Capitulo A - Revisdo de Algebra Linear 1. Espagos Vetoriais Um espago vetorial wma estrutura algébrica constituida de um par de objetos (K, V) onde K @ denominado de corpo de escalares, ¢ V é um conjunto de vetores. Um corpo é wm conjunto onde estdo definidas as operagées de soma e multiplicagao, possuindo as mesmas propriedades de soma e multiplicagdo dos niimeros reais, Sao exemplos de corpos. o conjunto Q dos mimeros racionais e 0 conjunto R dos niimeros reais. © conjunto de vetores V é um conjunto onde existe uma operagio de soma (comutativa), possuindo um elemento neutro denominado vetor nulo. Mais ainda, existe uma operagao de multiplicagdo de um escalar de K por um vetor de V, fornecendo como resultado um outro vetor de V. Muitas vezes, dizemos que 0 espaco vetorial V é um espaco vetorial sobre K, para chamarmos atengéo de qual conjunto de escalares estamos considerando. Aconselhamos ao leitor que consulte um texto de Algebra linear para que reveja as definigées axiométicas completas de espaco vetorial. 2. Exemplos de Espacos Vetoriais a. O conjunto V das funcdes continuas de R em R é um espago vetorial sobre R se definirmos : (Eth) (x) = file) + f(x) (6 f(x) = f(x) para todo ceRe fi, f, eV. b. O conjunto V das énuplas ordenadas (x;, ... , X,) com x,€R é um espaco vetorial sobre R, com as definigdes (12 oes a) + (Yr ee F (ty one y Xa) = (Cy one y € Xp) para todo (1)... X_) € (Yiy «+s Ya) € Ve todo c€R, Tal espaco vetorial ¢ denominado +¥n) (sy 4+¥u- espaco Euclideano de dimensio n e denotado por R". c. Uma definicao anéloga, mas com € substituindo R, da origein ao espaco vetorial C%.4, O conjunto V das énuplas ordenadas (x). ... . xq) com x;€@ é um espaco vetorial sobre Q, com as definigdes (xy 000 a) EO vee Fa) = LFV es Set Va) €(K ps oe Ka) SUE Xp os € Xa) para todo (x1, ... + Xa) € (Vis «+ Ya) € Ve todo c€Q, Tal espaco vetorial é denotado por 9" ce. Um espaco vetorial “hem estranho” é obtido se considerarmos 0 conjunto V das émuplas ordenadas (x, ... . Xq) com x,€R como um espaco vetorial sobre Q, com as definigoes (4 oe eA) HOY st Mata) (Xp ++ Xa) para todo (x15... + Sq) © (Yis «++ Ya) € Ve todo c€Q. Tal espaco vetorial nao possui a mesma natureza dos espacos cuclidianos. De fato, pode-se mostrar que tal espaco vetorial possui dimensao infinita! Logo tenha cuidado com 0 corpo de escalares! 3. Subespacos Se & & um espago vetorial sobre umn corpo K, um dado subconjunto VC é dito ser um subespaco de &, se V é um espaco vetorial (sobre K) com as mesmas operacdes definidas no espaco vetorial %. Proposicao 1. V é subespaco de % se e s6 se para todo ¥,, v2 € V, ¢ todo par de escalares a, 3 €K tenhamos (av, + 3v;) €V. OBS : Note que todo subespaco vetorial V.C9% contém o vetor nulo de & (Mosire porque) Jependéncia Seja {x ... , q} CE. onde % € um espaco vetorial sobre K. Dizemos que 0 conjunto {x;, ... , X,} é linearmente dependente (L. D.) se e somente se existirem escalares ¢, €K tais que S>¢)x, = 0. Caso contrério dizemos que tal conjunto é linearmente independente. Note que um conjunto que possui o vetor nulo é sempre linearmente dependente.Proposicao 2. O conjunto (x1, .... xy} ¢ Li. se e s6 se a equagio $7 ex; = 0 para c; implicar em ¢, = 0 para i 5. Subespacos Gerados. Bases ¢ Dimensio note que o conjunto gerado por X é 0 conjunto de todas as combinacées lineares possiveis formadas pelos elementos de X com coeficientes em K. Dizemos que o conjunto Uma base B de % é um conjunto linearmente X gera % quando span{X} = independente que gera %. Teorema 4. As seguintes afirmativas sio verdadeiras (i) span{y,, ... . yp} ¢ um subespaco de %6, (ii) Se spam{y,, ... , y,} =span{x,, ... , ¥,} =% € ambos os conjuntos {y1,.... yp} € {1 = + Xq} sao L.L., temos =d, onde d é dita dimensao de %. a (iii) Quaiquer conjunto com menos de d elementos nao pode gerar 6. (iv) Qualquer conjunto com mais de d elementos é L.D. (v) Todo conjunto L.I. de d elementos é uma base de %. Exemplos : (1, 0, 0), ¢9=(0, 1, 0), ¢5=(0, 0, 1) formam uma base do R%, denominada base canénica. (a) Os vetores e,(b) (De agora em diante vamos representar os vetores como wetores coluna) o| 0 |p é um conjunto LI. e é portanto uma base do i | r + 2 1 3 7] (c)spang) 1 || 0 |] 1 |b é um subespaco de dimensio 2 do R (forneca uma base L° ry dieste subespaco). filfe] 1 | (ay dha 3 1 |. @um conjunto L.D. porque possi 4 yetores do R°, 0 1 | Obs: O niimero de elementos de uma base de um espaco vetorial © é denominado dimensao de & e denotado por dim(&). Teorema 5. Fixada uma base {x;, ... . x,} de $6, entdo todo vetor de x ¢ se escreve unicamente como wi Eiri onde os ¢; séo escalares adequados. OBS : Fixada uma base {x, vetor x = 3° ¢; 2; pelo vetor coluna } de % como no teorema 5, é usual representar 0 Observacao : Dado um conjunto de r vetores coluna (escritos em alguma base), eles sao Iinearmente dependentes se (¢ somente se), da matziz formada por estes vetores coluna, s6 podemos extrair determinantes menores rxr nulos. Se existir algum determinante meuor rxr ndo nulo, entao os vetores sio linearmente independentes.Sq} de % e dado um conjunto {&,... + §,} ©, existe wm subconjunto (;,....4%),_ fC (Sts +s Xp} tal que {6 } forma uma nova base de &. Proposigao 6 : (Completamento de base) Fixada uma base (x, 6. Matrizes de Mudanga de base Sejam {e,, ... 5 Ca} © {fy «+ + fa} duas bases distintas de %. Entéo, pelo teorema } tais que 5, existem escalares hj, com i, j € (1, es Shy h aw Note que podemos escrever Fay faz oe ay Igy figg vs Bea Mga Tina oss Bn onde as coluna j de H representa os vetores coluna e, quando escritos na base {f,,... , f,}. Tal matriz é denominada matriz de mudanca de base. De fato, seja c€ % um vetor arbitririo. Ainda pelo teorema 5, podemos escrever : (2) ou mostraremos que ou seja, a matriz H 6 a matriz de passagem de um vetor coluna escrito na base (¢, ... en} para © mesmo vetor escrito na base {i}, ... , {,}- Para mostrar isto basta substituir 1) em (2), obtendo :€ isto mostra o resultado desejado. a Observagio : Mostra-se facilmente que a matriz H é unio singular e a matriz H! é a matriz de mudanca de base no sentido inverso. Lembre-se que a inversa de uma matriz é dada por: HT = det onde (adj H) é a transposta da matriz dos cofatores. A matriz dos cofatores 6 a matriz cujo elemento #7 ¢ dado por (-1)"*?) det H,; , onde Hj; é a matriz que se obtém de H eliminando-se a linha ie a coluna j. 7. Transformagées lineares e matrizes. Uma aplicagdo linear T : %-¥J entre espacos vetoriais %, Y sobre um mesmo corpo K. é uma aplicagao tal que : Thea + ery) =e, T(x) +627 (22) Seja {e,, -.., en} uma base de Ge {f,,..., fm} uma base de Y. Ent&o os escalares t;;€K 1 n i tais que (tais escalares existem e sio iinicos pelo teorema 5) Tle) = F tsi definem totalmente a transformacao linear T. De fato, pelo teorema 5 podemos escrever ee; e Tle 3% d;f, para escalares c, ed adequados. Enta mh T(z)=T ( se)=% osT(e;) Ey z, ty f=tastes =. San fe] A matriz acima é denominada matriz de T ¢ depende das bases escolhidas em & e em J. Observe que a coluna j da matriz de T corresponde ao vetor coluna T(e;) quando escrito na base ff), .... fa}. E corriqueiro denotar a matriz da trensformacio linear T pela mesma letra T, tomando-se 0 cuidado de percebermos que a matriz é um objeto que depende da base escolhida enquanto a transformacio linear T é um objeto intrinseco. 8) Imagem ¢ micleo de uma transformacio linear T: S— A Imagem de T, denotada por Im T, é 0 subconjunto de ¥f definido por ImT = {ye¥|y=Tx, xe} Mostra-se facilmente que a imagem de T 6 um subespaco. Em termos computacionais, mostra-se que a Im T é 0 subespaco gerado pelos vetores coluna da matriz de T. © pésto p de uma transformacao linear é, por definicdo, a dimenséo de Im T. Note que a dimensio da imagem de T é a dimensio do subespaco gerado pelos vetores colina de sna matriz, ou equivalentemente, é a ordem maxima de um determinante menor nao nulo extraido da sua matriz. Assim, o posto da matriz transposta T’ é igual ao posto de T. Em outras palavras. para computacao do posto podemos determinar a dimensao do subespaco gerado pelas linhas ou pelas colunas de T, produzindo o mesmo resultado. 0 macleo de T, denotado por Ker T, é definido por Ker T= {xe%|Tx=0}Mestva-se que Ker T é um subespaco. Q resultado seguinte ¢ itil para computacao do micleo de uma transformacio linear. Teorema 7 : dim(Im T) + dim(Ker T) = dim(%) Proposi¢ado 8 : As seguintes afirmativas séo equivalentes para uma transformacao linear T: G49, onde dim(%) =n e dimn(4 (i) T ¢ injetiva, i. e, . se xy #xp entio T(x,) # Tho) 5 (ii) Ker T = {0}; (iii) Os vetores coluna da matriz de T sao linearmente independentes ; (iv) O posto de T é igual a n, sendo n obrigatoriamente menor que m ; Proposicao 9 : As seguintes afirmativas sao equivalentes para uma transformacao linear T: GH, onde dim(%) =n e dim(%) =m : (i) T é sobrejetiva, i.e. , Im T= O—— (iii) Os vetores linha da matriz de T sio linearmente independentes ; (iv) O posto de T é igual a m, sendo m obrigatoriamente menor que n ; 9) Soma e Interseegéo de subespagos Dados dois subespacos %. T de % podemos definir o subespaco soma como o conjunto de todas as combinagées lineares dos vetores desses subespacos, i.e. + R4T= {xeGlxarts,reRseT} A intersecdo de subespacos é definida pela interseccao “natural” de conjuntos, e neste caso fornece 0 subespaco intersecao BAT dado por NT ={xeB|xeRexeT} Note que a uniao de dois subespacos nao 6, em geral, um subespago. Por exemplo, a uniao dos eixos coordenados x e y do plano cartesiano nao é um subespaco. Observacao : Sejam R, T matrizes com mesmo mimero de linhas. Se R= Im Re J =Im T, entéo R+F=Im[R T], onde [RT] é a matriz obtida pela justaposicao das colunas de Re T. Definicao 10 : Se RT =0, entdo os subespacos B e T sao ditos independentes. Nestecaso. a soma de Re F é denominada soma dircta ¢ é denotada por heT. Proposicdo 11 : As seguintes afirmativas sdo equivalentes para dois subespacos %. T de ‘um mesmo espaco vetorial : (i) Os subespacos % e T sio independentes. (ii) Todo vetor v de %+T se escreve unicamente como uma soma t+t, onde rR e teq. Proposigao 12 : Dados dois subespagos % e T de um mesmo espaco vetorial existem subespagos RC RE TCT tais que R+ T =(RNT) PREF Obs: Para construir os subespacos % e J da proposigdo anterior, basta completar a base de (RMT) com elementos {f,, ... . #,} “de wma escolhidos entre os elementos de base de ® até obter uma base de %. Assim %= spanfij, ... . é}- Depois completa-se . . {p} escolhidos entze os elementos de uma base uma base de Y% com elementos {i, de J, obtendo-se uma base de %+T. Assim, J=span{t,, ... , t,}. Note que a construgéo da soma direta da proposi¢io 12 nao é ‘nica, bastando para isso que se escolham bases diferentes no procedimento acima. As definigoes de soma e interseccio de subespacos podem ser generalizadas indutivamente para uma familia de subespacos {%,, ... ,%x} de um mesmo espaco vetorial. Denotase por %,+ ... +S, (ou $5 %,) a soma dessa familia e por 21n ... NB (ou) %,) a interseccdo dos elenientos desta familia. A definigdo 10 também pode ser genieralizada como se segue Definigéo 13 : Os subespacos de uma familia {8, ... ,2,} sio ditos independentes se tivermos ®:A © Gy = {0} para todo i=, ... . k, i. e.. cada subespaco é independente aa soma de tack os outros. Neste caso, a soma destes subespacos é denominada de soma direta e denotada por ®,@ ... @% (ou & ®; ). Proposicéo 14 : As seguintes afirmativas sio equivalentes uma familia de subespagos {9% ... ,Se} de um mesmo espago vetorial : (1) Os subespacos de {%, ... ,%,} sdio mdependentes.19 (ii) Todo vetor v de %,+ ... +2, se escreve unicamente como uma soma ty +...+tt, onde cada 1,€%, F210... & (iii) BN "SR; =(0} para todo 10) Imagem inversa e direta de um subespaco por uma transformacao linear. Seja % um subespaco de % e T um subespaco de Y. Seja T : SJ uma transformagao linear. Podemos definir o subespaco imagem de ® por T como TR={yeU|y=TrreR} © © 0 subespaco imagem inversa de T por T. como. TF =(xeG|Tx=y,yeV) OBS : Na definicéo acima, T! ndo denota a inversa de T. Note que T~'T pode ser definido mesmo que T nao seja invertivel ! Proposigio 15 : Seja T : G9 uma transformacio linear, seja ® um subespaco de Ge seja T um subspaco de 4, As seguintes afirmativas sao verdadeiras : (i) dim( TR) = dim(®) — dim(BN Ker T). (ii) dim(T~"5) = dim(Ker T) + dim(T Im T) Observacdo : Note que (i) generaliza o teorema 7. De fato, fazendo %=% em (i), obtemos © teorema