Escolar Documentos
Profissional Documentos
Cultura Documentos
‡
Rodrigo Carlos Silva de Lima
rodrigo.uff.math@gmail.com
‡
2
Sumário
1 Espaços vetoriais 5
1.1 Espaços vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Espaço R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
n
9
1.1.2 Espaço vetorial das sequências . . . . . . . . . . . . . . . . . . . . 12
1.1.3 Espaço vetorial das matrizes . . . . . . . . . . . . . . . . . . . . . . 15
1.1.4 Espaço das funções . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.1.5 Propriedades algébricas básicas do espaço vetorial. . . . . . . . . 19
1.2 Subespaços vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.2.1 Exemplos de subespaços vetoriais . . . . . . . . . . . . . . . . . . . 23
1.2.2 Espaço das funções contı́nuas . . . . . . . . . . . . . . . . . . . . . 28
1.2.3 Funções limitadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.2.4 Equação cartesiana de espaços vetoriais . . . . . . . . . . . . . . . 35
1.2.5 Reta que passa pela origem . . . . . . . . . . . . . . . . . . . . . . 36
1.2.6 Conjuntos Convexos . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.2.7 O vazio é um conjunto convexo. . . . . . . . . . . . . . . . . . . . 37
1.2.8 A interseção arbitrária de convexos é um convexo. . . . . . . . . 37
1.2.9 Se F é convexo, então F é convexo. . . . . . . . . . . . . . . . . . . 37
1.2.10 Um conjunto Unitário é Convexo . . . . . . . . . . . . . . . . . . . 37
1.2.11 Convexo e combinação convexa . . . . . . . . . . . . . . . . . . . . 40
1.2.12 Produto cartesiano de espaços vetoriais . . . . . . . . . . . . . . . 46
1.2.13 Intersecção de subespaços vetoriais . . . . . . . . . . . . . . . . . . 50
1.2.14 União de espaços vetoriais . . . . . . . . . . . . . . . . . . . . . . . 51
1.3 Combinação linear: espaços gerados . . . . . . . . . . . . . . . . . . . . . 52
3
4 SUMÁRIO
Capı́tulo 1
Espaços vetoriais
Nesse texto iremos considerar a princı́pio que o corpo F seja o corpo dos números
reais R, caso contrário deixaremos claro no decorrer do texto. Sejam u , v e
w ∈ V e a e b ∈ R , então para que V seja um espaço vetorial a adição deve
satisfazer as seguintes propriedades
a
Espaço vetorial também é chamado de espaço linear por alguns autores.
5
6 CAPÍTULO 1. ESPAÇOS VETORIAIS
• S2 Associatividade
(u + v) + w = u + (v + w).
0v + v = v + 0v ,
v + (−v) = 0v
• S5 Comutatividade
u + v = v + u.
Com isso temos que a adição no espaço vetorial forma um grupo abeliano
(comutativo) (V, +). É definido também um produto de um vetor v por um
escalar a sendo o resultado um vetor av = u, que têm as seguintes propriedades
(considere a, b, c escalares arbitrários em K , v e u vetores em V )
• P1 O produto é fechado
cv ∈ V.
• P2 Distributividade escalar
(a + b)v = av + bv.
• P3 Distributividade vetorial
a(v + u) = av + au.
• P4 Identidade escalar
1.v = v.
(c.a)(v) = c(a.v),
onde c é um escalar
1.1. ESPAÇOS VETORIAIS 7
2(u + v) = 2u + 2v = (u + u) + (v + v).
2(u + v) = (u + u) + (v + v) = (u + v) + (u + v) =
= u + (u + v) + v = u + (v + u) + v,
u + v = v + u.
8 CAPÍTULO 1. ESPAÇOS VETORIAIS
u ∗ v = tu + tv.
Vale que
(u ∗ v) ∗ w = u ∗ (v ∗ w) ⇔ u = w.
(u∗v)∗w = t2 u+t2 v+tw = u∗(v∗w) = tu+t2 v+t2 w ⇔ t2 u+tw = t2 w+tu ⇔ (t2 −t)w = (t2 −t)u
X X X
k= k+ k
k∈B k∈A k∈C
caso um deles seja vazio, digamos A, então C = B e por isso definimos a soma
sobre um conjunto vazio de vetores, como o elemento neutro da adição de vetores
X
k = 0v .
k∈∅
ê Demonstração.
(c1 + c2 )v = c1 v + c2 v
c1 (v1 + v2 ) = c1 v1 + c2 v2
1.1.1 Espaço Rn
Z Exemplo 3. Caso n = 1, R 1
= R o conjunto dos números reais.
0v = (ck )n1
ê Demonstração.
• Comutatividade
(u + v) + w = ((ak )nk=1 + (bk )n1 ) + (ck )n1 = (ak + bk )n1 + (ck )n1 = (ak + bk ) + ck )n1 =
• Elemento neutro
• Associatividade escalar
• Identidade escalar
1(ck )n1 = (1.ck )n1 = (ck )n1
• Distributividade vetorial
α((ck )n1 +(bk )n1 ) = α((ck +bk )n1 ) = (αck +αbk )n1 = (αck )n1 +(αbk )n1 = α(ck )n1 +α(bk )n1 .
• Distributividade escalar
(α + β)(ck )n1 = ((α + β)ck )n1 = (αck + βck )n1 = α(ck )n1 + β(ck )n1 .
12 CAPÍTULO 1. ESPAÇOS VETORIAIS
(ak ) = (bk )
, isto é duas sequências são iguais quando seus termos de ı́ndices iguais, são
iguais.
Propriedades da adição
(cn ) = (0)
1.1. ESPAÇOS VETORIAIS 13
b Propriedade 7 (Associatividade).
[(cn ).(bn )].(an ) = (cn .bn ).(an ) = (cn .bn .an ) = (cn ).[(bn .an )]
1
a soma das sequências é a sequência nula. Se an 6= 0 para todo n, existe a−
n e
14 CAPÍTULO 1. ESPAÇOS VETORIAIS
1
temos a sequência dos inversos (a−
n ) onde temos a propriedade
1 −1
n ) = (an .an ) = (1).
(an ).(a−
b Propriedade 10 (Distributividade).
(an )[(cn )+(bn )] = (an )(cn +bn ) = (an cn +an bn ) = (an cn )+(an bn ) = (an )(cn )+(an )(bn )
Com as propriedades de adição e produto por escalar (que no caso são elementos
do corpo K), as sequências em um corpo k, formam um espaço vetorial. Este espaço
vetorial de sequências será simbolizado por K∞ , em especial se o corpo for o corpo
dos números reais R, teremos o espaço vetorial R∞ que são sequências de números
reais.
a1 1 a1 2 · · · a1 n
a2 1 a2 2 · · · a2 n
. .. .. ..
.. . . .
am 1 am 2 · · · am n
A k-ésima linha da matriz A é a n-upla (akj )nj=1 (fixe a linha k e deixe j variar)
a p-ésima coluna da matriz A é (aip )m
i=1 (fixe a coluna p e deixe i variar).
e denotamos B = cA.
1.1. ESPAÇOS VETORIAIS 17
ê Demonstração.
• Existe elemento neutro para adição que é a matriz nula 0 = (ai,j ) onde ai,j = 0
independente dos ı́ndices.
1A = (1.ai,j ) = (ai,j ) = A.
•
(c + t)A = (cai,j + tai,j ) = (cai,j ) + (tai,j ) = cA + tA
• Associatividade
(c.t)(A) = (c(tai,j )) = c(tA).
(cf)(x) = cf(x)
ê Demonstração.
• Existe o simétrico para todo f(x), −f(x), definindo g(x) = −f(x) ∀ x tem-se
(c.t)f(x) = c.(tf(x)
• Vale a distributividade
•
c(f(x) + g(x)) = cf(x) + cg(x).
Y
∞
∞
• Caso X = N temos E = E.
k=1
ê Demonstração.
u = u + 0 = u + (w − w) = (w + u) − w = (w + v) − w = v
logo u = v.
ê Demonstração.
ê Demonstração.
0v + ov = ov
0v + ov = 0v
logo ov = 0v .
X
n
nv = v.
k=1
ê Demonstração.
Xn Xn Xn
nv = ( 1)v = ( 1v) = ( v).
k=1 k=1 k=1
b Propriedade 25. Vale que (−1)v = −v, para qualquer vetor v ∈ V , espaço
vetorial , isto é, o escalar −1 multiplicado por v é o vetor simétrico de v.
1. 0 ∈ F. F é não vazio.
A condição 0 ∈ F pode ser trocada por F é não vazio, pois se 0 ∈ F, F é não vazio,
se F é não vazio existe a ∈ F, daı́ −a ∈ F e pela soma a − a = 0 ∈ F, outra maneira é
que 0.a = 0 ∈ F.
O mesmo para c1 w + v.
(a(i,j) ) = (a(j,i) ).
pois c1 e c2 são reais daı́ c1 a(j,i) + c2 b(j,i) = c1 a(j,i) + c2 b(j,i) = c(i,j) . E o conjunto das
matrizes hermitianas não é vazio pois a matriz nula é hermitiana.
a a1,2 a1,3 a 0 0
1,1 1,1
= a2,1 a2,2 0
a2,1 a2,2 a2,3
a3,1 a3,2 a3,3 a3,1 a3,2 a3,3
a1,1 a1,2 a1,3 a1,1 a1,2 a1,3
= 0
a2,1 a2,2 a2,3 a2,2 a2,3
a3,1 a3,2 a3,3 0 0 a3,3
que continua tendo entradas nulas para i < j pois soma de elementos nulos são
nulos e produto por constante também (mesmo para i > j. )
Toda matriz n×n pode ser escrita como soma de uma matriz triangular inferior
com uma matriz triangular superior. Dada uma matriz A = {ai,j } podemos escrever
A = B + C = {bi,j + ci,j }
definindo bi,j = 0 se i > j elementos de uma matriz triangular superior e bi,j = ai,j
se i ≤ j, agora os elementos da matriz triangular inferior, ci,j = 0 se i ≤ j e
26 CAPÍTULO 1. ESPAÇOS VETORIAIS
A soma desses espaços não é direta, pois toda matriz com elementos não nulos
na diagonal é triangular superior e inferior, isto é, A = {ai,j } com ai,j = 0 se
i 6= j e ai,j = 1 se i = j, isto é, ai,j = δi,j Logo não vale Mn×n = TS ⊕ TI , onde
Ts é o conjunto das matrizes triangulares superiores e TI o conjunto das matrizes
triangulares inferiores, porém vale Mn×n = TS + TI , TS ∩ Ts 6= {0}, TS ∩ Ts = {{δi,j }}.
Uma base para tal espaço pode ser tomada como o conjunto das matrizes
triangulares que possuem 1 em apenas uma entrada da matriz e sua quantidade é
n(n + 1)
logo o espaço possui essa dimensão.
2
Z Exemplo 10. (Espaço das funções polinômiais de grau até n.) Considerando
polinômio como função (junto com o elemento neutro da adição 0), temos o
conjunto dos polinômios de grau até n, F = K[x]n com coeficientes em um corpo
K, como um subespaço vetorial do espaço das funções, pois a função nula 0 ∈ F.
A soma de dois polinômios é um polinômio cujo grau não ultrapassa n o produto
de um polinômio por um número real também é um polinômio de grau até n ( ou
o elemento nulo).
Se tomássemos o conjunto F dos polinômios de grau exatamente n, não
1.2. SUBESPAÇOS VETORIAIS 27
terı́amos subespaço vetorial, pois a adição não é fechada, como por exemplo
xn + (−xn + 1) = 1
Z Exemplo 11. Seja V o conjunto das funções f : R → C tal que f(−t) = f(t),
então V é subespaço das funções de de R em C, sobre o corpo R.
A função nula satisfaz O(−t) = 0(t), agora seja h(t) = c1 f(t) + c2 g(t) então
Como exemplo, podemos dar a função f com f(t) = a + ti. onde a ∈ R, pois
f(−t) = a − ti = a + ti = f(t).
Kn PK∞ K∞ ∀ n ∈ N
se consideramos a identificação
(x1 , · · · xn ) := (x1 , · · · xn , 0, · · · , 0, · · · )
X
n
(x1 , · · · xn+1 , 0, · · · , 0, · · · ) =: xk+1 Xk
k=0
(4, 2, 1, 6).
é subespaço do espaço das sequências, pois a sequência nula satisfaz e dadas (xn )
e (yn ) nesse espaço, temos que (cxn +yn ) também está no espaço pois, substituindo
na relação do lado esquerdo acima temos
X
p
X
p
c ck xn+k + ck yn+k = 0 ∀ n ∈ N.
k=1 k=1
tais que
X
p
ck Dk f(x) = 0 ∀ x ∈ R
k=1
é subespaço das funções, pois a função nula pertence a tal conjunto e se temos
f e g no conjunto então também pertence ao conjunto a função cf + g, pois
substituindo na relação do lado esquerdo acima temos
X
p
X
p
c k
ck D f(x) + ck Dk g(x) = 0 ∀ x ∈ R.
k=1 k=1
30 CAPÍTULO 1. ESPAÇOS VETORIAIS
Z Exemplo 18. O conjunto dos polinómios de grau par ∪{0} não é subespaço
vetorial do espaço dos polinômio, pois x2 + x é de grau par e também −x2 , porém
a soma resulta em x, que é de grau ı́mpar.
Porém o conjunto dos polinômios em que todos os monômios tomados sepa-
radamente possuem grau par ou ı́mpar ∪{0} é subespaço vetorial dos polinômios,
pois a soma
c1 P(x) + c2 G(x)
G = {g : R → R | g(x) = 0∀ x ∈ Y}.
1. Vale que V = F + G ⇔ X ∩ Y = ∅.
2. F ∩ G = {0} ⇔ X ∪ X = R.
3.
E=F⊕G⇔Y =R\X⇔.
1. ⇒).
1.2. SUBESPAÇOS VETORIAIS 31
⇐).
h(x), x ∈ X
h(x)
g(x) = , x∈B
2
0, x ∈ Y
3.
E=F⊕G⇔Y =R\X⇔
E = F ⊕ G ⇔ Y = E = F + G e F ∩ G = {0} ⇔ X ∩ Y = ∅ e X ∪ Y = R ⇔ R \ X ⇔
32 CAPÍTULO 1. ESPAÇOS VETORIAIS
tem termos em progressão aritmética pois zn+1 = cxn+1 + yn+1 = cxn + yn + crx + ry
| {z }
r
com isso chegamos a conclusão que o conjunto dos vetores de Rn cujas coorde-
nadas formam progressão aritmética de razão fixada não é subespaço de Rn , pois
se não toda P.A teria que ter a razão nula como do vetor zero.
O conjunto dos vetores de Rn cujas coordenada formam progressão aritmética,
em geral não formam subespaço de Rn , pois
5 9
que não é uma PG, pois 6= , se consideramos o conjunto de vetores que
3 5
formam PG de razão fixada também não temos subespaço vetorial por causa do
vetor nulo.
F(V, E) = A ⊕ B.
X
m X
m
P(x) = k
ak x = P(−x) = ak (−1)k xk
k=0 k=0
X
m X
m
P(x) = k
ak x = P(−x) = ak (−1)k+1 xk
k=0 k=0
portanto se anulam.
34 CAPÍTULO 1. ESPAÇOS VETORIAIS
Z Exemplo 22. Para n fixado, seja Q n o conjunto dos polinômios que são
divisı́veis por xn . Qn é um subespaço vetorial do espaço dos polinômios P. Temos
que Q é não vazio, sendo f, g ∈ Qn , c ∈ R então f(x) = xn h(x), g(x) = xn L(x),
onde h(x) e L(x) são polinômios, por divisão euclidiana, logo
então cf + h ∈ F.
Se tomamos g(x) = x + a, F é o conjunto das funções periódicas de perı́odo a.
Se tivéssemos g(f(x)) = f(x), seria necessário que g(0) = 0 e g(cf(x) + h(x)) =
cf(x) + h(x), logo g(x) = x. Se F = {0} então g(x) = ax. Para que f(g(x)) = g(x),
tais f formassem subespaço seria necessário que 0(g(x)) = g(x) logo g é nula e
daı́ temos que ter também f(0) = 0.
1.2. SUBESPAÇOS VETORIAIS 35
Tal espaço é gerado pelas funções limitadas positivas. Seja f ∈ L, existe t tal
que f(x) + t > 0 ∀ x ∈ A pois f é limitada, t > 0 logo
f(x) = (f(x) + t) − t
Z Exemplo 26. Ache a equação cartesiana do espaço gerado por (0, 1, −2) e
(1, 1, 1) em R2 .
Temos que o espaço gerado é combinação linear desses vetores
logo
x = c2 , y = c1 + c2 , z = −2c1 + c2
− 3x + z + 2 y = 0
ê Demonstração.
X
n
Seja o hiperplano com equação ak xk = b, ele separa o espaço em dois semi-
k=1
X
n X
n
espaços I, dos pontos tais que ak xk > b e II dos pontos tais que ak xk < b.
k=1 k=1
Sejam dois pontos A e B em I, o segmento que os une tem equação A+t(B−A) com
t ∈ [0, 1], vamos mostrar que todos esses pontos pertencem à I . A = (xk )n1 , B = (yk )n1 ,
logo os pontos desse segmento são da forma (xk + t(yk − xk ))n1 = (xk (1 − t) + tyk )n1
aplicando a soma tem-se
X
n X
n
(1 − t) ak x k + t ak yk > (1 − t)b + tb = b
k=1 k=1
X
n X
n
f(0) = ak xk > b , f(1) = ak yk < b, logo por continuidade existe um único t
k=1 k=1
entre 0 e 1 tal que f(t) = b, tal valor é único, por unicidade de solução de equação
linear .
X
n
b Propriedade 39. Os conjuntos dos pontos do Y = {(xk )n1 ∈ Rn | ak xk ≥ b}
k=1
X
n
e X = {(xk )n1 ∈ Rn | ak xk ≤ b} são convexos.
k=1
X
n X
n
(1 − t) ak x k + t ak yk ≥ (1 − t)b + tb = b.
k=1 k=1
X
n
t k vk
k=1
ê Demonstração.
Primeiro vamos fazer o caso n = 3 a partir do caso n = 2, para deixar mais claro
1.2. SUBESPAÇOS VETORIAIS 41
X
n+1 X
n Xn
t k vk
t k vk = tk vk + tn+1 vn+1 = (1 − tn+1 ) P
n + tn+1 vn+1
k=1 k=1 k=1 ts
s=1
Xn
t k vk
por hipótese de indução = Y pertence à X então a soma acima também
P
n
k=1 ts
s=1
pertence por definição de conjunto convexo.
X
n
b Propriedade 41. O conjunto dos pontos (zk )n1 do R tais que
n
x2k ≤ r é
k=1
convexo.
ê Demonstração. Tomamos dois pontos nesse conjunto (xk ) e (yk ), daı́ (txk +
(1 − t)yk ) deve pertencer ao conjunto e isso vale pois
X
n X
n X
n
t2 x2k + (1 − t)2 y2k + 2t(1 − t)xk yk ≤ rt2 + r2(1 − t)t + r(1 − t)2 = r(t + [1 − t])2 = r
k=1 k=1 k=1
v
X
n
uX X
u n n
2
√
onde usamos a desigualdade de Cauchy-Schwarz xk yk ≤ t xk y2k ≤ r.r
k=1 k=1 k=1
positivo é fechado.
ê Demonstração.
⇒). Suponha o cone convexo, u 0 , v 0 ∈ C então tu 0 + (1 − t)v 0 ∈ C com 0 < t < 1.
Podemos tomar u 0 = t−1 u e v 0 = (1 − t)−1 v daı́ u + v ∈ C.
⇐). Suponha que u 0 , v 0 ∈ C ⇒ u 0 + v 0 ∈ C, vamos mostrar que C é convexo.
Podemos tomar u 0 = tu e v 0 = (1 − t)v que pertence ao cone por definição então
(1 − t)v + tu ∈ C, o cone é convexo.
X X X X
w= ck vk + ck vk = ck vk − (−ck )vk = u − v
k∈A k∈B
|k∈A{z } |k∈B {z }
u∈C v∈C
w = u + u − u = 2u − u
b Propriedade 44.
f(x) = f+ (x) − f− (x).
f(x) = 0 = 0 − 0.
E por último, se existe x tal que f(x) = b < 0, então f+ (x) = 0 e f− (x) = −b daı́
Z Exemplo 28. C = {t(1, 1), t > 0} é um cone não simétrico. C = {t(1, 1), t 6= 0}
é simétrico não convexo, não sendo convexo pois não possui o ponto (0, 0).
ê Demonstração.
[
• A = Ck é cone, pois dado v ∈ A então v ∈ Ck para algum k logo temos
k∈B
tv ∈ Ck e daı́ tv ∈ A.
\
• G= Ck é cone, pois seja v ∈ G então v ∈ Ck ∀ k e daı́ tv ∈ Ck que implica
k∈B
tv ∈ G.
1.2. SUBESPAÇOS VETORIAIS 45
1. C(x) é convexo.
2. X ⊂ C(x)
ê Demonstração.
X
n X
m
1. Sejam u, v ∈ C(x) então u = t k vk , v = tk0 vk0 , temos
k=1 k=1
X
n X
m X
m+n
tu + (1 − t)v = ttk vk + (1 − t)tk0 vk0 = tk00 vk00
k=1 k=1 k=1
X
m+n X
n X
m
tk00 = t tk + (1 − t) tk0 = t + 1 − t = 1.
k=1 k=1 k=1
2. X ⊂ C(x), pois dado V ∈ X temos que 1.x é uma combinação convexa logo
x ∈ C(X).
contém E, em sı́mbolos
\
co(E) := A.
Aé convexo, A⊂V, A⊂V, E⊂V
α(ak ) = (α ×k ak )
• Comutatividade
(u + v) + w = ((ak )nk=1 + (bk )n1 ) + (ck )n1 = (ak +k bk )n1 + (ck )n1 = ((ak +k bk ) +k ck )n1 =
• Elemento neutro
• Associatividade escalar
• Identidade escalar
1(ck )n1 = (1 ×k ck )n1 = (ck )n1
• Distributividade vetorial
α((ck )n1 +(bk )n1 ) = α((ck +k bk )n1 ) = (α×k ck +k α×k bk )n1 = (α×k ck )n1 +(α×k bk )n1 = α(ck )n1 +α(bk )n1 .
• Distributividade escalar
(α + β)(ck )n1 = ((α + β) ×k ck )n1 = (α ×k ck +k βck )n1 = α(ck )n1 + β(ck )n1 .
Y
n
$ Corolário 4. Se V é um espaço vetorial sobre K então V := V n é um espaço
k=1
vetorial sobre K.
m Definição 38 (Hiperplano que passa pela origem). Sejam (ak )n1 números
1.2. SUBESPAÇOS VETORIAIS 49
X
n
H = {v = (xk )n1 ∈R | n
ak xk = 0}.
k=1
X
n
$ Corolário 6. Se ak = 0 então 0.xk = 0 para qualquer xk , nesse caso
k=1
H = Rn .
X
n
ê Demonstração. O vetor 0v = (0)n1 pertence ao conjunto H, pois ak = 0 .
k=1
X
n
Seja um vetor v = (xk )n1 ∈ H, então vale ak xk = 0, e outro vetor u = (xk )n1 ∈ H,
k=1
X
n
logo ak yk = 0, u + v = (xk + yk )n1 e tem-se
k=1
X
n X
n X
n
ak (xk + yk ) = ak x k + ak yk = 0 + 0
k=1 k=1 k=1
Z Exemplo 31.
X
n
H = {v = (xk )n1 ∈R | n
ak xk = d 6= 0}
k=1
X
n
$ Corolário 7. Sendo Hs = {v = (xk )n1 ∈ Rn | a(s,k) xk = 0} para n ∈ In então
k=1
t
\
Hs é subespaço vetorial de Rn . Neste caso temos que o conjunto de soluções
s=1
de um sistema é subespaço vetorial.
A1 ∪ A2 ∪ A3 = A1 ∪ A2
A1 ∪ A2 ∪ A3 = A1 ∪ A2 = A1
X
n
u= ak .vk .
k=1
X
u= ck .k.
k∈A
Em especial se A = ∅
X
0v = ck .k,
k∈∅
ser denotado por [A] ou < A >.) O vazio gera o espaço nulo. < ∅ >= {0v }.
a
A não precisa ser um subespaço de V
ê Demonstração.
X
n
0v = 0 vk .
|{z}
k=1 Ck
X
n
2. Sendo u ∈ S(A) então u = xk uk onde cada uk ∈ A e v ∈ S(A) implica
k=1
X
m
v = yk vk a soma desses vetores pode ser escrita como uma combinação
k=1
X
n
linear finita de elementos de A logo u+v ∈ S(A). Caso por exemplo u = xk u k
k=1
X
n
e v= yk uk segue que
k=1
X
n X
n X
n
u+v= xk u k + yk uk = (xk + yk )uk ∈ S(A).
k=1 k=1 k=1
X
n X
n X
n
3. Dado c ∈ R e v ∈ S(A) então v = xk uk e cv = cxk uk = yk uk logo
|{z}
k=1 k=1 yk k=1
é combinação linear de vetores de A, implicando que cv ∈ S(A), então S(A) é
um subespaço vetorial.
b Propriedade 61. S(A) é o menor subespaço que contém A, isto é, para
qualquer subespaço W tal que A ⊂ W então S(A) ⊂ W.
X
n X
n n
ak e k = ak δ(j, k) = (aj )nj=1 = v.
k=1 k=1 j=1
o espaço de polinômios, {xk , k ∈ [0, n]N } gera o espaço de polinômios de grau até
n.
F1 + F2 = S(F1 ∪ F2 )
F1 + F2 = {v + w | v ∈ F1 , w ∈ F2 }.
pois podemos tomar por exemplo X = {(0, 1), (2, 0)} e Y = {(1, 0)}, a interseção dos
conjunto é vazia logo
S(X ∩ Y) = {0}
p = q + c3 w = c1 u + c2 v + c3 w
1.3. COMBINAÇÃO LINEAR: ESPAÇOS GERADOS 57
1. F = F1 ⊕ F2
v = f1 + f2
onde pelo menos um deles é não nulo , digamos f2 daı́ 0 = f1 +(f2 −v) = (f1 −v)+f2
logo temos duas escritas para 0 o que é absurdo.
X
n
2. Cada x ∈ Fk se escreve como modo único como soma de elementos
k=1
Xn X
n
xk ∈ Fk , x = xk ⇔ para cada j tem-se Fj ∩ ( Fk ) = {0}.
k=1 k=1,k6=j
n
M
Na condição escrevemos F = Fk .
k=1
ê Demonstração.
n
[
1. Sabemos que S( Fk ) é o menor subespaço que contém a união, vamos provar
k=1
X
n
que Fk = B também é o subespaço que contém todos esses conjuntos. Cada Fk
k=1
está contido em B, logo a união também está, por indução a soma é subespaço,
já que a soma de dois é subespaço. Suponha que A seja um espaço que contém
cada Fk então ele contém a soma de todos elementos de cada Fk e por isso
n
[
B ⊂ A, então B é o menor espaço e por isso B = S( Fk ).
k=1
2. ⇒).
X
n
Suponha que para algum j temos v 6= 0, v ∈ Fj ∩ ( Fk ) logo
k=1,k6=j
X
n X
n
v= vk = vj + vk
k=1 k=1,k6=j
daı́
X
n X
n
0 = vj − v + ( vk ) = vj + ( vk ) − v
k=1,k6=j k=1,k6=j
X
n X
n
v= vk = wk
k=1 k=1
X
n
vj − w j = (wk − vk ) 6= 0
k=1,kn6=j
X
n
temos um elemento não nulo em Fj e Fk o que contraria hipótese.
k=1,k6=j
m Definição 47 (Reta que une dois pontos). Sejam x 6= y ∈ V então a reta que
une x, y é por definição o conjunto
$ Corolário 10. Variedades afins são conjuntos convexos pois a reta que passa
por dois pontos está contida no conjunto, então em especial o segmento que une
tais pontos.
$ Corolário 12. Um espaço vetorial real ou complexo é uma variedade afim pois
x, y ∈ V implica (1 − t)x, ty ∈ V logo (1 − t)x + ty ∈ V para qualquer t real.
$ Corolário 13. O conjunto vazio é uma variedade afim , pois se não fosse
haveriam x, y ∈ ∅ e algum t ∈ R tal que xt + (1 − t)y ∈
/ ∅ o que é absurdo pois o
conjunto é vazio logo não podemos ter x, y ∈ ∅.
X
n X
m
(1 + t)x + ty = (1 − t) ck vk + t ck0 vk0
k=1 k=1
1.3. COMBINAÇÃO LINEAR: ESPAÇOS GERADOS 61
X
n X
m
(1 − t) ck + t ck0 = 1 − t + t = 1.
k=1 k=1
X
n
x k ak = b
k=1
onde (ak )n1 e b são escalares reais ou complexos dados é uma variedade afim.
X
n X
n X
n
ak (txk + (1 − t)yk ) = t ak xk + (1 − t) ak yk = tb + (1 − t)b = b.
k=1 k=1 k=1
V = x + F = {x + v, v ∈ F}.
ê Demonstração.
Existência de F. Dado x ∈ V fixo seja F o conjunto dos vetores y −x onde
|{z}
∈V
y ∈ V . Vamos mostrar que F < E.
• Seja α ∈ R e V ∈ F então v = y − x,
αv = α(y − x) = (1 − α)x + αy −x ∈ F.
| {z }
∈V
• Se v = y − x e v 0 = y 0 − x em F então
y y0
v + v 0 = y + y 0 − 2x = 2( + −x) ⇒
|2 {z 2}
∈V
v + v0
∈ F pela propriedade anterior multiplicando por 2 temos que v + v 0 ∈ F.
2
\
U = S(X).
U≤V | X⊂U
\
ê Demonstração. Seja U := A .
U≤V | X⊂U
Ov pertence a todos subespaços vetoriais, logo pertence a interseção. Dados v, w ∈
A e c ∈ K então cv + w ∈ U para qualquer U na interseção , portanto A é subespaço
de V . Como S(x) é subespaço de V que contém X então S(X) ⊂ A e daı́ A = S(X),
pois S(X) é o menor subespaço de V que contém X.
ê Demonstração.
⇒). Se F é espaço vetorial então 0 ∈ F .
⇐). 0 ∈ V então existe um único F subespaço vetorial tal que
V = 0 + F = F.
• 0 ∈ V por hipótese .
1 1
• u, v ∈ V implica u + v ∈ V. Seja t 6= 0, t 6= 1 então u e v são elementos de
t 1−t
V pelo item anterior, portanto por ser variedade afim
1 1
t u + (1 − t) v = u + v ∈ V.
t 1−t