Você está na página 1de 192

Álgebra dos Espaços Lineares

1

Definição 1:

Chama-se de espaço linear a um conjunto L, não

vazio, de elementos x, y, z,que satisfaz as seguintes condições:

x, y L z | z L z = x + y

(2.1.1)

x + y = y + x

(Comutatividade)

(2.1.2)

x +(y + z)= (x + y)+ z

(Associatividade)

(2.1.3)

0 L | x + 0 = x, x L

(Existência do Zero)

(2.1.4)

a ∧ ∀x L → ∃ax L

(2.1.5)

a(bx)= (ab)x

(2.1.6)

1x = x

(Elemento Neutro)

(2.1.7)

(a + b)x = ax + bx

(Distributiva)

(2.1.8)

a(x + y)= ax + ay

(2.1.9)

2

∑ ∀x ∈ L → ∃− x | −x ∈ L ∧ x +(−x)= 0
∑ ∀x ∈ L → ∃− x | −x ∈ L ∧ x +(−x)= 0
(2.1.10)
Por exemplo, seja F o conjunto de todas as funções do tipo f : ℝ → ℝ .
Note que funções dos tipos:
2
f
() x
= −2 +7
x
x
1
f
()
x
= sen
()
x
2
pertencem a F , pois estão definidas para todos os x ; por outro lado,
funções do tipo
1
x
g
()
x
=
tan
()
x
2

g

1

x

()

=

3

não pertencem a F , pois não estão definidas para todos os x . Pode-se
não pertencem a F , pois não estão definidas para todos os x .
Pode-se verificar que se tomando duas funções quaisquer de F , pode-
se definir uma função soma das primeiras, assim,
f
+ f
= f
()
x + f
()
x
∴ f , f
∈ F
(2.1.11)
1
2
1
2
1
2
Além disso, define-se a multiplicação de uma função por um escalar
qualquer:
(c. f )(x)= c. f (x)
(2.1.12)

4

Com as operações acima,

axiomas definidos na “definição 1” (relações (2.1.1) a (2.1.10)).

F é um espaço linear, pois satisfaz a todos os

5

Isomorfismo de Espaços Lineares Geral * Definição 1: Dois espaços lineares ou vetoriais L e
Isomorfismo de Espaços Lineares
Geral
*
Definição 1: Dois espaços lineares ou vetoriais L
e
L
são ditos
isomorfos quando se pode estabelecer entre seus elementos uma
correspondência biunívoca compatível com as operações neles
definidos. Isto significa que se
(
*
*
*
*
*
x ↔
x
)
∧ ↔
(
y
y
)
x y
,
L
x
,
y
L
(2.2.1)
então
(
x
+ ↔
y
x*
+
y *
)
∧ a ↔ a
(
x
x*
)
são as duas condições de isomorfismo, com a , um número arbitrário.

6

Isto significa que, se L e

elementos linearmente independentes em cada espaço é o mesmo,

L são isomorfos, então o número de

*

têm a mesma dimensão.

Teorema 1: Quaisquer dois espaços lineares reais n-dimensionais são isomorfos.

Corolário 1: Espaços

lineares

de

distintas, não são isomorfos.

dimensão

finita

com

dimensões

isto é, L e

*

L

7

Teorema 2: Um espaço linear complexo

C

n de dimensão n pode ser

, de dimensão 2n ,

mapeado um-a-um para um espaço linear real tal que a condição:

R 2n

(

x + y

)

*

 

*

= x

+ y

*

(2.2.2)

permanece válida, e para fatores , a segunda condição

também permanece válida.

(

)

* *

λx = λx

( ) * * λ x = λ x (2.2.3)

(2.2.3)

8

Subespaços. Dependência Linear ,…, espaço linear L. Se y puder ser escrito como: Definição 1:
Subespaços. Dependência Linear
,…,
espaço linear L. Se y puder ser escrito como:
Definição 1:
Sejam
y x
,
,
x
x , elementos quaisquer de um
1
2
n
y
= a +b + +n
x
x
x
(2.2.4)
1
2
n
diz-se que
y é uma combinação linear (CL) de
,
x
,…,
x
, onde a, b, c,
x 1
2
n
d,
,
n são escalares.
,…,
espaço linear L qualquer é dito ser linearmente dependente, (LD)
Definição 2:
Um
conjunto
de
elementos
x
,
x
x
de um
1
2
n
quando existirem números a , b , c , d ,
que:
,
n , não todos iguais a zero, tal

9

a x +b + + n = 0 x … x (2.2.5) 1 2 n
a x
+b + + n = 0
x
x
(2.2.5)
1
2
n
Definição 3:
Um conjunto de elementos
de um espaço
x
,
x
,
… x
,
1
2
n
linear
L qualquer é dito ser linearmente independente (LI), quando a
equação abaixo for verdadeira:
a x
+b + + n = 0
x
x
(2.2.6)
1
2
n
se e somente se a = b = c = ⋯= n = 0 .

10

Definição 4: Um conjunto infinito de elementos de um espaço L se chama linearmente independente, quando todo subconjunto finito seu é linearmente independente.

Se em um espaço linear L se puder encontrar n elementos LI, e quaisquer n +1elementos deste espaço forem LD então se diz que L é um espaço de dimensão finita n. No entanto, se em L, pudermos indicar um conjunto composto por um número finito qualquer de elementos LI, diz-se que L é de dimensão infinita.

indicar um conjunto composto por um número finito qualquer de elementos LI , diz-se que L
11
11

Definição 5: Um conjunto qualquer de elementos de um espaço linear L qualquer, linearmente independente (LI), é dito base de um espaço de n-dimensões.

n

x

1

,

x

2

,

x

,

n

Teorema 1:

quaisquer

n +1

Se L tem uma base contendo

n elementos, então

ou mais elementos de L são linearmente dependentes.

Corolário 1:

Se L tem uma base contendo

toda base de L tem

n elementos.

n elementos, então

12

Definição 6: Um subconjunto não vazio X de um espaço linear L é dito ser subespaço de L em relação às operações de adição e

multiplicação por escalar definidas em

L se:

X L x, y X ax + by X

(2.2.7)

quaisquer que sejam os escalares a e b .

Em todo espaço linear L, existe um subespaço formado somente pelo elemento zero, o subespaço nulo. Um subespaço de L , que contenha pelo menos um elemento não nulo é dito subespaço próprio.

Teorema 2:

Se

X é um subespaço de um espaço linear L de n

dimensões, então a dimensão de

X é menor ou igual a n .

13

Exemplos: 14 1. O conjunto de elementos {ax} ∴ x ∈ L e tomando todos
Exemplos:
14
1. O
conjunto
de
elementos
{ax} ∴ x ∈ L
e tomando todos os
valores
numéricos,
forma
evidentemente um espaço
unidimensional;
2. Em um espaço n 2 -dimensional de matrizes quadradasn×n, o
conjunto
de
matrizes
simétricas
a
,
tal
que
a
=
a
,
é
um
ik
ik
ki
subespaço;
3. O conjunto de polinômios P[a,b] definidos sobre o espaço das
funções contínuasC[a,b].
4. O conjunto C a,b de todas as funções que possuem derivada [ ] 1
4. O conjunto
C a,b de todas as funções que possuem derivada
[
]
1
contínua em todo intervalo [a,b]; isto é, a chamada função
continuamente diferenciável em [a,b]. Como uma função
diferenciável é contínua, cada função em
C a,b também
[
]
1
pertence a
C
a,b
]
. É evidente que
C
a,b
]
é fechado com relação à
1 [
1 [
adição de funções e multiplicação por escalar, portanto subespaço
de
C
1 [
a,b
]
.
Em
geral,
se
C
n [
a b denota o conjunto de todas as
,
]
funções n vezes continuamente diferenciáveis em[a,b], então
C
a,b
]
é um subespaço de
C
1 [
a,b
]
, sempre que m ≥ n.
1 [

15

Clausura Linear Definição 7: Sejam x ,x ,…,x uma coleção de elementos de 1 2
Clausura Linear
Definição 7: Sejam
x ,x ,…,x
uma coleção de elementos de
1
2
n
certo espaço linear . Denomina-se “clausura linear” dos elementos
L
x ,x ,…,x
à
coleção
de
todas
as
combinações
lineares
destes
1
2
n
elementos, isto é, o conjunto dos elementos:
α +β + +η
x
x
x
1
2
n
com
,x ,…,x
L e α,β,…,η ∈ ℝ.
x 1
2
n
Uma clausura linear dos elementos
é simbolizada por
x ,x ,…,x
1
2
n
L x ,x ,…,x
elementos
(
)
.
Assim
toda
clausura
linear
L
(
x ,x ,…,x
)
de
1
2
n
1
2
n
é um subespaço de
L e é o menor subespaço de
x
,x ,…,x
∈ L
1
2
n
L contendo os elementos
.
x ,x ,…,x
1
2
n

16

Exemplo: 2 n A clausura linear dos elementos 1 t t , ,…, t do
Exemplo:
2
n
A clausura linear dos elementos
1 t t
,
,…,
t
do espaço linear
C
[
a,b
]
de todas as funções
,
x = x(t) definidas e contínuas no
1
intervalo fechado a ≤ t ≤ b é um exemplo de clausura linear.

17

Sejam , linear R , isto é, ( L L dois subespaços lineares arbitrários de
Sejam
,
linear R , isto é, (
L
L dois subespaços lineares arbitrários de um mesmo espaço
1
2
L R
)∧(
L
⊂ R
) então,
1
2
Definição 8:
A
coleção
de
todos
os
elementos
x tal
que
(x ∈
L 1 )∧(x
∈ L
) ,
formam
um
subespaço
de
R
chamado
de
2
subespaço interseção de
.
L L
,
1
2
Definição 9:
A
coleção
de
todos
os
elementos
x + y
onde
(x ∈
L 1 )∧(y
∈ L
) forma um subespaço de
R chamado subespaço
2
soma ou subespaço união de
.
L L
,
1
2
Teorema 3: A soma das dimensões dos subespaços lineares
arbitrários
L , L de um espaço linear de dimensão finita é igual à
R
1
2

18

soma

subespaços.

da

dimensão

Subespaços Gerados

Um subespaço de

C

n

dos

espaços

interseção

e

[

]

a b além de ser subespaço de

,

C

união

desses

também complexo. Isto também vale para os reais.

Definição 1:

lineares do conjunto de elementos

O conjunto de todos os elementos ou combinações

] é um

{

a

1

,

a

2

,,

a

q

}

G =

de

C

n

[

a b

,

subespaço chamado de espaço gerado por G ou span 1 {G}:

1 A palavra em inglês span significa espaço, como substantivo, ou cobrir, abarcar, como verbo. Ela representa aqui o mesmo que “espaço gerado por”.

n [

,

a b

] é

19

 q     span { G } = span { a ,
q
 
span
{
G }
= span
{
a
,
a
,
… ,
a
}
=
z
C
n |
z
=
∑ α
a
{
a
}
C
 
1
2
q
i
i
i
i
= 1,
,
q

i = 1
 
Se os {
,
a
,…,
a
}
são linearmente independentes, cada elemento de
a 1
2
q
span {G} admite uma única expressão como combinação linear de
{
,
a
,…,
a . O conjunto G é chamado de base do subespaço gerado
}
a 1
2
q
e denotado por span {G}.

20

Um subespaço muito importante na análise numérica é o Subspaço de Krylov. n × n
Um subespaço muito importante na análise numérica é o Subspaço de
Krylov.
n × n
Definição 2:
Sejam uma matriz
A ∈ℂ
não singular e um vetor
0 . Dizemos que um subespaço é subespaço de Krylov de
dimensão m >1, e denotado por
K
(
A y
,
) ,
se ele for gerado pelo
m
2
m −
1
conjunto {
y Ay A y
,
,
,
… ,
A
y
}
, isto é
2
m −
1
K
= K
(
A y
,
)
= span
{
y Ay A y
,
,
,
… ,
A
y
}
m
m
m
(2.2.8)
 
  
i
i
n
=
z
C n
|
z
=
∑ α
A y
{
A y
}
C
 
i
 
i
=
0,1,
,
m

i = 0
 
Pode-se verificar que
demonstração como exercício.
K K
⊂⋯⊂
K
K
.
Faça
essa
1
2
m
−1
m

y

≠ ∈

n

21

Espaços Compactos

Definição 1: O conjunto Σ de subconjuntos de um conjunto X cuja união é o próprio X é denominado de cobertura do conjunto X .

Definição 2: Se X é um espaço linear na definição 1 acima, a cobertura é dita cobertura aberta se cada um dos elementos de Σ é também um subconjunto aberto de X .

Definição 3:

é dito ter a propredade de interseção finita, se cada subconjunto de Σ

ou um subconjunto finito de Σ tenha interseção não vazia.

Um conjunto Σ de subconjuntos de um conjunto X

22

Definição 4:

se e somente se ele possuir uma ou mais das seguintes propriedades:

Um espaço linear X é dito ser um espaço compacto

i.

Toda cobertura aberta de X contém uma cobertura finita;

ii.

Se um conjunto Σ de subcoonjuntos fechados de X tem a propriedade de interseção finita, e assim a interseção dos subconjuntos de Σ não é vazia.

iii.

Toda família direta de pontos de X tem um ponto limite em

X.

Um subconjunto A de um espaço linear X é dito

ser um subconjunto compacto se a somente se X for compacto. O subconjunto A é dito ser relativamente compacto em X se e somente

se sua clausura [

Definição 5:

A ]

for compacta.

23

dito ser um um espaço

separado (ou espaço de Hausdorff) se, para quaisquer dois pontos distintos x, y X, existe uma vizinhança de x e uma vizinhança de y

que são disjuntas.

Definição 6:

Um espaço linear

X

é

Definição 7: Um espaço linear X é dito ser um um espaço normal se, para quaisquer dois conjuntos fechados distintos A, B X, existir vizinhanças que são disjuntas.

Lema 1: Subconjuntos de limitados e fechados.

R n

(

C

n

)

são compactos se eles forem

24

Lema 2: Se X é um espaço compacto, Y um espaço linear, e f

é um subconjunto

compacto de Y . Se, além disso, f for injetora e Y um espaço

separado, então f é um homeomofismo de X para

uma função contínua de X em Y , então

f

(

X

)

f

(

)

X .

Lema 3:

Qualquer espaço X compacto e separado é um espaço

normal.

Teorema:

(Tychonoff).

O

produto

(no

sentido

topológico)

de

qualquer família de espaços compactos tembém é compacto.

25

Definição 8:

Um

espaço

linear

X

é

dito

ser

um

espaço

26

localmente compacto se e somente se cada ponto de

X

tiver no

mínimo uma vizinhança campacta.

 

Assim, qualquer espaço compacto tembém é localmente compacto; qualquer espaço discreto é localmente compacto; qualquer subespaço fechado de um espaço localmente compacto é localmente compacto.

Definição 9:

Um espaço linear

X

é

dito ser um um espaço

regular se, para cada ponto x X , a vizinhança fechada de x forma

uma base da vizinhança de x .

 

Espaços Métricos

Definição 1:

Um

conjunto

M

de

elementos

x, y, z,

de

natureza

arbitrária

se

denomina

Espaço

Métrico,

se

todo

par

de

elementos x, y M se corresponde a um número real não negativo ρ(x, y) de modo que:

ρ(x, y)= 0 x = y

(axioma da identidade)

(2.3.1)

ρ(x, y)=

ρ(y, x)

(axioma da simetria)

(2.3.2)

ρ(x, y)+ ρ(y, z)ρ(x, z)

(axioma

triangular)

(2.3.3)

O número

métrica e muitas vezes também é denotado pelo símbolo

ρ(x,y)

leva o nome de distância entre os elementos x e y ou

x, y , y , y

vezes também é denotado pelo símbolo ρ ( x , y ) leva o nome de

.

27

Exemplos: 1. Espaço de pontos isolados com ρ ( x , y ) = 0

Exemplos:

1. Espaço

de

pontos

isolados

com

ρ(x, y)= 0 x = y

 

ou

ρ(x,y)=1x y.

 

2. O conjunto dos números reais com distância

ρ(

,

x y

)=

x

y

formando o espaço métrico

1

R .

3. O conjunto de grupos ordenados de n números reais

(

x =

ρ

(

x

1

)

x y

,

,

x

2

=

,,

x

n

)

com distância definida por

 

n

(

 

)

2

y k − x k

y

k

x

k

k = 1

que se denomina espaço aritmético

euclidiano de n-dimensões

(1) (2.3.1) e (2) (2.3.2) da definição 1 acima.

R

n . Vê-se que

R

n satisfaz os axiomas

28

Definição 2: O conjunto de grupos ordenados de n números reais x = ( x
Definição 2:
O conjunto de grupos ordenados de
n
números
reais x
=
(
x
,
x
,…,
x
)
com distância definida por:
1
2
n
n
ρ
(
x y
,
)
=
∑ |
x
y
|
(2.3.4)
k
k
k = 1
n
é conhecido por
R
.
1

29

Definição 3: O conjunto de grupos ordenados de n números reais x = ( x
Definição 3:
O conjunto de grupos ordenados de
n
números
reais x
=
(
x
,
x
,…,
x
)
com distância definida por:
1
2
n
ρ
(
x y
,
)
=
max
y
x
,
(
1
≤ ≤
k
n
)
k
k
n
é conhecido por
R
.
0
Exemplo:
O conjunto C[a,b] de todas as funções contínuas sobre o segmento
[a,b] e distância definida por:
ρ
(
f
,
g
)
=
max
g
()
t
f
()
t
, ∀
(
a
≤ ≤
t
b
)
(2.3.5)

30

Definição 4: Denomina-se espaço L , o espaço vetorial cujos 2 pontos são todas as
Definição 4:
Denomina-se espaço
L , o espaço vetorial cujos
2
pontos são todas as seqüências
x =
x
,
x
,…,
x
de números reais
1
2
n
2
que satisfaçam a condição
∑ x
k <∞
e cuja distância é definida por:
k = 1
n
2
ρ
(
x y
,
)
=
(
y
x
)
(2.3.6)
k
k
k = 1

(

,

)

31

Definição 5: O conjunto de todas as funções contínuas no segmento [a,b], definindo distância por:
Definição 5: O conjunto de todas as funções contínuas no
segmento [a,b], definindo distância por:
1/2
b
2
ρ
(
x , y
)
=
[
x t
( )
y t
( )] dt
(2.3.7)
 
  
é o espaço métrico conhecido por
C
2 [
a,b
]
e é chamado de espaço das
funções contínuas com métrica quadrada.

a

32

Definição 6: O conjunto de todos os grupos ordenados x = ( x , x
Definição 6:
O conjunto de todos os grupos ordenados
x =
(
x
,
x
,…,
x
,…
)
de n números reais com distância ou métrica igual
1
2
n
a:
1
n
p
 
ρ
 
k = 1
onde p é um número fixo arbitrário ≥ 1, é o espaço métrico denotado
R
n
por
.
p
Em (2.3.8) se p = 2 , a desigualdade de Hölder é igual à desigualdade
de Cauchy - Buniakovski (já vista anteriormente).

33

p (

,

x y

)

= 

y

k

x

k

p

(2.3.8)

Definição 7:

Uma semimétrica sobre um conjunto M

função

d :

+

M×M R que satisfaz as seguintes propriedades:

i. d (x, y)0

ii. d (x, y)= 0 x = y

é uma

iii. d (x, y)= d (y, x) A diferença entre semimétrica de uma métrica (veja definição 1) é a de que as semimétricas não precisam atender à desigualdade triangular (veja expressão (2.3.3)).

Um conjunto M de elementos x, y, z,de

natureza arbitrária se denomina Espaço Semimétrico, se todo par de elementos x, y M se corresponde a um número real não negativo

Definição 8:

d (x, y) que atenda aos axiomas da definição 7 acima.

34

Aplicações Contínuas de Espaços Métricos. Isomorfismo.

Sejam X e Y dois espaços métricos e f

uma aplicação do espaço X

em

Y :

f : X Y

(leia-se

f

aplica

X em

elemento

x X

se

põe

em

correspondência

um

Y ). Portanto, a cada

elemento

y = f (x) Y .

y = f (x)Y

por L( f ).

para x X

. O conjunto de todos os

f , e é designado

é denominado de imagem de

35

Sendo

f : XY

, diz-se que

X

é o domínio de

Sendo f : X → Y , diz-se que X é o domínio de f

f

Definição 1: A aplicação como exposta acima é dita uma aplicação contínua no ponto x
Definição 1:
A
aplicação
como
exposta
acima
é
dita
uma
aplicação contínua no ponto
x
0 ∈ X
se para cada
ε > 0
existir um
δ > 0
tal
que,
para
todos
os
x ∈X
que
satisfizer
a
desigualdade
ρ (
x, x
)
< δ , se verifica a desigualdade
ρ f x , f x < ε, onde ρ e
(
(
)
(
))
0
1
0
ρ
1 são as distâncias (ou métricas) em
X e Y respectivamente. Se a
aplicação é contínua em todos os pontos de
contínua em .
X , diz-se que ela é
X

36

Homomorfismo Definição 2: Sendo f uma aplicação biunívoca de X em Y, −1 existe a
Homomorfismo
Definição 2:
Sendo
f
uma aplicação biunívoca de
X
em
Y,
−1
existe a aplicação inversa
x = f
(
y
)
de
Y em
X
. Se tanto
f
como
f −1
forem
aplicações
contínuas,
diz-se
que
f
é
uma
aplicação
homomorfa, ou homomorfismo, e e Y sobre os quais se podem
estabelecer uma aplicação homomorfa, são denominados espaços
homomorfos.
X

37

Isomorfismo Definição 3: Dois espaços métricos são ditos espaços isomorfos, quando se pode estabelecer entre
Isomorfismo
Definição 3: Dois espaços métricos são ditos espaços isomorfos,
quando se pode estabelecer entre seus elementos uma aplicação
bijetiva, tal que
f
ρ x , x = ρ
(
)
( f
(
x
)
, f
(
x
))
(2.4.1)
1
2
1
1
2
Assim
f
é dita uma aplicação isomorfa e os espaços
X
e
Y são
isométricos.

38

Definição 4: Dada uma aplicação , supondo que exista f : X→Y uma constante c
Definição 4: Dada uma aplicação , supondo que exista
f
: X→Y
uma constante c > 0 (chamada constante de Lipschitz) tal que:
ρ
( f
(
x
)
, f
(
x
))
= c ⋅ ρ x , x
(
)
(2.4.2)
1
2
1
2
quaisquer que sejam
uma aplicação Lipschitziana.
x
,
x
pertencentes a
X
, diz-se então que
f
é
1
2
Definição 5: Dada uma aplicação
f : X→Y
, designa-se por N ( f )
ao conjunto de todos os elementos tais que f (x)= 0. O conjunto
x ∈X
N ( f ) é um subespaço de e é denominado de núcleo da aplicação .
X
f

39

Definição 6: Dada duas métricas ρ ρ 2 num conjunto A ⊂ X , 1
Definição 6: Dada duas métricas
ρ
ρ
2 num conjunto A ⊂ X ,
1 e
escreve-se
A =
(
A,ρ
)
e
A =
(
A,ρ
)
. Diz-se que as métricas
ρ
1 e
ρ
1
1
2
2
2
são uniformemente equivalentes quando a aplicação
A → A
for um
1
2
homomorfismo
uniforme.
Assim
se
ρ
ρ forem métricas
1 e
2
uniformemente equivalentes em A , então todas as aplicações
definidas em A são as mesmas, quer se use a métrica
ρ 1 ou a métrica
ρ
2 .

40

Exemplos 1. Considere o exemplo abaixo onde o espaço dos vetores linha com duas colunas
Exemplos
1. Considere o exemplo abaixo onde o espaço dos vetores linha
com duas colunas e o espaço dos vetores coluna com duas linhas.
Esses dois espaços são os mesmos, aos quais associamos os
vetores que têm os mesmos componentes, isto é.
1
(
1
2
)
2
então esta correspondência preserva as operações de adição
1
3
4
 
 
 
(
1
2
)
+
(
3
4
)
=
(
4
6
)
↔  +  =
2
  
 
4
  
    
6
     

41

e a multiplicação por escalar  1  4  4 ⋅ ( 1 2
e a multiplicação por escalar
1
4
4
⋅ (
1
2
)
=
(
4
8
)
↔ ⋅
4
 
 
=   
 
2
  
8
  
2. Outros dois espaços: o espaço
P , dos polinômios quadráticos,
2
e o ℝ 3 são os “mesmos”. Aqui a correspondência natural é:
a
0
 
 
+
a x
+
a x
2 
a
a 0
1
2
1
 
 
 
a
2 
A estrutura é preservada com a operação de adição, assim:

42

2 + a x + a x a 0 1 2 2 + b x
2
+
a x
+
a x
a 0
1
2
2
+
b x
+
b x
b 0
1
2
a
b
a
+
b
0 
 
0
0
0
 
 
2
  
 
( a
+
b
)
+
(
a
+
b
)
x
+
(
a
+
b
)
x
 
a
 
+ =
b
a
+
b
0
0
1
1
2
2
1
1
1
1
       
 
  
 
 b
+ b
 
a
2  
  
    
a
2
2
2
e com a operação de multiplicação por escalar:
a
ka
0
0
 
2
2
 
k
(
a
+
a x
+
a x
)
=
ka
+
ka x
+
ka x
k
a
= 
ka
0
1
2
0
1
2
1
1
 
 
a
2 
        
ka
2

43

Muitas vezes se está interessado em um tipo de isomorfismo em

particular, no automorfismo.

o

qual

o

espaço

é

isomorfo

a

si

mesmo,

isto

é,

Automorfismo Definição 7:

O isomorfismo no qual o espaço métrico é isomorfo

a si mesmo é um mapeamento chamado de automorfismo.

44

Considere o espaço

P

5

de polinômios de grau menor ou igual a 5, e um

mapeamento que envia um polinômio p(x) para outro p(x 1). Por

exemplo, sob esse mapeamento tem-se:

 
 

2

x

(

x

1

) 2

=

x

2

2

x

1

x

3

+

2

x

(

x

1

)

3

=

3

x

3

2

x

+

5

x

3

 

Isto é um automorfismo. Geometricamente, a substituição de x por x 1 em qualquer função, desloca seu gráfico para a direita por uma

unidade. Assim um automorfismo f para

P mostra que esse espaço

5

tem certa homogeneidade horizontal – o aspecto do espaço é o mesmo tanto próximo de x =1 quanto de x = 0 .

Definição 8:

Um mapa de dilatação

 

d

k

:

R

2

R

2

transforma

todos os vetores em novos vetores iguais aos anteriores multiplicados

por um escalar k (Figura 2.2) é um automorfismo de

R

2

.

45

d (v) v d (u ) u FIGURA 2.2 DILATAÇÃO VETORIAL
d (v) v d (u ) u FIGURA 2.2 DILATAÇÃO VETORIAL
d (v)
v
d (u )
u
FIGURA 2.2 DILATAÇÃO VETORIAL

46

Definição 9: Um mapa de rotação :

t

θ

R 2

por uma rotação, relativa a um ângulo um automorfismo.

t( u) u
t( u) u

t( u)

u

t( u) u
t( u) u
t( u) u

FIGURA 2.3 ROTAÇÃO VETORIAL

2

R transforma os vetores (Figura 2.3). Isso também é

47

Um outro tipo de automorfismo em

que reflete todos os vetores sobre uma linha l que passa pela origem (Figura 2.4).

2 é o mapeamento

f

1

2

:

2

f(u) u
f(u)
u

FIGURA 2.4 REFLEXÃO VETORIAL

48

Exemplos:  x       x  3 2  π
Exemplos:
x
x
3
2
π
1. O mapa de projeção
π :
R
R
y
→ 
é
um
y
z
homomorfismo. Ele preserva a adição
x
x
x
+
x
x
x
 
 
1
2
 
1
2
1
2
+
x
 
  
 
  x
1
2
 
 
π
y
+
y
=
π
y
+
y
π
y
=  
=
+
π
y
  
1
2
 
   z
1
2
1
2
 
y
+
y
1
2
z
  
  
  
z
+
z
z
z
1
2
1
2
1
2
e preserva a multiplicação por escalar:
 x  
rx
x
rx 
π
r ⋅
y
=    
π
ry
=  
= r ⋅
π
y
  
  ry  
 
  z   
rz
z

49

Note que este mapeamento não é um isomorfismo. Uma vez que ele não é biunívoco
Note que este mapeamento não é um isomorfismo. Uma vez que ele
não é biunívoco ou bijetor, pois tanto (0,0,0) e (0,0, z) em ℝ 3 são
mapeados apenas para (0,0) em ℝ 2 .
3
2. O mapeamento
f
: ℝ → ℝ
dado por (x, y, z)→ 3x + 2 y + 4z é
linear e é um homomorfismo.
Em contraste, o mapeamento
3
g : ℝ → ℝ
dado
por
(x, y, z)→ 3x + 2 y + 2z +1 não é linear.
O que distingue os homomorfismos é que as funções coordenadas são
combinações lineares dos argumentos.

50

Lema 1:

 

Um isomorfismo mapeia o elemento zero de um espaço

sempre ao elemento zero do outro espaço ou do mesmo espaço.

Demonstração:

 

Quando

f : X Y

é um isomorfismo, qualquer x X

 

corresponde a um

elemento y Y e como um elemento fixo 0 X sofre, pela definição 3, a seguinte transformação:

x

ρ

x

()

=ρ

(

0

x

,

x

)

=ρ

(

f

(

0

x

0

⇒ =

x

)

f

,

f

(

())

x

0

x

)

=

=ρ

0

y

(

f

(

0

x

)

,

y

)

=ρ

(

y

)

Em outras palavras 0 x

 

0 y .

 

51

A definição de isomorfismo requer que a soma de dois elementos se correspondam bem como a multiplicação de um escalar por um elemento, logo, pode-se estender o conceito de isomorfismo a todas as combinações lineares dos elementos de um espaço vetorial.

52

Lema 2: Para qualquer mapeamento f : X→Y entre elementos dos espaços considerados preservam suas
Lema 2: Para qualquer mapeamento
f : X→Y
entre elementos
dos espaços considerados preservam suas estruturas: Assim, se
,x
∈ X e c ∈ ℝ então:
x 1
2
(1):
f ( x
+ x
)=
f
( )+
x
f (
x
)
e
1
2
1
2
f (cx)= c⋅ f (x)
(2):
f
preserva a combinação linear de dois elementos quaisquer:
f
( c
x
+c
x
)
= f
(
c
x
)
+ f
(
c
x
)
1
1
2
2
1
1
2
2
(3):
f
preserva a combinação linear de qualquer número finito de
elementos:
f
( c
x
+…+
c
x
)
=
f
(
c
x
)
+…+
f
(
c
x
)
1
1
n
n
1
1
n
n

53

Demonstração:

54

Veja no livro Análise e Métodos Nuuméricos Aplicados a Engnharia, do autor.

Lema 3:

Se espaços são isomórficos, então eles têm a mesma

dimensão.

Demonstração:

Veja no livro Análise e Métodos Nuuméricos Aplicados a Engnharia, do autor.

Lema 4: As condições necessárias e suficientes para que f : X→Y sejam um homomorfismo
Lema 4: As condições necessárias e suficientes para que
f : X→Y
sejam um homomorfismo são, para qualquer
c ,c
∈ℝ e
x ,x
:
∈ X
1
2
1
2
f
(
c x
+c x
)
= c f
(
x
)
+c f x
(
)
1
1
2
2
1
1
2
2
E para quaisquer
c
1 ,…,
c
n ∈ℝ
e
x ,
…, ∈
x
X ,
1
n
f
(
c x
+⋯+
c x
)
=
c f
(
x
)
+⋯+
c
f
(
x
)
1
1
n
n
1
1
n
n
Este lema simplifica a verificação de que uma função linear poder
preservar a sua estrutura com relação à adição e a multiplicação por
escalar.

55

Exemplo 2 O mapeamento f : R x / 2 → R 4 dado por:
Exemplo
2
O
mapeamento f : R
x / 2
→ R 4 dado por:
 x 
0
f
→
y 
x
+
y
3 y
satisfaz a seguinte verificação:
r
(
x
/ 2)
+
r
(
x
/ 2)
x
/ 2
x
/ 2
1
1
2
2
1
2
 
 
0
0
0
 
 
= r
  
+ r 
  
1
2
 r
(
x
+
y
)
+
r
(
x
+
y
) 
x
+
x
x
+
y
1
1
1
2
2
2
1
2
2
2
r
(3
y
)
+
r
(3
y
)
3
y
3
y
1
1
2
2
1
2
e é um homomorfismo.

56

Alguns dos resultados que se tem visto para isomorfismos falham quando aplicados a homomorfismos; em
Alguns dos resultados que se tem visto para isomorfismos falham
quando aplicados a homomorfismos; em geral um isomorfismo entre
espaços estabelece uma correspondência entre suas bases, mas um
homomorfismo não necessariamente.
A diferença entre homomorfismo e isomorfismo é que enquanto ambos
os mapeamentos preservam a estrutura, o homomorfismo não
necessariamente precisa ser uma bijeção.

57

Teorema 1: Um homomorfismo é determinado por sua ação sobre

uma base. Isto é, se

{

B

X

}

=

{

β

1

,,

β

n

}

é uma base no espaço

 

X

e

y

1

,,

y

n

são (não necessariamente distintos) elementos do espaço

Y

então existe um homomorfismo de

X

para

Y

mandando

β

1

para

y

1

,

β

n

para

y

n

, e este homomorfismo é único.

 

Demonstração:

 

Veja no livro Análise e Métodos Numéricos Aplicados a Engnharia, do autor.

 

Definição 7:

Um mapeamento linear de um espaço nele mesmo

f

: X X é uma transformação linear.

 

58

Exemplo d O mapeamento de derivadas : P → P n n dx d n
Exemplo
d
O mapeamento de derivadas
:
P
P
n
n
dx
d
n
n − 1
a
+
a x
+⋯+
a x
→ +
a
2
a x
+⋯+
na x
0
1
n
1
2
n
dx
é uma transformação linear, pois preserva sua estrutura com relação à
soma e a multiplicação por escalar.

59

Lema 5: Para espaços lineares de X → Y , é por si mesmo um
Lema 5:
Para espaços
lineares de X → Y
,
é por si mesmo um espaço; um subespaço do
X
o conjunto de todas as funções
Y
espaço de todas as funções de X → Y e é denotado por L(X ,Y).
Demonstração:
Veja no livro Análise e Métodos Nuuméricos Aplicados a Engnharia, do autor.

60

Convergência. Conjuntos Abertos e Fechados.

Definição 1:

espaço métrico é o conjunto de todos os pontos x X que satisfaçam à condição:

Uma

bola

aberta,

denotado

por

B(

x

0 , r)

,

num

 

X

ρ( ,

x x

0 )<

r

(2.5.1)

onde o ponto fixo

x

0 é o centro e r o raio da bola.

61

Definição 2:

espaço métrico à condição:

Uma

bola

fechada,

denotada

por

B[

x

0

, r]

num

 

xX

, que satisfaçam

X é o conjunto de todos os pontos

onde o ponto fixo

x

0 é o centro e

r o raio da bola.

Definição 3:

denominará -vizinhança do ponto

Uma bola aberta de raio

x

ε

e centro em

x

0 )

.

x

0

x

se

0 e é denotado por V

ε

(

Definição 4:

qualquer, que satisfaça a igualdade

esfera de centro e raio , e é denotada por S

O conjunto de pontos de uma bola fechada B[

0 , r]

r é denominado de

x

0 )

.

r (

x

0

r

ρ(

,

x x

0 )r

ρ(

,

x x

0 )=

62

Ponto de Aderência

Definição 5: Um ponto

conjunto A X se qualquer vizinhança sua contém pelo menos um ponto de A . Ou ainda x é ponto de aderência de A se x for o limite de

uma seqüência de pontos

x

n

X .

Assim todo ponto

de pontos

ele pertença a

é de aderência, pois basta tomar uma seqüência

X sem que

X , como por exemplo, se X = (0,+), então 0 X ,

xX

x

n

x. Mas pode-se ter um ponto a aderente a

=

mas 0é aderente a

X pois é o limite da seqüência

1 

 

n  

n

para todo n + .

63

xX

é

dito

ponto

de

aderência

do

 

 

com

1

X

A totalidade dos pontos de aderência ao conjunto [A]e é chamado de aderência do conjunto .

A

A

é denotada por

Teorema 1: A operação de aderência tem as seguintes propriedades:

 

1.

A [A]

 

(2.5.2)

2.

 

[

A

]

 

=

[

A

]

(2.5.3)

3.

se

 

A 1

A

2

então [

A

1

]

[

A

2

]

(2.5.4)

4.

[ A

1

A

2

]=[ ][ ]

A

1

A

2

 

(2.5.5)

Demonstração:

Veja no livro Análise e Métodos Nuuméricos Aplicados a Engnharia, do autor.

64

65

65

Ponto de Acumulação

Definição 6:

conjunto

infinito de pontos de

não a

é dito ponto de acumulação do

, quando em toda vizinhança sua existe um número

A . O ponto de acumulação pode pertencer ou

Um ponto

xX

A X

A .

Por exemplo, se é o conjunto dos números racionais do segmento [0,1], todo ponto dele é um ponto de acumulação de .

A

A

Definição 7: Um ponto é dito ponto isolado do conjunto ,

quando uma vizinhança sua

suficientemente pequena não

contém outros pontos de , distintos de x.

xX

V

ε

(

A

x

)

A

66

Definição 8: Seja x , x ,…, x ,… uma seqüência de elementos 1 2
Definição 8:
Seja
x
,
x
,…,
x
,…
uma seqüência de elementos
1
2
n
de um espaço métrico
X . Diz-se que esta seqüência converge para um
elemento x, quando toda vizinhança
V
(
x
)
do elemento x , contém
x ,
ε
n
a partir de algum elemento, isto é, quando a cada número ε > 0
corresponde um número
N
ε tal que
V ε (
x )
contenha todos os elementos
x
para n > N . Ao elemento , denomina-se de limite da seqüência
x
n
{
x
n }
.
Uma outra maneira de se definir convergência é: lim ρ(
x,x
= 0
.
n )
n →∞
Desta definição concluímos que:
∑ Nenhuma seqüência pode ter dois limites distintos; e

67

Se a seqüência converge ao elemento

x , toda seqüência parcial

. seja um ponto de aderência

contido nela, também converge para o mesmo elemento

xX

x

Teorema 2: Para que o elemento

ao conjunto

de elementos de

A é necessário e suficiente que exista uma seqüência {

A

que convirja para

x

.

x

n }

Definição 9:

X

. O conjunto

A

Sejam

A e Bdois conjuntos de um espaço métrico

é dito denso em

B, quando

[A]

B . Em particular,

A

é sempre denso, no espaço métrico , quando a aderência [A] coincide todo o espaço .

X

X

68

Exemplo: O conjunto dos números racionais é sempre denso na reta numérica.
Exemplo:
O conjunto dos números racionais é sempre denso na reta numérica.

69

Definição 10:

Um

conjunto

A X

(

X

, espaço métrico) é dito

conjunto fechado quando coincide com a sua aderência: A =[A], isto

é, se ele contém todos os seus pontos de acumulação.

Exemplos:

 

Uma bola fechada representa um conjunto fechado. Em particular, o

conjunto das funções

f

do espaço C[a,b] que satisfaçam a condição

f

t

()

k , é fechado;

 

Em qualquer que seja o espaço métrico

X

o conjunto vazio, , e todo

o espaço,

X

, são fechados.

 

70

Proposição 1: Sejam X ,Y espaços métricos. Para que uma

aplicação seja contínua, é necessário e suficiente que a sua

f

: XY

imagem inversa

f

1

(

)

A de todo subconjunto fechado A Y seja um

subconjunto fechado de .

X

Teorema 3: A união de um número finito e a interseção de um número qualquer (finito ou infinito) de conjuntos fechados é fechada.

Demonstração:

Veja no livro Análise e Métodos Nuuméricos Aplicados a Engnharia, do autor.

71