Espaços vetoriais: propriedades e exemplos

Anotações sobre espaços vetoriais
‡
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
1.1 Espaços vetoriais
m Definição 1 (Espaço vetorial). Um espaço vetoriala é uma estrutura (V, F, +, ×)

formada pelos seguintes elementos listados:
• Um conjunto V , cujos elementos são chamados vetores.
• Um corpo F, chamado corpo de escalares (cujos elementos são chamados de

escalares).
• Temos também duas operações: Uma adição + e uma multiplicação × que

satisfazem certas propriedades que listaremos a seguir.
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.
• S1 A adição é fechada u + v ∈ V. A soma de dois elementos de V ainda é um

elemento de V .
5
6 CAPÍTULO 1. ESPAÇOS VETORIAIS
• S2 Associatividade
(u + v) + w = u + (v + w).
• S3 Vetor nulo. Existe um vetor 0v ∈ V , chamado vetor nulo, tal que
0v + v = v + 0v ,
para todo e qualquer v ∈ V . Usaremos a notação 0v para simbolizar o vetor

nulo, para que não haja confusão com o número real 0, ou elemento nulo do
corpo dos escalares.
• S4 Inverso aditivo. Para cada vetor v ∈ V existe −v ∈ V tal que
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.
• P5 Associatividade do produto por escalar
(c.a)(v) = c(a.v),
onde c é um escalar
1.1. ESPAÇOS VETORIAIS 7
Usaremos a notação simplificada V ao invés de (V, F, +, ×) para simbolizar o

espaço vetorial, quando estiver subentendida o corpo de escalares usado.
Para memorizar as propriedades notamos que são 10 as propriedades de espaço
vetorial, 5 para adição de vetores (grupo abeliano ) e 5 para produto por escalar.
Se o corpo de escalares é K, chamamos V de K-espaço vetorial ou espaço vetorial
sobre K, em especial, sobre C temos um espaço vetorial complexo, sobre R temos um
espaço vetorial real.
m Definição 2. Dado um vetor v e o inverso aditivo de u, −u, denotamos

v + (−u) por v − u.
b Propriedade 1. A propriedade comutatividade da adição de vetores é des-

necessária como axioma de espaço vetorial, pois pode ser deduzida dos outros
axiomas, isto é, {P1 , · · · P5 , S1 , · · · S4 } ⇒ {P1 , · · · P5 , S1 , · · · S5 }.
ê Demonstração. A propriedade vale se temos uma unidade 1.a = a, distri-

butividade à esquerda e à direita (1 + 1)a = 1.a + 1.a = a + a e lei do corte ( que
pode provir da associatividade, existência de neutro e inverso aditivo).
• Distributividade à direita implica,
2(u + v) = 2u + 2v = (u + u) + (v + v).
• Distributividade à esquerda e propriedade da unidade, temos
2(u + v) = (1 + 1)(u + v) = 1.(u + v) + 1.(u + v) = (u + v) + (u + v).
• Segue, dos itens anteriores e associatividade da adição, que
2(u + v) = (u + u) + (v + v) = (u + v) + (u + v) =
= u + (u + v) + v = u + (v + u) + v,
por lei do corte, temos finalmente
u + v = v + u.
Z Exemplo 1. Seja uma operação ∗ definida em V , da seguinte maneira ,

dados u, v ∈ V e t 6= t2 real, definimos
u ∗ v = tu + tv.
Vale que
(u ∗ v) ∗ w = u ∗ (v ∗ w) ⇔ u = w.
Temos u ∗ v = tu + tv, daı́
(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
como t2 6= t podemos dividir por t2 − t e daı́ a expressão equivale à w = u.
m Definição 3. Dado um espaço vetorial V , definimos a soma de um número

finito de seus elementos recursivamente. Sendo B um conjunto finito de vetores
de V , se temos uma partição B = A ∪ C com A e C disjuntos
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∈∅
b Propriedade 2. Um corpo K é espaço vetorial sobre si mesmo.
ê Demonstração.
• A adição e multiplicação são fechadas por estarmos em um corpo.
• (K, +) é um grupo abeliano, pois (K, +, ×) é corpo.

• Vale 1.v = v, c1 (c2 v) = (c1 c2 )v pois o produto é associativo em corpo. O produto

também é distributivo em relação a soma
(c1 + c2 )v = c1 v + c2 v
c1 (v1 + v2 ) = c1 v1 + c2 v2
por propriedade de corpo.
• O vetor nulo é o elemento neutro da adição no corpo 0.
• O inverso aditivo de um vetor v é seu simétrico no corpo −v.
b Propriedade 3. Seja L um subcorpo de K, se V é espaço vetorial sobre K,

então V também é espaço vetorial sobre L.
ê Demonstração. A soma e produto por escalar são fechados e satisfazem as

propriedades algébricas listadas na definição.
Z Exemplo 2. Como Q, R ,C e Z p são corpos então são espaços vetoriais. Q

não é espaço vetorial sobre R pois o produto não é fechado, assim como R não é
espaço vetorial sobre C. Porém C é espaço vetorial sobre Q e R.
1.1.1 Espaço Rn
m Definição 4 (Espaço Rn .). Para todo número natural n, o sı́mbolo Rn

representa o espaço vetorial euclidiano n-dimensional. Os elementos de Rn são
as n-uplas de números reais (ak )n1 = (a1 , . . . , an ) onde cada ak ∈ R é chamado de
coordenada. Dizemos também que o termo ak está na k-ésima coordenada.
Yn
O espaço Rn é o produto cartesiano de n fatores R, Rn = R, o sı́mbolo c
k=1,c
no ı́ndice do produtório para lembrar que estamos tratando do produto cartesiano.
Z Exemplo 3. Caso n = 1, R 1
= R o conjunto dos números reais.
m Definição 5 (Igualdade). Se temos u = (ak )n1 e v = (bk )n1 a igualdade u = v

significa que ak = bk ∀ k ∈ In .
m Definição 6 (Adição). A adição de dois vetores u e v é definida como
u + v = (ak )n1 + (bk )n1 = (ck )n1
onde ck é dado por ck = ak + bk , assim escrevemos
u + v := (ak )n1 + (bk )n1 = (ak + bk )n1
m Definição 7 (Produto por escalar). O produto por um número real c é

definido como
c.w := (dk )n1
onde dk = c.ak , assim escrevemos
c.w := (c.ak )n1
m Definição 8 (Vetor Nulo). O vetor zero é por definição
0v = (ck )n1
onde ck = 0 ∀ k ∈ In . Tal elemento também é chamado de origem de Rn . Usamos

o sı́mbolos v em 0v para não confundir o elemento nulo de Rn com o elemento
real, caso esteja claro no contexto podemos simbolizar 0v apenas por 0.
b Propriedade 4. Rn é um espaço vetorial.
• Comutatividade
u + v = (ak )n1 + (bk )n1 = (ak + bk )n1 = v + u =
= (bk )n1 + (ak )n1 = (bk + ak )n1
temos que bk + ak = ak + bk pela comutatividade da adição de números reais.
• Associatividade Sendo w = (ck )n1 temos
(u + v) + w = ((ak )nk=1 + (bk )n1 ) + (ck )n1 = (ak + bk )n1 + (ck )n1 = (ak + bk ) + ck )n1 =
pela associatividade da adição de números reais
= (ak + (bk + ck ))n1 = u + (v + w)
• Elemento neutro
w + 0v = (ck )n1 + (ek )n1 = (ck + ek )n1 = (ck )n1
pois ek é o elemento neutro da adição de números reais.
• Existência de inverso aditivo w = (ck )n1 tomamos w 0 = (−ck )n1
(ck )n1 + (−ck )n1 = (ck − ck )n1 = (ek )n1 = 0
• Associatividade escalar
(αβ)(ck )n1 = (αβck )n1 = α(βck )n1 = α(β(ck )n1 ).
• 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 .
1.1.2 Espaço vetorial das sequências
m Definição 9 (Sequência). Uma sequência com elementos em um corpo K é

uma função X : N → K. xn é chamado n-ésimo termo da sequência e escrevemos
os termos da sequência como upla
(x1 , . . . , xn , . . . ) = (xn )n∈N = (xn ) = {xn }.
m Definição 10 (Igualdade de sequências). Duas sequências (ak ) e (bk ) são

iguais, quando ak = bk para todo k ∈ N
(ak ) = (bk )
, isto é duas sequências são iguais quando seus termos de ı́ndices iguais, são
iguais.
m Definição 11 (Adição de sequências). Sejam sequências (an ) e (bn ), defini-

mos a adição como uma outra sequência (cn )
(an ) + (bn ) = (cn )
onde o termo cn é dado pela adição de an e bn , cn = an + bn .
Propriedades da adição
Sejam (an ), (bn ), (cn ) sequências quaisquer no corpo K, a adição e o produto de

sequências gozam das seguintes propriedades
b Propriedade 5 (Elemento neutro). O elemento neutro da adição de sequências

é a sequência onde todos termos são nulos
(cn ) = (0)
onde cn = 0 ∀ n ∈ N1 . E temos a propriedade, sendo (an ) uma sequência qualquer,

temos a propriedade
(an ) + (0) = (an + 0) = (an ).
Pois o corpo k possui elemento neutro da adição. Temos um elemento neutro

do produto que é (1) a sequência constante formada pelo número 1, e temos a
propriedade
(an )(1) = (an .1) = (an ).
Pois 1 é o elemento neutro do produto no corpo K
b Propriedade 6 (Comutatividade). Temos as propriedades
(cn ) + (bn ) = (cn + bn ) = (bn + cn ) = (bn ) + (cn )
(cn )(bn ) = (cn .bn ) = (bn .cn ) = (bn )(cn )
pela propriedade da adição e o produto serem comutativos no corpo k.
b Propriedade 7 (Associatividade).
[(cn ) + (bn )] + (an ) = (cn + bn ) + (an ) = (cn + bn + an ) = (cn ) + [(bn + an )]
[(cn ).(bn )].(an ) = (cn .bn ).(an ) = (cn .bn .an ) = (cn ).[(bn .an )]
pela associatividade no corpo K.
b Propriedade 8 (Existência de inverso). Para a sequência (an ) existe a

sequência (−an ), tal que
(an ) + (−an ) = (an − an ) = (0)
1
a soma das sequências é a sequência nula. Se an 6= 0 para todo n, existe a−
n e
1
temos a sequência dos inversos (a−
n ) onde temos a propriedade
1 −1
n ) = (an .an ) = (1).
(an ).(a−
b Propriedade 9 (Existência de divisores de zero). Dadas duas sequências não

nulas (xn ) e (yn ) seu produto pode ser uma sequência nula.
ê Demonstração. Considere (xn ) dada por xn = 0 se n par e xn = 1 se n ı́mpar,

(yn ) tal que yn = 0 se n ı́mpar yn = 1 se n par, então (xn )(yn ) = (0) e nenhuma
delas é a sequência nula.
$ Corolário 1. Com isso concluı́mos que o conjunto das sequências munido

da adição e multiplicação que definimos , não é um corpo, pois em corpos não
existem divisores de zero.
b Propriedade 10 (Distributividade).
(an )[(cn )+(bn )] = (an )(cn +bn ) = (an cn +an bn ) = (an cn )+(an bn ) = (an )(cn )+(an )(bn )
pela distributividade no corpo K.
m Definição 12 (Produto por elemento de um corpo). Sejam uma sequência

(an ) e um elemento r do corpo K, definimos o produto da sequência por r como
uma outra sequência (cn )
r(an ) = (cn )
onde o termo cn é dado pelo produto do termo an e r, cn = an .r.
b Propriedade 11 (Distributividade). Sendo r e p ∈ k, temos
(r + p)(an ) = (ran + pan ) = (ran ) + (pan ) = r(an ) + p(an ).

r[(an ) + (bn )] = r(an + bn ) = (ran + rbn ) = r(an ) + r(bn ).
b Propriedade 12 (Multiplicação por 1).
1.(an ) = (1.an ) = (an ).
b Propriedade 13. c e d no corpo K temos
c[d.(an )] = c(d.an ) = (c.d.an ) = (c.d).(an )
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.
1.1.3 Espaço vetorial das matrizes
m Definição 13 (Matriz m por n.). Uma matriz A, m por n com coeficientes

reais é uma tabela com m linhas e n colunas compostas de m linhas de n-
uplas (a(i,j) )nj=1 de números reais onde i simboliza o ı́ndice da linha, poderı́amos
também ter n-uplas de números complexos ou outros elementos. Denotamos a
matriz definida acima como A = (a(i,j) ) e o conjunto de todas as matrizes com
coeficientes reais com m linhas e n colunas por Mm×n (R). Os elementos a(i,j) são
chamados de coeficientes ou entradas da matriz A. Se a matriz tivesse coeficientes
complexos denotarı́amos como Mm×n (C).
Podemos denotar a matriz A como
 
 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).
m Definição 14 (Igualdade de matrizes). Dadas duas matrizes A = (aij ) ∈

Mm×n (R) e B = (bij ) ∈ Nr×s (R). Dizemos que A e B são iguais quando m = r,
n = s e aij = bij para todo i ∈ Im e j ∈ In sendo satisfeitas m.n igualdades.
m Definição 15. Definimos M(m×n) como o conjunto de todas matrizes m×n

com entradas em R.
Para as próximas definições iremos considerar matrizes em M(m × n).
m Definição 16 (Adição de matrizes). Dadas A = (ai,j ), B = (bi,j ) matrizes

arbitrárias, definimos a soma das matrizes A e B como uma matriz C = (ci,j ) em
M(m × n) tal que
ci,j ai,j + bi,j .
m Definição 17 (Produto por escalar). Definimos o produto de uma matriz A

arbitrária por um número real c qualquer, como a matriz B = (bi,j ) em M(m × n)
tal que
bi,j = c.ai,j
e denotamos B = cA.
b Propriedade 14. O conjunto M(m × n) munido do produto por escalar e

adição definidas acima é um espaço vetorial.
• A adição é comutativa A + B = B + A pois (ai,j + bi,j ) = (bi,j + ai,j ).
• A adição é associativa (A + B) + C = A + (B + C) pois ((ai,j + bi,j ) + ci,j ) =

((ai,j + (bi,j ) + ci,j )).
• Existe elemento neutro para adição que é a matriz nula 0 = (ai,j ) onde ai,j = 0
independente dos ı́ndices.
B + 0 = (ai,j + bi,j ) = (0 + bi,j ) = (bi,j ) = B.
• Dada A = (ai,j ) existe um elemento simétrico −A = (−ai,j ), cuja soma resulta

na matriz nula
A + (−A) = (ai,j − ai,j ) = (0).
• Agora vejamos as propriedades da multiplicação . Vale que 1A = A pois
1A = (1.ai,j ) = (ai,j ) = A.
• Distributividade do produto por escalar
c(A + B) = (cai,j + cbi,j ) = (cai,j ) + (cbi,j ) = cA + cB.
•
(c + t)A = (cai,j + tai,j ) = (cai,j ) + (tai,j ) = cA + tA
• Associatividade
(c.t)(A) = (c(tai,j )) = c(tA).
Portanto M(m × n) é espaço vetorial.
1.1.4 Espaço das funções

m Definição 18 (Espaço das funções ). Seja X um conjunto não vazio e A um

anel com unidade. Definimos f(X, A) como o conjunto de todas funções f : X → A.
Consideramos também o caso de ter no lugar de A, E um espaço vetorial .
m Definição 19 (Soma e produto). Definimos a adição e multiplicação por

escalar de duas funções quaisquer f, g em f(X, A) por
(f + g)(x) = f(x) + g(x)
(cf)(x) = cf(x)
onde c ∈ A, ficando assim definidas uma operação de adição e de multiplicação.

O mesmo com E, um espaço vetorial no lugar de A.
b Propriedade 15. f(X, A) é espaço vetorial, quando A é corpo.
• Vale a associatividade da adição
(f(x) + g(x)) + h(x) = f(x) + (g(x) + h(x))
• Existe elemento neutro da adição 0 ∈ A e a função constante f(x) = 0 ∀ x ∈ A,

daı́
g(x) + 0 = g(x).
• Existe o simétrico para todo f(x), −f(x), definindo g(x) = −f(x) ∀ x tem-se
f(x) + g(x) = f(x) − f(x) = 0
• Existe a identidade escalar 1 ∈ A (ou 1 ∈ K o corpo associado ao espaço vetorial

E) e vale 1f(x) = f(x).
• Vale a associatividade da multiplicação por escalar
(c.t)f(x) = c.(tf(x)
por propriedade do anel (espaço vetorial).

• Vale a distributividade
(c + t)f(x) = cf(x) + tf(x)
•
c(f(x) + g(x)) = cf(x) + cg(x).
Z Exemplo 4. Exemplos de F(X, E).

Y
n
• Caso X = In temos En = E.
k=1
Y
∞
∞
• Caso X = N temos E = E.
k=1
• Caso X = In × Im temos o espaço das matrizes de n linhas e m colunas com

elementos em E.
1.1.5 Propriedades algébricas básicas do espaço vetorial.
b Propriedade 16 (Lei do corte para adição de vetores). Se w + u = w + v

então u = v.
u = u + 0 = u + (w − w) = (w + u) − w = (w + v) − w = v
logo u = v.
b Propriedade 17. Para qualquer vetor u vale 0.u = 0v .
0.u = (0 + 0)u = 0.u + 0.u = 0.u + 0v
pela lei do corte segue que 0.u = 0v .

b Propriedade 18. Para qualquer c real , vale c.0v = 0v .
c.0v + c.0v = c(0v + 0v ) = c(0v ) = c(0v ) + 0v
pela lei do corte segue que c.0v = 0v .
b Propriedade 19. Se au = 0v então a = 0 ou u = 0v .
ê Demonstração. Usamos a contrapositiva a 6= 0 e u 6= 0v então a.u 6= 0v . Seja

a.u = t , como a 6= 0 existe a−1 , daı́
a−1 (au) = (a−1 a)u = 1.u = u = a−1 t
se t fosse nulo u também seria, o que contraria a hipótese.
b Propriedade 20 (Unicidade do vetor Nulo). Existe apenas um vetor nulo 0v

em um espaço vetorial.
ê Demonstração. Supondo a existência de pelo menos dois, 0v e ov segue que
0v + ov = ov
0v + ov = 0v
logo ov = 0v .
b Propriedade 21 (Unicidade do vetor simétrico). Dado v em um espaço

vetorial então existe apenas um simétrico −v, tal que −v + v = 0v .
ê Demonstração. Suponha a existência de pelo menos dois simétricos −v e

−v 0 , daı́
−v 0 + v = 0 = −v + v
por lei do corte segue que −v 0 = −v

b Propriedade 22. Seja n natural, vale que
X
n
nv = v.
k=1
Xn Xn Xn
nv = ( 1)v = ( 1v) = ( v).
k=1 k=1 k=1
b Propriedade 23. Sejam v e u não nulos em V . u é múltiplo de v ⇔ v é

múltiplo de u .
ê Demonstração. Suponha que u seja múltiplo de v então existe t 6= 0 tal que

1
u = tv daı́ multiplicando por em ambos lados tem-se
t
1
u=v
t
e portanto v é múltiplo de u .
b Propriedade 24. No Rn (xk ) = t(yk ) ⇔ xk yj = xj yk ∀ k, j.
ê Demonstração. Se um dos vetores é nulo o outro também é daı́ o resultado

segue de maneira trivial. Supomos então que nenhum dos vetores é nulo .
1 1
⇒). xk = tyk , yj = xj daı́ xk yj = tyk xj = yk xj .
t t
⇐ .) Existe yj 6= 0, multiplicamos (xk ) por yj resultando em
xj
yj (xk ) = (yj xk ) = (xj yk )xj (yk ) ⇒ (xk ) = (yk )
yj
como querı́amos demonstrar.
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.
ê Demonstração. Prova tal identidade é equivalente a provar que (−1)v+v = 0,

porém 1.v = v e daı́ usando propriedades de multiplicação por escalar temos
(−1)v + 1.v = (−1 + 1).v = 0.v = 0
isso implica o desejado.

Z Exemplo 5. Seja V = R , com soma usual definida e o produto por escalar

n
real c, definido como

c(xk )n1 = (yk )n1
onde yk = cxk para um número finito (menor que n) de valores k e yk = tk xk (onde

tk 6= 0) caso contrário, então V não é espaço vetorial pois deveria valer 0.v = 0v ,
porém tomando v com todas coordenadas não nulas o vetor resultante não é nulo,
deveria ser por implicação de propriedades algébricas de espaço vetorial.
1.2 Subespaços vetoriais
m Definição 20 (Subespaços vetoriais). Dado um espaço vetorial V , um sub-

conjunto F de V , será um subespaço vetorial de V se:
1. 0 ∈ F. F é não vazio.
2. Se u e v ∈ F temos u + v ∈ F. A adição é fechada.
3. Se v ∈ F e c ∈ R então cv ∈ F. O produto por escalar é fechado.
Podemos denotar que F é subespaço de V usando a notação F < V ( V > F)

ou F ≤ V (V ≥ F), se quisermos deixar claro que F 6= V , podemos denotar F V
(V F), nesse caso F é dito ser espaço próprio.
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.
b Propriedade 26. A = {0v } é um subespaço vetorial de V .
ê Demonstração. Temos 0v ∈ A, se u e v são elementos de A então u = v = 0v

logo u+v = 0v . Se v ∈ A então v = 0v logo tomando c ∈ R segue c.v = c.0v = 0v ∈ A.
1.2. SUBESPAÇOS VETORIAIS 23
b Propriedade 27. V é subespaço vetorial de V .
ê Demonstração. 0v ∈ V , a soma é sempre fechada e o produto por escalar

também, por definição das operações.
m Definição 21 (Subespaços triviais). Dado um espaço vetorial V , os subespaços

{0} e V são chamados de subespaços triviais de V . Em especial {0} é chamado de
subespaço nulo de V .
b Propriedade 28. Um subconjunto A de V não vazio é subespaço vetorial de

V ⇔ vale
c1 w + c2 v ∈ A, ∀ w, v ∈ A, c1 , c2 ∈ K.
O mesmo para c1 w + v.
ê Demonstração. ⇒) Se A é subespaço vetorial então vale tal propriedade, pois

soma e produto por constante são operações fechadas.
⇐).
0 ∈ A, pois é não vazio e vale 0w + 0v = 0 ∈ A, a soma de dois vetores também
pertence a A, basta tomar c1 = c2 = 1 e daı́ c + w ∈ A, o produto de um vetor por
escalar também pertence ao conjunto pois tomando c2 = 0 temos c1 w ∈ A.
De maneira similar para expressão do tipo c1 w + v. A não vazio, existe y ∈ A, daı́
(−1)y + y = 0v ∈ A, a soma é fechada, basta tomar c1 = 0, o produto por escalar é
fechado, basta tomar y = 0.
1.2.1 Exemplos de subespaços vetoriais
m Definição 22 (Matriz simétrica ). Uma matriz An×n é dita simétrica se

a(i,j) = a(j,i) ∀ i, j, isto é, vale A = AT .
Z Exemplo 6 (Matrizes simétricas). O conjunto das matrizes simétricas é

subespaço vetorial do espaço das matrizes, pois a matriz nula é simétrica, vale
ainda que se A e B são simétrica então
C = c1 (A) + c2 B = {c1 a(i,j) + c2 b(i,j) } = {c1 a(j,i) + c2 b(j,i) }

| {z } | {z }
c(i,j) c(j,i)
logo temos que o conjunto das matrizes simétricas é um subespaço.
m Definição 23 (Matriz hermitiana). Uma matriz An×n com entradas em C é

hermitiana ( também chamada de auto-adjunta) se vale
(a(i,j) ) = (a(j,i) ).
Z Exemplo 7. O conjunto das matrizes hermitianas n × n não é um subespaço

do espaço de todas as matrizes n × n sobre C, pois a diagonal de uma matriz
hermitiana é formada por elementos reais e iA tem elemento complexo na diago-
nal, se a diagonal tiver algum elemento não nulo. Porém o conjunto das matrizes
hermitianas é subespaço das matrizes n × n sobre R, pois
W = c1 (A) + c2 B = {c1 a(i,j) + c2 b(i,j) } = {c1 a(j,i) + c2 b(j,i) }

| {z } | {z }
c(i,j) c(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.
m Definição 24 (Matriz triangular inferior). Uma matriz A = (ai,j ) ∈ M(n×n )

tais que a(i,j) = 0 quando i < j é chamada de triangular inferior, ela tem todos
elementos "acima"da diagonal nulos.
   
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
m Definição 25 (Matriz triangular superior). Uma matriz A = (ai,j ) ∈ M(n×n )

tais que a(i,j) = 0 quando i > j é chamada de triangular inferior, ela tem todos
elementos "abaixo"da diagonal nulos.
   
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
Z Exemplo 8. O subconjunto das matrizes triangulares superiores e inferiores

é um subespaço das matrizes n × n, pois a matriz nula é inferior e superior e
dadas duas matrizes superiores (superiores) A e B e uma constante c, temos que
cA + B é triangular inferior ( superior), pois
cA + B = C = {cai,j + bi,j } = {ci,j }
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
ci,j = ai,j caso i > j, resumindo
• i ≤ j , bi,j = ai,j , ci,j = 0.
• i > j, bi,j = 0 e ci,j = ai,j .
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 9. (Espaço das funções polinômiais) Considerando polinômio como

função (junto com o elemento neutro da adição 0), temos o conjunto dos po-
linômios F = K[x] (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 e o produto de um polinômio por um escalar também é um polinômio.
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
terı́amos subespaço vetorial, pois a adição não é fechada, como por exemplo
xn + (−xn + 1) = 1
o resultado não é um polinômio de grau n.
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
h(−t) = c1 f(−t) + c2 g(−t) = c1 f(t) + c2 g(t) = c1 f(t) + c2 g(t) = h(t).
Como exemplo, podemos dar a função f com f(t) = a + ti. onde a ∈ R, pois
f(−t) = a − ti = a + ti = f(t).
Z Exemplo 12. Seja P ∞

K o conjunto das sequências de K∞ que possuem um
número finito de elementos não nulos, então PK∞ é subespaço de K∞ , pois a soma
de duas sequências com número finito de elementos não nulos é uma sequência
com número finito de elementos não nulos, a sequência nula possui um número
finito de elementos não nulos ( zero elementos não nulos), e o produto de um
escalar por uma sequência de elementos não nulos gera uma sequência do mesmo
tipo. Podemos pensar na inclusão
Kn PK∞ K∞ ∀ n ∈ N
se consideramos a identificação
(x1 , · · · xn ) := (x1 , · · · xn , 0, · · · , 0, · · · )
com todos elementos nulos com ı́ndices k, tal que k > n.

Usamos a notação PK∞ , pois podemos associar elementos de tal conjunto a
polinômios com coeficientes em K (daı́ a letra P), da seguinte maneira
X
n
(x1 , · · · xn+1 , 0, · · · , 0, · · · ) =: xk+1 Xk
k=0
onde X é uma indeterminada.

As sequências que possuem um único termo não nulo constituem um conjunto
de geradores para PK∞ , pois uma sequência do conjunto é da forma (x1 , · · · xn+1 , 0, · · · , 0, · · · )
para algum n, daı́ podemos ver que escrevemos um elemento qualquer como
combinação linear das sequências com apenas um termo não nulo, logo tal con-
junto gera o espaço das sequências PK∞ .
1.2.2 Espaço das funções contı́nuas
Z Exemplo 13 (Espaço das funções contı́nuas). O conjunto das funções

contı́nuas de C em C ( ou de R em R), é um subespaço vetorial do conjunto
das funções de C em C, pois a função nula é contı́nua, a soma de duas funções
contı́nuas é contı́nua e o produto de duas funções contı́nuas também é contı́nua.
O mesmo vale se trocamos contı́nua por integrável ou derivável.
Z Exemplo 14. O conjunto de todas funções de perı́odo s é subespaço do

espaço das funções, pois a função nula pode ser considerada como de perı́odo s,
se temos duas funções f, g de perı́odo s então c1 f + c2 g também possui perı́odo s.
Z Exemplo 15. Os subconjuntos de elementos de K , K n ∞

ou PK∞ que possuem
pelo menos um certo conjunto de coordenadas nulas são subespaços vetoriais,
pois o elemento neutro da adição pertence a tais conjuntos e dados elementos w
e v neles temos que
c1 w + c2 v
continua dentro do conjunto, pois o produto por constante e soma , coordenada

a coordenada, não transforma uma entrada nula em não nula.

Da mesma maneira o subconjunto de Kn que possui um número s de coorde-
nadas fixas iguais é um subespaço de Kn , pois o elemento nulo está no espaço a
multiplicação por constante e adição não alteram essa propriedade. Porém veto-
res de Kn que possuem exatamente s coordenadas iguais não é subespaço, pois a
adição não é fechada, considere por exemplo (1, 2, 1, 2) e (3, 0, 0, 4) ambos possuem
dois elementos iguais, porém sua soma é
(4, 2, 1, 6).
Z Exemplo 16 (Espaço de sequências recorrentes). O conjunto das sequências

(xn ) tais que
X
p
ck xn+k = 0 ∀ n ∈ N
k=1
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
Z Exemplo 17 (Espaço de equações diferenciais). o conjunto das funções C ∞
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
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)
continua tendo mesma propriedade.
Z Exemplo 19. Sejam X, Y ⊂ R

F = {f : R → R | f(x) = 0∀ x ∈ X}
G = {g : R → R | g(x) = 0∀ x ∈ Y}.
F e G são subespaços vetoriais de V = F(R, R), basta mostrar que um desses

conjuntos é subespaço. A função nula se anula em X, logo pertence a F. Dadas
duas funções f e g de F, então h = cf + g ∈ F pois dado x ∈ X arbitrário temos
h(x) = cf(x) + g(x) = 0.
1. Vale que V = F + G ⇔ X ∩ Y = ∅.
2. F ∩ G = {0} ⇔ X ∪ X = R.
3.
E=F⊕G⇔Y =R\X⇔.
1. ⇒).
Suponha por absurdo que V = F + G e existe a ∈ X ∩ Y , é claro que existe

uma função h tal que h(a) = 1, porém h = f + g e daı́ h(a) = 0 o que é
absurdo.
⇐).
Se X ∩ Y = ∅, seja h : R → R, definimos B = R \ (X ∪ y), ∃F ∈ F com





 h(x), x ∈ Y

h(x)
f(x) = , x∈B

 2


 0, x ∈ X
Da mesma maneira existe g ∈ G com




 h(x), x ∈ X

h(x)
g(x) = , x∈B

 2


 0, x ∈ Y
Vale h(x) = f(x) + g(x)∀ x ∈ R. Se B é vazio ignoramos a definição nesse

conjunto.
2. ⇐). Provamos a contrapositiva. Suponha f 6= 0 ∈ F ∩ G, logo existe x ∈ R tal

que f(x) 6= 0, como f ∈ F ∩ G, logo x ∈
/ X, Y e daı́ X ∈
/ Y 6= R.
→). Provamos novamente a contrapositiva. Tomamos a ∈ R \ (X ∪ Y) daı́

/ X, Y , existem f ∈ F e g ∈ G tal que f(a) 6= 0 e g(a) 6= 0, definimos
a ∈
h(x) = f(x).g(x), vale h(0) = 0 se x ∈ X ou Y logo h ∈ F ∩ G e além disso
h(a) 6= 0 logo F ∩ G 6= {0}.
3.
E=F⊕G⇔Y =R\X⇔
pelo uso dos itens anteriores
E = F ⊕ G ⇔ Y = E = F + G e F ∩ G = {0} ⇔ X ∩ Y = ∅ e X ∪ Y = R ⇔ R \ X ⇔
Z Exemplo 20. O conjunto dos vetores de Rn cujas coordenadas formam

progressão aritmética formam um subespaço de Rn , pois, dados dois elementos
(xk )n1 e (yk )n1 temos que a sequência nula é P.A e
(cxk + yk )n1 = (zk )n1
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
(1, 1, 1) + (2, 4, 8) = (3, 5, 9)
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.
Z Exemplo 21. O conjunto A das funções pares e o conjunto B das funções

ı́mpares são subespaços vetoriais de F(V, E) e
F(V, E) = A ⊕ B.
Onde V e E são espaços vetoriais, f(−x) = f(x) ∀ x ∈ V se f é par, se f é ı́mpar

f(−x) = −f(x).
A função nula O(x) = 0∀ x e par e ı́mpar. Sendo f, g pares então h com
h(x) = cf(x) + g(x), c ∈ K corpo de escalares é par pois
h(−x) = cf(−x) + g(−x) = cf(x) + g(x).

Se f e g são ı́mpares então cf + g também é ı́mpar pois
h(−x) = cf(−x) + g(−x) = −cf(x) − g(x) = −h(x).
A interseção de A e B possui apenas a função nula, pois f(−x) = −f(x) = f(x),

por f ser par e ı́mpar, logo 2f(x) = 0, f(x) = 0, ∀ x ∈ V. Além disso toda função
se escreve como soma de uma função ı́mpar e uma função par, pois dada uma
função g, definimos
g(x) − g(−x)
I(x) =
2
g(−x) − g(x) g(x) − g(−x)
que é ı́mpar, pois I(−x) = =− e definindo
2 2
g(x) + g(−x)
P(x) = = P(−x)
2
logo P é par, além disso a soma das duas é g.

X
n
Um polinômio é uma função par ⇔ é da forma a2k x2k , para ı́mpar valendo
k=1
X
n
algo similar a2k+1 x2k+1 .
k=1
Vamos mostrar que os ı́ndices ı́mpar de um polinômio função par são nulos
X
m X
m
P(x) = k
ak x = P(−x) = ak (−1)k xk
k=0 k=0
os coeficientes devem ser iguais então ak = −ak com k ı́mpar e daı́ ak = 0.

Similarmente para ı́mpares
X
m X
m
P(x) = k
ak x = P(−x) = ak (−1)k+1 xk
k=0 k=0
logo para ı́ndices pares

ak = −ak
portanto se anulam.
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
cf(x) + g(x) = xn (ch(x) + L(x)) ∈ Qn
pois ch(x) + L(x) é polinômio.

Dado p(x) ∈ P qualquer então p(x) = xn q(x) + r(x) onde ∂r(x) < n, por isso
P = F ⊕ Qn , onde F é o espaço dos polinômios de grau até n − 1.
Z Exemplo 23. O conjunto das funções K vezes deriváveis é subespaço das

funções de R em R. Pois 0 = 0x é k- vezes derivável, se f e g são deriváveis e
c ∈ R então cf + g também é k-vezes derivável. O mesmo para as funções Ck e
C∞ .
Z Exemplo 24. Seja E = F(R, R), fixada g : R → R, o conjunto F de todas as

funções f : R → R tais que f(g(x)) = f(x) é um subespaço vetorial de E.
Pois O(g(x)) = 0. Sejam f, h ∈ F e c ∈ R então
cf + h(g(x)) = cf(g(x)) + h(g(x)) = cf(x) + h(x)
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.
1.2.3 Funções limitadas
Z Exemplo 25. O conjunto L as funções limitadas de F(A, R) é um subespaço

vetorial de F(A, R), no lugar de R podemos considerar um corpo qualquer K. Tal
conjunto de funções limitadas também é denotado por B(A). A função nula é
limitada. Se f e g são limitadas e c ∈ R então cf + g é limitada, pois |f(x)| ≤ M1 ,
|g(x)| ≤ M2 ∀ x ∈ A logo
|cf(x) + g(x)| ≤ |c||f(x)| + |g(x)| ≤ |c|M1 + M2 .
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
é combinação linear de duas funções positivas e limitadas h(x) = f(x) + t e

v(v) = t.
1.2.4 Equação cartesiana de espaços vetoriais
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
(x, y, z) = c1 (0, 1, −2) + c2 (1, 1, 1)
logo
x = c2 , y = c1 + c2 , z = −2c1 + c2
logo y − x = c1 substituindo em z temos z = −2(y − x) + x = −2y + 2x + x = 3x − 2y
− 3x + z + 2 y = 0
é a equação cartesiana do espaço.

1.2.5 Reta que passa pela origem
m Definição 26 (Reta que passa pela origem). Dado um vetor u 6= 0v , o

conjunto
Ru = {αu | α ∈ R}
é chamado de reta que passa pela origem e contém u.
b Propriedade 29. A reta que passa pela origem e contém u é um subespaço

vetorial de V .
ê Demonstração. 0v ∈ Ru pois tomamos α = 0 e vale α.v = 0v ∈ Ru . Dados

dois vetores w e v ∈ Ru , implica que existem constantes reais α e β tais que α.u = w
e β.u = v , logo
w + v = α.u + β.u = (α + β) u = t.u ∈ Ru
| {z }
=t∈R
logo a soma é fechada.

A multiplicação por escalar também é fechado pois dado w ∈ Ru , existe α ∈ R tal
que α.u = w, tomando um escalar qualquer c, tem-se c.w = c(αu) = (c.α) u = t.u ∈
| {z }
=t
Ru , logo a multiplicação por escalar é fechada, então o conjunto é um subespaço
vetorial de V .
m Definição 27 (Segmento de reta). Sejam u, v ∈ E. o segmento de reta de

extremos u e v é o conjunto
[u, v] = {(1 − t)u + tv, t ∈ [0, 1]}.
1.2.6 Conjuntos Convexos
m Definição 28 (Conjunto convexo). Um conjunto C ⊂ E é dito convexo,

quando ∀ u, v ∈ C temos [u, v] ⊂ C. Em um conjunto convexo, o segmento de
reta que liga quaisquer dois pontos de C está contido em C.
1.2.7 O vazio é um conjunto convexo.
b Propriedade 30. O vazio é um conjunto convexo.
ê Demonstração. Caso contrário haveriam x, y ∈ ∅ tal que para algum t ∈ [0, 1]

terı́amos tx + (1 − t)y ∈
/ ∅, porém não temos elementos em x, y ∈ ∅.
1.2.8 A interseção arbitrária de convexos é um convexo.
b Propriedade 31. A interseção arbitrária de convexos é um convexo.
ê Demonstração. Se a interseção é vazia então ela é convexa. Caso contrário,

existem x, y elementos da interseção dos conjuntos convexos (Ck )k∈I . Daı́ x, y ∈
Ck ∀ k ∈ I. Logo tx + (1 − t)x ∈ Ck ∀ k ∈ I e portanto são elementos da interseção
dos conjuntos e a interseção desses conjuntos é um conjunto convexo.
1.2.9 Se F é convexo, então F é convexo.
b Propriedade 32. Se F é convexo, então F é convexo.
ê Demonstração. Sejam x, y ∈ F. Vamos mostrar que z = xt+(1 −t)y ∈ F, ∀ t ∈

[0, 1]. Como x, y ∈ F, existem sequências (xn ), (yn ) ∈ F, tais que xn → x, yn → y
. zn = xn + t + (1 − t)yn é uma sequência em F, pois F é convexo, e tal sequência
converge para xt + (1 − t)y, logo z é limite de uma sequência de elementos de F, e
daı́ z ∈ F, portanto F é convexo.
1.2.10 Um conjunto Unitário é Convexo
b Propriedade 33. Um conjunto unitário, {x0 } ∈ V , é convexo.
ê Demonstração. Dados x, y ∈ {x0 }, x = y = x0 , o elemento x0 t + (1 − t)x0 =

x0 ∈ {x0 } ∀ t, logo o conjunto é convexo.
b Propriedade 34. Sejam A e B subconjuntos convexos de um espaço vetorial

V , então C = A − B := {a − b | a ∈ A, b ∈ B}, é convexo.

ê Demonstração. C é convexo, pois sejam x1 e x2 em C, queremos mostrar que
m = x1 t + (1 − t)x2 ∈ C, t ∈ [0, 1].
Temos que x1 = a1 − b1 , x2 = a2 − b2 , a1 , a2 ∈ A, b1 , b2 ∈ B, A e B convexos. Temos

que
m = ta1 − tb1 + (1 − t)(a2 − b2 ) =
= ta1 + (1 − t)a2 − [tb1 + (1 − t)b2 ] = a3 − b3 ,

| {z } | {z }
∈A ∈B
onde usamos que A e B são convexos, portanto C também é convexo.
b Propriedade 35. Sejam A e B subconjuntos convexos de um espaço vetorial

V , então C = A + B := {a + b | a ∈ A, b ∈ B}, é convexo.
ê Demonstração. C é convexo, pois sejam x1 e x2 em C, queremos mostrar que
m = x1 t + (1 − t)x2 ∈ C, t ∈ [0, 1].
Temos que x1 = a1 + b1 , x2 = a2 + b2 , a1 , a2 ∈ A, b1 , b2 ∈ B, A e B convexos. Temos

que
m = ta1 + tb1 + (1 − t)(a2 + b2 ) =
= ta1 + (1 − t)a2 + [tb1 + (1 − t)b2 ] = a3 + b3 ,

| {z } | {z }
∈A ∈B
onde usamos que A e B são convexos, portanto C também é convexo.
b Propriedade 36. Uma bola em um espaço métrico normado é um conjunto

convexo. Uma bola B(x0 , r) é o conjunto
B(x0 , r) := {x ∈ V | ||x − x0 || ≤ r}.
ê Demonstração. Dados x1 , x2 ∈ B(x0 , r), queremos mostrar que x1 t+x2 (1 −t) ∈

B(x0 , r) para t ∈ [0, 1]. Temos que
||x1 t + x2 (1 − t) − x0 || ≤ t||x1 − x0 || + ||x2 − x0 ||(1 − t) ≤ tr + (1 − t)r = r,
logo x1 t + x2 (1 − t) ∈ B(x0 , r) e provamos a convexidade.

b Propriedade 37. Seja cada xk ⊂ E é convexo, com k ∈ A uma famı́lia

\
qualquer de ı́ndices então Y = xk é convexo, pois dados u, v ∈ Y implica que
k∈A
u, v ∈ xk , ∀ k e como cada xk é convexo segue que [u, v] ∈ xk que por sua vez
implica [u, v] ∈ Y.
m Definição 29 (Hiperplano). Um Hiperplano é o conjunto dos pontos (xk )n1

que satisfaz
X
n
ak x k = b
k=1
onde pelo menos um dos ak é não nulo .
b Propriedade 38. Qualquer Hiperplano separa Rn em dois subconjuntos

disjuntos convexos I e II, chamados semi-espaços, tais que se A ∈ I e B ∈ II o
segmento AB intercepta o hiperplano em um ponto.
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
como querı́amos demonstrar, o caso de pontos em II é análogo .

Sejam agora A em I e B em II, o segmento que une os pontos tem equação
A + t(B − A), aplicando a soma
X
n X
n
f(t) = (1 − t) ak x k + t ak yk
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
ê Demonstração. Sejam dois pontos A e B em Y , o segmento que os une

tem equação A + t(B − A) com t ∈ [0, 1], vamos mostrar que todos esses pontos
pertencem à Y . 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
m Definição 30 (Combinação convexa). Dados (vk )n1 vetores e números reais

X
n
(tk )1 não-negativos com
n
tk = 1 então
k=1
X
n
t k vk
k=1
é dita ser uma combinação convexa dos vetores (vk )n1
1.2.11 Convexo e combinação convexa
b Propriedade 40. Se X ⊂ E é convexo então toda combinação convexa de

vetores (vk )n1 em X ainda pertence a X.
Primeiro vamos fazer o caso n = 3 a partir do caso n = 2, para deixar mais claro
o argumento geral. Considere t1 + t2 + t3 = 1, logo t1 + t2 = 1 − t3 , podemos escrever

w
z }| {
(t1 v1 + t2 v2 )
t1 v1 + t2 v2 + t3 v3 = (1 − t3 ) +t3 v3 ,
t1 + t2
temos que w ∈ X, pois X é convexo e (1 − t3 )w + t3 v3 ∈ X também por convexidade,
o que demonstra o resultado. Agora provamos o caso geral.
Provamos por indução sobre o número de vetores n. Se n = 1 o resultado vale
pois v1 ∈ X, suponha validade para n, vamos provar que vale para n + 1. Sejam então
X
n+1 X
n
1
(tk )n+
1 com t k = 1 então tk = 1 − tn+1 e escrevemos
k=1 k=1
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
m Definição 31 (Cone). Um subconjunto C de V é chamado cone quando

∀ v ∈ C e ∀ t > 0 tem-se tv ∈ C, isto é, o múltiplo de qualquer elemento de C
por qualquer constante real positiva ainda pertence a C, ou o produto por escalar
positivo é fechado.
Z Exemplo 27. • C = {0} é um cone pois t0 = 0.
• O conjunto dos vetores de Rn que possuem exatamente t coordendas positi-

vas é um cone. pois seja o vetor (vk )n1 então (tvk )n1 ainda possui t coorde-
nadas positivas.
• O conjunto das funções f : X → R que assume valor negativo em todos os

pontos de Y ⊂ X é um cone em f(X, R) pois dado x ∈ Y , f(x) < 0 tem-se
tf(x) < 0. O mesmo para funções que assumem valores positivos.
b Propriedade 42. Um cone C é convexo ⇔ u, v ∈ C ⇒ u + v ∈ C.
⇒). 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.
b Propriedade 43. Seja C um cone convexo então S(C) é o conjunto das

diferenças u − v onde u, v ∈ C.
X
n
ê Demonstração. Seja w ∈ S(C) então w = ck vk , separamos a soma em
k=1
duas partes, A com ı́ndices dos termos de coeficientes não negativos e B com ı́ndices
dos termos de coeficientes negativos (que podem ser eventualmente vazios).
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
u e v (caso não nulos)são elementos de C pois C é convexo soma de termos com

coeficientes positivos está em C. Caso u e v sejam nulos, escrevemos w = u 0 − u 0 ,
onde u 0 ∈ C. Caso u seja nulo e v não, escrevemos w = v − v − v = v − 2v e finalmente

caso v seja nulo e u não nulo
w = u + u − u = 2u − u
com isso terminamos.
m Definição 32 (Parte positiva). Seja f(x) : A → R definimos a parte positiva

da função como 
 f(x) se f(x) ≥ 0
f+ (x) =
 0 se f(x) < 0.
A parte positiva assume sempre valores não-negativos.
m Definição 33 (Parte negativa). Seja f(x) : A → R definimos a parte negativa

da função como 
 0 se f(x) > 0
f− (x) =
 −f(x) se f(x) ≤ 0.
A parte negativa assume sempre valores não-negativos.
b Propriedade 44.
f(x) = f+ (x) − f− (x).
ê Demonstração. Se existe x tal que f(x) = 0, então f+ (x) = 0 = f− (x) e vale
f(x) = 0 = 0 − 0.
Se existe x tal que f(x) = a > 0, então f+ (x) = a e f− (x) = 0 daı́
f(x) = a = f+ (x) − f− (x) = a − 0 = a.
E por último, se existe x tal que f(x) = b < 0, então f+ (x) = 0 e f− (x) = −b daı́
f(x) = b = f+ (x) − f− (x) = 0 − (−b) = b.

$ Corolário 2. O conjunto das funções que só assume valores positivos é um

conjunto de geradores de F(X, R) qualquer função f pode ser escrita como
f(x) = f+ (x) − f− (x) = f(x) = [f+ (x) + 1] − [f− (x) + 1]
onde as funções marcadas são positivas .
m Definição 34 (Conjunto simétrico). X ⊂ V é simétrico se v ∈ X ⇒ −v ∈ X.
b Propriedade 45. Se C 6= ∅ é cone convexo simétrico então C < V. V espaço

vetorial real.
ê Demonstração. Sendo v ∈ C, vale que tv ∈ C, t > 0 por simetria −tv ∈ C,

tv − tv = 0 ∈ V por conexidade, logo tv ∈ C para todo t real, por conexidade dados
u, v ∈ C temos u + v ∈ C, logo C < V
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).
b Propriedade 46. A interseção e união de uma famı́lia qualquer de cones é

um cone.
[
• 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.
m Definição35 (Envoltória convexa). Envoltória convexa de um conjunto

Xn
X ⊂ V é o conjunto C(x) das combinações convexas tk vk de X ⊂ V .
k=1
b Propriedade 47. Valem as propriedades
1. C(x) é convexo.
2. X ⊂ C(x)
3. Se C 0 é convexo com X ⊂ C 0 então C(x) ⊂ C 0 , isto é, C(x) é o menor

subconjunto convexo que contém X.
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
onde a soma dos coeficientes é
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).
3. Se C 0 é convexo com X ⊂ C 0 então toda combinação convexa de elementos de

X está contida em C 0 , o que já mostramos.
m Definição 36. Seja V um espaço vetorial, E 6= ∅ um subconjunto de V .

Definimos co(E) como a interseção de todos os conjuntos convexos de V que
contém E, em sı́mbolos
\
co(E) := A.
Aé convexo, A⊂V, A⊂V, E⊂V
b Propriedade 48. co(E) é o menor convexo de V que contém E.
ê Demonstração. Se a interseção é vazia o resultado termina, E é vazio nesse

caso, pois E é subconjunto da interseção. Considere agora a interseção não vazia.
A interseção de convexos é um convexo. co(E) é o menor convexo no sentido
que, se C1 é um convexo de V tal que E ⊂ C1 , então co(E) ⊂ C1 . Isso vale pois todo
elemento de co(E) é elemento de C1 , pois co(E) é a interseção de todos convexos de
V que contém E, isso inclui C1 .
$ Corolário 3. Concluı́mos que Co(E) = C(E) pois ambas definições geram o

menor conjunto convexo que contém E.
1.2.12 Produto cartesiano de espaços vetoriais
m Definição 37 (Produto cartesiano de espaços vetoriais). Dados (Vk )n1 espaços

vetoriais sobre o mesmo corpo K, podemos tomar o produto cartesiano de espaços
Yn
vetoriais Vk , onde definimos as operações de adição e produto por escalar, da
k=1
seguinte maneira
(ak )n1 + (bk )n1 = (ak +k bk )n1
α(ak )n1 = (α ×k ak )n1 .
Podemos definir o produto cartesiano de uma quantidade infinita enumerável de

Y
∞
espaços vetoriais (Vk ) da mesma maneira, Vk , com as definições
k=1
(ak ) + (bk ) = (ak +k bk )

α(ak ) = (α ×k ak )
onde +k e ×k são a adição e produto por escalar em Vk .
b Propriedade 49. O produto cartesiano de espaços vetoriais é um espaço

vetorial.
ê Demonstração. Vamos mostrar então que temos um grupo abeliano para a

adição.
• Comutatividade
u + v = (ak )n1 + (bk )n1 = (ak +k bk )n1 = v + u =
= (bk )n1 + (ak )n1 = (bk +k ak )n1
temos que bk +k ak = ak +k bk pela comutatividade da adição em espaços veto-

riais.
• Associatividade Sendo w = (ck )n1 temos
(u + v) + w = ((ak )nk=1 + (bk )n1 ) + (ck )n1 = (ak +k bk )n1 + (ck )n1 = ((ak +k bk ) +k ck )n1 =
pela associatividade da adição em espaços vetoriais
= (ak +k (bk +k ck ))n1 = u + (v + w).
• Elemento neutro
w + 0v = (ck )n1 + (ek )n1 = (ck +k ek )n1 = (ck )n1
pois 0k é o elemento neutro da adição do k-ésimo espaço vetorial.
• Existência de inverso aditivo w = (ck )n1 tomamos w 0 = (−ck )n1
(ck )n1 + (−ck )n1 = (ck −k ck )n1 = (ek )n1 = 0
• Associatividade escalar
(αβ)(ck )n1 = (αβ ×k ck )n1 = α(β ×k ck )n1 = α(β(ck )n1 ).

• 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 .
O mesmo vale para o produto cartesiano infinito.
Y
n
$ Corolário 4. Se V é um espaço vetorial sobre K então V := V n é um espaço
k=1
vetorial sobre K.
Z Exemplo 29. R é um espaço vetorial, pois R é corpo, então (R, +) é grupo

abeliano, existe a unidade 1 tal que 1.c = c, vale a distributividade (α + β)c =
α.c + β.c, a(c + v) = ac + av e o produto é associativo a(b.c) = (ab)c, logo R é
um espaço vetorial
$ Corolário 5. Como R é espaço vetorial então Rn é espaço vetorial.
Z Exemplo 30. Sendo A um anel com unidade, então A é espaço vetorial,

pois (A, +) é grupo abeliano e vale a associatividade , existe unidade e vale a
distributividade.
m Definição 38 (Hiperplano que passa pela origem). Sejam (ak )n1 números
reais. Definimos o hiperplano de Rn que passa pela origem como o conjunto
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 .
b Propriedade 50. H é um subespaço vetorial de 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
logo u + v ∈ H, o conjunto é fechado pela adição de vetores.

Xn
Sendo v = (xk )1 ∈ H então
n
ak xk = 0, multiplicando por uma constante c,
k=1
tem-se cv = (cxk )n1 e
X
n X
n
ak cxk = c ak xk = c.0 = 0
k=1 k=1
logo cv ∈ H, o que prova que H é subgrupo de Rn .
Z Exemplo 31.
X
n
H = {v = (xk )n1 ∈R | n
ak xk = d 6= 0}
k=1
não é subespaço vetorial pois o vetor nulo não está no conjunto.

Z Exemplo 32. Sendo F < V. Se u, v 6∈ F pode valer que u + v ∈ F. Como

é o caso da reta que passa por (1, 1) ser um espaço vetorial, (1, 0) e (0, 1) não
pertencem ao espaço porém sua soma (1, 1) pertence ao espaço .
b Propriedade 51. Seja F < V. Se u 6 F e α 6= 0 então αu ∈

/ F.
1
ê Demonstração. Suponha que αu ∈ F então αu = u ∈ F absurdo.
α
1.2.13 Intersecção de subespaços vetoriais
b Propriedade 52. A intersecção de dois subespaços de um espaço vetorial V

é um subespaço de V .
ê Demonstração. Sejam U e W subespaços de V .
• Primeira condição, temos que 0 ∈ U e 0 ∈ W logo 0 ∈ U ∩ W .
• Segunda condição, sejam p e s ∈ U ∩ W , logo temos p e s ∈ U e p e s ∈ W e

por serem U e W subespaços temos p + s ∈ U e p + s ∈ W , logo p + s ∈ U ∩ W .
• Terceira condição, seja p ∈ U ∩ W então p ∈ U e p ∈ W e c ∈ C implica por

propriedade de subespaços que cp ∈ U e cp ∈ W logo cp ∈ U ∩ W .
b Propriedade 53. A intersecção arbitrária de subespaços vetoriais é um

espaço vetorial.
ê Demonstração. Seja V o espaço vetorial e Ek subespaço de V para todo

k ∈ A, então temos que mostrar que
\
B= Ek e subespaço de V.
k∈A
0 ∈ Ek ∀ k ∈ A, logo 0 ∈ B. Sejam u, w ∈ B então u, w ∈ Ek ∀ k ∈ A como cada Ek é

subespaço de V segue que u + w ∈ Ek ∀ k, daı́ u + w ∈ B.
Dado w ∈ B e c ∈ R, vale que w ∈ Ek ∀ k, como cada Ek é subespaço então
c.w ∈ Ek ∀ k o que implica cw ∈ B.
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.
1.2.14 União de espaços vetoriais
b Propriedade 54. Sejam A e B subespaços vetoriais de V . A ∪ B é subespaço

de V ⇔ A ⊂ B ou B ⊂ A.
ê Demonstração. ⇐). Se A ⊂ B então A ∪ B = B daı́ A ∪ B é subespaço vetorial

de V .
⇒). Suponha por absurdo que A ∪ B é subespaço de V com A 6⊂ B e B 6⊂ A então
existe a ∈ A tal que a ∈
/ B e b ∈ B tal que b ∈
/ A daı́ a, b ∈ A ∪ B e como é subespaço
a + b ∈ A ∪ B, supondo sem perda de generalidade que a + b ∈ B, como B é subespaço
vetorial então a + b − b = a ∈ B o que é absurdo pois contraria a hipótese de a ∈
/ B.
Z Exemplo 33. Em R , temos os subespaços dos elementos (x, 0) e dos ele-

2
mentos (0, y), a união de tais subespaços não é subespaço de R2 .
b Propriedade 55. A1 ∪ A2 ∪ A3 é subespaço de V , com (Ak )31 subespaços de

V ⇔ um dos conjuntos contém os outros dois.
ê Demonstração. (A1 ∪ A2 ) ∪A3 é subespaço de V ⇔ B ⊂ A3 ou A3 ⊂ B, se

| {z }
B
temos o primeiro caso terminamos. Se temos o segundo caso então
A1 ∪ A2 ∪ A3 = A1 ∪ A2
é subespaço ⇔ A1 ⊂ A2 ou A2 ⊂ A1 , sem perda de generalidade se A2 ⊂ A1 então
A1 ∪ A2 ∪ A3 = A1 ∪ A2 = A1
e temos A2 ∪A3 ⊂ A1 o que termina a demonstração. (pensar sobre essa demonstração)

b Propriedade 56. Sejam F1 , F2 subespaços vetoriais de E. Se existir algum

a ∈ V tal que a + F1 ⊂ F2 então F1 ⊂ F2 .
ê Demonstração. Suponha que exista a ∈ U tal que a + F1 ⊂ F2 , seja y ∈ F1

y y
arbitrário, vamos mostrar que y ∈ F2 . Temos que a + ∈ F2 e a − ∈ F2 logo a
2 2
diferença é elemento de F2
y y
a+ − (a − ) = y ∈ F2
2 2
de onde segue o resultado.
1.3 Combinação linear: espaços gerados
m Definição 39 (Combinação linear). Seja V um espaço vetorial e sejam vk

(k ∈ In ) vetores de V . Dizemos que um vetor de u é combinação linear de (vk )n1
se existem números reais (ak )n1 tais que
X
n
u= ak .vk .
k=1
De outro modo, seja A um conjunto finito de vetores de V , dizemos que u é

combinação linear de A se existem constantes reais ck tais que
X
u= ck .k.
k∈A
Em especial se A = ∅
X
0v = ck .k,
k∈∅
isto é, 0 é combinação linear de um conjunto vazio de vetores.
m Definição 40 (Espaço gerado por um conjunto A). Seja A um subconjuntoa de

um espaço vetorial V . O subespaço gerado por A é o conjunto formado por todas
combinações lineares finitas de vetores de A, denotado por S(A). (Pode também
1.3. COMBINAÇÃO LINEAR: ESPAÇOS GERADOS 53
ser denotado por [A] ou < A >.) O vazio gera o espaço nulo. < ∅ >= {0v }.
a
A não precisa ser um subespaço de V
b Propriedade 57. S(A) é um subespaço de V .
1. 0v ∈ S(A) pois sendo {v1 , . . . , vn } ⊂ A tomamos as constantes nulas ck = 0 para

montar a combinação linear logo
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 58. A ⊂ S(A).
ê Demonstração. Seja v ∈ A então v = 1.v é uma combinação linear de v logo

pertence ao conjunto S(A).
b Propriedade 59. Se A ⊂ B então S(A) ⊂ S(B)
ê Demonstração. Toda combinação linear de elemento de A também é combinação

linear de elementos de B, então todo elemento de S(A) é elemento de S(B), o que
implica S(A) ⊂ S(B).
b Propriedade 60 (Idempotência). S(A) = S(S(A)).
ê Demonstração. Sabemos que S(A) ⊂ S(S(A)), falta mostrar que S(S(A)) ⊂

X
n
S(A). Seja um elemento x ∈ S(S(A)), então ele é da forma x = ck vk onde vk ∈
k=1
X
m
S(A), por sua vez vk = a(t,k) .u(t,k) onde u(t,k) ∈ A, como cada vk ∈ A segue que os
t=1
elementos de S(S(A)) são combinações lineares de elementos de A, logo x ∈ A o que
implica S(S(A)) ⊂ S(A).
m Definição 41 (Espaço finitamente gerado). Dizemos que um espaço vetorial

V é finitamente gerado, se existe A ⊂ V finito tal que V = S(A).
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.
ê Demonstração. Se W é subespaço de A e A ⊂ W então qualquer combinação

linear de vetores de A pertence à W por W ser subespaço, logo S(A) ⊂ W.
$ Corolário 8. Se A é um espaço vetorial então S(A) = A, pois S(A) ⊂ A e

A ⊂ S(A).
m Definição 42 (Conjunto de geradores). Se S(A) = V então A é dito conjunto

de geradores de V , isto é, qualquer vetor de V pode ser escrito como combinação
linear de vetores de A.
m Definição 43 (Vetores canônicos do Rn ). São os vetores ek = (δ(j, k) )nj=1 onde

δ(j, k) é o delta de kroneckera
a
Ver definição no texto de funções especiais e relação com somatório no texto de somatórios
b Propriedade 62. O conjunto A = {ek | k ∈ In } é um conjunto de geradores

para o Rn .
ê Demonstração. Seja v = (aj )nj=1 então
X
n X
n n
ak e k = ak δ(j, k) = (aj )nj=1 = v.
k=1 k=1 j=1
Z Exemplo 34. O conjunto {x , k ∈ N} forma um conjunto de geradores para

k
o espaço de polinômios, {xk , k ∈ [0, n]N } gera o espaço de polinômios de grau até
n.
m Definição 44. Dados dois subespaços vetoriais de V , F1 e F2 definimos
F1 + F2 = S(F1 ∪ F2 )
b Propriedade 63. Vale que
F1 + F2 = {v + w | v ∈ F1 , w ∈ F2 }.
ê Demonstração. Vamos mostrar que {v + w | v ∈ F1 , w ∈ F2 } := A é subespaço

vetorial de V , sendo o menor deles, logo deve ser igual a S(F1 ∪ F2 ).
• A é não vazio pois o elemento neutro 0v pertence ao conjunto.
• Dados v ∈ F1 , w ∈ F2 e c ∈ K temos |{z}

cv +w ∈ A, logo A é subespaço de V .
∈F1
Seja W um espaço de V que contenha F1 e F2 então contém a soma de qualquer

elemento de F1 com elemento de F2 , por isso A ⊂ W. Como A ⊂ S(F1 ∪F2 ) e S(F1 ∪F2 ) ⊂
A então vale A = S(F1 ∪ F2 ).
b Propriedade 64. Vale que S(F1 ∪ F2 ) = S(F1 ) + S(F2 ), F1 , F2 < V.
ê Demonstração. Sabemos que
S(F1 ∪ F2 ) = F1 + F2 = S(F1 ) + S(F2 )
pois como F1 e F2 são subespaços então S(F1 ) = F1 e S(F2 ) = F2 .
Z Exemplo 35. Não vale que

S(X ∩ Y) = S(X) ∩ S(Y)
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}
S(X) = R2 logo S(X) ∩ S(Y) = S(Y) 6= {0}, não vale a identidade.
m Definição 45 (Plano). Um subespaço de R3 gerado por dois vetores não

colineares chama-se plano.
Z Exemplo 36. Mostre usando argumentos geométricos que se w ∈ R 3

não
pertence ao plano gerado por u e v então u, v, w geram R3 . Seja α = S(u, v). Dado
P ∈ R3 qualquer seja r uma reta passando por P e paralela ao vetor w, como w
não está no plano gerado por u e v, r intercepta α em Q, logo q = c1 u + c2v para
algum par c1 , c2 ∈ R, como p e q são paralelos a w, p − q = c3w o que implica
p = q + c3 w = c1 u + c2 v + c3 w
como p é arbitrário em R3 , então o espaço é gerador por u, v e w.
m Definição 46 (Soma direta). Se F1 ∩ F2 = {0} então denotamos F1 + F2 como

F1 ⊕ F2 .
b Propriedade 65. São equivalentes
1. F = F1 ⊕ F2
2. Todo elemento de F pode ser escrito de modo único como v1 + v2 com v1 ∈ F1

e v2 ∈ F 2 .
ê Demonstração. (1) ⇒ (2). Suponha que existam duas maneiras distintas

de representar um vetor W ∈ F, então w = v1 + v2 e w = w1 + w2 com w1 ∈
F1 ew2 ∈ F2 , daı́ v1 − w1 = v| 2 −
{zw}2 6= 0v existiria algum vetor não nulo em F1 ∪ F2
| {z }
∈F1 ∈F2
que contradiz a hipótese.
(2) ⇒ (1). Temos que F = F1 + F2 falta mostrar que F1 ∩ F2 = {0}, suponha que
exista um elemento não nulo na interseção v, então
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.
b Propriedade 66. Se E = F1 ⊕ F2 = G1 ⊕ G2 . Se F1 ⊂ G1 e F2 ⊂ G2 então

F1 = G1 e F2 = G2 .
ê Demonstração. Falta mostrar que G1 ⊂ F1 e G2 ⊂ F2 . Seja g1 ∈ G1 ⊂ E então

g1 = f1 + f2 ⇒
f2 = 0
g1 − f1 = |{z}
| {z }
∈G1 ∈F2 ⊂G2
portanto g1 = f1 e segue a inclusão que desejamos. O outro caso é análogo .

b Propriedade 67. Sejam (Fk )n1 e em V subespaços vetoriais então

n
[ X
n
1. S( Fk ) = Fk .
k=1 k=1
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
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
logo chegamos em duas escritas para 0, o que é absurdo contrariando a hipótese.
⇐). Suponha um elemento com duas representações distintas, então

X
n X
n
v= vk = wk
k=1 k=1
portanto existe j tal que vj 6= wj
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
r := {(1 − t)x + ty | t ∈ R.}
$ Corolário 9. Como (1 − t)x + ty = x − tx + ty = x + t(y − x) , se definimos

v = y − x, temos
r = {x + tv | t ∈ R}.
Observamos que em f(t) = x + tv f(0) = x, f(1) = x + y − x = y.
m Definição 48 (Variedade afim). Um subconjunto A de V complexo ou real é

dito ser uma variedade afim, quando dados quaisquer dois pontos x, y ∈ V a reta
que passa por esse pontos está contida em A.
Perceba que isso difere da definição de conjunto convexo pois em conjuntos
convexos queremos que apenas o segmento que une quaisquer dois pontos esteja
contido no conjunto, em variedade afim queremos que a reta inteira esteja dentro
do 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 11. Toda combinação convexa de vetores de uma variedade afim

pertence a variedade afim, pois tal propriedade vale para conjuntos convexos e
uma variedade afim é convexa.
$ 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 ∈ ∅.
m Definição 49 (Variedade afim gerada por um conjunto). Dado X ⊂ E, a

variedade afim gerada por X denotada por V(X) é o conjunto de todas combinações
convexas de vetores de X.
b Propriedade 68. Dado X ⊂ E, V(X) é variedade afim.
ê Demonstração. Sejam x, y ∈ V(X), temos que mostrar que (1 + t)x + ty ∈

V(X) ∀ t. Temos
X
n X
m
x= ck vk , y = ck0 vk0
k=1 k=1
X
n X
m
onde ck = ck0 = 1
k=1 k=1
X
n X
m
(1 + t)x + ty = (1 − t) ck vk + t ck0 vk0
k=1 k=1
cuja soma dos coeficientes é
X
n X
m
(1 − t) ck + t ck0 = 1 − t + t = 1.
k=1 k=1
b Propriedade 69. Se Vk ∈ V é variedade afim ∀ k ∈ A uma famı́lia de ı́ndices

\
então B = Vk é variedade afim .
k∈A
ê Demonstração. Sejam x, y ∈ B então x, y ∈ Vk ∀ k logo tx + (1 − t)y ∈

Vk ∀ k ∀ t ∈ R isso implica que tal reta pertence a B, logo B é variedade afim .
b Propriedade 70. O conjunto H dos pontos (xk )n1 tais que
X
n
x k ak = b
k=1
onde (ak )n1 e b são escalares reais ou complexos dados é uma variedade afim.
ê Demonstração. Sejam x = (xk )n1 , y = (yk )n1 ∈ H vamos mostrar que tx + (1 −

X
n
t)y = txk + (1 − t)yk ∈ H, t ∈ R arbitrário
k=1
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
Logo temos uma variedade afim, em especial o conjunto é convexo.

Nesse caso os escalares (ak )n1 podem ser todos nulos, se um deles não for nulo
temos um hiperplano.
$ Corolário 14. O conjunto de soluções de um sistema linear é uma variedade

X
n
afim pois é interseção de soluções de equações do tipo x k ak = b .
k=1
b Propriedade 71. Seja V 6= ∅ variedade afim em E espaço vetorial, então

existe um único F < E tal que para x arbitrário fixo em V vale
V = x + F = {x + v, v ∈ F}.
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.
• Temos que 0 ∈ F pois x − x ∈ F.
• 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
Vale que V = x + F. Dado y ∈ V então y = |{z}

x + (y − x) logo y ∈ x + F, V ⊂ x + F.
| {z }
∈V ∈F
Agora provamos a outra inclusão. Um elemento de x+F é da forma x+(y−x) = y ∈ V
logo x + F ⊂ V e também V ⊂ x + F portanto vale a igualdade.
Agora provamos a unicidade. Se F, F 0 < E tais que x + F = x + F 0 , x ∈ E fixo então
tem que valer F = F 0 .
Vamos provar que F ⊂ F 0 . v ∈ F ⇒ x + v ∈ x + F ⇒ x + v ∈ F 0 então existe algum
v 0 ∈ F 0 tal que
x + v = x + v0 ⇒ v = v0 ⇒ v ∈ F0 ⇒ F ⊂ F0
a outra inclusão é análoga .
$ Corolário 15. Para qualquer x0 ∈ X tem-se V(X) = v+ F onde F é o subespaço

vetorial de E gerado pelos vetores v − v0 , onde v ∈ X.
b Propriedade 72. Dado X ⊂ V , então
\
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.
Z Exemplo 37. Se S(X) ⊂ S(Y) não necessariamente vale X ⊂ Y. Como exemplo

podemos tomar X = {(1, 0), (0, 1)} e Y = {(2, 0), (0, 2)}, vale que S(X) = S(Y) = R2 e
não vale X ⊂ Y.
Z Exemplo 38. Um espaço vetorial V complexo ou real é um espaço afim pois

dados x, y ∈ V vale que tx + (1 − t)y ∈ V.
b Propriedade 73. Um espaço afim F é um espaço vetorial ⇔ 0 ∈ F .
⇒). Se F é espaço vetorial então 0 ∈ F .
⇐). 0 ∈ V então existe um único F subespaço vetorial tal que
V = 0 + F = F.
Podemos demonstrar diretamente também, como segue
• 0 ∈ V por hipótese .
• Sendo v ∈ C e c ∈ R então cv ∈ V pois a reta que une 0 e v está toda contida

em V
(1 − c)0 + cv = cv ∈ V∀ c ∈ R.
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
b Propriedade 74. Dado X ⊂ V . Seja Y = (X \ {v}) ∪ {v + αu}, α ∈ K fixo, onde

u, v ∈ X. Nessas condições X e Y geram o mesmo subespaço.
ê Demonstração. Temos que X \ {v} ⊂ S(X) e v + αu ⊂ S(X) logo Y ⊂ S(X) ⇒

S(Y) ⊂ S(X). X \ V ⊂ Y , u ∈ Y (supondo u 6= v) logo −αu ∈ Y , como v + αu ∈ Y tem-se
v + αu − αu = v ∈ Y ⇒ X ⊂ Y e daı́ S(X) ⊂ S(Y). Como temos as duas inclusões
S(X) ⊂ S(Y) e S(Y) ⊂ S(X) segue que S(X) = S(Y).
(α + 1)v
Caso u = v, (α + 1)v ∈ Y logo = v ∈ Y e daı́ segue o mesmo argumento.
α+1
Perceba que a propriedade não vale se u = v 6= 0 e α = −1.

Espaços vetoriais: propriedades e exemplos

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Espaços vetoriais: propriedades e exemplos

Enviado por

Direitos autorais:

Formatos disponíveis

Anotações sobre espaços vetoriais

1.1 Espaços vetoriais

m Definição 1 (Espaço vetorial). Um espaço vetoriala é uma estrutura (V, F, +, ×)

• Um conjunto V , cujos elementos são chamados vetores.

• Um corpo F, chamado corpo de escalares (cujos elementos são chamados de

• Temos também duas operações: Uma adição + e uma multiplicação × que

• S1 A adição é fechada u + v ∈ V. A soma de dois elementos de V ainda é um

• S3 Vetor nulo. Existe um vetor 0v ∈ V , chamado vetor nulo, tal que

para todo e qualquer v ∈ V . Usaremos a notação 0v para simbolizar o vetor

• S4 Inverso aditivo. Para cada vetor v ∈ V existe −v ∈ V tal que

• P5 Associatividade do produto por escalar

Usaremos a notação simplificada V ao invés de (V, F, +, ×) para simbolizar o

m Definição 2. Dado um vetor v e o inverso aditivo de u, −u, denotamos

b Propriedade 1. A propriedade comutatividade da adição de vetores é des-

ê Demonstração. A propriedade vale se temos uma unidade 1.a = a, distri-

• Distributividade à direita implica,

• Distributividade à esquerda e propriedade da unidade, temos

2(u + v) = (1 + 1)(u + v) = 1.(u + v) + 1.(u + v) = (u + v) + (u + v).

• Segue, dos itens anteriores e associatividade da adição, que

por lei do corte, temos finalmente

Z Exemplo 1. Seja uma operação ∗ definida em V , da seguinte maneira ,

Temos u ∗ v = tu + tv, daı́

como t2 6= t podemos dividir por t2 − t e daı́ a expressão equivale à w = u.

m Definição 3. Dado um espaço vetorial V , definimos a soma de um número

b Propriedade 2. Um corpo K é espaço vetorial sobre si mesmo.

• A adição e multiplicação são fechadas por estarmos em um corpo.

• (K, +) é um grupo abeliano, pois (K, +, ×) é corpo.

• Vale 1.v = v, c1 (c2 v) = (c1 c2 )v pois o produto é associativo em corpo. O produto

por propriedade de corpo.

• O vetor nulo é o elemento neutro da adição no corpo 0.

• O inverso aditivo de um vetor v é seu simétrico no corpo −v.

b Propriedade 3. Seja L um subcorpo de K, se V é espaço vetorial sobre K,

ê Demonstração. A soma e produto por escalar são fechados e satisfazem as

Z Exemplo 2. Como Q, R ,C e Z p são corpos então são espaços vetoriais. Q

m Definição 4 (Espaço Rn .). Para todo número natural n, o sı́mbolo Rn

m Definição 5 (Igualdade). Se temos u = (ak )n1 e v = (bk )n1 a igualdade u = v

m Definição 6 (Adição). A adição de dois vetores u e v é definida como

u + v = (ak )n1 + (bk )n1 = (ck )n1

onde ck é dado por ck = ak + bk , assim escrevemos

u + v := (ak )n1 + (bk )n1 = (ak + bk )n1

m Definição 7 (Produto por escalar). O produto por um número real c é

onde dk = c.ak , assim escrevemos

c.w := (c.ak )n1

m Definição 8 (Vetor Nulo). O vetor zero é por definição

onde ck = 0 ∀ k ∈ In . Tal elemento também é chamado de origem de Rn . Usamos

b Propriedade 4. Rn é um espaço vetorial.

u + v = (ak )n1 + (bk )n1 = (ak + bk )n1 = v + u =

= (bk )n1 + (ak )n1 = (bk + ak )n1

temos que bk + ak = ak + bk pela comutatividade da adição de números reais.

• Associatividade Sendo w = (ck )n1 temos

pela associatividade da adição de números reais

= (ak + (bk + ck ))n1 = u + (v + w)

w + 0v = (ck )n1 + (ek )n1 = (ck + ek )n1 = (ck )n1

pois ek é o elemento neutro da adição de números reais.

• Existência de inverso aditivo w = (ck )n1 tomamos w 0 = (−ck )n1

(ck )n1 + (−ck )n1 = (ck − ck )n1 = (ek )n1 = 0

(αβ)(ck )n1 = (αβck )n1 = α(βck )n1 = α(β(ck )n1 ).

1.1.2 Espaço vetorial das sequências

m Definição 9 (Sequência). Uma sequência com elementos em um corpo K é

(x1 , . . . , xn , . . . ) = (xn )n∈N = (xn ) = {xn }.

m Definição 10 (Igualdade de sequências). Duas sequências (ak ) e (bk ) são

m Definição 11 (Adição de sequências). Sejam sequências (an ) e (bn ), defini-