Finite-Dimensional Vector Spaces

Conteúdo

0.1 Notas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.1.1 Questões pertinentes – Halmos . . . . . . . . . . . . 2
0.1.2 Resumo com o que sobrou do cérebro . . . . . . . . 2
0.1.3 Qual é a relação da matriz do Halmos com a outra? 3
0.1.4 Bobeiras . . . . . . . . . . . . . . . . . . . . . . . . . 4

1 Spaces 6
1.0.1 Exercises . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1 Fields . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Vector spaces . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Comments . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 Linear Dependence . . . . . . . . . . . . . . . . . . . . . . . 9

0.1 Notas
O objetivo aqui é o de sempre. Essa seção servirá para adicionar notas
envolvendo dúvidas, exemplos, expansão de contas, etc.
Objetivo do livro: Halmos deseja tratar transformações lineares – um
assunto da álgebra linear (mas não só dela) – por métodos de teorias mais
gerais. Isso explica a quantidade de Álgebra no livro.
Vamos manter a seguinte convenção: as coordenadas de um vetor co-
luna são denotadas por [v ]B e as de um vetor linha por [v ]B .
Denotar a matriz de uma transformação linear definida (isto é, uma
transformação linear em que especificamos as bases ordenadas dos dois
conjuntos por: [A]  , em que  é a base ordenada do conjunto x de vetores
e corresponde a transformação T x, cuja matriz é A.
Ainda tem um template para isso, mas não acho que vou colocá-lo hoje
fx1; x2g
Eu estou para fazer como o Halmos e usar sistema de coordenadas
como sinônimo para base. Toda essa parte, percebi agora, me quebra bas-

1
tante em álgebra linear. Hoje fiz um exercício que consumiu o dia inteiro,
mas, espero, serviu para me fornecer uma compreensão nova dessa relação.
Termos como coordinate vector, system of coordinates, etc., são muito
confusos e é preciso entendê-los razoavelmente bem para não confundi-los
na hora de fazer operações ou provas. Vou escrever mais sobre isso depois.
Como verificar que certas definições novas são decorrências na-
turais dos axiomas dum espaço vetorial?

Uma questãozinha Para uma transformação linear qualquer A

A(0) = A(0
0) = 0
A(0)
A priori não temos A(0) = 0? Nem pelo fato de considerarmos elementos
de um espaço vetorial? Procurar algum contraexemplo a essa proposição.

0.1.1 Questões pertinentes – Halmos

Incluir aqui as questões do Halmos referente a troca de bases e transfor-
mações lineares.

0.1.2 Resumo com o que sobrou do cérebro

O que fiz até agora? Defini um vetor x = (a; b) (na base canônica) e
uma transformação Ox = (a + b; 3a). A base que defini é  = fz1 ; z2 g =
f(1; 1); (0; 2) g
Depois equacionei cz1 + dz2 = (a; b) para descobrir as coordenadas que
fornecem x na base  . Obtive c = a e d = a 2 b .
O próximo passo foi equacionar a transformação Oz (das bases) alge-
bricamente. Assim fiz

2
 Oz1 = a11 z1 + a21 z2 = (2; 3)
Oz2 = a12 z1 + a22 z2 = ( 2; 6)
O que me permitiu obter a matriz [INSERIR MATRIZ DEPOIS],
que é precisamente a matriz que leva a coordenada (a; a 2 b ) na coordenada
(a + b; 2 b), que é a coordenada que fornece a transformação Ox caso na
a
base  . [Você pode verificar isso fazendo uma equação semelhante as
que me forneceram as primeiras coordenadas].

0.1.3 Qual é a relação da matriz do Halmos com a ou-

tra?
Anotar aqui como funciona a matriz de uma transformação linear pelo
Friedberg antes que eu me esqueça de novo e tudo vire loucura e desespero
mais uma vez. Seja uma transformação A. . .
A matriz de uma transformação do Friedberg é uma relação entre vetor
coordenadas, não entre vetores da base.
É muito importante prestar atenção a forma algébrica da transforma-
ção linear. É ela quem vai permitir produzir a matriz desejada [nalguns
casos]. Como uma possível fonte de dúvidas, percebe que a fórmula de uma
transformação linear é dada por Halmos como
X
Axj = aij xi
i=1
enquanto Friedberg escreve
X
Axj = aij yi
i=1
Para uma transformação que leve o vetor do sistema de coordenada (i.e,
base)  = fx1 ; : : : ; xn g para o sistema = fy1 ; : : : ; yn g. Essa diferença na
notação me causou uma quantidade gigantesca de problema e perda
de tempo, por isso estou tentando esclarecer esse aspecto das transforma-
ções lineares aqui.
Suponha uma base ordenada  = fz1 ; z2 g = f(1; 1); (0; 1)g e uma base
ordenada = fe2 ; e1 g (e’s sendo as bases canônicas) e definimos uma trans-
formação linear A pelas equações

Az1 = e2
Az2 = e1

3
 Utilizando as diferentes fórmulas obteremos duas matrizes diferentes,
mas o que muda de uma para outra?

0.1.4 Bobeiras
Observei uma coisa sobre a relação entre um vetor e seu conjunto de
escalares. Muitas vezes nos é apresentada uma relação do tipo

Bz1 = a11 z1 + a12 z2

ou em notação usando somatória e envolvendo um espaço vetorial de di-
mensão n n
X
Bzj = aij zi
i
Suponha um espaço vetorial de dimensão 2, com a base ordenada  =
fz1; z2g = f(1; 1); (0; 1)g. Qualquer vetor desse espaço é escrito como uma
combinação linear dos elementos da base, um vetor qualquer x é escrito
como x = cz1 + dz2 , onde c e d são escalares do corpo que atua sobre o
espaço vetorial.
Quando ordenamos uma base, ordenamos também o conjunto de escala-
res responsável por formar um vetor qualquer desse espaço, isto é, passamos
de um simples conjunto (onde ordem é imaterial) para uma n-upla orde-
nada 0 1
a1
B.C
fa1; : : : ; ang ! @ .. CA
B
an

Nota: embora seja possível fazer essa correspondência, esta correspon-

dência é uma ilustração e não deve ser levada ao pé da letra [vou tentar
fazer essa construção depois].
Vamos denominar o conjunto de escalares de F que atua sobre nosso
espaço cuja base é  pela notação ai , 1  i  n, de forma que nosso
conjunto ordenado de escalares seja formado pelo primeiro elemento com
sobrescrito 1 e último n. Qualquer vetor nesse espaço é formado como

y = a1 z1 + a2 z2
Se quisermos formar o vetor z1 , devemos utilizar o conjunto de escalares
(1; 0), pela última equação, se quisermos z2 , utilizamos as coordenadas
(0; 1).
Em notação matricial, temos um belo mnemônico

4
 ! !
 
z1 z2
aa11 aa12
1
0
= a11 z1 + a21 z2 = Az1
21 22

Esta bela notação pode ser muito útil na hora de demonstrar resultados
sobre similaridade.
A seção sobre troca de base do livro me deixou com uma dúvida envol-
vendo a matriz invertível A. Ver se volto atrás e consigo respondê-la.

5
Capítulo 1

Spaces

1.0.1 Exercises
Seguem no mesmo tom dos exercícios da seção 1. Verei melhor depois.

[Os exercícios 1 das duas seções tem em comum o esquema “a partir

dos axiomas” mostre que as relações são verdadeiras]

12 – Dimension of a subspace
O exercício 5, item a, me deu um bocado de trabalho. Eu achei que tinha
resolvido, daí fui tentar retomar a questão e vi que TINHA ERRADO.
Fiquei a tarde inteira sem conseguir fazer nada muito útil, um vai e vem
sem concentração. Consegui finalizá-lo no fim da tarde. A imagem a seguir
ajuda a ilustrar, a demonstração analítica deixo para depois.

6
 No começo eu pensava pô, bem difícil pensar relações de conjuntos
em termos de espaços vetoriais, mas aí eu percebi algo que deixa isso
talvez até mais fácil que as relações de conjunto convencionais.
Cada relação entre espaços vetoriais de dimensão finita é binária, ou,
melhor, pseudo ternária. Dado dois conjuntos H e I , para a intersecção
dos conjuntos teremos as possibilidades

H \I =H ou I ou f0g
A partir disso aí dá para analisar muito bem as relações com bem menos
trabalho. Você pode dividir em casos e obter uma expressão mais simples
e, em cima desta, tentar construir um vetor que prove ou desprove a relação
de igualdade. Qualquer hora volto com o contraexemplo montado.
Na verdade essa última parte aí está bastante errada. Existe sim como a
intersecção de dois subespaços H e I ser um subespaço menor que aqueles
que o originaram. Mesmo adicionando esta nova possibilidade, o método de
separar uma igualdade de subespaços em vários casos para arrumar expres-
sões menores ainda é uma ótima ferramenta para encontrar contraexemplos
ou ter uma ideia do esboço da prova;

1.1 Fields
Essa parte aqui é muito básica. É o equivalente a te apresentarem o seu
material de trabalho no primeiro dia de trabalho. Contudo, ainda vale a
pena resolver os exercícios.
É bem básica, mesmo assim acho que merece algum comentário. Irei
reler.

Sobre os exercícios
O exercício 1 é aquela receita de bolo: consulte os axiomas e veja quais
podem te ajudar a chegar as relações propostas. Cuidado com as sutilezas.
Por exemplo, no item (a) tem-se

0+ =
que pode parecer uma consequência trivial envolvendo comutatividade, mas
comutatividade pode não ser definida a priori (não é o caso, o autor define
comutatividade aditiva como primeiro axioma na verdade). Poderia ser o
caso que ele te desse a relação  + 0 = 0 e mais um punhado de outros
axiomas (mas sem comutatividade) e te pedisse para derivar EQ – isso é
inclusive o que acontece em Tao.

7
Registro sobre o exercício 3
Comecei fazendo uma especialização e criando vários exemplos. Mesmo
sendo um processo útil, eu teria poupado tempo (não sei se essa poupança
teria de ser devolvida mais tarde) me perguntando “o que diferencia um
inteiro qualquer de um primo? ”
A resposta dessa pergunta aponta para o único axioma possível culpado
pela desgraça (B4) – verificar se é B4 mesmo, heh.
É importante dizer, para registro dos processos mentais de raciocínio –
de como eu fui cercando o problema–, que eu não imaginava que esse seria
o único axioma a dar problema. Formulando mentalmente eu achei que
já haveria problema com os demais. Percebe-se aí que trabalhar com os
exemplos não só não foi inútil, mas na verdade indispensável – Então qual
a necessidade daquele parenteses lá em cima, espertão? [Eu escrevo como
diário recordatório, lá em cima eu não havia me lembrado dessa informação
– pois é. . . ].
Ainda não o resolvi de uma forma que considero satisfatória. Tenho um
rascunho de possível resposta, mas falta estruturar melhor. Falta inclusive
tirar da cabeça e por no papel, mas isso depois de estruturar um cadinho
melhor.

1.2 Vector spaces

Absolutamente básico. Nada a comentar mesmo.

1.3 Examples
No terceiro exemplo o autor desenvolve como se realiza a manipulação
algébrica das n-uplas, que, só notei agora, é necessário.
Desenvolver, posteriormente, o exemplo (2). Creio que venha a ser um
polinômio do tipo

p(t) = z0 + z1 t + z2 t2 + : : : + zn tn
onde zi é o i-ésimo número complexo.
Os outros exemplos, quando julgados interessantes o suficiente para tal,
devem ser expandidos.
O exemplo (7) trouxe algo que me intrigou um pouquinho. Ele começa
dizendo que “por definição, um corpo tem pelo menos dois elementos; um
espaço vetorial, contudo, pode ter apenas um” (aspeei o negócio, mas são
aspas de uma tradução livre).

8
De fato, pela definição de corpo já temos dois elementos, 0 e 1. Um espaço
vetorial pode consistir somente da origem.

1.4 Comments
Essa parte tem mais comentário sobre notação e preferências adotadas pelo
autor que não tem como serem justificadas pelo conteúdo, então ele cria essa
seção. Não tem muito o que comentar exceto que muito útil da parte dele
criar uma seção apêndice para comentar coisas que caso não apontadas
poderiam ocasionar dúvidas.

1.5 Linear Dependence