V2 as opera¸c˜oes induzidas, mostre que G ´e uma transforma¸c˜ao linear.
Exerc´ıcio 9.4. Sejam V um espa¸co vetorial e B := {v1, ..., vn} uma base ordenada de V . Seja T : V −→ R dada por T (v) := Pn
i=1αi onde Pn
i=1αivi = v. Considerando R como espa¸co vetorial com as opera¸c˜oes usuais, mostre:
(a) T est´a bem definida, isto ´e, se Pn
i=1αivi= Pn i=1βivi ent˜ao T ( Pn i=1αivi) = T ( Pn i=1βivi). (b) T ´e uma transforma¸c˜ao linear.
Exerc´ıcio 9.5. Seja V um espa¸co vetorial finitamente gerado. Seja B := {v1, ..., vn} uma base para V . Para cada i = 1, ..., n considere Πi : V −→ V dada por Πi(v) = αivionde v =
Pn
j=1αjvj. Mostre, para cada i = 1, ..., n:
(a) Πiest´a bem definida, isto ´e, sePnj=1αjvj =Pnj=1βjvjent˜ao Πi(Pnj=1αjvj) = Πi(Pnj=1βjvj). (b) Πi ´e uma transforma¸c˜ao linear.
Exerc´ıcio 9.6. Sejam U e V espa¸cos vetoriais. Seja B := {u1, ..., un} base para U . Mostre que [T (u1), ..., T (un)] = ImT .
10
Inversa e n´
ucleo de uma transforma¸
c˜
ao
Dada uma transforma¸c˜ao linear T : U −→ V podemos nos perguntar se conseguimos uma outra transforma¸c˜ao linear que fa¸ca o “caminho inverso”, isto ´e, uma transforma¸c˜ao F : V −→ U tal que F (T (u)) = u para qualquer u ∈ U . Nesta se¸c˜ao vamos ver quando isso ´e poss´ıvel e algumas generaliza¸c˜oes.
Defini¸c˜ao 10.1. Sejam A e B conjuntos n˜ao vazios. Seja f : A −→ B uma fun¸c˜ao. Dizemos que f ´e uma fun¸c˜ao injetora quando, dados a1, a2 ∈ A, se f (a1) = f (a2) ent˜ao a1 = a2. Dizemos que f ´e uma fun¸c˜ao sobrejetora se, para qualquer b ∈ B, temos que existe a ∈ A tal que f (a) = b. Isto ´e, quando temos que Imf = B. Dizemos que f ´e uma fun¸c˜ao bijetora se ela ´e injetora e sobrejetora simultaneamente.
Proposi¸c˜ao 10.2. Sejam A e B conjuntos. Seja f : A −→ B uma fun¸c˜ao bijetora. Ent˜ao existe uma ´unica fun¸c˜ao g : B −→ A tal que, para todo a ∈ A, a = g(f (a)).
Dem.: Para cada b ∈ B existe ab ∈ A tal que f (ab) = b (pois f ´e sobrejetora). Defina g : B −→ A dada por g(b) := ab. Seja a ∈ A. Seja b ∈ B tal que f (a) = b. Note que ab = a, pois f ´e injetora (isto ´e, s´o existe um a0∈ A tal que f (a0) = b). Assim, g(f (a)) = g(b) = ab = a.
Vamos agora mostrar que g ´e ´unica com tal propriedade. Seja h : B −→ A tal que h(f (a)) = a para todo a ∈ A. Seja b ∈ B e seja a ∈ A tal que f (a) = b. Temos
h(b) = h(f (a)) = a = g(f (a)) = g(b)
Defini¸c˜ao 10.3. Sejam A e B conjuntos. Seja f : A −→ B fun¸c˜ao bijetora. Chamamos de f−1 a fun¸c˜ao g dada pelo ´ultimo resultado. Tal f−1 ´e dita a fun¸c˜ao inversa de f .
Vimos que se uma fun¸c˜ao qualquer ´e bijetora, podemos construir uma inversa. Agora, vol-tando ao nosso problema original, veremos que se T ´e uma transforma¸c˜ao linear bijetora, ent˜ao sua inversa tamb´em ´e uma transforma¸c˜ao linear.
Proposi¸c˜ao 10.4. Sejam U e V espa¸cos vetoriais. Seja T : U −→ V transforma¸c˜ao linear. Suponha que T seja bijetora. Ent˜ao T−1: V −→ U ´e uma transforma¸c˜ao linear.
Dem.: Sejam v1, v2 ∈ V . Sejam u1, u2 tais que T (u1) = v1 e T (u2) = v2 (podemos fazer isso pois T ´e sobrejetora). Temos
T−1(v1+ v2) = T−1(T (u1) + T (u2)) = T−1(T (u1+ u2)) = u1+ u2
= T−1(v1) + T−1(v2) Fica como exerc´ıcio a verifica¸c˜ao para a multiplica¸c˜ao por escalar.
Associado a uma transforma¸c˜ao linear qualquer, temos dois subespa¸cos naturalmente associ-ados: o n´ucleo e a imagem da transforma¸c˜ao. A imagem n´os j´a vimos que ´e um subespa¸co de V . Vejamos agora o n´ucleo:
Defini¸c˜ao 10.5. Sejam U e V espa¸cos vetoriais. Seja T : U −→ V uma transforma¸c˜ao linear. Chamamos de n´ucleo de T o seguinte conjunto:
N ucT := {u ∈ U : T (u) = 0}
Proposi¸c˜ao 10.6. Sejam U e V espa¸cos vetoriais. Seja T : U −→ V uma transforma¸c˜ao linear. Ent˜ao N ucT ´e um subespa¸co vetorial de U .
Dem.: Pelo exerc´ıcio 9.2, temos que 0 ∈ N ucU . Sejam a, b ∈ N ucT . Temos T (a + b) = T (a) + T (b) = 0, logo, a + b ∈ N ucT . Seja α ∈ R. Temos T (αa) = αT (a) = α0 = 0, logo, αa ∈ N ucT . Assim, N ucT ´e um subespa¸co vetorial de U .
O n´ucleo da transforma¸c˜ao nos fornece informa¸c˜ao sobre se a transforma¸c˜ao ´e injetora ou n˜ao.
Proposi¸c˜ao 10.7. Sejam U e V espa¸cos vetoriais. Seja T : U −→ V uma transforma¸c˜ao linear. Temos que T ´e injetora se, e somente se, N ucT = {0}.
Dem.: Suponha que T ´e injetora. Temos que mostrar que N ucT = {0}. Como T (0) = 0, temos que {0} ⊂ N ucT . Suponha que n˜ao ´e verdade que N ucT ⊂ {0}. Ent˜ao existe u ∈ U com u 6= 0 tal que T (u) = 0 = T (0), contrariando que T ´e injetora.
Suponha que N ucT = {0}. Sejam u, w ∈ U tais que T (u) = T (w) temos que mostrar que u = w. De T (u) = T (w), temos que 0 = T (u) − T (w) = T (u − w). Logo, u − w ∈ N ucT = {0} e, portanto, u − w = 0. Ou seja, u = w.
Exemplo 10.8. Considere U e V espa¸cos vetoriais. Seja T : U −→ V dada por T (u) := 0 para todo u ∈ U . Temos que N ucT = U . Assim T ´e injetora se, e somente se, U = {0}. Observe tamb´em que T ´e sobrejetora se, e somente se, V = {0}.
Exemplo 10.9. Considere U um espa¸co vetorial. Seja T : U −→ U dada por T (u) := u para todo u ∈ U . Note que T ´e bijetora. Observe tamb´em que T−1 = T .
Exemplo 10.10. Considere R3 e R2 com as opera¸c˜oes usuais. Seja T : R3 −→ R2 dada por T (a, b, c) = (a, b + c) para todo (a, b, c) ∈ R3. Observe que
N ucT = {(a, b, c) : T (a, b, c) = (a, b + c) = (0, 0)} = {(0, b, c) : b = −c}
= {(0, b, −b) : b ∈ R} = [(0, 1, −1)]
10.1 Exerc´ıcios
Exerc´ıcio 10.1. Exiba quatro transforma¸c˜oes lineares de R3 em R3 cujos n´ucleos tenham di-mens˜ao 0, 1, 2 e 3 respectivamente.
Exerc´ıcio 10.2. Calcule o n´ucleo e a imagem de cada transforma¸c˜ao (em cada espa¸co, considere as opera¸c˜oes usuais).
(a) T (a, b, c, d) := (a + b, c) (b) T (a, b) := a − b
(c) T (a, b) := (a, 2b, a + b, a − b)
Exerc´ıcio 10.3. Seja U e V espa¸cos vetorias. Considere T : U −→ R, (R com as opera¸c˜oes usuais) e F : V −→ N ucT transforma¸c˜oes lineares. Descreva T ◦ F .
Exerc´ıcio 10.4. Sejam U e V espa¸cos vetoriais. Considere T : U −→ V uma transforma¸c˜ao linear. Mostre as seguintes afirma¸c˜oes:
(a) T ´e injetora se, e somente se, para qualquer A ⊂ U linearmente independente, temos que T [A] ´e linearmente independente.
(b) Sejam u1, ..., un∈ U . Se T (u1), ..., T (un) s˜ao linearmente independentes, ent˜ao u1, ..., un s˜ao linearmente independentes.
Exerc´ıcio 10.5. Considere a transforma¸c˜ao linear G obtida no exerc´ıcio 9.3. Descreva N ucG em termos de N ucF e N ucT .
11
Transforma¸
c˜
oes lineares e espa¸
cos de dimens˜
ao finita
O pr´oximo resultado nos d´a uma maneira simples de definir uma transforma¸c˜ao linear:
Proposi¸c˜ao 11.1. Sejam U um espa¸co vetorial finitamente gerado e V um espa¸co vetorial qual-quer. Seja B := {b1, ..., bn} ⊂ U uma base para U . Para cada bi ∈ B, seja vi ∈ V . Ent˜ao existe uma ´unica transforma¸c˜ao linear T : U −→ V tal que T (bi) = vi para todo bi ∈ B.
Dem.: Dado v ∈ U , existem α1, ...αn ∈ R tais que v = Pni=1αibi (lembre que tais αi’s s˜ao ´ unicos). Defina T (v) := n X i=1 αiT (bi)
Vamos mostrar que T assim definida ´e linear. Sejam u, v ∈ U . Sejam α1, ..., αn, β1, ..., βn ∈ R tais que u =Pn
i=1αibi e v =Pni=1βibi. Temos T (u + v) = Pn
i=1(αi+ βi)T (bi) = Pn
i=1αiT (bi) +Pni=1βiT (bi) = T (u) + T (v)
Seja α ∈ R. Temos que T (αu) =Pn
i=1(ααi)bi= α Pn
i=1αibi= αT (u).
Vamos agora mostrar que T ´e a ´unica transforma¸c˜ao linear que satisfaz o enunciado. Seja F : U −→ V satisfazendo o enunciado. Sejam u ∈ U e α1, ...αn ∈ R tais que u = Pni=1αibi. Temos F (u) = F (Pn i=1αibi) ∗ = Pn i=1αiF (bi) ∗∗ = Pn i=1αiT (bi) = T (u)
onde (∗) vale pois F ´e linear e (∗∗) vale por hip´otese.
O pr´oximo resultado mostra que a dimens˜ao da imagem, do n´ucleo e do dom´ınio de uma transforma¸c˜ao est˜ao relacionados entre si.
Teorema 11.2. Sejam U e V espa¸cos vetoriais finitamente gerados. Seja T : U −→ V uma transforma¸c˜ao linear. Ent˜ao temos
dim U = dim ImT + dim N ucT
Dem.: Seja n := dim U . Como N ucT ⊂ U , temos que N ucT ´e finitamente gerado. Seja k := dim N ucT . Note que k ≤ n. Note que, se k = n, o resultado vale j´a que T ´e a fun¸c˜ao constantemente nula. Suponha k = 0. Temos que T ´e injetora (por 10.7). Seja {a1, ..., an} base para U . Pelo exerc´ıcio 9.6, temos que ImT = [T (a1), ..., T (an)]. Pelo exerc´ıcio 10.4, como T ´e injetora, temos que T (a1), ..., T (an) s˜ao linearmente independentes. Assim, temos que dim ImT = n e, portanto, temos o resultado.
Agora suponha que k > 0. Seja {b1, ..., bk} base para N ucT . Como {b1, ..., bk} ´e base, temos que {b1, ..., bk} ´e linearmente independente. Assim, por 7.7, existem u1, ..., up ∈ U tais que {b1, ..., bk, u1, ..., up} ´e uma base para U . Note que, assim, p = n − k. Vamos mostrar que {T (u1), ..., T (up)} ´e base de ImT . Note que, com isso, teremos o resultado.
Pelo exerc´ıcio 9.6, temos que [T (b1), ..., T (bk), T (u1), ..., T (up)] = ImT . Mas temos tamb´em que [T (b1), ..., T (bk), T (u1), ..., T (up)] = [T (u1), ..., T (up)] j´a que T (bi) = 0 para todo i = 1, ..., k (mostre que de fato vale a igualdade). Assim, temos que [T (u1), ..., T (up)] = ImT . Resta, portanto, mostrar que T (u1), ..., T (up) s˜ao linearmente independentes. Sejam α1, ..., αp ∈ R
tais que α1T (u1) + · · · + αpT (up) = 0. Com isso, temos que 0 = T (α1u1) + · · · + T (αpup) = T (α1u1+ · · · αpup). Logo, α1u1+ · · · αpup ∈ N ucT = [b1, ..., bk]. Assim, temos que α1u1+ · · · + αpup ∈ [u1, ..., up] ∩ [b1, ..., bk]. Como {b1, ..., bk, u1, ..., up} ´e linearmente independente, temos, pelo exerc´ıcio 4.7, α1u1+ · · · αpup = 0. Como u1, ..., up ´e linearmente independente, temos que α1 = · · · = αp= 0 e, portanto {T (u1), ..., T (up)} ´e linearmente independente.
Exemplo 11.3. Considere M2 e R3 com as opera¸c˜oes usuais. Vamos construir uma aplica¸c˜ao linear T : M2−→ R3 tal que
N ucT = A := a 0 0 b : a, b ∈ R
ImT = B := {(a, 2a, b) : a, b ∈ R} Primeiramente, note que (exerc´ıcio)
A = 1 0 0 0 , 0 0 0 1 B = [(1, 2, 0), (0, 0, 1)]
Por 11.1, podemos determinar T apenas exibindo seus valores calculados na base canˆonica de M2. Assim, considere T tal que
T 1 0 0 0 := (0, 0, 0) T 0 1 0 0 := (1, 2, 0) T 0 0 1 0 := (0, 0, 1) T 0 0 0 1 := (0, 0, 0)
Pelo exerc´ıcio9.6, temos que ImT = B. Resta mostrar que N ucT = A. Observe que A ⊂ N ucT (exerc´ıcio) e que dim A = 2. Note que, por 11.2, que dim N uc = 4 − 2 = 2. Logo, temos que N ucT = A.
Defini¸c˜ao 11.4. Sejam U e V espa¸cos vetoriais. Seja T : U −→ V . Dizemos que T ´e um isomorfismo se T ´e uma transforma¸c˜ao linear bijetora. Dizemos que U e V s˜ao isomorfos se existe um isomorfismo entre eles.
Proposi¸c˜ao 11.5. Sejam U e V espa¸cos finitamente gerados tais que dim U = dim V . Seja T : U −→ V uma transforma¸c˜ao linear. As seguintes afirma¸c˜oes s˜ao equivalentes:
(i) T ´e um isomorfismo. (ii) T ´e injetora.
Dem.: ´E imediato pelas defini¸c˜oes que (i) ⇒ (ii) e (i) ⇒ (iii). Resta mostrar que (ii) ⇒ (i) e (iii) ⇒ (i). Seja n := dim U = dim V .
(ii) ⇒ (i) Suponha que T ´e injetora. Ent˜ao, por 10.7, temos que dim N ucT = 0. Por 11.2, temos que n = dim Im + 0. Logo, ImT = V e, portanto, T ´e sobrejetora.
(iii) ⇒ (i) Suponha que T ´e sobrejetora. Ent˜ao dim T = dim V = n. Assim, por 11.2, temos que n = n + dim N ucT . Logo, dim N ucT = 0 e, por10.7, temos que T ´e injetora.
Os pr´oximos resultados dizem que, do ponto de vista da estrutura de espa¸co vetorial, dois espa¸cos com a mesma dimens˜ao finita s˜ao iguais.
Teorema 11.6. Sejam U e V espa¸cos vetoriais finitamente gerados de mesma dimens˜ao. Ent˜ao U e V s˜ao isomorfos.
Dem.: Seja n := dim U = dim V . Sejam {u1, ..., un} e {v1, ..., vn} bases para U e V respecti-vamente. Considere T : U −→ V tal que T (ui) = vi para todo i = 1, ..., n. Por 11.5, basta mostrarmos que T ´e injetora. Para isso, basta mostrarmos que, se u ∈ N ucT , ent˜ao u = 0. Seja u ∈ N ucT . Ent˜ao T (u) = 0. Sejam α1, ..., αn∈ R tais que u =Pni=1αiui. Temos
0 = T (u) = Pn i=1T (αiui) = Pn i=1αiT (ui) = Pm i=1αivi
Como v1, ..., vn s˜ao linearmente independentes, tesmo que α1= · · · αn= 0. Logo, u = 0.
Corol´ario 11.7. Todo espa¸co vetorial de dimens˜ao n ≥ 1 ´e isomorfo a Rn.
11.1 Exerc´ıcios
Exerc´ıcio 11.1. Sejam U e V espa¸cos vetoriais. Seja B := {u1, ..., un} base para U . Seja T : U −→ V uma transforma¸c˜ao linear. ´E verdade que N ucT = [C], onde C := {bi ∈ B : T (bi) = 0}? Vale que [C] ⊂ N ucT ? Justifique.
Exerc´ıcio 11.2. Considere R3 e R2 com as opera¸c˜oes usuais. Sejam T : R3 −→ R2 e F : R2 −→ R3 transforma¸c˜oes lineares. T pode ser injetora? F pode ser sobrejetora? Justifique.