Escolar Documentos
Profissional Documentos
Cultura Documentos
Espa
cos vetoriais
No que se segue, quando aparecer = quer dizer que a igualdade vale pela definicao de
que for dada no exemplo. Analogamente, quando aparecer = a justificativa e a definicao de .
R
Quando aparecer =, a igualdade se da por propriedades dos n
umeros reais. Quando aparecer
A1
= a justificativa e a propriedade (A1) da definicao de espaco vetorial. Analogamente para as
propriedades (A2), ..., (A4) e (M1), ..., (M4).
1
na verdade a definic
ao apresentada aqui e a de um espaco vetorial sobre R, mas, como s
o trabalharemos com
espacos 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
R, definimos (a, b) (c, d) := (a + c, b + d) e (a, b) := (a, b). Considere como 0 o
possvel mostrar que (R2 , , ) satisfaz todas as propriedades de um espaco
elemento (0, 0). E
vetorial. Como exemplo, vamos mostrar que satisfaz as propriedades (A3) e (A4), deixando as
outras como exerccio:
(A3) Note que, dado (a, b) R2 temos (a, b) (0, 0) = (a + 0, b + 0) = (a, b) e, portanto, temos
(A3).
(A4) Seja (a, b) R2 . Considere (a, b) que, de fato, pertence a R2 . Note que (a, b)
(( + ) f )(x) = ( + )f (x)
R
= f (x) + f (x)
= ( f )(x) ( f )(x)
M3
definicao de espaco vetorial. Entao, temos 2(1, 2) = (1+1)(1, 2) = (1(1, 2))(1(1, 2)) =
(1, 2) (1, 2) = (1 + 1, 2 + 2) = (2, 4). Como (2, 2) 6= (2, 4) temos uma contradicao e, portanto,
(R2 , , ) nao e um espaco vetorial.
Por comodidade, dado (V, , ) um espaco vetorial, denotaremos o smbolo por + (assim,
v u = v + u) e por (assim, v = v). Na verdade, o mais usual (e que tambem
adotaremos aqui) e simplesmente omitir o smbolo . Por exemplo, v fica v. Quando e
estiverem claros no contexto, chamaremos de V o espaco vetorial (V, , ).
Ja vimos alguns exemplos de espacos vetoriais e alguns exemplos de coisas que nao sao espacos
vetoriais. Vamos agora comecar a ver o que pode ser deduzido a partir da definicao de um
espaco vetorial. Ou seja, vamos ver algumas propriedades que todos os espacos vetoriais tem,
independente de sua definicao particular.
Defini
c
ao 1.5. Seja V um espaco 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 definicao de espaco vetorial e um elemento
neutro. Sera que podem haver outros? O proximo resultado diz que nao.
Proposi
c
ao 1.6. Seja V um espaco vetorial e seja v elemento neutro de V . Ent
ao v = 0.
A2
Dem.: Como v e elemento neutro de V , temos que 0 + v = 0. Por outro lado, temos 0 + v =
A3
v + 0 = v. Logo, 0 = v como queramos.
M3
Dem.: Seja u V tal que 0v +u = 0. Tal u existe por (A4). Temos que 0v = (0+0)v = 0v +0v.
A1
A3
Defini
c
ao 1.8. Sejam V um espaco vetorial e v V . Dizemos que u V e um elemento
oposto a v se v + u = 0.
Pela propriedade (A4) da definicao de espaco vetorial, temos que todo elemento v tem um
oposto. O proximo resultado diz que existe apenas um u
nico oposto para cada elemento.
Proposi
c
ao 1.9. Sejam V um espaco vetorial e v V . Suponha que u, w V s
ao elementos
opostos a v. Ent
ao u = w.
Dem.: Temos
u
A3
=
=
A1
A2
=
=
A2
A3
u+0
u + (v + w)
(u + v) + w
(v + u) + w
0+w
w+0
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 espaco vetorial e seja v V um elemento qualquer. Ent
ao 1v
e oposto a v (e, por 1.9, e o u
nico elemento oposto a v).
M4
M3
1.7
(iii) Se v = 0 ent
ao = 0 ou v = 0;
Dem.:
M2
M1
M4
1.1
Exerccios
a1 b1
c1 d1
a b
c d
: a, b, c, d R , : M2 M2 M2 dada por
a2 b2
c2 d2
:=
a1 + a2 b1 + b2
c1 + c2 d1 + d2
e : R M2 M2 dada por
a b
c d
:=
a b
c d
Mostre que (M2 , , ) e um espaco vetorial. As operacoes assim definidas sao as usuais para
M2 .
Exerccio 1.3. Exiba os elementos neutros dos seguintes espacos vetoriais: R3 e M2 (cada um
com a soma e a multiplicacao por escalar usuais).
1 2
0 3
7 4
, B :=
e C :=
.
2 1
1 0
1 0
Calcule, com as operacoes usuais de M2 , os seguintes elementos:
Exerccio 1.8. Seja A, B, C M2 , onde A :=
(a) A + B
(b) B + 12 C
(c) A B + 4C
Subespa
cos vetoriais
Vejamos agora um modo de obter espacos vetoriais novos a partir de velhos. Dado (V, +, )
um espaco vetorial, podemos tentar criar um novo espaco (S, , ) simplesmente tomando S V
e fazendo com que e sejam as restricoes de + e respectivamente. E, e claro, queremos que
(S, , ) satisfaca as propriedades da definicao de espaco vetorial. Ou seja, temos a seguinte
definicao:
Defini
c
ao 2.1. Seja (V, +, ) um espaco vetorial. Dizemos que (S, , ) e um subespa
co vetorial de V se (S, , ) e um espaco vetorial, S V e, dados u, v S e R temos que
u v = u + v e v = v. Dizemos que e sao as opera
c
oes induzidas por + e
respectivamente.
Por comodidade, normalmente usaremos os mesmos smbolos para as operacoes no espaco original e no subespaco. E, quando as operacoes estiverem claras no contexto, diremos simplesmente
que S e subespaco de V .
O proximo resultado e simples, mas e importante te-lo em mente.
Proposi
c
ao 2.2. Se (S, , ) e subsespaco vetorial de (V, +, ), ent
ao, dados u, v S e R,
temos que u + v S e v S.
Dem.: Como S e espaco 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
v.
Vamos agora a um exemplo de subespaco.
a 0
Exemplo 2.3. Seja (D, +, ) onde D :=
: a, b R e + e sao as restricoes das
0 b
operacoes em M2 . Vamos ver que D e subespaco de M2 . Para isso, precisamos ver, primeiramente,
que as operacoes + e , que sao as restricoes da operacoes de M2 , de fato sao funcoes de D D
em D e R D em D respectivamente. Ou seja, precisamos
mostrar que,
dadosA, B D e R,
a1 0
b1 0
temos que A + B D e A D. Sejam A :=
, B :=
D. Temos que
0 a2
0 b2
a1 0
b1 0
a1 + b1
0
+
+
=
D. Para mostrar que A D e analogo
0 a2
0 b2
0
a2 + b2
0 0
(exerccio). Observe tambem que o elemento
D faz o papel de elemento neutro em
0 0
D. Assim, para concluirmos que D e de fato um espaco vetorial, so resta mostrar que valem
as propriedades (A1), ..., (A4), (M1), ..., (M4) da definicao de espaco vetorial. Como exemplo,
vamos mostrar a propriedade (A2) deixando as outras como exerccio: Sejam A :=
b1 0
B :=
D. Temos
0 b2
a1 0
b1 0
A+B =
+
0 b2
0 a2
a1 + b1
0
=
0 a2
+ b2
b1 0
a1 0
=
+
0 b2
0 a2
= B+A
a1 0
0 a2
,
O proximo exemplo mostra que podemos ter (V, +, ), (S, , ) ambos espacos vetoriais e com
S V mas sem que S seja subespaco de V .
Exemplo 2.4. Considere (R, +, ), onde + e sao as operacoes usuais. Considere (P, , ), onde
P := {r R : r > 0} e e sao as operacoes definidas no exerccio 1.5, isto e, dados r, s P e
R, temos que r s = rs e r = r . Pelo exerccio 1.5, temos que (P, , ) e um espaco
vetorial. Mas, apesar de P R, nao e verdade que (P, , ) e subespaco vetorial de (R, +, ).
Isso se da porque as operacoes em P nao sao as operacoes induzidas por R. De fato, considere
1, 2 P . Por um lado, tomando as operacoes em P , temos que 1 2 = 1 2 = 2. Por outro lado,
tomando as operacoes em R, temos que 1 + 2 = 3.
O proximo exemplo mostra que podemos ter (S, +, ), com S V , definiras operacoes em
S como as de V e, ainda assim, S nao ser subespaco de V .
Exemplo 2.5. Considere [0, 1] R. Temos que ([0, 1], +, ), onde + e sao as restricoes das
operacoes usuais de R, nao e um subespaco vetorial de R. Para ver isso, suponha que seja. Ent
ao,
dados a, b [0, 1] temos, por 2.2, que a + b [0, 1]. Como 1 [0, 1], temos que 1 + 1 = 2 [0, 1],
contradicao. Logo, [0, 1] nao e subespaco vetorial de R.
Vimos que, dado um subconjunto S de um espaco vetorial V e necessario fazer muitas verificacoes para decidir se ele e um subespaco vetorial ou nao. Temos que verificar as oito propriedades de espaco vetorial, a existencia de um elemento neutro e ainda verificar se as restric
oes
das duas operacoes tem contra domnio S. O proximo resultado mostra uma maneira mais f
acil
de fazer tal decisao.
Proposi
c
ao 2.6. Seja (V, , ) um espaco vetorial. Seja S V . Ent
ao (S, +, ), onde + e
s
ao as restric
oes das operac
oes de V , e um subespaco vetorial se, e somente se, s
ao satisfeitas as
seguintes condic
oes:
(a) 0 S;
8
Vamos aproveitar o resultado anterior e dar mais alguns exemplos de subespacos vetoriais,
agora fazendo as verificacoes de maneira bem mais simples.
Exemplo 2.7. Considere C := {f : f e funcao contnua de R em R}. Temos que C, com as
operacoes usuais de funcoes, e um espaco vetorial. De fato, podemos mostrar que C e subespaco
vetorial de F (ver exemplo 1.3). Para isso, vamos aplicar 2.6. Note que o elemento neutro de
F e a funcao identicamente nula que e uma funcao contnua. Logo, 0 C. Se f e g sao func
oes
contnuas, temos que f + g tambem e uma funcao contnua. Finalmente, se f e um func
ao
contnua e R, temos que f e uma funcao contnua.
2.1
Exerccios
Exerccio 2.2. Seja V espaco vetorial e S V . Mostre que S com as operacoes restritas de V
e um subespaco vetorial de V se, e somente se, S e nao vazio e, dados R e u, v S temos
u + v S.
10
0 0
0 0
. S com as operac
oes
Combina
c
oes lineares e subespa
cos gerados
Segue imediatamente das propriedades de espacos 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 espaco. O proximo resultado simplesmente diz que podemos,
na verdade, somar qualquer quantidade (finita) de elementos do espaco e sempre obteremos
outro elemento do espaco. Alem disso, cada elemento desta soma pode ser multiplicado por um
escalar sem prejuzo algum. Antes de mostrar tal resultado, vamos demonstrar uma importante
ferramenta matematica que nos sera u
til:
Teorema 3.1 (Princpio da inducao). 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 tambem
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 nao vale. Seja n o menor
n
umero para o qual nao vale P . Por hipotese, 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 hipotese, temos que a
propriedade P vale para (n 1) + 1 = n, contradicao.
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 tambem vale para n + 1. Ent
ao a propriedade P vale para todo n
umero
k N com k m.
Dem.: Considere a propriedade P 0 tal que P 0 vale para um n
umero n se, e somente se, P vale
para n + m. Aplicamos o teorema para P 0 e obtemos o resultado.
Proposi
c
ao 3.3. Seja V um espaco vetorial. Sejam 1 , ..., n R e v1 , ..., vn V . Ent
ao
n
X
i vi V
i=1
Dem.: Por inducao2 sobre n. Caso n = 1, temos que 1 v1 V pela definicao de espaco vetorial.
Agora
Pn suponha que vale o resultado para n e vamos mostrar para n + 1. Por hipotese, temos que
i=1 i vi V . Assim
n+1
n
X
X
i vi = (
i vi ) + n+1 vn+1 V
| {z }
i=1
i=1
V
| {z }
V
Uma vers
ao informaldeste resultado que talvez ajude a entende-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 tambem est
a pintada,
podemos concluir que toda a fila est
a pintada.
P
2
ou seja, a propriedade aqui considerada e que dados 1 , ..., n R e v1 , ..., vn temos que n
i=1 i vi V .
11
Exemplo 3.6. Seja V espaco vetorial. Sejam u, v V . Temos que u + v e combinacao linear de
u v e v. De fato, temos que 1(u v) + 2v = u + v.
Suponha que temos um espaco vetorial V e A V um conjunto qualquer nao vazio. Pelo
resultado 3.3 temos que se A e um subespaco vetorial de V , entao qualquer combinacao linear de
elementos de A tambem e um elemento de A1 . E se A nao for um subespaco? Sera que e suficiente
acrescentarmos as combinacoes lineares de A para obtermos um subespaco? O resultado seguinte
afirma que sim.
Proposi
c
ao 3.7. Seja V um espaco vetorial. SejaPA V um conjunto n
ao vazio. Ent
ao
n
v
=
v}
e
um
subespa
c
o
vetorial
de
S := {v V : n 1, v1 , ..., vn A e 1 , ..., n R
i=1 1 i
V . Alem disso, A S.
Dem.: Vamos usar 2.6 para mostrar que A e subespaco. Como A e nao vazio, podemos tomar v A. Entao 0v = 0 S. Sejam
Pn u, v S. Ent
Pmao existem u1 , ..., un , v1 , ...., vm A e
1 , ..., n , 1 , ..., m R tais que u = i=1 i ui e v = i=1 i vi . Note que
u+v =
n
X
i ui +
i=1
m
X
i vi
i=1
m
X
i vi =
i=1
m
X
i vi
i=1
se n
ao enxergou isso, tente fazer como exerccio
12
Exemplo 3.10. Considere S M2 dado por
De fato, seja
a 0
0 b
1 0
0 0
a 0
0 b
: a, b R . Temos que S e gerado por
1 0
,
0 2
S. Temos que
a 0
0 b
b
= (a )
2
1 0
0 0
b
+
2
1 0
0 2
Por outro lado, e facil ver que qualquer combinacao linear de
a 0
.
0 b
13
1 0
0 0
e
1 0
0 2
e da forma
3.1
Exerccios
Exerccio 3.1. Considere R2 com as operacoes usuais. Escreva (1, 2) como combinacao linear
de {(1, 1), (0, 4)}.
Exerccio 3.2. Considere R3 com as operacoes usuais. Considere S := [(1, 0, 0), (1, 1, 0)]. De
uma interpretacao geometrica para S.
Exerccio 3.3. Seja V um espaco vetorial. Mostre as seguintes afirmacoes:
(a) Seja S V . Entao S [S];
(b) Sejam S1 S2 V . Entao [S1 ] [S2 ];
(c) Seja S V . Entao [S] = [[S]].
Exerccio 3.4. Considere R3 com as operacoes usuais. Considere S := {(a, b, a + 2b) : a, b R}.
(a) Mostre que S e subespaco de R3 com as operacoes 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.
Exerccio 3.5. Sejam V um espaco vetorial e v V . Mostre que [V r {v}] = V .
Exerccio 3.6. Seja V um espaco vetorial e seja S V um subconjunto qualquer. Mostre que
S = [S] se, e somente se, S e um subespaco vetorial de V .
Exerccio 3.7. Considere M2 com as operacoes usuais. Considere
a b
S :=
M2 : a = c
c d
0 1
0 0
1 0
A :=
,
,
0 0
0 1
1 0
(a) S e um subespaco vetorial de M2 ? Justifique.
(b) Relacione S com [A], justificando suas afirmacoes.
Exerccio 3.8. Sejam V um espaco vetorial e A V um conjunto nao vazio. Suponha que S
seja um subespaco de V tal que A S. Mostre que [A] S.
Exerc
cio 3.9. Sejam V um espaco vetorial e A V um conjunto nao vazio. Mostre que
T
[A] = {S V : S A e S e subespaco de V }.
14
Depend
encia linear
Vimos na secao anterior que um subespaco pode ter varios conjuntos geradores. Inclusive, podemos ter A B distintos que gerem o mesmo subespaco. 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 espaco vetorial e v1 , ..., vn V distintos. Dizemos que v1 , ..., vn
s
a
o
linearmente
dependentes se existem 1 , ..., n R, com pelo menos um i 6= 0, tais que
Pn
v
=
0.
Dizemos
que vP
ao linearmente independentes caso contrario, isto e,
1 , ..., vn s
i=1 i i
n
se dados 1 , ..., n R temos i=1 i vi = 0, entao 1 = = n = 0. Dizemos que A V e
linearmente dependente se existem v1 , ..., vn A distintos linearmente dependentes. Dizemos que
A e linearmente independente caso contrario, isto e, se dados quaisquer v1 , ..., vn A distintos
temos que v1 , ..., vn sao linearmente independentes. Por convencao, dizemos que o conjunto e
linearmente independente.
Este primeiro exemplo, ilustra uma relacao entre dependencia linear e combinacao linear.
Exemplo 4.2. Sejam V um espaco vetorial e u, v, w V . Suponha que w e combinacao linear
de u, v. Entao u, v, w sao linearmente dependentes. De fato, como w e combinacao linear de u, v,
existem , R tais que u + v = w. Assim, u + v 1w = 0.
Mais adiante, veremos que vale uma especie de recproca para este exemplo. Mas antes,
vejamos mais alguns exemplos simples.
Exemplo 4.3. Considere R4 com as operacoes usuais. Temos que (0, 1, 0, 1), (4, 6, 2, 6) e (2, 0, 1, 0)
sao linearmente dependendentes. De fato, temos que
1
3(0, 1, 0, 1) (4, 6, 2, 6) + 1(2, 0, 1, 0) = 0
2
1 1
0 1
1 1
0 0
+ =0
+ =0
2 = 0
+ 2 = 0
De onde obtemos que = = = 0
15
Exemplo 4.5. Considere F com as operacoes usuais. Temos que que as funcoes sen(x) e cos(x)
sao linearmente independentes. De fato, sejam , R tais que, para todo x R, temos
que sen(x) + cos(x) = 0. Fazendo x = 0, temos que 0 = cos0 + sen0 = . E, fazendo
x = 2 , temos que 0 = sen 2 = . Logo, = = 0. Por outro lado, temos que as func
oes
f (x) := 2sen(x), g(x) := sen(x)cos(x) e h(x) := sen(x)+2cos(x) sao linearmente dependentes.
De fato, temos que
3
f (x) + 2g(x) + h(x) = 0
2
para qualquer x R.
Agora vamos ao resultado da recproca do primeiro exemplo desta secao. Sua afirmacao e
a de que se n vetores sao linearmente dependentes, e porque um deles e combinacao linear dos
outros.
Proposi
c
ao 4.6. Sejam V um espaco vetorial e v1 , ..., vn V . Suponha que v1 , ..., vn s
ao linearmente dependentes. Ent
ao existe k tal que 1 k n tal que vk e combinac
ao linear de
{vi : 1 i n e i 6= k}, isto e, existem i R tais que
vk =
n
X
i vi
i=1
i 6= k
n
X
i=1
i 6= k
i
vi
k
16
= k
Pn
i vi +
i=1
i 6= k
Pn
i=1
i 6= k
i vi
4.1
Exerccios
Exerccio 4.2. Considere R4 com as operacoes usuais. Decida se cada conjunto de vetores e
linearmente dependente ou nao. 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)}
Exerccio 4.4. Seja V um espaco vetorial tal que V 6= {0}. Mostre que V r {0} e linearmente
dependente.
Exerccio 4.7. Sejam V um espaco vetorial e u1 , ..., un , v1 , ..., vm V . Suponha que {u1 , ..., un , v1 , ..., vm }
seja linearmente independente. Mostre que [u1 , ..., un ] [v1 , ..., vm ] = {0}.
Exerccio 4.9. Mostre que podemos retirar a hipotese de A ser finito em 4.7. Dica: Como A e
linearmente dependente, temos que existem v1 , ..., vn A linearmente dependentes. Comece com
isso e procure fazer algo parecido com a demonstracao de 4.7.
18
Bases
+ =a
=b
+ =c
++ =d
De onde, temos = a d + b + ca+db
, = b, = d b ca+db
, = ca+db
. Assim, temos
2
2
2
que [B] = R4 . Vamos agora mostrar que B e linearmente independente. Sejam , , , R tais
que (1, 0, 1, 0) + (0, 1, 0, 1) + (1, 0, 0, 1) + (0, 0, 1, 1) = (0, 0, 0, 0). Temos
+ =0
=0
+ =0
++ =0
De onde temos que = = = = 0.
Exemplo 5.3. Para cada k N, considere pk : R R dada por pk (x) = xk . Seja n N.
Chamamos de polin
omios de grau menor ou igual a n o subespaco vetorial de F gerado
por p0 , ..., pn . Denotamos tal espaco por Pn . Temos que B := {p0 , ..., pn } e uma base para Pn .
De fato, pela propria definicao, ja temos que
P [B] = Pn . Resta mostrar que B e linearmente
independente. Sejam 0 , ..., n R tais que ni=0 i pi = 0. Isto e, dado qualquer y R, temos
que
(0 p0 + n pn )(y) = 0 y 0 + + n y n = 0
(1)
Mas temos que um polinomio identicamente nulo tem todos os seus coeficientes nulos. Logo,
0 = n = 0.
Nao apresentaremos aqui a demonstracao do proximo resultado pois ela precisa de um pouco
de material que foge do nosso escopo. Alem disso, para os principais exemplos tratados aqui,
apresentaremos uma versao mais fraca (mas suficiente) deste resultado na proxima secao.
Teorema 5.4. Seja V um espaco vetorial. Ent
ao existe B V base para V .
Dem.: Ver [3], p. 76.
19
5.1
Exerccios
Exerccio 5.1. Exiba uma base para cada espaco vetorial e demonstre que a mesma de fato e
uma base. Considere para cada conjunto as operacoes usuais.
(a) M2
(b) R3
(c) R
Exerccio 5.2. Sejam V um espaco vetorial e B uma base para V . Considere C, D V tais que
C ( B e D ) B. Mostre que C e D nao sao bases de V .
Exerccio 5.3. Sejam V um espaco vetorial e B uma base para V . Seja R com 6= 0.
Mostre que C := {v : v B} e uma base para V .
Exerccio 5.4. Sejam V um espaco vetorial e S V um subespaco tal que S 6= {0}. Considere
verdade que, necessariamente, B S 6= ?
B base para V . E
Exerccio 5.5. Sejam U, V espacos 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 ?
Sistemas lineares
Antes de prosseguirmos com os espacos vetoriais, vamos ver uma aplicacao no estudo de sistemas
lineares homogeneos. Vamos fazer essa aplicacao agora pois um dos resultados sera utilizado na
seq
uencia de nosso trabalho.
Defini
c
ao 6.1. Dizemos que um sistema com n equacoes nas incognitas x1 , ..., xk e um sistema
linear homog
eneo se cada uma das suas equacoes e da forma 1 x1 + 2 x2 + + k xk = 0
com 1 , ..., k R. Dizemos que v = (v1 , ..., vk ) Rk e uma solu
c
ao para o sistema se, para
cada equacao 1 x1 + k xk = 0 temos que 1 v1 + + k vk = 0. Dado um sistema linear
homogeneo E com k incognitas, denotamos por Sol(E) o conjunto {v Rk : v e solucao de E}.
Chamamos Sol(E) de espa
co solu
c
ao de E.
20
Exemplo 6.2.
x1 + 2x2 = 0
x2 x3 = 0
O que vamos fazer agora e determinar uma condicao para que um sistema linear homogeneo
tenha solucoes nao triviais:
P
Lema 6.4. Considere E uma equac
ao da forma ki=1 i xi = 0. Sejam u, v Rk onde v n
ao e
soluc
ao para E. Ent
ao existe R tal que u v e soluc
ao para E.
P
P
Dem.: Escrevemos u = (u1 , ..., uk ) e v = (v1 , ..., vk ). Sejam a := ki=1 ui e b := ki=1 vi .
Como v nao e solucao para E, temos que b 6= 0. Assim, podemos tomar := ab . Vejamos que tal
satisfaz o enunciado. Temos que u v = (u1 v1 , ..., uk vk ). Assim
Pk
Pk
Pk
i=1 i (ui vi ) =
i=1 i ui
i=1 vi
a
= a bb
= 0
1
repare que h
a inc
ognitas que n
ao aparecem em todas as equac
oes, o que seria exigido pela nossa definic
ao.
Mas isso pode ser facilmente contornado, notando-se, por exemplo, que a primeira equac
ao e equivalente a x1 +
2x2 + 0x3 = 0.
21
Proposi
c
ao 6.5. Seja E um sistema linear homogeneo com n equac
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 inducao sobre n. Caso n = 0 temos que Sol(E) = Rk e 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 equacoes, Sol(E) tem um subconjuto linearmente independente com k n 1 elementos.
Se n + 1 = k, terminamos porque {0} Sol(E). Entao podemos supor n + 1 < k, logo, k n > 0.
Considere E0 E onde E0 tem n equacoes. Seja F a equacao restante. Por hipotese de induc
ao,
temos que Sol(E0 ) tem um subconjunto A linearmente independente com k n elementos. Se
todos os elemetos de A forem solucao para F , temos que todos os elementos de A sao soluc
ao
para E e temos o resultado. Se nao, entao existe v A tal que v nao e solucao de F . Escreva
A r {v} = {a1 , ..., akn1 }. Para cada i = 1, ..., k n 1, seja i R tal que ai i v seja
solucao para F (existe pelo lema). Como a1 , ..., akn1 e v sao solucoes para E0 , temos que
cada ai i v e solucao para E0 . Logo, {a1 1 v, ..., akn1 kn1 v} Sol(E). Logo, para
concluirmos o resultado, basta
P mostrarmos que tal conjunto e linearmente independente. Sejam
i (ai i v) = 0. Temos:
1 , ..., kn1 R tais que kn1
i=1
Pkn1
i (ai i v)
0 =
Pkn1
Pi=1
kn1
i v
=
i ai
i=1
Pi=1
Pkn1
kn1
i ai ( i=1 i )v
=
i=1
Como {a1 , ..., akn1 , v} = A e um conjunto linearmente independente, temos que que 1 = ... =
kn1 = 0 como queramos.
Corol
ario 6.6. Seja E um sistema linear homogeneo com mais inc
ognitas do que equaco
es.
Ent
ao E tem uma soluc
ao n
ao trivial, isto e, existe v Sol(E) com v 6= 0.
6.1
Exerccios
Exerccio 6.1. Determine o espaco solucao de cada um dos sistemas a seguir, determinando
tambem uma base para cada um deles.
x1 + x2 = 0
(a)
x2 x3 = 0
x1 + x2 + 3x3 x4 = 0
x1 + x5 = 0
(b)
x5 + x2 x3 = 0
22
Espa
cos finitamente gerados e dimens
ao
1,1 a1 + + m,1 am = 0
..
.
1,n a1 + + m,n am = 0
Como esse sistema e homogeneo, tem m incognitas, n equacoes e n < m, temos que existe
1 , ..., m , com algum i 6= 0, que e solucao. Isto e, para cada i = 1, ..., n, temos que 1,i 1 +
+ m,i m = 0. Temos:
P P
0 = Pni=1 Pm
k=1 k,i k vi
m
= Pk=1 ni=1 k k,i vi
m
=
k=1 k uk
Logo, u1 , ..., um sao linearmente dependentes.
Corol
ario 7.3. Seja V um espaco vetorial finitamente gerado. Dadas B, B 0 V bases de V ,
temos que B e B 0 tem a mesma quantidade de elementos.
Dem.: Como B gera V e B 0 e linearmente independente, temos que |B 0 | |B|. Por outro lado,
como B 0 gera V e B e linearmente independente, temos que |B| |B 0 |.
Dada a unicidade garantida pelo u
ltimo resultado, podemos fazer a seguinte definicao:
23
Defini
c
ao 7.4. Seja V um espaco 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 nao e finitamente gerado,
simplesmente dizemos que V tem dimens
ao infinita. Neste caso, denotamos dim V = .
Corol
ario 7.8. Seja V um espaco 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 definicao de dimensao, temos que existe D base para V
tal que |D| = n. Pelo resultado 7.3, temos que |C| = n. Logo, como |B| = n, temos que C = B
e, portanto, B e base de V .
Ja o proximo resultado diz que, em espacos finitamente gerados, podemos diminuir conjuntos geradores linearmente dependentes ate obtermos uma base.
24
Proposi
c
ao 7.9. Seja V um espaco 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 nao, 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 nao, novamente por 4.7, existe v2 A1 tal que A2 := A1 r {v2 } = A r {v1 , v2 } e tal que
[A2 ] = [A1 ] = [A] = V . E podemos repetir tal processo ate que se encontre An A linearmente
independente tal que [An ] = V (note que tal processo de fato termina ja que A tem finitos
elementos).
Corol
ario 7.10. Seja V um espaco 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 definicao 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 espaco vetorial de dimensao n, se
temos um conjunto com n elementos, para decidirmos se ele e uma base, basta uma so verificac
ao:
se ele e linearmente independente ou se ele e gerador.
7.1
Exerccios
Exerccio 7.1. Considerando as operacoes usuais de cada espaco, exiba uma base e calcule a
dimensao de cada um dos espacos abaixo:
(a) R2
(b) M2
(c) Pn
(d) R
Exerccio 7.3. Considere R4 com as operacoes usuais. Defina bases para R4 que contenham os
seguintes vetores
25
Exerccio 7.4. Sejam V um espaco vetorial e S um subespaco seu. Mostre que dim S dim V .
Exerccio 7.5. Seja V espaco vetorial de dimensao n. Seja S V subespaco. Suponha que
dim S = n. Mostre que S = V .
Exerccio 7.7. Seja V um espaco vetorial. Considere A, B V conjuntos nao vazios tais que a
dimensao de [A] e m, de [B] e n e a de [A B] = k.
(a) De um exemplo onde m < n < k.
(b) De um exemplo onde m = n < k.
(c) De um exemplo onde m = n = k.
possvel acontecer k < max{m, n}?
(d) E
(e) O que podemos afirmar sobre [A], [B] e [A B] se m = n = k?
(f) Suponha [A] [B]. Calcule k em funcao de m e n.
(g) Suponha [A] [B] = {0}. Calcule k em funcao de m e n.
Exerccio 7.8. Seja V um espaco vetorial. Considere A, B V conjuntos nao vazios tais que
[A] e [B] tem dimensao finita. Mostre que
dim[A B] = dim[A] + dim[B] dim([A] [B])
Dica: Use o exerccio anterior.
26
Sistemas de coordenadas
O que vamos fazer nesta secao e construir um jeito de se descrever os elementos de um espaco
vetorial.
Defini
c
ao 8.1. Seja V um espaco 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 proximo resultado nos da uma grande utilidade para os sistemas de coordenadas:
Proposi
c
ao 8.2. Sejam V um espaco 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
em disso, tais ai s s
ao u
nicos com tal propriedade.
i=1 ai vi . Al
Dem.: A existencia de a1 , ..., an se da simplesmente
Ppelo fato de B ser base. Vamos mostrar
entao a unicidade. Sejam b1 , ..., bn R tais que v = ni=1 bi vi . Temos
0 = vP v
P
= Pni=1 ai vi ni=1 bi vi
n
=
i=1 (ai bi )vi
Logo, como v1 , ..., vn sao linearmente independentes, (ai bi ) = 0 para todo i = 1, ..., n.
O resultado anterior nos permite fazer a seguinte definicao:
Defini
c
ao 8.3. Sejam V um espaco vetorial finitamente gerado e B := {v1 , ..., vn } uma base
ordenada
para V . Dado v V , denotamos por [v]B := (a1 , ..., an )B a u
nica n-upla tal que
Pn
i=1 ai vi = v.
Exemplo 8.4. Considere R3 com 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 transformacoes lineares e de alguma teoria sobre elas. Como
as transformacoes lineares sao u
teis em diversos outros problemas, faremos um apanhado geral
de sua teoria antes de voltarmos `a aplicacao de mudanca de bases.
1
ou seja, um sistema de coordenadas e uma n-upla (v1 , ..., vn ) cujas coordenadas formam uma base de V . Mas,
por comodidade, utilizaremos o mesmo smbolo de conjunto.
27
8.1
Exerccios
1 0
0 1
0 1
0 0
,
,
,
base ordenada
1 0
0 1
0 0
1 1
em cada um dos seguintes casos:
Exerccio 8.3. Seja V espaco vetorial finitamente gerado. Sejam B1 e B2 bases ordenadas para
V . Mostre que B1 e B2 sao iguais se, e somente se, dado qualquer v V , [v]B1 = [v]B2 .
Exerccio 8.4. Seja V 6= 0 um espaco finitamente gerado e seja A := {a1 , ..., an } V ordenado
tal que [A]
A nao e base de V . Mostre que existem v V e 1 , ..., n , 1 , ..., n R
Pn= V , masP
tais que i=1 i ai = ni=1 i ai = v, mas i 6= i para algum i = 1, ..., n.
Transforma
c
oes lineares
Vamos agora considerar funcoes entre espacos vetoriais. Para nos vao interessar as funcoes que
preservam a estrutura de espaco vetorial. Tais funcoes sao as descritas na proxima definicao.
Defini
c
ao 9.1. Sejam U e V espacos vetoriais. Uma funcao T : U V e dita uma transforma
c
ao linear se, dados u1 , u2 U e R temos:
(i) T (u1 + u2 ) = T (u1 ) + T (u2 );
(ii) T (u1 ) = T (u1 )
28
Exemplo 9.3. Seja V um espaco 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 R, temos que T (v1 ) = v1 = T (v1 ).
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 )
T (a, b, c)
(a, b + c)
(a, b + c)
T (a, b, c)
Exemplo 9.5. Considere Pn+1 e Pn com as operacoes usuais. Temos que D : Pn+1 Pn
dada por D(p) := p0 (isto e, a derivada1 de p) e uma transformacao linear. De fato, sejam
an+1 xn+1 + an xn + + a0 , bn+1 xn+1 + bn xn + + b0 Pn+1 . Temos
D((an+1 xn+1 + a0 ) + (bn+1 xn+1 + + b0 )) = (n + 1)an+1 xn + + a1 + (n + 1)bn+1 xn + b1
= D(an+1 xn+1 a0 ) + D(bn+1 xn+1 + + b0 )
Sejam R e an+1 xn+1 + a0 Pn . Temos
D((an+1 xn+1 + a0 )) =
=
=
=
1
D(an+1 xn+1 + a0 )
(n + 1)an+1 xn + a1
((n + 1)an+1 xn + a1 )
D(an+1 xn+1 + + a0 )
29
O proximo resultado diz que a imagem de uma transformacao linear e um espaco vetorial.
Proposi
c
ao 9.6. Sejam U e V espacos vetoriais e T : U V uma transformac
ao linear.
Temos que ImT := {v V : u U T (u) = v} e um subespaco 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 R. Seja u U
tal que T (u) = v. Temos que v = T (u) = T (u) e, como u U , temos que v ImT .
Temos que composta de transformacoes lineares e uma transformacao linear, como mostra o
resultado a seguir.
Proposi
c
ao 9.7. Sejam U , V e W espacos vetoriais. Sejam T : U V e F : V W
transformac
oes lineares. Ent
ao F T : U W , dada por (F T )(u) := F (T (u)) para u U e
uma transformac
ao linear.
Dem.: Primeiramente, note que, como T (u) V , podemos tomar F (T (u)) e, portanto, F T
esta 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 )
9.1
Exerccios
Exerccio 9.5. Seja V um espaco vetorial finitamente gerado. Seja B := {v1 , ..., vn }Puma base
para V . Para cada i = 1, ..., n considere i : V V dada por i (v) = i vi onde v = nj=1 j vj .
Mostre, para cada i = 1, ..., n:
P
P
P
P
(a) i esta bem definida, isto e, se nj=1 j vj = nj=1 j vj entao i ( nj=1 j vj ) = i ( nj=1 j vj ).
(b) i e uma transformacao linear.
Exerccio 9.6. Sejam U e V espacos 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 transformacao linear T : U V podemos nos perguntar se conseguimos uma outra
transformacao linear que faca o caminho inverso, isto e, uma transformacao F : V U tal
que F (T (u)) = u para qualquer u U . Nesta secao vamos ver quando isso e possvel e algumas
generalizacoes.
Defini
c
ao 10.1. Sejam A e B conjuntos nao vazios. Seja f : A B uma funcao. Dizemos que
f e uma fun
c
ao injetora quando, dados a1 , a2 A, se f (a1 ) = f (a2 ) entao 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 func
ao bijetora. Ent
ao existe
uma u
nica func
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, so existe um a0 A tal que f (a0 ) = b). Assim, g(f (a)) = g(b) = ab = a.
31
h(f (a))
a
g(f (a))
g(b)
Defini
c
ao 10.3. Sejam A e B conjuntos. Seja f : A B funcao bijetora. Chamamos de f 1
a funcao g dada pelo u
ltimo resultado. Tal f 1 e dita a fun
c
ao inversa de f .
Vimos que se uma funcao qualquer e bijetora, podemos construir uma inversa. Agora, voltando ao nosso problema original, veremos que se T e uma transformacao linear bijetora, ent
ao
sua inversa tambem e uma transformacao linear.
Proposi
c
ao 10.4. Sejam U e V espacos vetoriais. Seja T : U V transformac
ao linear.
1
Suponha que T seja bijetora. Ent
ao T : V U e uma transformac
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 )
Proposi
c
ao 10.6. Sejam U e V espacos vetoriais. Seja T : U V uma transformac
ao linear.
Ent
ao N ucT e um subespaco vetorial de U .
32
Dem.: Pelo exerccio 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 R. Temos T (a) = T (a) = 0 = 0, logo,
a N ucT . Assim, N ucT e um subespaco vetorial de U .
O n
ucleo da transformacao nos fornece informacao sobre se a transformacao e injetora ou n
ao.
Proposi
c
ao 10.7. Sejam U e V espacos vetoriais. Seja T : U V uma transformac
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 nao e verdade que N ucT {0}. Entao 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 espacos 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
tambem que T e sobrejetora se, e somente se, V = {0}.
Exemplo 10.9. Considere U um espaco vetorial. Seja T : U U dada por T (u) := u para
todo u U . Note que T e bijetora. Observe tambem que T 1 = T .
=
=
=
=
Note que T e sobrejetora. De fato, dado (x, y) R2 , temos que T (x, y, 0) = (x, y).
33
10.1
Exerccios
Exerccio 10.5. Considere a transformacao linear G obtida no exerccio 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 proximo resultado nos da uma maneira simples de definir uma transformacao linear:
Proposi
c
ao 11.1. Sejam U um espaco vetorial finitamente gerado e V um espaco vetorial qualquer. Seja B := {b1 , ..., bn } U uma base para U . Para cada bi B, seja vi V . Ent
ao existe
uma u
nica transformac
ao linear T : U V tal que T (bi ) = vi para todo bi B.
34
Pn
i=1 i bi
i=1
Vamos mostrar
definida e linear. Sejam u, v U . Sejam 1 , ..., n , 1 , ..., n R
P que T assim P
tais que u = ni=1 i bi e v = ni=1 i bi . Temos
P
T (u + v) = Pni=1 (i + i )T (b
Pin)
n
=
T
(b
)
+
i
i=1 i
i=1 i T (bi )
= T (u) + T (v)
P
P
Seja R. Temos que T (u) = ni=1 (i )bi = ni=1 i bi = T (u).
Vamos agora mostrar que T e a u
nica transformacao linear que satisfaz o enunciado.
Seja
P
F : U V satisfazendo o enunciado. Sejam u U e 1 , ...n R tais que u = ni=1 i bi .
Temos
P
F (u) = F ( ni=1 i bi )
Pn
=
i=1 i F (bi )
Pn
=
i=1 i T (bi )
= T (u)
onde () vale pois F e linear e () vale por hipotese.
O proximo resultado mostra que a dimensao da imagem, do n
ucleo e do domnio de uma
transformacao estao relacionados entre si.
Teorema 11.2. Sejam U e V espacos vetoriais finitamente gerados. Seja T : U V uma
transformac
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 ja que T e a func
ao
constantemente nula. Suponha k = 0. Temos que T e injetora (por 10.7). Seja {a1 , ..., an }
base para U . Pelo exerccio 9.6, temos que ImT = [T (a1 ), ..., T (an )]. Pelo exerccio 10.4,
como T e injetora, temos que T (a1 ), ..., T (an ) sao 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 exerccio 9.6, temos que [T (b1 ), ..., T (bk ), T (u1 ), ..., T (up )] = ImT . Mas temos tambem
que [T (b1 ), ..., T (bk ), T (u1 ), ..., T (up )] = [T (u1 ), ..., T (up )] ja 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 ) sao linearmente independentes. Sejam 1 , ..., p R
35
Exemplo 11.3. Considere M2 e R3 com as operacoes usuais. Vamos construir uma aplicac
ao
linear T : M2 R3 tal que
a 0
N ucT = A :=
: a, b R
0 b
ImT = B := {(a, 2a, b) : a, b R}
Primeiramente, note que (exerccio)
A=
1 0
0 0
0 0
,
0 1
0
1
:= (1, 2, 0)
:= (0, 0, 0)
Pelo exerccio 9.6, temos que ImT = B. Resta mostrar que N ucT = A. Observe que A N ucT
(exerccio) 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 espacos vetoriais. Seja T : U V . Dizemos que T e um
isomorfismo se T e uma transformacao linear bijetora. Dizemos que U e V sao isomorfos se
existe um isomorfismo entre eles.
Proposi
c
ao 11.5. Sejam U e V espacos finitamente gerados tais que dim U = dim V . Seja
T : U V uma transformac
ao linear. As seguintes afirmac
oes s
ao equivalentes:
(i) T e um isomorfismo.
(ii) T e injetora.
(iii) T e sobrejetora.
36
imediato pelas definicoes que (i) (ii) e (i) (iii). Resta mostrar que (ii) (i) e
Dem.: E
(iii) (i). Seja n := dim U = dim V .
(ii) (i) Suponha que T e injetora. Entao, 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. Entao dim T = dim V = n. Assim, por 11.2, temos
que n = n + dim N ucT . Logo, dim N ucT = 0 e, por 10.7, temos que T e injetora.
Os proximos resultados dizem que, do ponto de vista da estrutura de espaco vetorial, dois
espacos com a mesma dimensao finita sao iguais.
Teorema 11.6. Sejam U e V espacos 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 respectivamente. 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,P
se u N ucT , entao u = 0. Seja
u N ucT . Entao T (u) = 0. Sejam 1 , ..., n R tais que u = ni=1 i ui . Temos
0 = T
P(u)
= Pni=1 T (i ui )
= Pni=1 i T (ui )
m
=
i=1 i vi
Como v1 , ..., vn sao linearmente independentes, tesmo que 1 = n = 0. Logo, u = 0.
Corol
ario 11.7. Todo espaco vetorial de dimens
ao n 1 e isomorfo a Rn .
11.1
Exerccios
Exerccio 11.1. Sejam U e V espacos vetoriais. Seja B := {u1 , ..., un } base para U . Seja T :
verdade que N ucT = [C], onde C := {bi B : T (bi ) = 0}?
U V uma transformacao linear. E
Vale que [C] N ucT ? Justifique.
37
Exerccio 11.6. Seja U espaco vetorial finitamente gerado. Seja T : U U . Suponha que
N ucT = ImT .
(a) De um exemplo de um espaco e de uma transformacao que satisfacam o enunciado.
(b) Mostre que dim U e par.
Exerccio 11.8. Sejam U e V espacos vetoriais finitamente gerados. Suponha que dim U 6=
dim V . Mostre que U e V nao sao isomorfos.
38
12
Matrizes de transforma
c
oes lineares
Nesta secao veremos como podemos representar transformacoes lineares entre espacos de dimensao finita usando matrizes reais.
Defini
c
ao 12.1. Sejam U e V espacos vetoriais. Sejam B := {b1 , ..., bn } e C := {c1 , ..., cm } bases
ordenadas para U e V respectivamente. Seja T : U V uma transformacao linear. Para cada
i = 1, ..., n, sejam 1i , ..., mi R tais que T (bi ) = 1i c1 + + mi cm . Considere
11 12 1n
21 22 2n
M := .
Mmn
..
m1 m2
mn
Pn
11 12 1n
1
1i
i
i=1
21 22 2n 2 Pn 2i i
i=1
..
.. =
..
.
.
.
Pn
m1 m2 mn
n
i=1 mi i
Verifiquemos agora que, de fato, o vetor obtido e o desejado.
Pn
Pn
Pm Pn
i=1 1i i c1 + +
i=1 mi i cm = Pj=1 P i=1 ji i cj
n
m
=
j=1 ji i cj
Pi=1
P
n
=
i m
j=1 ji cj
Pi=1
n
=
i=1
P i T (bi )
= T ( ni=1 i bi )
= T (u)
39
0 1
0 0
T
T
0 0
1 0
T
0 0
0 1
= (1, 0, 0) = 1(1, 1, 0) 1(0, 1, 0) + 0(0, 1, 1) = (1, 1, 0)C
= (0, 1, 1) = 0(1, 1, 0) + 2(0, 1, 0) 1(0, 1, 1) = (0, 2, 1)C
= (0, 0, 1) = 0(1, 1, 0) 1(0, 1, 0) + 1(0, 1, 1) = (0, 1, 1)C
[T ]BC
1
1
0
0
= 1 1 2 1
0
0 1 1
1 2
M2 . Vamos calcular T (u) de duas maneiras. Comecemos com a propria
Seja u :=
3 4
definicao de T . Desta forma, temos
1 2
= (1 + 2, 3, 4 3) = (3, 3, 1)
T
3 4
Agora, usemos a matriz [T ]BC . Antes, observe que [u]B = (1, 2, 3, 4)B . Assim, temos
1
1
0
0
1+2
3
2
1 1 2 1 = 1 2 + 2 3 4 = 1
3
0
0 1 1
3 + 4
1
4
Com isso, temos que [T (u)]C = (3, 1, 1)C . Voltando para as coordenadas usuais, temos:
T (u) = 3(1, 1, 0) 1(0, 1, 0) + 1(0, 1, 1) = (3, 3, 1)
Vejamos que a propriedade da matriz associada a T na verdade caracteriza a matriz.
Lema 12.4. Sejam A, B Mmn . Se para todo u Rn temos que Au = Bu (multiplicac
ao
matricial), ent
ao A = B.
40
Dem.: Considere ei Rn tal que ei = (0, ..., 1, ..., 0) onde o 1 aparece na i-esima coordenada.
Note que dada uma matriz M Mmn , temos que M ei e igual a i-esima coluna da matriz M .
Assim, como Au = Bu para qualquer u Rn , em particular temos que Aei = Bei . Assim, a
i-esima coluna de A e B sao iguais. Como i e qualquer, temos que A = B.
Corol
ario 12.5. Seja U, V espacos vetoriais finitamente gerados. Sejam B, C bases para U e V
respectivamente. Seja T : U V uma transformac
ao linear. Seja M MdimV dimU tal que,
para qualquer u U , M [u]B = [T (u)]C . Ent
ao M = [T ]BC .
Dem.: Basta notar que M a = [T ]BC a para qualquer a RdimU .
Agora vejamos que a representacao matricial e coerente com a composicao de transformac
oes.
Em resumo, a representacao matricial de uma composta e o produto matricial das matrizes de
cada transformacao.
Proposi
c
ao 12.6. Sejam U, V e W espacos vetoriais finitamente gerados. Sejam T : U V
e F : V W transformac
oes lineares. Sejam A, B e C bases ordenadas para U , V e W
respectivamente. Ent
ao temos que [F T ]AC = [F ]BC [T ]AB .
Dem.: Seja u U . Note que [F T ]AC [u]A = [F (T (u))]C . Por outro lado, temos que
([F ]BC [T ]AB )[u]A = [F ]BC ([T ]AB [u]A )
= [F ]BC [T (u)]B
= [F (T (u))]C
Assim, por 12.5, temos o resultado.
Finalmente, vamos mostrar que o caminho inverso tambem e verdadeiro, isto e, dada uma
matriz, existe uma transformacao associada.
Proposi
c
ao 12.7. Sejam U e V espacos vetoriais. Sejam B := {b1 , ..., bn } e C := {c1 , ..., cm }
bases para U e V respectivamente. Ent
ao, dada uma matriz A Mmn existe uma u
nica transformac
ao linear T : U V tal que [T ]BC = A.
Dem.: Sejam ij com i = 1, ..., m e j = 1, ..., n tais que
11 12 1n
21 22 2n
A= .
..
m1 m2
mn
c
.
Observe
que [T ]BC = A.
ij
i
i=1
41
12.1
Exerccios
R2
a b
c d
1 2 0
0 3 0
[T ]BB :=
1 2 0
0 0 2
Calcule:
(a) T (x2 + 3x + 7).
(b) T ((x + 1)3 ).
(c) p(4) onde p = T (x3 + x2 + x 7).
42
0
4
1
1
13
Matriz de mudan
ca de base
Nesta secao vamos nos aprofundar um pouco no caso particular de quando queremos usar a
representacao matricial apenas para obter uma mudanca na base em que os vetores serao escritos.
Defini
c
ao 13.1. Sejam U um espaco vetorial e B := {b1 , ..., bn } e C := {c1 , ..., cn } bases ordenadas para U . Chamamos de matriz de mudan
ca de base de C para B a matriz [Id]BC , onde
Id : U U e tal que Id(u) := u para todo u U .
Segue imediatamente da definicao que, dado u U temo que, se A e a matriz de mudanca de
base de C para B, A[u]B = [u]C .
Proposi
c
ao 13.2. Sejam U um espaco vetorial e B := {b1 , ..., bn } e C := {c1 , ..., cn } bases
ordenadas para U . Se A e a matriz de mudanca de base de C para B, ent
ao A1 (a matriz
inversa de A) existe e e a matriz de mudanca de base de B para C.
Dem.: Lembre-se que X e a inversa de A se, e somente se, AX = I onde I e a matriz formada
por aij com i = 1, ..., n e j = 1, ..., n tal que
1 se i = j
aij =
0 se i 6= j
Lembre-se tambem que Y = I se, e somente se, para todo r Rn temos que Y r = r. Assim, para
mostrarmos o resultado, basta mostrarmos que AXr = r para todo r Rn onde X e a matriz de
mudanca de base de C para B. Seja r Rn . Seja u U tal que [u]C = r. Temos:
AXr = AX[u]C
= A(X[u]C )
= A([u]B )
= [u]C
= r
Assim, temos o resultado.
Corol
ario 13.3. Sejam U um espaco vetorial e B := {b1 , ..., bn } e C := {c1 , ..., cn } bases ordenadas para U . Seja T : U U uma transformac
ao linear. Seja P a matriz de mudanca de
1
base de C para B. Ent
ao [T ]BB = P [T ]CC P .
Dem.: Basta mostrarmos que, dado u U , P 1 [T ]CC P [u]B = [T (u)]B . De fato, temos
P 1 [T ]CC P [u]B = P 1 [T ]CC [u]C
= P 1 [T (u)]C
= [T (u)]B
43
13.1
Exerccios
Exerccio 13.1. Considere R3 com as operacoes usuais. Seja B := {(1, 1, 1), (0, 1, 1), (1, 1, 0)}
base do R3 . Calcule:
(a) A matriz de mudanca de base de B para a canonica.
(b) A matriz de mudanca de base da canonica para B.
(c) [u]B onde u := (6, 1, 2)
(d) (1, 4, 10)B expresso da maneira usual.
Exerccio 13.2. Considere R4 com as operacoes usuais. Sejam B := {(1, 0, 1, 0), (0, 1, 0, 1),
(1, 1, 0, 0), (0, 0, 1, 1)} e C := {(2, 1, 0, 0), (1, 0, 2, 0), (0, 4, 6, 0), (0, 0, 2, 8)} bases para R4 . Calcule:
(a) A matriz de mudanca de base de B para a canonica.
(b) A matriz de mudanca de base de C para a canonica.
(c) A matriz de mudanca de base da canonica para B.
(d) A matriz de mudanca de base da canonica para C.
(e) A matriz de mudanca de base de B para C.
(f) A matriz de mudanca de base de C para B.
(g) [u]B onde u := (1, 0, 0, 0).
(h) [u]B onde u := (1, 0, 0, 0)C .
(i) [u]C onde u := (1, 0, 0, 0).
(j) [u]C onde u := (1, 0, 0, 0)B .
2
3
0
Exerccio 13.3. Considere R com as operacoes usuais. Considere A :=
1
{(1, 0, 0), (0, 1, 1), (1, 0, 1)}. Sabendo que A e a matriz de mudanca de base de B
B.
44
1 0
1 1 e C :=
0 0
para C, calcule
14
O espa
co L(U, V )
Nesta secao veremos um importante exemplo de espaco vetorial, o espaco das transformac
oes
lineares entre dois espacos.
Proposi
c
ao 14.1. Sejam U e V espacos vetoriais. Seja F(U, V ) o conjunto de todas as func
oes
f : U V . Considere em A as seguintes operac
oes, dadas f, g F(U, V ), u U e R:
(f + g)(u) := f (u) + g(u)
(f )(u) := f (u)
Ent
ao (F(U, V ), +, ) e um espaco vetorial.
Dem.: Esta demonstracao fica como exerccio. Repare que nao e muito diferente do caso em que
U = V = R que nos ja fizemos.
Defini
c
ao 14.2. Sejam U e V espacos vetoriais. Denotamos por L(U, V ) o conjunto de todas as
transformacoes lineares T : U V .
Proposi
c
ao 14.3. Sejam U e V espacos vetoriais. Ent
ao L(U, V ) e um subespaco de F(U, V ).
Dem.: Note que a funcao identicamente nula e o elemento neutro de F(U, V ). Como tal func
ao
e linear, temos que ela pertence a L(U, V ). Sejam T, F L(U, V ). Vamos mostrar que (T + F )
L(U, V ), isto e, vamos mostrar que (T + F ) e linear. Sejam a, b U . Temos
(T + F )(a + b) = T (a + b) + F (a + b)
= T (a) + T (b) + F (a) + F (b)
= (T + F )(a) + (T + F )(b)
Sejam R. Temos
(T + F )(a) = T (a) + F (a)
= T (a) + F (a)
= ((T + F ))(a)
Seja R. Vamos mostrar que (T ) L(U, V ). Sejam a, b U . Temos
(T )(a + b) = T (a + b)
= T (a) + T (b)
= (T )(a) + (T )(b)
45
Seja R. Temos
(T )(a) = T (a)
= T (a)
= (T )(a)
Apesar de ter uma construcao mais complicada, o espaco L(U, V ), do ponto de vista de
espacos vetoriais, e bem simples1 :
Proposi
c
ao 14.4. Sejam U e V espacos vetoriais finitamente gerados. Sejam n := dim U e
m := dim V . Temos que L(U, V ) e isomorfo a Mmn .
Dem.: Sejam B e C bases para U e V respectivamente. Vamos definir : L(U, V ) Mmn .
Seja T L(U, V ) definimos (T ) := [T ]BC . Vamos ver que assim definida e um isomorfismo.
Comecemos mostrando que e linear. Sejam T, F L(U, V ). Temos que mostrar que [T ]BC +
[F ]BC = [T + F ]BC . Para isso, e suficiente mostrar que, dado u U temos que ([T ]BC +
[F ]BC )[u]B = [T + F ]BC [u]B (por 12.5). Seja u U . Temos:
([T ]BC + [F ]BC )[u]B = [T ]BC [u]B + [F ]BC [u]B
= [T (u)]C + [F (u)]C
= [T (u) + F (u)]C
= [T + F ]BC [u]B
A demonstracao de segue do exerccio 8.5. Vamos deixar a demonstracao de que, dado R
temos que (T ) = (T ) como exerccio.
Para mostrar que e injetora, basta notar que a u
nica trasformacao T L(U, V ) tal que
(T ) = [0]BC e a transformacao nula. Para mostrar que e sobrejetora, basta aplicar 12.7.
14.1
Exerccios
46
15
Diagonaliza
c
ao
Nesta secao vamos desenvolver um metodo em que, quando possvel, mudamos a base do espaco
para uma em que a matriz associada a uma transformacao dada fique mais facil de se fazer contas.
Defini
c
ao 15.1. Sejam U um espaco vetorial e seja T : U U uma transformacao linear.
Dizemos que R e um auto valor de T se existe u U , u =
6 0 tal que T (u) = u. Neste caso,
dizemos que u e um auto vetor de T associado a .
Exemplo 15.2. Considere R2 com as operacoes usuais. Seja T : R2 R2 dada por T (a, b) :=
(4b, 4a). Observe que 4 e um auto valor de T e (1, 1) e um auto vetor associado a 4 ja que
T (1, 1) = 4(1, 1).
Proposi
c
ao 15.3. Sejam U um espaco vetorial, T : U U uma transformac
ao linear. Seja
um auto valor de T . Dado u U , u 6= 0, temos que u e um auto vetor associado a se, e
somente se, u N uc(Id T ).
47
Corol
ario 15.4. Sejam U um espaco vetorial e T : U U uma transformac
ao linear. Ent
ao
R e um auto valor de T se, e somente se, N uc(Id T ) 6= {0}.
Corol
ario 15.5. Sejam U um espaco vetorial e T : U U uma transformac
ao linear. Seja
R um auto valor de T . Ent
ao {0} {u U : u e auto valor associado a } e um subespaco
vetorial de U .
Notacao: Dados U um espaco vetorial finitamente gerado, B uma base para U e T : U U
uma transformacao linear, denotamos por [T ]B a matriz [T ]BB .
Proposi
c
ao 15.6. Sejam U um espaco vetorial finitamente gerado e T : U U uma transformac
ao linear. Seja B uma base para U . Seja R. Temos que e auto valor de T se, e
somente se, e raiz de det[xId T ]B .
Dem.: Ver [3] p. 135.
O proximo resultado mostra que a escolha da base B no resultado anterior nao influencia o
polinomio.
Proposi
c
ao 15.7. Sejam U um espaco vetorial finitamente gerado e T : U U uma transformac
ao linear. Sejam B e C bases para U . Ent
ao det[xId T ]B = det[xId T ]C .
Dem.: Seja M := [Id]BC . Note que M 1 = [Id]CB . Observe que detM detM 1 = 1 e que
[T ]B = M 1 [T ]C M . Seja I a matriz identidade dim U dim U . Temos
det[xId T ]B = det(xI [T ]B )
= det(xM 1 IM M 1 [T ]C M )
= det(M 1 (xI [T ]C )M )
= det(M 1 )det(xI [T ]C )detM
= det(xI [T ]C )
= det[xId T ]C
48
Defini
c
ao 15.8. Seja U um espaco vetorial finitamente gerado, T : U U uma transformac
ao
linear e B uma base para U . Entao p(x) := det[xId T ]B e dito o polin
omio caracterstico
de T .
Aplicando T dos dois lados da equacao e usando o fato que cada vj e auto vetor, obtemos:
i vi =
n+1
X
j j vj .
j=1
j 6= i
Temos dois casos. Primeiro, suponha que i = 0. Entao, como {vj : j 6= i} e linearmente
independente (pela hipotese de inducao), temos que cada j = 0 para j 6= i (pois todo j 6= 0
para j 6= i, ja que todos os auto valores sao distintos). Substituindo tais valores em (2) temos
que vi = 0, contradicao.
Agora vamos fazer o caso i 6= 0. Temos que
vi =
n+1
X
j=1
j 6= i
j
vj .
i
Subtraindo esta equacao de (2) e novamente usando o fato de {vj : j 6= i} ser linearmente
49
Dem.: Para cada i = 1, .., n, sejam {b1i , ..., bmi i } = Bi . Sejam 11 , ..., m1 1 , ..., 1n , ..., mn n R
tais que
m1
mn
X
X
i1 bi1 + +
in bin = 0.
i=1
i=1
Pmj
Para cada i = 1, ..., n, seja vi := j=1 ji bji . Observe que vj e auto vetor associado a i ou
vi = 0 (por 15.5). Se vi = 0, temos que 1i = = mi i = 0, ja que {b1i , ..., bmi i } e linearmente
independente. Assim, so precisamos cuidar do caso em que algum vi 6= 0. Seja u a soma de todos
os vi tais que vi 6= 0. Observe que u = 0 (pois os que foram ignorados na conta ja eram 0). Como
cada vi e auto vetor associado a um auto valor diferente, temos uma contradicao com o lema.
Defini
c
ao 15.11. Seja U um espaco vetorial finitamente gerado e T : U U uma transformacao linear. Dizemos que T e diagonaliz
avel se existem 1 , ..., n R auto valores distintos
de T e B1 , ..., Bn U tais que cada Bi e um conjunto linearmente independente de auto vetores
associados a i e B1 Bn e uma base para U .
1 2 0
[T ]B := 0 1 0
3 4 2
onde B e uma base para R3 . Vamos calcular o polinomio caracterstico de T :
x 1 2
0
x1
0
det[xId T ]B = det 0
3
4
x2
= (x 1)2 (x 2)
Assim, os auto valores de T sao 1 e 2. Vamos procurar agora os auto vetores associados. Da
definicao de auto vetor, temos que, se (a, b, c) e um auto vetor associado a 1, entao T (a, b, c) =
1(a, b, c). Observe que o mesmo vale na base B (veja o exerccio 15.1), assim, se (a, b, c) sao as
coordenadas de um auto vetor na base B, temos:
1 2 0
a
a
0 1 0 b = b
3 4 2
c
c
De onde obtemos o seguinte sistema:
a + 2b = a
b=b
3a 4b + 2c = c
50
De onde obtemos que b = 0 e c = 3a. Assim, temos que os auto vetores associados a 1 s
ao
da forma (a, 0, 3a). Note que (1, 0, 3) e um auto vetor associado a 1 e que nao e possvel
encontrar um segundo auto vetor associado a 1 e que seja linearmente independente com esse.
Agora procuremos os auto vetores associados
1 2 0
0 1 0
3 4 2
a 2. Temos
a
2a
b = 2b
c
2c
a + 2b = 2a
b = 2b
3a 4b + 2c = 2c
Assim, temos que os auto vetores associados a 2 sao da forma (0, 0, c). Assim, o vetor (0, 0, 1)
e um auto vetor associado a 2. Observe que C = {(1, 0, 3), (0, 0, 1)} nao e uma base para R3
e nao e possvel encontrar uma base para R3 formada apenas por auto vetores. Logo, T nao e
diagonalizavel.
1 1 1
[T ]B = 0 2 0
1 1 1
Agora calculamos o polinomio caracterstico:
det[xId T ]B
x 1 1
1
x2
0
= det 0
1
1 x 1
= (x 1)(x 1)(x 2) (x 2)
= (x2 2x + 1)(x 2) (x 2)
= x3 2x2 2x2 + 4x + x 2 x + 2
= x3 4x2 + 4x
= (x2 4x + 4)x
1
0
1
51
a+bc=0
2b = 0
a + b + c = 0
De onde concluimos que b = 0 e a = c. Logo, os auto vetores associados a 0 sao da forma (a, 0, a).
Logo, {(1, 0, 1)} e um conjunto linearmente independente maximal de auto vetores associados a
0.
Agora vamos calcular os auto vetores associados a 2. Temos
1 1 1
a
2a
0 2 0 b = 2b
1 1 1
c
2c
Assim, obtemos o sistema:
a + b + c = 2a
2b = 2b
a + b + c = 2c
De onde obtemos que c = b a. Logo, os auto vetores associados a 2 sao da forma (a, b, b a).
Assim, {(1, 0, 1), (0, 1, 1)} e um conjunto linearmente independente maximal de auto vetores
associados a 2.
Com isso, temos que o conjunto C := {(1, 0, 1), (1, 0, 1), (0, 1, 1)} e uma base para R3 formada
por auto vetores de T . Logo, T e diagonalizavel. Temos tambem que
0 0 0
[T ]C = 0 2 0
0 0 2
Defini
c
ao 15.14. Sejam U um espaco vetorial finitamente gerado e T : U U uma transformacao linear diagonalizavel. Chamamos de forma diagonal de T a matriz [T ]B onde B =
{b1 , ..., bn } e uma base para U formada por auto vetores de T . Observe que [T ]B e uma matriz
diagonal, isto e, se aij e uma entrada de [T ]B , onde i representa a linha e j a coluna, temos que
0
se i 6= 0
aij =
i se i = j e i e o auto valor associado a bi
15.1
Exerccios
Exerccio 15.1. Seja U um espaco vetorial finitamente gerado. Sejam B base para U e n :=
dim U . Sejam u, v U e R. Sejam 1 , ..., n , 1 , ..., n R tais que [u]B = (1 , ..., n )B e
[v]B = (1 , ..., n )B . Mostre que u = v se, e somente se, i = vi para todo i = 1, ..., n.
52
0 1
2 3
0 0
0 0
(b) M =
(c) M =
Exerccio 15.6. Seja T : U U um operador linear tal que [T ]B e sempre uma matriz diagonal
para toda base B. Mostre que existe R tal que T = Id.
Exerccio 15.7. Sejam U um espaco vetorial de dimensao 2 e T : U U um operador linear
n
ao diagonalizavel que tem um u
nico autovalor R.
(a) Mostre que existe base B tal que
[T ]B =
0
c
0
1
onde c 6= 0.
(b) Mostre que existe base C tal que
[T ]C =
53
uv
c .)
16
Funcionais lineares
Nesta secao vamos estudar um caso particular de transformacoes lineares, a saber, o caso em que
o contra domnio e o conjuntos dos n
umeros reais.
Defini
c
ao 16.1. Seja V um espaco vetorial. Considere R com as operacoes usuais. Dizemos que
f : V R e um funcional linear se f e uma transformacao linear.
Defini
c
ao 16.2. Seja V um espaco vetorial. Chamamos de espa
co dual de V o conjunto de
todos os funcionais lineares de V . Denotamos tal espaco por V .
Note que V = L(V, R) e, portanto, e um espaco vetorial com as operacoes usuais de func
oes.
Proposi
c
ao 16.3. Seja V um espaco vetorial finitamente gerado. Seja B := {b1 , ..., bn } uma
base para V . Sejam e1 , ..., en V tais que
1 se i = j
ei (bj ) =
0 se i 6= j
Ent
ao B := {e1 , ..., en } e uma base para V . B e dita a base dual de B.
Dem.: Poderamos aqui usar o que ja temos por 14.4, mas optamos por uma demonstrac
ao
direta. Comecemos por mostrar que B e linearmente independente. Sejam 1 , ..., n R tais
que 1 e1 + + n en = 0. Ou seja, para todo v V , temos que 1 e1 (v) + + n en (v) = 0.
Substituindo v por bj com j = 1, ..., n, temos que j = 0. Logo, 1 = = n = 0 e, portanto,
temos que B e linearmente independente.
= 1 f (b1 ) + + n f (bn )
= 1 1 + + n n
= 1 e1 (v) + + n en (v)
Corol
ario 16.4. Seja V um espaco vetorial finitamente gerado. Ent
ao V e isomorfo a V .
54
Proposi
c
ao 16.5. Sejam V um espaco vetorial finitamente gerado e B uma base ordenada
para V . Considere B = {e1 , ..., en } a base dual de B. Dado v V temos que [v]B =
(e1 (v), ..., en (v))B .
P
Dem.: Seja {v1 , ..., vn } = B. Sejam 1 , ..., n R tais que v = ni=1 i vi . Temos que mostrar
que, para cada i = 1, ..., n, vale i = ei (v). Seja i tal que 1 i n. Temos
n
X
ei (v) = ei (
j vj )
j=1
n
X
j ej (vj )
j=1
= i
Proposi
c
ao 16.6. Sejam V um espaco vetorial finitamente gerado e B = {b1 , ..., bn } base para
V . Seja B = {e1 , ..., en } a base dual de B. Seja f V . Ent
ao [f ]B = (f (b1 ), ..., f (bn ))B .
Dem.: Seja f V . Sejam 1 , ..., n R tais que, para qualquer v V , temos que f (v) =
1 e1 (v) + n en (v). Temos que mostrar que, para cada i = 1, ..., n, i = f (bi ). Seja i = 1.
Temos
f (bi ) = 1 e1 (bi ) + n en (bi )
= i ei (bi )
= i
Proposi
c
ao 16.7. Sejam U e V espacos vetoriais. Seja B := {b1 , ..., bn } uma base para V
e B := {e1 , ..., en } base dual para B. Seja T : U V uma func
ao. Temos que T e uma
transformac
ao linear, se, e somente se, para cada i = 1, ..., n temos que ei T : U R e um
elemento de U .
Dem.: ) Como cada ei e uma transformacao linear, temos que ei T e uma transformac
ao
linear e, portanto, elemento de U .
) Vamos mostrar que T e uma transformacao linear. Observe que, dado u U temos que
T (u) = e1 (T (u))b1 + + en (T (u))bn . Assim, sejam u, v U . Temos
T (u + v) = e1 (T (u + v))b1 + en (T (u + v))bn
= e1 (T (u))b1 + en (T (u))bn + e1 (T (v))b1 + en (T (v))bn
= T (u) + T (v)
55
e1 (u)b1 + + en (u)bn
e1 (u)b1 + + en (u)bn
(e1 (u)b1 + + en (u)bn )
T (u)
Defini
c
ao 16.8. Seja V um espaco vetorial. Seja H V um subespaco vetorial tal que existe
v
/ H tal que [H v] = V . Neste caso, dizemos que H e um hiperplano de V .
Proposi
c
ao 16.10. Seja V um espaco de dimens
ao finita. Seja S V um subespaco vetorial de
V . Temos que S e um hiperplano de V se, e somente se, existe f V r {0} tal que S = N ucf .
Dem.: ) Como S e hiperplano, existe v
/ S tal que V = [{v} S]. Seja {b1 , ..., bn } base para
S. Note v
/ [b1 , ..., bn ] e, portanto, {v, b1 , ..., bn } e linearmente independente. Note tambem
que V = [{v} S] = [v, b1 , ..., bn ]. Assim, {v, b1 , ..., bn } e base para V . Defina f : V R
tal que, f (v) = 1 e f (bi ) = 0 para todo i = 1, ..., n. Vamos verificar que N ucf = S. Seja
u N ucf . Sejam 0 , ..., n R tais que u = 0 v + 1 b1 + + n bn . Aplicando T em
ambos os lados, temos que 0 = 0 . Logo, u [b1 , ..., bn ] = S. Assim, temos que N ucf S.
Por outro lado, temos que, dado u S, existem 1 , ..., n R tais que u = 1 b1 + +n bn .
Aplicando f em ambos os lados, obtemos que f (u) = 1 f (b1 ) + + n f (bn ) = 0. Logo,
S N ucf .
) Seja f V r {0}. Precisamos mostrar que N ucf e um hiperplano. Como f 6= 0, temos
que dim Imf = 1 e, portanto, dim N ucf = dim V 1. Seja v V r N ucf . Assim,
dim[N ucf {v}] = dim V e, portanto, [N ucf {v}] = V .
Ja vimos que, em espacos de dimensao finita, dada uma base, podemos encontrar uma base
para o espaco dual. Vamos terminar esta secao mostrando que o caminho inverso tambem pode
ser feito. Mais que isso, vamos mostrar que ao se tomar a base dual para a base encontrada,
recuperamos a base original.
Proposi
c
ao 16.11. Seja V espaco vetorial. Seja v V . Temos que gv : V R dada por
gv (f ) = f (v) e um elemento de (V ) .
56
Dem.: Observe que, de fato, gv tem domnio V e contra domnio R. Resta verificarmos se gv e
linear. Sejam f, h V . Temos que mostrar que gv (f + h) = gv (f ) + gv (h).
gv (f + h) = (f + h)(v)
= f (v) + h(v)
= gv (f ) + gv (h)
A demonstracao de que, dado R temos que gv (f ) = gv (f ) para qualquer f V fica como
exerccio.
Proposi
c
ao 16.12. Seja V espaco vetorial de dimens
ao finita. Seja B = {f1 , ..., fn } base para
V . Ent
ao existe A V base para V tal que A = B.
Dem.: Defina T : V (V ) tal que, dado v V temos que T (v) = gv (onde gv e a func
ao
definida no resultado anterior). Observe que, de fato, T e uma funcao com domnio V e contra
domnio (V ) . Vamos mostrar que T e um isomorfismo. Comecamos mostrando que ela e linear.
Sejam R, f V e u, w V . Temos
(T (u + w))(f ) =
=
=
=
=
gu+w (f )
f (u + w)
f (u) + f (w)
gu (f ) + gw (f )
(T (u))(f ) + (T (w))(f )
(T (u))(f ) =
=
=
=
gu (f )
f (u)
f (u)
(T (u))(f )
Vamos agora mostrar que ela e bijetora. Como temos que dim V = dim V = dim(V ) , basta
mostrar que T e injetora. Para isso, basta notar que gv (f ) = 0 para toda f V implica que
v = 0 (exerccio).
Vamos agora mostrar o resultado. Seja B = {w1 , ..., wn } base dual de B (ou seja, e uma
base para (V ) . Seja A = {b1 , ..., bn } onde, para cada i = 1, ..., n temos que bi = T 1 (wi ).
Podemos fazer isso ja que T e um isomorfismo. Como T 1 e injetora, temos que A e linearmente
independente e, portanto, base para V . Vamos mostrar que A = B. Sejam i, j = 1, ..., n. Temos:
fi (aj ) = gaj (fi )
= (T (aj ))(fi )
= wj (fi )
Assim, temos que
fi (aj ) =
1 se i = j
0 caso contrario
57
16.1
Exerccios
Exerccio 16.1. Mostre que todo funcional linear nao nulo e sobrejetor (mesmo para espacos de
dimensao infinita).
Exerccio 16.2. Seja V um espaco vetorial finitamente gerado. Seja v V tal que f (v) = 0
para todo f V . Mostre que v = 0.
Exerccio 16.3. Seja B = {b1, b2 , b3 } onde b1 := (2, 2, 0), b2 := (0, 3, 3) e b3 := (0, 1, 0) base
para R3 . Seja B = {e1 , e2 , e3 } base dual de B. Seja (a, b, c) R3 . Calcule e1 (a, b, c), e2 (a, b, c)
e e3 (a, b, c).
Exerccio 16.4. Considere R com as operacoes usuais. Mostre que toda transformacao linear
T : R R e da forma T (x) = rx onde r R.
17
Proposi
c
ao 17.2. Sejam V um espaco vetorial e h, i : V V R um produto interno sobre
V . Temos que valem as seguinte propriedades, dados u, v, w V e R:
58
(i) h0, vi = 0
(ii) hv, vi = 0 se, e somente se, v = 0
(iii) hu, vi = hu, vi
(iv) hu, v + wi = hu, vi + hu, wi
Dem.:
(ii) Suponha que hv, vi = 0. Pela propriedade (d) da definicao de produto interno, temos que
v = 0. Por outro lado, temos que, se v = 0, entao hv, vi = h0, 0i = 0.
(iii) hu, vi = hv, ui = hv, ui = hu, vi.
(iv) hu, v + wi = hv + w, ui = hv, ui + hw, ui = hu, vi + hu, wi.
Exemplo 17.3. Considere Rn com as operacoes usuais. Sejam a := (a1 , ..., an ), b := (b1 , ..., bn )
Rn . Definimos
n
X
ha, bi :=
ai bi
i=1
Vamos mostrar que h, i assim definido e de fato um produto interno. Sejam a := (a1 , ..., an ), b :=
(b1 , ..., bn ), c := (c1 , ..., cn ) Rn e R. Temos
P
P
P
(a) ha + b, ci = ni=1 (ai + bi )ci = ni=1 ai ci + ni=1 bi ci = ha, ci + hb, ci.
P
P
(b) ha, bi = ni=1 (ai )bi = ni=1 ai bi = ha, bi.
P
P
(c) ha, bi = ni=1 ai bi = ni=1 bi ai = hb, ai.
(d) Suponha a 6= 0. Entao, existe j tal que aj 6= 0. Temos
ha, ai =
n
X
a2i
i=1
a2j
> 0
Este e o produto interno usual sobre Rn .
Proposi
c
ao 17.4. Sejam U e V espacos vetoriais. Sejam h, i um produto interno sobre V e
T : U V uma transformac
ao linear injetora. Ent
ao h, iT : U U R dada por
ha, biT := hT (a), T (b)i
para a, b U e um produto interno sobre U .
Dem.: Sejam a, b, c U e R. Temos
59
(a) ha + b, ciT = hT (a + b), T (c)i = hT (a) + T (b), T (c)i = hT (a), T (c)i + hT (b), T (c)i = ha, ciT +
hb, ciT .
(b) ha, biT = hT (a), T (b)i = hT (a), T (b)i = hT (a), T (b)i = ha, biT .
(c) ha, biT = hT (a), T (b)i = hT (b), T (a)i = hb, aiT .
(d) Suponha a 6= 0. Temos que T (a) 6= 0, pois T e injetora. Logo, hT (a), T (a)i > 0. Assim
ha, aiT = hT (a), T (a)i > 0.
Proposi
c
ao 17.5. Sejam V um espaco vetorial e h, i um produto interno sobre V . Dados
u, v V , temos que vale a seguinte desigualdade:
hu, vi2 hu, uihv, vi
Dem.: Sejam u, v V . Sejam , R. Se v = 0, temos o resultado. Agora suponha que v 6= 0.
Temos:
hu v, u vi = hu, u vi hv, u vi
= hu, ui hu, vi hv, ui + hv, vi
= 2 hu, ui 2hu, vi + 2 hv, vi
Defini
c
ao 17.6. Seja V um espaco vetorial. Dizemos que |||| : V R e uma norma sobre V
se, dados u, v V e R sao satisfeitas as seguintes condicoes:
(a) ||v|| 0.
(b) Se ||v|| = 0, entao v = 0.
(c) ||v|| = ||||v||.
(d) ||u + v|| ||u|| + ||v||.
60
Exemplo 17.9. Considere h(a, b), (c, d)i := ac + bd o produto interno usual em R2 . Temos que
a norma induzida por tal produto interno e
p
p
||(a, b)|| := h(a, b), (a, b)i = a2 + b2
61
17.1
Exerccios
Exerccio 17.3. Seja V um espaco vetorial com produto interno h, i e com |||| a norma induzida.
Mostre que, dados u, v V , temos
1
1
hu, vi = ||u + v||2 ||u v||2
4
4
Exerccio 17.4. Seja V um espaco vetorial de dimensao finita. Mostre que V admite uma norma
induzida por um produto interno.
18
Ortogonaliza
c
ao e funcionais lineares versus produto interno
Defini
c
ao 18.1. Sejam V um espaco vetorial e h, i um produto interno sobre V . Dizemos que
u, v V sao ortogonais se hu, vi = 0. Notacao uv.
Proposi
c
ao 18.2. Sejam V um espaco vetorial e seja h, i um produto interno sobre V . Seja
A V tal que 0
/ A e, dados u, v A distintos, temos que u e v s
ao ortogonais. Ent
ao A e
linearmente independente.
62
Dem.: Suponha
que nao vale o resultado. Entao existem v, v1 , ..., vn A e 1 , ..., n R tais
Pn
que v = i=1 i vi = 0 e v 6= vi para i = 1, ..., n. Considere |||| a norma induzida pelo produto
interno. Temos
||v||2 = hv, vi
n
X
= hv,
i vi i
i=1
=
=
n
X
i=1
n
X
hv, i vi i
i hv, vi i
i=1
= 0
Proposi
c
ao 18.3 (Processo de ortogonaliza
c
ao de Gram-Schimdt). Seja V um espaco
vetorial com um produto interno h, i e seja A := {a1 , ..., an } um conjunto linearmente independente. Ent
ao B := {b1 , ..., bn } onde
b1 := a1
hak+1 , b1 i
hak+1 , bk i
bk+1 := ak+1
b1
bk
2
||b1 ||
||bk ||2
para k = 1, ..., n 1, e tal que bk e bj s
ao ortogonais se i 6= j, bk 6= 0 para k = 1, ..., n e [B] = [A].
Dem.: Vamos mostrar o resultado por inducao sobre n. Caso n = 1, nada ha para mostrar.
Agora suponha que ja temos os resultado para n e vamos mostrar para n + 1. Como [b1 , ..., bn ] =
[a1 , ..., an ] e {a1 , ..., an+1 } e linearmente independente, temos que an+1
/ [b1 , ..., bn ]. Assim,
Pn han+1 ,bi i
bn+1 = an+1 i=1 ||b ||2 bi e diferente de 0. Vamos agora mostrar que bn+1 e ortogonal a bi
i
para todo i = 1, ..., n.
hbn+1 , bi i
han+1
n
X
han+1 , bj i
j=1
han+1 , bi i
||bj ||2
n
X
han+1 , bj i
j=1
han+1 , bi i
bj , b i i
||bj ||2
hbj , bi i
han+1 , bi i
hbi , bi i
||bi ||2
=0
Assim, pela hipotese de inducao, temos que bi e bj sao ortogonais para todo i, j = 1, ..., n + 1 com
i 6= j. E, como cada bi 6= 0, temos que {b1 , ..., bn+1 } e linearmente independente. Observe que
[B] [A]. Como dim B = dim A, temos que [A] = [B].
63
Defini
c
ao 18.4. Seja V um espaco vetorial de dimensao finita n 1. Dizemos que B :=
{b1 , ..., bn } e uma base ortonormal se seus elementos sao ortogonais entre si e, dado bi B
temos ||b|| = 1.
Corol
ario 18.5. Seja V um espaco vetorial de dimens
ao finita n 1 com um produto interno
h, i. Ent
ao V tem uma base ortonormal.
Dem.: Seja B = {b1 , ..., bb } uma base para V . Por 18.3, existe C = {c1 , ..., cn } tal que [C] = [B]
e os elementos de C sao ortogonais entre si. Considere D := {d1 , ..., dn } onde, dado i = 1, ..., n
temos:
1
di :=
ci
||ci ||
1
Sejam i e j distintos. Temos que hdi , dj i = h ||c1i || ci , ||c1j || cj i = ||ci ||||c
hci , cj i = 0. Seja i = 1, ..., n.
j ||
q
p
1
1
1
Temos ||di || = hci , ci i = h ||ci || ci , ||ci || ci i = ||ci || ||ci || = 1. Assim, temos que C e um conjunto formado por n elementos ortogonais entre si e todos nao nulos. Assim, C e linearmente independente
e, portanto, e base para V .
Proposi
c
ao 18.6. Seja V um espaco vetorial de dimens
ao finita n 1 com um produto interno
h,
i.
Seja
B
:
{b
,
...,
b
}
uma
base
ortonormal
para
V . Sejam u, v V . Ent
ao hu, vi =
1
n
Pn
i=1 i i , onde [u]B = (1 , ..., n )B e [v]B = (1 , ..., n )B .
Dem.: Sejam u, v V . Sejam 1 , ..., n , 1 , ..., n R tais que [u]B = (1 , ..., n )B e [v]B =
(1 , ..., n )B . Temos
n
n
X
X
hu, vi = h
i bi ,
i bi i
i=1
n
X
i=1
n
X
i hbi ,
i=1
n
X
j bj i
j=1
i i
i=1
Proposi
c
ao 18.7. Seja V um espaco vetorial com um produto interno h, i. Seja v V . Ent
ao
f : V R dada por
f (u) := hu, vi
para u V e um funcional linear.
64
f (a) = ha, vi
= ha, vi
= f (a)
= f (bi )
18.1
Exerccios
Exerccio 18.2. Mostre que a base canonica do R3 , com relacao ao produto interno usual, e
uma base ortonormal.
Exerccio 18.3. Seja V um espaco vetorial e A = {a1 , ..., an } um conjunto cujos elementos s
ao
ortogonais entre si. Seja R, com 6= 0. Mostre que B := {a1 , ..., an } tambem e um
conjunto cujos elementos sao ortogonais entre si.
65
19
Comecamos esta secao definindo uma forma de se obter um subespaco vetorial a partir de outros
dados.
Defini
c
ao 19.1. Sejam V um espaco vetorial e S, W V subespacos vetoriais. Definimos S + W
:= {v V : s S e w W v = s + w} a soma de S e W .
Vejamos que, de fato, S + W define um subespaco vetorial.
Proposi
c
ao 19.2. Sejam V um espaco vetorial e S, W V subespacos vetoriais. Ent
ao S + W
e um subespaco de V .
Dem.: Primeiramente, observe que 0 S + W ja que 0 = 0 + 0 e 0 S, W . Agora sejam
a, b S + W e vamos mostrar que a + b S + W . Sejam s1 , s2 S e w1 , w2 W tais que
a = s1 + w1 e b = s2 + w2 . Temos
a + b = (s1 + w1 ) + (s2 + w2 )
= (s1 + s2 ) + (w1 + w2 )
Como s1 + s2 S e w1 + w2 W , temos o que desejamos. A demonstracao de que a S + W
para qualquer R fica como exerccio.
Vejamos agora um caso especfico de soma de subespacos vetoriais.
Defini
c
ao 19.3. Sejam V espaco vetorial e S, W V subespacos vetoriais. Se S W = {0}
denotamos o espaco S + W por S W . Este espaco e chamado de soma direta de S e W .
Uma vantagem da soma direta e o seguinte resultado:
Proposi
c
ao 19.4. Sejam V espaco vetorial e S, W V subespacos vetoriais tais que S W =
{0}. Sejam v S W , s1 , s2 S e w1 , w2 W tais que v = s1 + w1 = s2 + w2 . Ent
ao s1 = s2
e w1 = w2 (ou seja, a escrita e u
nica).
66
Proposi
c
ao 19.5. Seja V espaco vetorial de dimens
ao finita. Suponha que V = S W . Ent
ao
dim V = dim S + dim W .
Dem.: Sejam {s1 , ..., sn } base para S e {w1 , ..., wm } base para W . Vamos provar que {s1 , ..., sn ,
w1 , ..., wm } e base para S W = V . Note que isso mostra o resultado.
Seja v V . Temos que existem s P
S e w W tais
Pmque v = s + w. Assim, existem
n
s
e
w
=
,
...,
,
...,
R
tais
que
s
=
i
i
1
n
1
m
i=1 i w1 . Assim, temos que v =
i=1
Pm
Pn
w
e,
portanto,
{s
,
...,
s
,
w
,
...,
w
}
gera
V
. Resta mostrar que e linearmente
+
1
n
1
m
i=1 i 1
i=1 i
independente. Suponha que nao, entao existe algum elemento em {s1 , ..., sn , w1 , ..., wm } que pode
ser escrito como combinacao linear dos outros. Vamos supor que seja um dos si s (o outro caso
e analogo). Assim, temos que si = s + w, onde s [{s1 , ..., sn } r {si }] e w [w1 , ..., wm ]. Por
outro lado, sabemos que si = si + 0, onde si S e 0 W . Assim, pelo resultado anterior, s = si
e w = 0. Ou seja, temos que si [{s1 , ..., sn } r {si }], contradicao com o fato de {s1 , ..., sn } ser
base.
Vamos agora `a definicao do espaco ortogonal.
Defini
c
ao 19.6. Seja V um espaco vetorial com um produto interno. Seja S subespaco de V .
Denotamos por S o espa
co ortogonal a S, isto e, o conjunto {v V : s S vs}.
Vejamos que, de fato, o espaco ortogonal e um espaco vetorial:
Proposi
c
ao 19.7. Seja V um espaco vetorial com um produto interno. Seja S subespaco de V .
Ent
ao S e um subespaco de V .
Dem.: Note que 0 S . Sejam a, b S . Vamos mostrar que a + b S . Para isso, seja s S.
Precisamos mostrar que (a + b)s. De fato, temos ha + b, si = ha, si + hb, si = 0 + 0 = 0. Seja
a S e R. Temos que a S pois, dado s S temos ha, si = ha, si = 0 = 0.
Proposi
c
ao 19.8. Seja V espaco vetorial com produto interno. Seja S subespaco de V . Ent
ao
valem as seguintes propriedades:
(i) S (S ) ;
67
(ii) S S = {0}.
Dem.:
Proposi
c
ao 19.9. Seja V espaco vetorial de dimens
ao finita com produto interno. Seja S
Corol
ario 19.10. Seja V espaco vetorial de dimens
ao finita e com produto interno. Seja S V .
Ent
ao temos que (S ) = S.
Dem.: Ja temos que S (S ) . Resta mostrar a outra inclusao. Seja v (S ) . Pelo resultado
anterior, temos que existem s S e t S tais que v = s + t. Se mostrarmos que t = 0, teremos
o resultado. Para isso, vamos mostrar que ht, ti = 0. Como s S e t S , temos que ht, si = 0.
E, como t S t e v (S )t , temos que ht, vi = 0. Assim
ht, ti =
=
=
=
19.1
ht, v si
ht, vi ht, si
0+0
0
Exerccios
Exerccio 19.1. Mostre que a condicao de que S W = {0} em 19.4 e necessaria. Isto e, de um
exemplo de um espaco V , S, W V subespacos e v V que possa ser escrito de duas maneiras
distintas na forma v = s + w com s S e w W .
Exerccio 19.3. Use o exerccio anterior e o exerccio 7.8 para mostra que, dados V espaco
vetorial de dimensao finita e S, W V temos que dim(S + W ) = dim S + dim W dim(S W ).
Use este resultado para dar outra demonstracao do caso particular de 19.5.
Exerccio 19.4. Seja V espaco vetorial com produto interno. Sejam A, B V tais que, para
quaisquer a A e b B temos que ab. Entao, dado v [B] temos que vw para qualquer
w [A].
Exerccio 19.5. Seja V um espaco vetorial de dimensao finita e com produto interno. Seja
S V subespaco vetorial. Considere T : V S e F : V S dadas por T (v) = s e F (v) = t
para v = s + t onde s S e t S .
(a) Mostre que T e F sao transformacoes lineares.
(b) Calcule N ucT e N ucF .
(c) Calcule ImT e ImF .
69
20
Grafos
Nesta secao vamos fazer uma aplicacao de algebra linear `a teoria dos grafos. Um grafo, informal comum
mente falando, e uma colecao de pontos que podem, ou nao, ser ligados por arestas. E
tais arestas terem uma direcao, isto e, a aresta que sai de um ponto A e chega num ponto B e
diferente da aresta que sai do ponto B e chega no ponto A. Vejamos uma maneira mais formal
de se definir um grafo.
Defini
c
ao 20.1. Dizemos que G e um grafo se G = (P, A) onde P e um conjunto de pontos e A
e um conjunto de funcoes que chamaremos de arestas. As arestas sao da forma a : {i, f } G
onde a(i) e o ponto de incio da aresta e a(f ) e o ponto final da aresta.
Defini
c
ao 20.2. Seja G = (P, A) um grafo. Dizemos que C = {a1 , ..., an } A e um caminho de
g1 para g2 em G se a1 (i) = g1 , an (f ) = g2 e, para todo j = 1, ..., n 1 temos que aj (f ) = aj+1 (i).
Neste caso, dizemos que {a1 , ..., an } e um caminho de tamanho n. Dizemos que G e conexo
se, para dados g, h G, existe um caminho de g para h.
Defini
c
ao 20.3. Seja G = (P, A) um grafo finito (isto e, tanto P como A sao finitos). Fixamos
{p1 , ..., pn } uma ordem para P . Chamamos de matriz de conectividade de G a matriz M
Mnn onde cada elemento mjk da matriz e dado por
mjk = |{a A : a(i) = pj e a(f ) = pk }|
Ou seja, na linha j pela coluna k fica o n
umero de arestas que saem de pj e chegam em pk .
Proposi
c
ao 20.4. A quantidade de caminhos de tamanho r entre os elemento pj e pk num grafo
G({p1 , ..., pn }, A) e o elemento da linha j na coluna k da matriz M r onde M e a matriz de
conectividade de G.
Dem.: Por inducao sobre r. Caso r = 1, segue diretamente da definicao de matriz de conectividade. Agora suponha que ja temos o caso r e vamos provar o caso r + 1. Sejam (ust )s,t=1,...,n e
(vst )s,t=1,...,n as matrizes M r e M respectivamente. Observe que o elemento na linha j da coluna
da k de M r+1 e dado por
n
X
ujs vsk
s=1
Pela hipotese se inducao, ujs representa quantos caminhos de tamanho r existem ligando pj e
ps . E note que vsk representa quantas arestas existem ligando ps e pk . Temos que vsk = 0 se,
e somente se nao existe uma aresta ligando ps e pk . Assim, ujs vsk representa quantos caminhos
existem de tamanho r saindo de pj e chegando em ps e que podem ser extendidos (com mais
uma aresta so) para pk . Como somamos o resultado para todos os ps possveis, temos o que
desejamos.
70
Corol
ario 20.5. Seja G um grafo com n pontos. Ent
ao G e conexo se, e somente se, M + M 2 +
+ M n1 , onde M e a matriz de incidencia de G, tem todos os seus elementos n
ao nulos.
Dem.: Se todos os elementos de tal matriz sao nao nulos, e claro que o grafo e conexo. Por outro
lado, se G e conexo, dados dois pontos seus, existe um caminho que os une com no maximo n 1
pontos (pois, se o caminho tiver mais pontos que isso, ele passa duas vezes por um mesmo ponto,
podendo assim ser encurtado). Assim, o elemento da matriz correspondente a esse caminho e
nao nulo.
21
Continuidade
Defini
c
ao 21.1. Sejam U e V espacos vetoriais normados. Sejam f : U V uma funcao e
u U . Dizemos que f e contnua no ponto u se dado > 0 existe > 0 tal que para qualquer
a U tal que ||ua|| < temos que ||f (u)f (a)|| < . Dizemos simplesmente que f e contnua
se f e contnua em todo ponto u U .
Note que essa definicao coincide com a usual para funcoes de R em R (quando tomamos em
R a norma usual).
Proposi
c
ao 21.2. Sejam U e V espacos vetoriais normados. Seja T : U V uma transformac
ao linear. As seguintes afirmac
oes s
ao equivalentes:
(i) T e contnua no 0.
(ii) Existe M > 0 tal que, para qualquer u U , ||T (u)|| M ||u||.
(iii) T e contnua.
Dem.: (i) (ii): Seja > 0. Seja > 0 tal que, se ||0 v|| = ||v|| < , entao ||T (0) T (v)|| =
||T (v)|| < . Seja M := 2
. Seja u U . Se u = 0, temos o resultado. Assim, suponha
2||u||
<
= M ||u||
(ii) (iii): Seja u U . Vamos mostrar que T e contnua em u. Seja > 0. Seja M como no
. Seja a U tal que ||u a|| < . Note que podemos supor
item anterior. Considere = M
a 6= u. Temos:
||T (u) T (a)|| = ||T (u a)||
M ||u a||
< M
= MM
=
71
Proposi
c
ao 21.3. Seja V um espaco vetorial de dimens
ao finita. Sejam || ||1 e || ||2 duas
normas sobre V . Ent
ao existem , > 0 tais que, para qualquer v V , temos:
||v||1 < ||v||2 e ||v||2 < ||v||1
Proposi
c
ao 21.4. Sejam U e V espacos vetoriais normados. Suponha dim U = n. Seja T :
U V uma transformac
ao linear. Ent
ao T e contnua.
Dem.: Seja B := {b1 , ..., bn } uma base para U . Considere || ||0 : U R dada por
0
||u|| :=
n
X
|i |
i=1
onde [u]B = (1 , ..., n )B . Note que || ||0 definida assim e uma norma sobre U . Seja tal
que para qualquer u U temos que ||u||0 < ||u||. Seja A := max{||T (b1 )||, ..., ||T (bn )||} + 1.
Considere M := A. Seja u U . Vamos mostrar que ||T (u)|| < M ||u||. Temos
||T (u)|| =
=
<
=
<
=
||T (1 b1 + n bn )||
||T (1 b1 )|| + + ||T (n bn )||
|1 |||T (b1 )|| + + |n |||T (bn )||
|1 |A + |n |A
A||u||0
A||u||
M ||u||
Refer
encias
72
Nota
c
ao
(a1 , ..., an )B , 27
L(U, V ), 45
M2 , 5
N ucT , 32
S + W , 66
S W , 66
S , 67
Sol(E), 20
[A], 13
[v]B , 27
dim V , 24
uv, 62
73
Indice Remissivo
arestas, 70
auto
valor, 47
vetor, 47
direta
soma, 66
dual
base, 54
espaco, 54
base, 19
base
dual, 54
ordenada, 27
ortonormal, 64
bijetora, 32
bijetora
funcao, 31
elemento
neutro, 3
oposto, 4
escalar
multiplicacao por, 1
espaco
dual, 54
ortogonal, 67
solucao, 20
vetorial, 1
caminho, 70
caminho
tamanho, de, 70
caracterstico
polinomio, 49
combinacao
linear, 12
completamento de base
teorema do, 24
conectividade
matriz de, 70
conjunto
gerador, 13
contnua, 71
contnua
ponto, no, 71
coordenadas
sistema de, 27
finitamente
gerado, 23
forma
diagonal, 52
funcao
bijetora, 31
injetora, 31
inversa, 32
sobrejetora, 31
funcional
linear, 54
gerado
finitamente, 23
gerador
conjunto, 13
grafo, 70
Gram-Schimdt
Processo de ortogonalizacao de, 63
hiperplano, 56
homogeneo
sistema linear, 20
independentes
linearmente, 15
74
induzida
norma, 61
induzidas
operacoes, 7
infinita
dimensao, 24
injetora
funcao, 31
interno
produto, 58
inversa
funcao, 32
isomorfismo, 36
isomorfos, 36
ortogonal
espaco, 67
ortonormal
base, 64
polinomio
caracterstico, 49
polinomios
de grau menor ou igual a n, 19
ponto
contnua no, 71
Processo de ortogonalizacao
Gram-Schimdt, de, 63
produto
interno, 58
linear
combinacao, 12
funcional, 54
transformacao, 28
linearmente
dependentes, 15
independentes, 15
sistema
coordenadas, de, 27
sistema linear
homogeneo, 20
sobrejetora
funcao, 31
solucao, 20
solucao
espaco, 20
soma, 1, 66
soma
direta, 66
subespaco
vetorial, 7
vetorial gerado, 13
matriz
conectividade, de, 70
mudanca de base, de, 43
transformacao, da, 39
mudanca de base
matriz de, 43
multiplicacao
escalar, por, 1
n
ucleo, 32
neutro
elemento, 3
norma, 60
norma
induzida, 61
tamanho
caminho de, 70
teorema
completamento de base, do, 24
transformacao
linear, 28
matriz da, 39
operacoes
induzidas, 7
oposto
elemento, 4
ordenada
base, 27
ortogonais, 62
valor
auto, 47
vetor, 1
vetor
auto, 47
vetorial
75
espaco, 1
subespaco, 7
vetorial gerado
subespaco, 13
76