Baixe o app para aproveitar ainda mais
Prévia do material em texto
Notas de Aula de Álgebra Linear Volume I Lino Marcos da Silva lino.silva@univasf.edu.br Sumário 1 Espaço Vetorial 1 1.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Espaço Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.3 Exemplos de Espaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.4 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2 Subespaços Vetoriais 11 2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.2 Subespaço Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.3 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.4 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.5 Códigos Corretores de Erros (texto em construção...) . . . . . . . . . . . . . . . . 20 3 Combinação Linear 21 3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.2 Combinação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.3 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.4 Subespaços Gerados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.5 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.6 Dependência e Independência Linear . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.7 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.8 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.9 Sistema de Cores RGB em Computação Gráfica . . . . . . . . . . . . . . . . . . . 30 3.10 Independência Linear e Solução de Equações Diferenciais Ordinárias (EDO) . . . 30 4 Base e Dimensão 31 4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 4.2 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 4.3 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 4.4 Exercícios resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 4.5 Resultados Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 4.6 Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 4.7 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 ii Sumário iii 4.8 Matrizes, base e dimensão em Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 4.9 Exercício Resolvido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 4.10 Exercício Resolvido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.11 Soma Direta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 4.12 Soma Direta e Base em Espaços Vetoriais Quaisquer. . . . . . . . . . . . . . . . . 42 4.13 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 5 Mudança de Base 47 5.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5.2 Coordenadas de um vetor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5.3 Mudança de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 5.4 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 6 Transformações Lineares 53 6.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 6.2 Transformação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 6.3 Exemplos de Transformações Lineares . . . . . . . . . . . . . . . . . . . . . . . . . 54 6.4 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 6.5 Determinando uma transformação linear a partir da imagem dos vetores de uma base do domínio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 6.6 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 6.7 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 6.8 Núcleo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 6.9 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 6.10 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.11 Transformações Lineares Injetivas e Sobrejetivas . . . . . . . . . . . . . . . . . . . 60 6.12 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 6.13 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 6.14 O Teorema do Núcleo e da Imagem. Isomorfismos . . . . . . . . . . . . . . . . . . 62 6.15 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 6.16 Exercícios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 6.17 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 6.18 Exercícios Gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 7 A Matriz de uma Transformação Linear 67 7.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 7.2 A Matriz de uma Transformação Linear . . . . . . . . . . . . . . . . . . . . . . . . 68 7.3 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 7.4 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 7.5 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 7.6 Matriz da composição de tranformações lineares . . . . . . . . . . . . . . . . . . . 75 7.7 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 8 Autovalores e Autovetores 79 8.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 8.2 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 8.3 Polinômio Caracteristico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 8.4 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 8.5 Diagonalização de Operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 8.6 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 iv Sumário 8.7 Exercícios Gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 8.8 Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 9 Espaços com Produto Interno 91 9.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 9.2 Produto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 9.3 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 9.4 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 9.5 Processo de Ortogonalização de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . 100 9.6 Complemento Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 9.7 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 9.8 Exercícios Gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 9.9 Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 10 Operadores Especiais 105 10.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . 105 10.2 Operador Simétrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 10.3 Operador Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 10.4 Exercícios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 1 Espaço Vetorial 1.1 Introdução Vetores são entes matemáticos que se caracterizam por possuir uma intensidade, uma direção e um sentido. São utilizados, por exemplo, para representar grandezas físicas, como força e velocidade. Neste curso de Álgebra Linear, consideraremos como um vetor cada um dos elementos de um espaço vetorial e denominaremos de escalar qualquer elemento de um corpo 1 K. Neste curso, iremos considerar K = R (o corpo dos números reais) ou K = C (o corpo dos números complexos). A seguir apresentaremos a definição de um espaço vetorial e daremos alguns exemplos clássicos. Para alguns desses exemplos iremos apresentar a prova, de que os mesmos são espaços vetoriais, já os demais ficarão como exercício para o aluno. 1.2 Espaço Vetorial Definição. Um conjunto V não vazio é um espaço vetorial sobre o corpo K se em seus elementos, denominados vetores, estiverem definidas as seguintes operações: • Soma de Vetores: A cada par de elementos u e v de V corresponde um vetor u + v, chamado de soma de u e v, satisfazendo, para quaisquer u, v e w pertecentes a V , as seguintes propriedades: (A1) u+ v = v+ u (comutatividade) (A2) u+ (v+w) = (u+ v) +w (associatividade) (A3) Existe um vetor θ ∈ V , denominado vetor nulo, tal que u + θ = u. (existência do elemento neutro) (A4) Dado o vetor u ∈ V , existe o vetor −u ∈ V , denominado vetor oposto, tal que u+ (−u) = θ. (existência do elemento simétrico) • Multiplicação por Escalar: A cada par α ∈ K e v ∈ V , corresponde um vetor α × v , denominado produto por escalar de α por V , satisfazendo as seguintes propriedades: (ME1) α× (u+ v) = α× u+ α× v 1Corpo é uma estrutura matemática na qual está definida duas operações satisfazendo algumas propriedades 2 1. Espaço Vetorial (ME2) (α+ β)× u = α× u+ β× u (ME3) (α× β)× u = α(β× u) (ME4) 1× u = u. Na definição anterior, quando K = R dizemos que V é um espaço vetorial real. Por outro lado, se K = C, dizemos que V é um espaço vetorial complexo. Em um espaço vetorial V , o elemento neutro e o elemento oposto, das propriedades (A3) e (A4), respectivamente, quando existem, são únicos (ver Exercício 1). 1.3 Exemplos de Espaços Vetoriais 1. Espaço Vetorial Euclidiano. O conjunto R2 = {(x1, x2); xi ∈ R} com as operações usuais de soma de vetores (x1, x2) + (y1,y2) = (x1 + y1, x2 + y2) e a multiplicação por escalar α(x1, x2) = (αx1,αx2) é um espaço vetorial real. 2. O conjunto R3 = {(x1, x2, x3); xi ∈ R} com as operações usuais de soma de vetores (x1, x2, x3) + (y1,y2,y3) = (x1 + y1, x2 + y2, x3 + y3) e a multiplicação por escalar α(x1, x2, x3) = (αx1,αx2,αx3) é um espaço vetorial real. 3. De um modo geral para n > 1, o conjunto Rn = {(x1, x2, . . . , xn); xi ∈ R} com as operações usuais de soma de vetores (x1, x2, . . . , xn) + (y1,y2, . . . ,yn) = (x1 + y1, x2 + y2, . . . , xn + yn) e a multiplicação por escalar α(x1, x2, . . . , xn) = (αx1,αx2, . . . ,αxn) é um espaço vetorial real. Demonstração. Sejam u = (u1,u2, . . . ,un), v = (v1, v2, . . . , vn) e w = (w1,w2, . . . ,wn) vetores do Rn. Então, u+ v = (u1,u2, . . . ,un) + (v1, v2, . . . , vn) = (u1 + v1,u2 + v2, . . . ,un + vn) = (v1 + u1, v2 + u2, . . . , vn + un) = v+ u. Além disso, 1.3. Exemplos de Espaços Vetoriais 3 u+ (v+w) = (u1,u2, . . . ,un) + (v1 +w1, v2 +w2, . . . , vn +wn) = (u1 + v1 +w1,u2 + v2 +w2, . . . ,un + vn +wn) = (u1 + v1,u2 + v2, . . . ,un + vn) + (w1,w2, . . . ,wn) = (u+ v) +w. Logo, as propriedades A1 e A2 são satisfeitas. Observe que o elemento neutro de Rn é vetor θ = (0, 0, . . . , 0). De fato, θ+ u = (0 + u1, 0 + u2, . . . , 0 + un) = (u1,u2, . . . ,un) = u. Por outro lado, para cada u = (u1,u2, . . . ,un), existe o vetor −u = (−u1,−u2, . . . ,−un) que satisfaz u+ (−u) = (u1 + (−u1),u2 + (−u2), . . . ,un + (−un) = (0, 0, . . . , 0) = θ. Ou seja, está comprovada a existência do elemento oposto. Agora, para verificarmos a validade das propriedadesME1,ME2 eME3 considere os escalares α e β. Dessa maneira, temos α(u+ v) = α(u1 + v1,u2 + v2, . . . ,un + vn) = (αu1 + αv1,αu2 + αv2, . . . ,αun + αvn) = α(u1,u2, . . . ,un) + α(v1, v2, . . . , vn) = αu+ αv; (α+ β)u = (α+ β)(u1,u2, . . . ,un) = (αu1 + βu1,αu2 + βu2, . . . ,αun + βun) = (αu1,αu2, . . . ,αun) + (βu1,βu2, . . . ,βun) = α(u1,u2, . . . ,un) + β(u1,u2, . . . ,un) = αu+ βu; e (αβ)u = αβ(u1,u2, . . . ,un) = (αβu1,αβu2, . . . ,αβun) = α(βu1,βu2, . . . ,βun) = α(βu). Por fim, 4 1. Espaço Vetorial 1 · u = 1 · (u1,u2, . . . ,un) = (u1,u2, . . . ,un) = u. Logo, as propriedades A1 −A4 eME1 −ME4 são válidas e portanto Rn é um espaço vetorial sobre R. Dessa forma, o conjunto R com as operações de adição e multiplicação de números reais, onde, nesse caso, os vetores são os números reais, é um espaço vetorial real (Justifique). 4. Espaço Vetorial de Matrizes. O Conjunto M(m,n) das matrizes reais de ordem m× n com a soma de matrizes e a multiplicação por escalar usuais é um espaço vetorial real. 5. Espaço Vetorial de Polinômios. O conjunto de polinômios Pn(t) = {antn + an−1tn−1 + · · ·+ a2t2 + a1t+ a0,ai ∈ R} com as operações usuais de soma de polinômios p(t) + q(t) = (ant n + an−1t n−1 + · · ·+ a1t+a0) + (bntn + bn−1tn−1 + · · ·+ b1t+ b0) = (an + bn)t n + (an−1 + bn−1)t n−1 + ... + (a1 + b1)t+ a0 + b0; e multiplicação de polinômios por escalar α · p(t) = (αan)tn + (αan−1)tn−1 + · · ·+ (αa1)t+ αa0; é um espaço vetorial sobre R. Em particular, o conjunto P2(t) = {a2t2 + a1t+ a0, com a2,a1 e a0 ∈ R} é um espaço vetorial, relativamente às mesmas operações. A seguir mostraremos que, de fato, P2(t) é um espaço vetorial sobre R. Demonstração. Sejam p(t) = a2t2+a1t+a0, q(t) = b2t2+b1t+b0 em(t) = c2t2+c1t+c0 elementos de P2(t) e considere α,β ∈ R. Vamos mostrar que as operações soma de polinômios e multiplicação de polinômio por escalar possuem as oitos propriedades da definição de espaço vetorial. Primeiro vamos verificar que a propriedade (A1) é válida. De fato, p(t) + q(t) = a2t 2 + a1t+ a0 + b2t 2 + b1t+ b0 = (a2 + b2)t 2 + (a1 + b1)t+ (a0 + b0) = (b2 + a2)t 2 + (b1 + a1)t+ (b0 + a0) = q(t) + p(t) para todo p(t),q(t) ∈ P2(t). Agora, para mostrar que (A2) também vale, veja que 1.3. Exemplos de Espaços Vetoriais 5 (p(t) + q(t)) +m(t) = (a2 + b2)t 2 + (a1 + b1)t+ (a0 + b0) + c2t 2 + c1t+ c0 = (a2 + b2 + c2)t 2 + (a1 + b1 + c1)t+ (a0 + b0 + c0) = (a2 + (b2 + c2))t 2 + (a1 + (b1 + c1))t+ (a0 + (b0 + c0)) = a2t 2 + a1t+ a0︸ ︷︷ ︸ p(t) +((b2 + c2)t 2 + (b1 + c1)t+ b0 + c0︸ ︷︷ ︸ q(t)+m(t) ) = p(t) + (q(t) +m(t)). Isto é, a soma de polinômios é associativa. O polinômio identicamente nulo de grau menor ou igual a 2, θ(t) = 0t2 + 0t+ 0, é tal que p(t) + θ(t) = a2t 2 + a1t+ a0 + 0t2 + 0t+ 0 = (a2 + 0)t2 + (a1 + 0)t+ (a0 + 0) = a2t 2 + a1t+ a0 = p(t), para todo p(t) ∈ P2(t). Logo, o polinõmio identicamente θ(t) = 0t2 + 0t + 0 é o elemento neutro da soma de polinômios em P2(t), e assim a propriedade (A3) também está verificada. Agora note, que para cada polinômio p(t) = a2t2 + a1t + a0 ∈ P2(t), existe o polinômio −p(t) = −a2t 2 − a1t− a0 ∈ P2(t) tal que p(t) + (−p(t)) = a2t 2 + a1t+ a0 + (−a2t 2 − a1t− a0 = (a2 − a2)t 2 + (a1 − a1)t+ (a0 − a0) = 0t2 + 0t+ 0 = θ(t). Logo, a propriedade (A4) também está verificada. Agora, para verificarmos a validade das propriedades (ME1)-(ME4), veja que para todo α,β ∈ R e para todo p(t),q(t) em P2(t), temos: α(β(p(t))) = α(β(a2t 2 + a1t+ a0)) = α(βa2t 2 + βa1t+ βa0) = αβa2t 2 + αβa1t+ αβa0 = (αβ)(a2t 2 + a1t+ a0) = (αβ)p(t) 6 1. Espaço Vetorial e dessa forma, (ME1) é válida. Por outro lado, (α+ β)p(t) = (α+ β)(a2t 2 + a1t+ a0) = (α+ β)a2t 2 + (α+ β)a1t+ (α+ β)a0 = αa2t 2 + αa1t+ αa0 + βa2t 2 + βa1t+ βa0 = α(a2t 2 + a1t+ a0) + β(a2t 2 + a1t+ a0) = αp(t) + βp(t), eassim, (M2) é válida. Para mostrar que (ME3) também é válida, fazemos: α(p(t) + q(t)) = α((a2 + b2)t 2 + (a1 + b1)t+ (a0 + b0)) = (αa2 + αb2)t 2 + (αa1 + αb1)t+ (αa0 + αb0) = αa2t 2 + αa1t+ αa0 + αb2t 2 + αb1t+ αb0 = α(a2t 2 + a1t+ a0) + α(b2t 2 + b1t+ b0) = αq(t) + αp(t). Finalmente, 1 · p(t) = 1 · (a2t2 + a1t+ a0) = 1 · a2t2 + 1 · a1t+ 1 · a0 = a2t 2 + a1t+ a0 = p(t) para todo p(t) ∈ P2(t). Logo, a propriedade (ME4) também é válida e, portanto, mostramos que P2(t) é um espaço vetorial real. 6. Espaço Vetorial de Funções. Dados números reais a e b com a < b, considere o intervalo da reta X = [a,b] (ou seja, X é um subconjunto de R). Denotemos por F(X,R) o conjunto formado por todas as funções reais com domínio X e imagens real. Isto é, o conjunto formado por todas as funções f : X→ R. Considerando em F(X,R) as operações de soma de funções e multiplicação de função por escalar, como definidas a seguir: (f+ g)(x) = f(x) + g(x) e (αg)(x) = αg(x), então F(X,R) é um espaço vetorial real. 1.3. Exemplos de Espaços Vetoriais 7 x y a x b (x, f(x)) (x,g(x)) (x, (f+ g)(x)) f f+ g g Figura 1.1: Soma de funções. x y a x b f(x) αf(x) f αf Figura 1.2: Multiplicação de função por escalar. x y a b Figura 1.3: Função nula. x y a x b f(x) −f(x) f −f Figura 1.4: Função oposta. Demonstração. Sejam f, g e h funções definidas em X. Como para todo x ∈ X, f(x) + g(x) = g(x) + f(x) pois f(x) e g(x) são números reais, então, temos (f+ g)(x) = f(x) + g(x) = g(x) + f(x) = (g+ f)(x), para todo x ∈ X. Logo, f+ g = g+ f. Isto é, a soma de funções é comutativa. 8 1. Espaço Vetorial De modo análogo, [f+(g+h)](x) = f(x)+(g+h)(x) = f(x)+g(x)+h(x) = (f+g)(x)+h(x) = [(f+g)+h](x), para todo x ∈ X. Logo, f+(g+h) = (f+g)+h, e assim, a soma de funções é associativa. Existe a função f : X→ R, tal que, f(x) = 0 para todo x ∈ X. Trata-se da função nula, que será denotada por θ. Assim, para todo x ∈ X e para toda f ∈ F(X,R) temos (θ+ f)(x) = θ(x) + f(x) = 0 + f(x) = f(x). Ou seja, existe a função θ(x) ∈ F(X,R) tal que θ+ f = f para toda f ∈ F(X,R). A função nula é o elemento neutro desta operação. Para cada função f : X → R dada, a função −f : X → R, que transforma cada x ∈ X em −f(x) é tal que [f+ (−f)](x) = f(x) + (−f(x)) = 0 = θ(x). Logo, dada função f ∈ F(X,R), existe a função −f ∈ F(X,R) tal que f+ (−f) = θ. Isto é, a função −f é o elemento simétrico da soma de funções. Agora sejam α,β ∈ R e f,g ∈ F(X,R). α(βf)(x) = α(βf(x)) = (αβ)f(x) para todo x ∈ X. Logo, α(βf) = (αβ)f. ((α+ β)f)(x) = (α+ β)f(x) = αf(x) + βf(x) = (αf+ βf)(x) para todo x ∈ X. Logo, (α+ β)f = αf+ βf. (α(f + g))(x) = α(f + g)(x) = α(f(x) + g(x)) = αf(x) + αg(x) = (αf + αg)(x) para todo x ∈ X. Logo, α(f+ g) = αf+ αg. Finalmente, 1 · f(x) = f(x) para todo x ∈ X. Logo, 1 · f = f. Dessa forma, as operações de soma de funções e multiplicação por escalar satisfazem as oitos propriedades da definição, e portanto, ∈ F(X,R) é um espaço vetorial sobre R. Considere o sistema linear homogêneo, na forma matricial, AX = 0 e S = {X ∈ M(n, 1); AX = 0} sendo A ∈ M(m,n) e 0 a matriz nula de M(m,n). O conjunto S, o conjunto formado pelas soluções de AX = 0, é um espaço vetorial. Demonstração. Primeiro observe que se X1 e X2 são elementos de S, então X1+X2 também pertence a S. Com efeito, A(X1 + X2) = AX1 +AX2 = 0 + 0 = 0 Além disso, dado α ∈ R, A(αX1) = αAX1 = α · 0 = 0 Isto é, se X1 ∈ S, então αX1 também a S. Dessa forma S é fechado em relação a soma de matrizes e ao produto de um escalar por uma matriz. Naturalmente, as propriedades A1 −A4 e ME1 −ME4 são satisfeitas, já que neste caso, X é um conjunto de matrizes. 1.4. Exercícios Propostos 9 1.4 Exercícios Propostos 1. Seja V o espaço vetorial Rn. Qual é o vetor nulo de V? O que representa o vetor –(x1, x2, . . . , xn)? 2. Seja W = M(2, 2). Descreva o vetor nulo e vetor oposto em W. 3. Descreva o vetor nulo e o vetor oposto em P2(t) = {a2t2 + a1t+ a0, com ai ∈ R}. 4. Mostre que o conjunto V = {(x,y); x,y ∈ R e xy > 0} com as operações (a,b)⊕ (c,d) = (ac,bd) e α⊗ (a,b) = (aα,bα) é um espaço vetorial real. 5. Mostre que o conjunto V = {(1,y);y ∈ R} com as operações (1,y1) + (1,y2) = (1,y1 + y2) e α(1,y) = (1,αy) é um espaço vetorial real. 6. Seja o conjunto R2 = {(x,y); x,y ∈ R}. Mostre que R2 não é um espaço vetorial com as operações assim definidas: (x,y) + (z,w) = (x+ z,y+w) e α(x,y) = (αx,y). 7. Mostre a seguinte afirmação: Em um espaço vetorial V existe um único vetor nulo e cada elemento de V possui um único vetor oposto. 8. Mostre que o Exemplo 4 é de fato um espaço vetorial sobre R. 2 Subespaços Vetoriais 2.1 Introdução Em muitas situações é útil identificar, dentro de um espaço vetorial, um conjunto de vetores que possuem determinadas características, mas que, ainda assim, conseguem manter a estrutura de um espaço vetorial. Isto é, as operações de soma de vetores e produto por escalar permanecem fechadas nesse conjunto. Por exemplo, no espaço vetorial R2, o conjunto de pontos que representam uma reta que passa pela origem do sistema de coordenadas cartesianas possui essa propriedade (conjunto fechado em relação as operações de soma de vetores e multiplicação por escalar), enquanto que o conjunto de pontos que representam uma reta que não passa pela origem do referido sistema não possui a referida propriedade. De um modo geral, espaços vetoriais que estão dentro de outros espaços vetoriais serão chamados de subespaços vetoriais. 2.2 Subespaço Vetorial Definição. Sejam V um espaço vetorial e W um subconjunto não vazio de V . O subconjunto W é um subespaço vetorial de V , se W é um espaço vetorial em relação as operações de adição de vetores e multiplicação por escalar definidas em V . Apesar da definição de subespaço vetorial ser muito simples e compreensível, na prática, rara- mente a utilizamos para identificar se um determinado subconjunto W de um espaço vetorial V é um subespaço vetorial de V . De fato, este caminho, em geral, é uma atividade laboriosa, pois exige a verificação das oito propriedades, (A1)-(A4) e (ME1)-(ME4) da definição de espaço vetorial. Felizmente, de acordo com a próxima proposição, não precisaremos fazer a verificação de todas essas propriedades. Com efeito, sendo W um subconjunto formado por vetores de V , então as propriedades das operações que são válidas em V devem também ser válidas em W, desde que W seja um conjunto fechado em relação a essas operações. Como podemos demonstrar que um dado subconjunto W, não vazio, é um subes- paço vetorial do espaço vetorial W? Um subespaço vetorialW de um espaço vetorial V fica caracterizado pela seguinte proposição: 12 2. Subespaços Vetoriais Proposição. Dados um espaço vetorial V e um subconjunto W (não vazio) de V , então W é um subespaço de V se as duas condições a seguir forem satisfeitas: (i) Se u e v são vetores quaisquer de W, então u+ v ∈W; (ii) Se α ∈ R e v é um vetor qualquer de W, então αv ∈W. Observações. 1. Todo subespaçoW de um espaço vetorial V precisa, necessariamente, conter o vetor nulo de V . De fato, se tomarmos α = 0, por (ii), temos 0 · v = 0 para todo v ∈W. Dessa forma, se um subconjunto W de um espaço vetorial V não possuir o vetor nulo de V , então W não pode ser um subespaço vetorial de V . 2. Todo espaço vetorial V admite pelo menos dois subespaços vetoriais: o conjunto formado apenas pelo vetor nulo e o próprio espaço V . Isto é, {0} e V . Esses dois subespaços de V são chamados de subespaços triviais. 2.3 Exemplos 1. Seja V = R2 = {(x1, x2); xi ∈ R} com as operações usuais de soma de vetores e a multiplicação por escalar. O subconjunto W = {(x,y);y = kx, k é uma constante} é um subespaço vetorial de V . Demonstração. Observe que W também pode ser escrito da seguinte maneira: W = {(x,kx); x ∈ R e k constante}. Primeiro é conveniente observar que (0, 0) ∈ W. De fato, para x = 0 teremos kx = 0, para todo k ∈ R. Logo, (0, 0) ∈W e, desse modo, W 6= ∅. Agora sejam u = (x1,y1) e v = (x2,y2) vetores de W. Dessa maneira, podemosescrever u = (x1,kx1) e v = (x2,kx2). Assim, u+ v = (x1,kx1) + (x2,kx2) = (x1 + x2,kx1 + kx2) = (x1 + x2,k(x1 + x2)). Fazendo x3 = x1 + x2, temos que u+ v = (x3,kx3). Logo, u+ v ∈W e o item (i) é satisfeito. Agora seja α ∈ R e u = (x1,y1) ∈W. Assim αu = α(x1, x2) = α(x1,kx1) pois u ∈W; = (αx1,αkx1). 2.3. Exemplos 13 Fazendo x4 = αx1 temos que αu = (x4,kx4). Logo, αu ∈W e o item (ii) da proposição está satisfeito. Poranto, W é um subespaço vetorial de V . Observe ainda que os elementos de W descrevem uma reta passando pela origem. Observe que para demonstrarmos que o par ordenado (x,y) ∈W devemos mostrar que esse elemento "têm a cara"dos vetores de W. Isto é, a segunda coordenada, y, deve satisfazer y = kx. 2. Seja V = R2 e U = {(x, 5x+ 3); x ∈ R}. O subconjunto U, com as operações usuais de soma de vetores e a multiplicação por escalar, não é um subespaço vetorial de R2. De fato, o vetor {(0, 0} não pertence a W. Observe que os elementos de U descrevem uma reta em R2 que não passa pela origem. 3. Todos os subespaços de R2 são: {(0, 0)}, o R2 e os seus subconjuntos que descrevem retas passando pela origem. 4. Seja W = {(x,y, z) ∈ R3;ax + by + cz = 0}. Observe que W descreve, em R3, um plano que passa pela origem. W é um subespaço vetorial de R3. Demonstração. Primeiro é conveniente observar que (0, 0, 0) ∈ W. De fato, para x = y = z = 0 teremos ax + by + cz = 0, quaisquer que sejam os escalares a,b, c ∈ R. Logo, (0, 0, 0) ∈W e, desse modo, W 6= ∅. Agora sejam u = (x1,y1, z1) e v = (x2,y2, z2) vetores de W. Dessa maneira, temos que ax1 + bx1 + cz1 = 0 e ax2 + bx2 + cz2 = 0. Assim, temos u+ v = (x1,y1, z1) + (x2,y2, z2) = (x1 + x2,y1 + y2, z1 + z2). Fazendo x3 = x1 + x2,y3 = y1 + y2 e z3 = z1 + z2 temos que ax3 + by3 + cz3 = a(x1 + x2) + b(y1 + y2) + c(z1 + z2) = ax1 + by1 + cz1︸ ︷︷ ︸ 0 +ax2 + by2 + cz2︸ ︷︷ ︸ 0 = 0 + 0 = 0. Logo, u + v ∈ W e o item (i) é satisfeito. Agora seja α ∈ R e u = (x1,y1, z1) ∈ W. Assim, ax1 + bx1 + cz1 = 0. αu = α(x1,y1, z1) = α(x1,y1, z1) = (αx1,αy1,αz1). Fazendo x4 = αx1, y4 = αy1 e z4 = αz1 temos que ax4 + by4 + cz4 = a(αx1) + b(αy1) + c(αz1) = α(ax1 + by1 + cz1) = αax1 + by1 + cz1︸ ︷︷ ︸ 0 = α · 0 = 0. 14 2. Subespaços Vetoriais Logo, αu ∈ W e o item (ii) da proposição está satisfeito. Portanto, W é um subespaço vetorial de R3. 5. Todos os subespaços de R3 são: {(0, 0, 0)}, o R3, os seus subconjuntos que descrevem retas passando pela origem e os subconjuntos que descrevem planos passando pela origem. 6. Considere em M(n,n) o conjunto S das matrizes simétricas de ordem n. S é um subespaço vetorial de M(n,n) . Isto é, S = {A ∈M(n,n);AT = A}. S é um subespaço vetorial de M(n,n) . Demonstração. Primeiro observe que a matriz nula de ordem n é uma matriz simétrica. Logo, S 6= ∅. Agora sejam A e B matrizes simétricas de ordem n. Pela propriedade das matrizes simétricas, temos que (A+ B)T = AT + BT . Por outro lado, A e B são matrizes simétricas. Logo, AT = A e BT = B. Daí, vem que (A+ B)T = AT + BT = A+ B. Ou seja, A+ B é uma matriz simétrica. Logo, A+ B ∈M(n,n). Dado α ∈ R e A uma matriz simétrica de ordem n, temos, pela propriedade de matriz simétrica, que (αA)T = αAT = αA. Assim, αA é uma matriz simétrica, ou seja, αA ∈ M(n,n). Portanto, S é um subespaço vetorial de M(n,n). 7. Considere o sistema linear homogêneo AX = 0 onde A, a matriz dos coeficientes, tem ordem m × n, X é a matriz das incógnitas e tem ordem n× 1 e 0 é matriz dos termos independentes e tem ordem m× 1. Seja Sh o conjunto das soluções desse sistema linear homogêo. Isto é, Sh = {X ∈M(n, 1);AX = 0}. Sh é um subespaço vetorial de M(n, 1). Demonstração. Primeiro note que a matriz coluna nula de ordem n × 1 é solução de AX = 0. Logo, Sh 6= ∅. Agora sejam X1, X2 ∈ Sh. Dessa maneira, AX1 = 0 e AX2 = 0. Daí, A(X1 + X2) = AX1 +AX2 = 0 + 0 6= 0. Daí, X1 + X2 ∈ Sh. Além disso, se k ∈ R, e X1 ∈ Sh, então A(kX1) = kAX1 = k · 0 = 0. Logo, kX1 ∈ Sh e portanto, Sh é um subespaço vetorial de M(n, 1). 2.3. Exemplos 15 8. Seja X = [a,b] e considere os seguintes subconjuntos de f(x,R): a) C([a,b]): o conjunto de todas as funções que são contínuas em [a,b]. b) D([a,b]): o conjunto de todas as funções que são deriváveis em [a,b]. c) I([a,b]): o conjunto de todas as funções que são integráveis em [a,b). C([a,b]), D([a,b]) e I([a,b]) são subespaços vetoriais de F(x,R). Essa afirmação é consequência das propriedades das funções contínuas, das funções deri- váveis e das funções integráveis vistas no cálculo diferencial e integral. (Quais são essas propriedades?) Intersecção de Subespaços Seja V um espaço vetorial sobre um corpo K. Suponha que U e W são subespaços vetoriais de V . Então o conjunto U ∩W = {v ∈ V ; v ∈ U e v ∈W} é um subespaço vetorial de V . Demonstração. Primeiro note que U ∩W 6= ∅. Isto é, 0 ∈ U ∩W. De fato, como U e W são subespaços de V , então 0 ∈ U e 0 ∈W, logo 0 ∈ U ∩W. Agora, vamos mostrar que a soma de dois vetores quaisquer de U ∩W é um vetor de U ∩W. Para isso suponha que os vetores u e v pertencem a U ∩W. Dessa forma temos: u ∈ U ∩W, logo u ∈ U e u ∈W; v ∈ U ∩W, logo v ∈ U e v ∈W. Dessa maneira, temos u, v ∈ U; e u, v ∈ W. Como U e W são subespaços, então u + v ∈ U e u+ v ∈W. Logo, u+ v ∈ U ∩W. Para mostrarmos que a multiplicação de um vetor de U ∩W por um escalar também é um vetor U∩W, considere α ∈ K e u ∈ U∩W. Desse modo, u ∈ U e u ∈W (ambos são subespaços de V), então α · u ∈ U e α · u ∈W. Logo, α · u ∈ U ∩W. Dessa forma concluimos que U ∩W é um subespaço vetorial de V . Exemplos 1. Considere os subespaços de R3 U = {(x,y, z) ∈ R3; z = 0} e W = {(x,y, z) ∈ R3; x = 0}. Seja (a,b, c) um vetor qualquer de R3. Observe que (a,b, c) ∈ U ∩W se, e somente se, (a,b, c) ∈ U e (a,b, c) ∈W, simultaneamente. Mas, isso somente ocorre se tivermos a = 0 e c = 0. Logo, um vetor v do R3 está em U∩W se, e somente se, v é do tipo (0,b, 0). Assim, escrevemos U ∩W = {(x,y, z) ∈ R3; x = z = 0} = {(0,y, 0);y ∈ R}. 16 2. Subespaços Vetoriais 2. Considere em R2 os subespaços U = {(x,y) ∈ R2;y = x} e W = {(x,y) ∈ R2;y = −x}. Seja (a,b) um vetor qualquer de R2. Observe que (a,b) ∈ U∩W se, e somente se, (a,b) ∈ U e (a,b) ∈ W, simultaneamente. Mas, isso ocorre somente se tivermos b = a e b = −a. De onde concluímos que b = 0 e a = 0. Logo, um vetor v do R2 está em U ∩W se, e somente se, v = (0, 0). Assim, obtemos U ∩W = {(0, 0)}. 3. Sejam V = M(n,n) seja o espaço vetorial das matrizes quadradas, com entradas reais, de ordem n; U o subconjunto das matrizes triangulares inferiores e W o subconjunto das matrizes triangulares superiores de ordem n. É possível mostrar que U e W são subespaços vetoriais de V (Exercício). Observe que U ∩W é o conjunto de todas as matrizes diagonais de ordem n. Sobre a reunião, U ∪W, de dois subespaços U e W de um dado espaço vetorial V podemos dizer que, em geral, não é um subespaço vetorial de V . A Figura 2.1 ilustra a união e a intersecção de subconjuntos de V . Figura 2.1: A intersecção de subespaços vetoriais é um subespaço vetorial Mostraremos que a reunião de dois subespaços nem sempre é um subespaço vetorial, apresen- tando um exemplo no espaço vetorial R2. Considere os seguintes subespaços vetoriais de R2: U = {(x, 0); x ∈ R} e W = {(0,y);y ∈ R}. Observe que o vetor (2, 0) ∈ U e o vetor (0, 5) ∈W. Logo, ambos pertencem ao conjunto U ∪W. No entanto, a soma desses dois vetores (2, 0) + (0, 5) = (2, 5) não é um vetor de U nem um vetor W. Logo, não é um vetor de U ∪W. Portanto, U ∪W não é um subespaço vetorial de R2. 2.3. Exemplos 17 Soma de Subespaços Seja V um espaço vetorial sobre um corpo K. Suponha que U e W são subespaços vetoriais de V . Então o conjunto U+W = {v ∈ V ; v = v1 + v2, v1 ∈ U e v2 ∈W} é um subespaço vetorial de V . O subespaço U+W chama-se soma de U e W. Demonstração. Primeiro note que U+W 6= ∅. Isto é, 0 ∈ U+W. De fato, como U e W são subespaços de V , 0 ∈ U e 0 ∈W. Desse modo, como 0 = 0 + 0, temos que 0 pode ser escrito como a soma de um elemento de U com um elemento de W. Sejam u,v ∈ U+W. Dessa forma podemos escrever u = u1 +w1, com u1 ∈ U e w1 ∈W; v = u2 +w2, com u2 ∈ U e w2 ∈W. Assim, como u1,u2 ∈ U (e U é um subespaço de V), então u1 + u2 ∈ U. Do mesmo modo, como w1,w2 ∈W (e W é um subespaço de V), então w1 +w2 ∈W. Desse modo, u+ v = (u1 +w1) + (u2 +w2) = (u1 + u2) + (w1 +w2). Fazendo u3 = u1 +u2 e w3 = w1 +w2, temos que u+ v = u3 +w3, onde u3 ∈ U e w3 ∈W. Logo, u+ v ∈ U+W. Agora, sejam α ∈ K e u ∈ U+W. Logo, existem u1 ∈ U e w1 ∈W tais que u = u1 +w1. Daí, α · u = α · (u1 +w1) = α · u1 + α ·w1. Note que α · u1 ∈ U e α · w1 ∈ W, pois U e W sao subespaços. Assim, fazendo u4 = α · u1 e w4 = α · w1, temos que α · u = u4 + w4, onde u4 ∈ U e w4 ∈ W. Logo, α · u ∈ U +W. Dessa forma concluimos que U+W é um subespaço vetorial de V . U+W U W 18 2. Subespaços Vetoriais U = {(x,y, z) ∈ R3; y = z = 0} = {(x, 0, 0); x ∈ R} W = {(x,y, z) ∈ R3; x = z = 0} = {(0,y, 0); x ∈ R} U+W = {(x,y, z) ∈ R3; z = 0} = {(x,y, 0); x,y ∈ R} Exemplos 1. Considere em R3, os subespaços U = {(x,y, z) ∈ R3; z = 0} e W = {(x,y, z) ∈ R3; x = y = 0}. Dado (a,b, c) um vetor qualquer de R3, podemos escrever (a,b, c) = (a,b, 0) + (0, 0, c). Observe que (a,b, 0) ∈ U e (0, 0, c) ∈W. Logo, (a,b, c) ∈ U+W. Como (a,b, c) é um vetor arbitrário de R3, concluimos que U+W = R3. 2. Considere em R2, os subespaços U = {(x,y) ∈ R2;y = x} e W = {(x,y) ∈ R2;y = −x}. Seja (a,b) um vetor qualquer de R2. Note que podemos escrever (a,b) do seguinte modo: (a,b) = ( a+ b 2 , a+ b 2 ) + ( a− b 2 , −a+ b 2 ) . Como ( a+ b 2 , a+ b 2 ) ∈ U e ( a− b 2 , −a+ b 2 ) ∈W, então (a,b) ∈ U+W. Mas, (a,b) é um vetor arbitrário de R2, logo R2 = U+W. 3. Sejam V = M(2, 2) seja o espaço vetorial das matrizes quadradas, com entradas reais, de ordem 2; U o subconjunto das matrizes triangulares inferiores e W o subconjunto das ma- trizes triangulares superiores de ordem 2. Dada uma matriz quadrada de ordem 2 qualquer, digamos, [ a b c d ] , podemos escrever[ a b c d ] = [ a 2 0 c d2 ] + [ a 2 b 0 d2 ] . Ou seja, qualquer matriz quadrada de ordem 2 pode ser escrita como a soma de um ele- mento de U (matriz triangular superior) e um elemento de W ( matriz triangular superior). Portanto, U+W = M(2, 2). Observação. No próximo capítulo serão apresentadas outras técnicas que facilitam verificar se um dado espaço vetorial é uma soma de dois ou mais subespaços dados. 2.4. Exercícios Propostos 19 2.4 Exercícios Propostos 1. Mostre que W = {(x,−3x); x ∈ R} é um subespaço vetorial de R2. 2. Mostre que W = {(x, x, 2x); x ∈ R} é um subespaço vetorial de R3. 3. Mostre que W = {(x,y, z) ∈ R3; z− y = 0} é um subespaço vetorial de R3. 4. Seja S = {(x,y, z) ∈ R3; x+ y+ z = 0} um plano do R3 passando pela origem. Mostre que S é um subespaço vetorial de R3. 5. Dê exemplos: a) de um subconjunto de R2 que não seja um subespaço vetorial de R2. b) de um subconjunto de R3 que não seja um subespaço vetorial de R3. c) de um subconjunto de R4 que seja um subespaço vetorial de R4. d) de dois subespaços vetoriais distintos de M(2, 2) que contenham a matriz [ −1 0 0 1 ] . 6. O espaço vetorial R2 é um subespaço vetorial de R3? Justifique. 7. Mostre que cada um dos subconjuntos de R4 a seguir são subespaços vetoriais. (a) W1 = {(x,y, z, t) ∈ R4; x+ y = 0ez− t = 0} (b) W2 = {(x,y, z, t) ∈ R4; 2x+ y− t = 0ez = 0} 8. Verifique se os subconjuntos U e W, abaixo, são subespaços vetoriais de M(2, 2). (a) U = {[ a b c d ] ;b = c e a,b, c,d ∈ R } (b) W = {[ a b c d ] ;b = c+ 1 e a,b, c,d ∈ R } 9. Considere os subconjuntos de R3: U = {(x, x, x); x ∈ R} e W = {(x,y, 0); x,y ∈ R}. (a) Mostre que U é um subespaço vetorial de R3; (b) Mostre que W é um subespaço vetorial de R3; (c) Calcule U ∩W. (d) R3 = U+W? Justifique. 10. Verdadeiro ou falso? a) O conjunto solução do sistema linear formado pelas equações x+y+z = 0 e x+2z = 0 é um ponto? b) O conjunto solução do sistema linear formado pelas equações x+y+z = 0 e x+2z = 0 é um subespaço vetorial do R3 ? 11. Mostre que o subcojunto das matrizes antissimétricas de ordem n é um subespaço vetorial de M(n,n). sugestão. Uma matriz A é antissimétrica se AT = −A. 20 2. Subespaços Vetoriais 12. Seja V = F(R,R) o espaço vetorial de todas as funções reais e P = {f ∈ V ; f(−x) = f(x),∀x ∈ R}. Ou seja, P é o subconjunto das funções pares. Mostre que P é um subespaço vetorial de V . sugestão. Mostre que a soma de duas funções pares quaisquer é uma função par. Faça o mesmo para o produtor de uma função par por um escalar qualquer. 13. SejamU = {[ a b c d ] ∈M(2, 2); b = c } eW = {[ a b c d ] ∈M(2, 2); a = d = 0 e b = −c } . a) Mostre que U e V são subespaços vetoriais de M(2, 2). b) Calcule o subespaço U ∩ V . c) Verifique se M(2, 2) = U+ V . 14. Seja V = F(R,R) o espaço vetorial de todas as funções reais. Verifique se os seguintes subconjuntos de V são subespaços vetoriais. (a) W1 = {f ∈ V ; f é contínua} (b) W2 = {f ∈ V ; f é derivável} (c) W3 = {f ∈ V ; f é integrável} sugestão. Use as propriedades (da soma e produto por escalar) de funções contínuas, deri- váveis e integráveis, respectivamente. 2.5 Códigos Corretores de Erros (texto em construção...) Códigos corretores de erros são utilizados em matemática, computação, engenharia elétrica, dentre outras áreas do conhecimento. A pesquisa nesse campo do conhecimento busca prevenir ou reduzir interferências de naturezas diversas ou até mesmo erros humanos que ocorrem durante a transmissão de dados (ruídos). Um exemplo simples de códigos corretores de erros são os chamados códigos lineares. Por exemplo, usando o conjunto binário {0, 1} pode ser utilizado para gerar um código que orienta um robô a se movimentar num tabuleiro quadriculado. O código gerado poderia ser o seguinte: 00 (o robô deve se mover para o leste), 01 (o robô deve se mover para o oeste), 10 (o robô deve se mover para o norte) e 11 (o robô deve se mover para o sul). Têm-se assim o seguinte código C = {00, 01, 10, 11}. Matematicamente, C é um espaço vetorial sobre o corpo Z2 = {0, 1} e, por isso, dizemos que o código C, assim construído, é um código linear. Nesse código poderia ocorrer, na transmissão, o seguinte erro: a fonte enviar a mensagem 10 e o receptor receber a mensagem 01. Dessa forma, em vez de ir para o norte, o robô vai para o oeste. Para facilitar a detecção e correção de erros desse tipo durante o envio de uma mensagem codificada por um código como esse, pode-se modificar o código original por meio da introdução de redundâncias no mesmo. Por exemplo, o código C pode seria ser modificado para o código C ′ = {00000, 01011, 10110, 11101}. No novo código, as duas primeiras posições representam a mensagem do código original e as três últimas servem para detectar e corrigir erros durante a transmissão. C ′ é um subespaço do espaço vetorial Z52. 3 Combinação Linear 3.1 Introdução Já sabemos que se u e v são vetores quaisquer de um espaço vetorial V sobre um corpo K, o vetor αu + βv também pertence a V , quaisquer que sejam os escalares α e β pertencentes a K. Expressões do tipo αu+βv são chamadas de combinações lineares dos vetores u e v. Nesta seção veremos que qualquer vetor v ∈ V pode ser escrito como soma de produtos por escalar de outros vetores de V . 3.2 Combinação Linear Definição. Sejam V um espaço vetorial sobre um corpo K e v1, v2, . . . , vn vetores de V . Dizemos que o vetor v ∈ V é uma combinação linear dos vetores v1, v2, . . . , vn, se existem escalares a1,a2, . . . ,an ∈ K tais que v = a1v1 + a2v2 + · · ·+ anvn. (3.2.1) A Figura 3.1 ilustra como um vetor w do plano pode ser obtido por meio de uma combinação linear de dois vetores u e v do mesmo plano. Figura 3.1: O vetor ~w é uma combinação linear dos vetores ~u e ~v 22 3. Combinação Linear 3.3 Exemplos 1. Considere o espaço vetorial P2 dos polinômios de grau menor ou igual a 2 sobre R. O polinômio p(x) = 5x2 − 3x− 3 é uma combinação linear dos polinômios p1(x) = x2 − x+ 1 e p2(x) = −3x2 + x+ 5. De fato, verifica-se que p(x) = 2p1(x) − p2(x).2. Dados os vetores v1 = (1,−3, 2) e v2 = (2, 4, 1) do espaço vetorial R3, temos: (a) O vetor v = (−4,−18, 1) é uma combinação linear dos vetores v1 e v2. (b) O vetor w = (4, 3,−6) não é uma combinação linear dos vetores v1 e v2. De fato, no item (a), observe que os vetores v, v1 e v2 satisfazem a equação v = 2v1 + (−3)v2. Na prática, os escalares da combinação linear podem ser obtidos, usando a equação 3.2.1 da definição de combinação linear, da seguinte maneira: v = a1v1 + a2v2 (−4,−18, 1) = a1(1,−3, 2) + a2(2, 4, 1) (−4,−18, 1) = (a1 + 2a2,−3a1 + 4a2, 2a1 + a2). Da iguadade de vetores em R3, obtemos o sistema linear a1 + 2a2 = −4 −3a1 + 4a2 = −18 2a1 + a2 = 1. (3.3.1) Resolvendo o sistema (3.3.1), concluimos que o par a1 = 2 e a2 = −3 é sua única solução. Usando o mesmo procedimento para o vetor w do item (b), obtemos a equação (4, 3,−6) = a1(1,−3, 2) + a2(2, 4, 1), que resulta no seguinte sistema linear a1 + 2a2 = 4 −3a1 + 4a2 = 3 2a1 + a2 = −6. (3.3.2) O sistema linear (3.3.2) não possui solução (sistema impossível). Verifique! Logo, o vetor w não é uma combinação linear dos vetores v1 e v2. 3. Um mesmo vetor v pode ser escrito de infinitas maneiras distintas como combinação linear de dois ou mais vetores dados. Por exemplo, o vetor (3, 4) ∈ R2 pode ser escrito de infinitas maneiras como combinação linear do vetores (1, 0), (0, 1) e (2,−1). Com efeito, por definição, o vetor (3, 4) será uma combinação linear dos vetores (1, 0), (0, 1) e (2,−1) se existirem escalares a1, a2 e a3 tais que (3, 4) = a1(1, 0) + a2(0, 1) + a3(2,−1). 3.4. Subespaços Gerados 23 Resolvendo essa equação vetorial, obtemos (3, 4) = (a1 + 2a3,a2 − a3), de onde vem o sistema linear a1 + 2a3 = 3 a2 − a3 = 4. (3.3.3) Note que o sistema linear (3.3.3) possui mais incógnitas do que equação. Logo é um sistema indeterminado, ou seja, possui infinitas soluções. Dessa maneira, existem infinitos escalares a1, a2 e a3 que satisfazem a combinação linear (3, 4) = a1(1, 0) + a2(0, 1) + a3(2,−1). A solução geral do sistema linear (3.3.3) é dada por {(3 − 2a3, 4 + a3,a3);a3 ∈ R}. onde a3 foi considerada como uma variável livre. Se considerarmos a3 = 0, obteremos a1 = 3 e a2 = 4. Daí temos a combinação linear (3, 4) = 3(1, 0) + 4(0, 1) + 0(2,−1) que, neste caso, não é única. 3.4 Subespaços Gerados Dados dois vetores v1 e v2 de um espaço vetorial V qualquer, considere o conjunto S formado por todas as combinações lineares formadas por esses vetores. Isto é, S = {v ∈ V ; v = a1v1 + a2v2}. sendo a1 e a2 escalares. Como tanto a1 quanto a2 podem assumir infinitos valores reais, então o conjunto S possui infinitos elementos. Conforme iremos mostrar mais adiante, S é um subespaço vetorial de V . Diremos que S é o subespaço de V gerado pelos vetores v1 e v2. No Exemplo 1 da Seção 3.3, os vetores v1 = (1,−3, 2) e v2 = (2, 4, 1) geram o subespaço vetorial S do R3 formado por todas as combinações lineares do tipo: a1(1,−3, 2) + a2(2, 4, 1). Observe que para gerar o vetor nulo do R3 por meio de uma combinação linear dos vetores v1 = (1,−3, 2) e v2 = (2, 4, 1) basta escrever a combinação linear 0 · (1,−3, 2) + 0 · (2, 4, 1) = (0, 0, 0). O teorema a seguir estabelece e generaliza o que acabamos de discutir sobre subespaço gerado. Teorema. Sejam V um espaço vetorial sobre um corpo K eW = {v1, v2, ..., vn} um subconjunto não vazio de vetores de V . O conjunto S de todas as combinações lineares dos vetores de W é um subespaço vetorial de V . Demonstração. Primeiro note que S 6= ∅. De fato, sempre podemos escrever 0 = 0v1 + 0v2 + · · ·+ 0vn. 24 3. Combinação Linear Isto é, o vetor nulo de V pode ser escrito como uma combinação linear dos vetores deW. Agora, su- ponha quew1 ew2 são vetores quaisquer de S, então existem escalares a1,a2, . . . ,an e b1,b2, . . . ,bn tais que w1 = a1v1 + a2v2 + ... + anvn e w2 = b1v1 + b2v2 + · · ·+ bnvn. Daí, vem que w1 +w2 = (a1 + b1)v1 + (a2 + b2)v2 + · · ·+ (an + bn)vn. Logo, w1 + w2 ∈ S pois também é uma combinação linear de vetores de W. Além disso, tem-se que α ·w1 = (αa1)v1 + (αa2)v2 + · · ·+ (αan)vn e, dessa maneira, α · w1 ∈ S, para todo escalar α e todo w1 ∈ S. Portanto, S é um subespaço vetorial de V . Observações. 1. Diz-se que S é o subespaço gerado pelos vetores v1, v2, . . . , vn. Ou que S é o subespaço gerado por W. Denota-se S = G(W) ou S = [v1, v2, . . . , vn]. 2. Os vetores v1, v2, . . . , vn são chamados de vetores geradores do subespaço S, enquanto W é o conjunto gerador do subespaço S. 3. Define-se G(∅) = {0}. Isto é, o espaço gerado pelo conjunto vazio é o espaço vetorial formado apenas pelo vetor nulo. 4. W ⊂ G(W). Ou seja, um conjunto de geradores sempre está contido no subespaço gerado por ele. 5. Todo subconjuntoW de um espaço vetorial V gera um subespaço de V , podendo G(W) = V . Neste caso, diz-se que W é um gerador de V . 3.5 Exemplos 1. Em R2 o vetor (1, 1) gera o subespaço U = {(x, x); x ∈ R}. Com efeito, qualquer vetor (x, x) ∈ U pode ser escrito da seguinte maneira (x, x) = x · (1, 1). Logo, U = [(1, 1)]. 2. Os vetores (1, 0) e (0, 1) geram o espaço R2. De fato, dado um vetor (x,y), qualquer, de R2, têm-se (x,y) = x · (1, 0) + y · (0, 1). Ou seja, qualquer vetor do R2 se escreve como uma combinação linear dos vetores (1, 0) e (0, 1). Portanto, [(1, 0), (0, 1)] = R2. 3.6. Dependência e Independência Linear 25 3. Um vetor (x,y), qualquer, de R2, também pode ser escrito do seguinte modo: (x,y) = x+ y 2 (1, 1) + y− x 2 (−1, 1). Ou seja, qualquer vetor do R2 também pode ser escrito como uma combinação linear dos vetores (1, 1) e (−1, 1). Portanto, [(1, 1), (−1, 1)] = R2. Observação. Os escalares x+ y 2 e y− x 2 podem ser calculados resolvendo-se a equação (x,y) = a1(1, 1) + a2(−1, 1) em função de x e y. 4. O conjunto de polinômios {1, t, t2} gera todo o espaço P2. De fato, qualquer polinômio p(t) de grau igual ou menor do que 2 se escreve da seguinte maneira p(t) = a2t2 + a1t+ a0. 5. Em M(2, 2), temos [ a b 0 c ] = a [ 1 0 0 0 ] +b [ 0 1 0 0 ] +c [ 0 0 0 1 ] . Logo, o subespaço das matrizes triângulares superiores de ordem 2 é gerado pelas matrizes [ 1 0 0 0 ] , [ 0 1 0 0 ] e [ 0 0 0 1 ] . 6. Se [u1,u2, ..,uk] = U e [w1,w2, ...,wk] = W, então U +W = [u1,u2, ..,uk,w1,w2, ...,wk]. Isto é, se os vetores u1,u2, ..,uk geram o subespaço vetorial U; e se os vetores w1,w2, ...,wk geram o subespaço vetorial W, então o subespaço vetorial U+W é gerado pela reunião dos vetores geradores de U com os vetores geradores de W. 3.6 Dependência e Independência Linear Sejam V um espaço vetorial sobre um corpo K e v1, v2, . . . , vn vetores de V . Dizemos que o conjunto {v1, v2, . . . , vn} é um conjunto linearmente independente (LI), ou que os vetores v1, v2, . . . , vn são LI, se a equação a1v1 + a2v2 + · · ·+ anvn = 0v admite apenas a solução nula. Isto é, se a1 = a2 = · · · = an = 0. Definição. Sejam V um espaço vetorial sobre um corpoK e v1, v2, . . . , vn vetores de V . Dizemos que o conjunto {v1, v2, . . . , vn} é um conjunto linearmente independente (LI), ou que os vetores v1, v2, . . . , vn são LI, se a equação a1v1 + a2v2 + · · ·+ anvn = 0v admite apenas a solução nula. Isto é, se a1 = a2 = · · · = an = 0. No caso em que exista algum ai 6= 0 dizemos que o o conjunto {v1, v2, . . . , vn} é um conjunto linearmente dependente (LD), ou que os vetores v1, v2, . . . , vn são LD. Observação. O símbolo 0v na definição acima indica o vetor nulo do espaço vetorial V em questão. O teorema a seguir estabelece outra caracterização da dependência linear. 26 3. Combinação Linear Teorema 1. O conjunto {v1, v2, ..., vn} é LD se, e somente se, pelo menos um desses vetores for combinação linear dos demais. Demonstração. Suponha que {v1, v2, ..., vn} é um conjunto LD. Então, por definição, a equação a1v1 + a2v2 + ... + anvn = 0 admite uma solução diferente da trivial. Isto é, existe uma solução (a1,a2, ...,an) onde pelo menos um ai 6= 0. Vamos supor, sem perda de generalidade, que a1 6= 0. Assim, obtemos a1v1 +a2v2 + ... + anvn = 0; a1v1 = −a2v2 − a3v3 − · · ·− anvn; v1 = 1 a1 (−a2v2 − ... − anvn); v1 = − a2 a1 v2 − a3 a1 v3 − · · ·− an a1 vn. Logo, v1 é uma combinação linear de {v2, . . . , vn}. Por outro lado, suponha que algum dos vetores de {v1, v2, . . . , vn} é uma combinação linear dos demais vetores. Sem perda de generalidade, vamos supor que v1 seja esse vetor. Pela definição de combinação linear, existem escalares (a2,a3, . . . ,an) tais que v1 = a2v2 + a3v3 + · · ·+ anvn. Dessa equação, obtemos v1 − a2v2 − a3v3 − · · ·− anvn = 0 que é uma combinação linear nula tendo o número 1 como o coeficiente de v1. Logo, qualquer solução dessa equação será diferente da solução nula. Portanto, o conjunto de vetores {v1, v2, . . . , vn} é um conjunto LD. � Equivalentemente ao Teorema1 , temos o seguinte: Teorema 2. O conjunto {v1, v2, . . . , vn} é LI se, e somente se, nenhum desses vetores for combinação linear dos demais. 3.7 Exemplos 1. Em R2, os vetores (1, 1) e (−1, 1) são vetores LI. De fato, sejam a1 e a2 tais que a1(1, 1) + a2(−1, 1) = (0, 0) (a1 − a2,a1 + a2) = (0, 0). Daí, obtemos o sistema linear a1 − a2 = 0 a1 + a2 = 0 cuja solução é a1 = a2 = 0. 3.7. Exemplos 27 2. Em R2, Os vetores (1, 0), (0, 1) e (2,−1) são linearmente dependentes. De fato, note que o vetor (2,−1) é uma combinação linear dos vetores (1, 0) e (0, 1) pois (2,−1) = 2(1, 0 − 1(0, 1). Logo pelo Teorema 1, o conjunto {(1, 0), (0, 1), (2,−1)} é LD. 3. Sejam V um espaço vetorial sobre um corpo K e vetores u, v ∈ V . Provar que se {u, v} é um conjunto LI, então {u+ v,u–v} também é um conjunto LI. Demonstração. Como queremos mostrar que os vetores u+ v e u–v são linearmente inde- pendentes, devemos considerar a combinação linear a1(u + v) + a2(u − v) = 0v e mostrar que, necessariamente, a1 = a2 = 0. Dessa maneira, temos o seguinte desenvolvimento: a1(u+ v) + a2(u− v) = 0v a1u+ a1v+ a2u− a2v = 0v (a1 + a2)u+ (a1 − a2)v = 0v Como os vetores u e v são LI, por hipótese, segue da terceira equação que a1 e a2 deve satisfazer o sistema de equações a1 + a2 = 0 a1 − a2 = 0, cuja solução é a1 = a2 = 0. � 4. Seja V o espaço vetorial das funções reais contínuas. O conjunto {ex, e−x}, onde e é o número de Euler (base dos logaritmos naturais), é LI. Demonstração. Devemos mostrar que a equação aex+ be−x = 0 admite apenas a solução a = b = 0. Dada a equação aex + be−x = 0, (3.7.1) calculemos a derivada das funções de ambos os menbros. Daí, obtemos aex − be−x = 0. (3.7.2) Somando as equações (3.7.1) e (3.7.2), vem que 2aex = 0. Como 2ex 6= 0 para todo x real, segue que a = 0. Substituindo o valor de a na equação (3.7.1), obtemos be−x = 0. Como e−x 6= 0 para todo x real, segue que b = 0. Dessa maneira, a = b = 0 e a equação aex + be−x = 0 admite apenas a solução nula. Portanto, o conjunto {ex, e−x} é LI, como queríamos demonstrar. � 28 3. Combinação Linear 5. Para todas as contantes reais a e b não nulas, o conjunto {sen(ax), cos(bx)} é LI. com efeito, considere a equação a1 sen(ax) + a2 cos(bx) = 0. (3.7.3) Note que a equação 3.7.3 deve valer para todo x ∈ R, em particular para x = 0. Daí, temos a1 sen(0) + a2 cos(0) = 0⇒ a1 · 0 + a2 · 1 = 0 (3.7.4) Logo, a2 = 0. Substituindo em 3.7.3, obtemos: a1 sen(ax) = 0. (3.7.5) Como 3.7.5 deve valer para todo x ∈ R, concluimos que a1 = 0, pois sen(ax) 6= 0 para valores de a e x convenientemente escolhidos. Propriedades da Dependência e Independência Linear Seja V um espaço vetorial sobre um corpo K. 1. Se W = {w} e w 6= 0v, então W é LI. Ou seja, qualquer conjunto possuindo um único vetor não nulo é um conjunto LI. 2. Se um conjunto W ⊂ V contém o vetor nulo, então W é LD. 3. Se uma parte do conjunto W ⊂ V é LD, então W é também LD. 4. Se um conjunto W é LI, qualquer parte W̄ de W também é LI. 5. Se {v1, v2, ..., vn} é LI e {v1, v2, ..., vn,w} é LD, então w é combinação linear de dos vetores v1, v2, ..., vn. Demontração. Para provar (i), considere a equação αw = 0v. Como w 6= 0v, então α = 0 é a única solução possível. Logo pela definição de dependência linear, W é LI. Para provar (ii), suponha que W é um subconjunto de V contendo o vetor nulo. Como podemos escrever o vetor nulo como combinação linear dos demais vetores (basta tomar os coeficientes da combinação linear como sendo o número zero), então pelo Teorema 1, W é um conjunto LD. Para mostrar que (iii) vale, seja W = {v1, v2, ..., vk, vk+1, ..., vn} um conjunto de V e seja W̄ = {v1, v2, ..., vk} ⊂ W um conjunto LD. Logo, existe pelo menos um vetor de W̄ que é uma combinação linear dos demais vetores de W̄. Digamos que v1 seja esse vetor. Logo, existem escalares a2, ...ak tais que v1 = a2v2 + ... + akvk. Como podemos escrever, v1 = a2v2 + ... + akvk + 0vk+1 + ... + 0vn, segue v1 também é uma combinação linear dos demais vetores de W e, portanto, W é um conjunto LD. Os itens (iv) e (v) fica como exercício.� 3.8. Exercícios Propostos 29 3.8 Exercícios Propostos 1. Sejam os vetores u = (2,−3, 2) e v = (−1, 2, 4) em R3. (a) Escrever o vetor w = (7,−11, 2) como combinação linear de u e v. (b) Para que valor de k o vetor (−8, 14,k) é combinação linear de u e v? (c) Determinar uma condição entre a, b e c para que o vetor (a,b, c) seja uma combinação linear de u e v. 2. Consideremos no espaço P2 = at2 + bt+ c;a,b, cR os vetores p(t) = t2–2t+1, q(t) = t+2 e h(t) = 2t2 − t. (a) Escrever o vetor m(t) = 5t2–5t+ 7 como combinação linear de p(t), q(t) e h(t). (b) Escrever o vetor m(t) = 5t2–5t+ 7 como combinação linear de p(t) e q(t). (c) Determinar uma condição para a, b e c de modo que o vetor at2+bt+c seja combinação linear de q(t) e h(t). (d) É possível escrever p(t) como combinação linear de q(t) e h(t)? 3. Considere o subespaço de R4: S = [(1, 1,−2, 4), (1, 1,−1, 2), (1, 4,−4, 8)] (a) o vetor (2/3, 1,−1, 2) pertence a S? (b) o vetor (0, 0, 1, 1) pertence a S? 4. Seja W o subespaço de M(2, 2) definido por{[ 2a a+ 2b 0 a− b ] ;a,b ∈ R } . (a) [ 0 −2 0 1 ] ∈W? (b) [ 0 2 0 1 ] ∈W? 5. SejaW o subespaço de M(3, 2) gerado pelas matrizes 0 01 1 0 0 , 0 10 −1 1 0 e 0 10 0 0 0 . Verifique se a matriz 0 21 2 3 0 ∈W. 6. Seja V = C[0, 1] o espaço vetorial das funções reais contínuas no intervalo [0, 1]. Verifique se cada um dos subconjutnos a seguir são LI em V . (a) {x, x+ 1, x2 − 1} (b) {1, ex, e−x} (c) {senx, cosx}. 30 3. Combinação Linear 7. Dados vetores v1, v2, ..., vn de um espaço vetorial V , prove que se w ∈ V é uma combinação linear dos vetores v1, v2, ..., vn, então [v1, v2, ..., vn,w] = [v1, v2, ..., vn]. 8. Sejam v1, v2, ..., vn vetores linearmente independentes de um espaço vetorial V . Prove que se a1v1 + a2v2 + ... + anvn = b1v1 + b2v2 + ... + bnvn, então a1 = b1, a2 = b2,..., an = bn. 9. Sejam V um espaço vetorial e u, v,w ∈ V . Prove que o conjunto {u, v,w} é LI se, e somente se, o conjunto {u+ v,u+w, v+w} é LI. 10. Sejam V um espaço vetorial e u, v,w ∈ V . Suponha que {u, v,w} é LI. Dado t ∈ V , existem escalares α, β e γ tais que t = αu + βv + γw. Prove que {u + t, v + t,w + t} é LI se, e somente se, α+ β+ γ 6= 1. 3.9 Sistema de Cores RGB em Computação Gráfica Texto em construção 3.10 Independência Linear e Solução de Equações Dife- renciais Ordinárias (EDO) (Texto em construção) Se as funções y = f(x) e y = g(x) são soluções da equação diferencial de segunda ordem y ′′ + p(x)y ′ + q(x)y = 0 onde p e q são funções contínuas num determinado intervalo aberto I, então a combinação linear y = a1f(x) + a2g(x) também é solução, quaisquer que sejam os escalares a1 e a2. No estudo das soluções de uma EDO tem relevante papel o número W = f(x0)g ′(x0) − f ′(x0)g(x0). O número W é chamado de determinante wronskiano das soluções f e g. Se W 6= 0 para todo x0 ∈ I, então as funções f e g são linearmente independentes em I. 4 Base e Dimensão 4.1 Introdução Um espaço vetorial possui, em geral, infinitos vetores. Contudo, já sabemos que alguns espaços vetoriais podem ser gerados a partir de um número finito de seus elementos,através de combinações lineares realizadas com os mesmos. Esse resultado é muito interessante no sentido de que podemos construir todo um espaço vetorial usando apenas alguns de seus elementos. Nessa seção, veremos que conjuntos de geradores que são linearmente independentes tem essa propriedade. Por exemplo, o conjunto {(1, 0), (0, 1)} é um conjunto LI de geradores do R2. Conjuntos dessa natureza serão chamados de bases e são o tema central da seção. Atenção. Estas notas de aulas tem como objetivo servir de guia aos alunos que cursam a disciplina álgebra linear, nas turmas sob minha responsabilidade, dos cursos de engenharia da UNIVASF. O uso das mesmas não dispensa a leitura dos livros didáticos indicados nas referências bibliográficas da disciplina, bem como a resolução de exercícios propostos nos mesmos. 4.2 Base Definição. Sejam V um espaço vetorial sobre um corpo K e β = {v1, v2, ..., vn} um conjunto de vetores não nulos de V . Dizemos que o conjunto β é uma base de V se: (i) {v1, v2, ..., vn} é LI (ii) {v1, v2, ..., vn} gera V . Ou seja, V = [v1, v2, ..., vn]. De maneira resumida, dizemos que um subconjunto não-vazio β de vetores de um espaço vetorial V é uma base de V se β é LI e gera V . Observações. 1. Prova-se que todo espaço vetorial V 6= ∅ possui uma base. Além disso, se V possui um conjunto gerador com um número finito de elementos diz-se que V é um espaço finitamente gerado. Nesse caso, qualquer base de V terá um número finito de elementos. 32 4. Base e Dimensão 2. Se V não for um espaço finitamente gerado, então qualquer base de V possui infinitos ele- mentos. Isso acontece, por exemplo, com o espaço F(X,R) das funções reais definidas em X ⊂ R. 4.3 Exemplos 1. O subconjunto β = {e1, e2} de vetores de R2, tal que e1 = (1, 0) e e2 = (0, 1), é uma base do R2; O subconjunto β = {e1, e2, e3} de vetores de R3, tal que e1 = (1, 0, 0), e2 = (0, 1, 0) e (0, 0, 1), é uma base do R3. De um modo geral, o conjunto β = {e1, e2, ..., en} é uma base do Rn. Tal base é conhecida como base canônica do Rn. 2. Considere o espaço vetorial P3 dos polinômios de grau menor ou igual a 3 sobre R. O subconjunto de P3 formado pelos polinômios β = {1, t, t2, t3} é uma base de P3. De um modo geral, o conjunto {1, t, t2, ..., tn} é uma base do espaço vetorial real Pn. Esta base é chamada de base canônica do Pn. 3. O subconjunto {[ 1 0 0 0 ] , [ 0 1 0 0 ] , [ 0 0 1 0 ] , [ 0 0 0 1 ]} é uma base para o espaço vetorial das matrizes quadradas de ordem dois, M(2, 2). Esta é a base canônica de M(2, 2). 4.4 Exercícios resolvidos 1. Mostre que o subconjunto β = {(1, 1, 0), (1,−1, 0), (0, 0, 2)} é uma base do R3. Resolução. Devemos mostrar que β é um conjunto LI e gera o R3. Para mostrar que β é um conjunto LI considere a equação a1(1, 1, 0) + a2(1,−1, 0) + a3(0, 0, 2) = (0, 0, 0). Efetuando as operações usuais de multiplicação por escalar e soma de vetores em R3 obtemos (a1 + a2,a1 − a2, 2a3) = (0, 0, 0). Da igualdade entre os dois vetores, vem o sistema linear a1 + a2 = 0 a1 − a2 = 0 2a3 = 0, 4.4. Exercícios resolvidos 33 cuja solução é a1 = a2 = a3 = 0. O que mostra que o conjunto β é LI. Agora, para mostrar que β gera o R3, consideramos um vetor genérico desse espaço, por exemplo, (x,y, z) e mostramos que o mesmo pode ser escrito como uma combinação linear dos vetores de β. Isto é, mostramos que existem escalares a1,a2 e a3 tais que (x,y, z) = a1(1, 1, 0) + a2(1,−1, 0) + a3(0, 0, 2). Efetuando as operações adequadas obtemos (x,y, z) = (a1 + a2,a1 − a2, 2a3). Da igualdade entre os dois vetores, vem o sistema linear a1 + a2 = x a1 − a2 = y 2a3 = z. Resolvendo o sistema obtemos a1 = x+ y 2 , a2 = x− y 2 e a3 = z 2 . Note que independente- mente dos valores de x, y e z a existência dos escalares a1,a2 e a3 está garantida. Assim, podemos afirmar que qualquer vetor (x,y, z) pode ser escrito como uma combinação linear dos vetores de β. Logo, β gera o R3. Dessa forma, concluímos que o conjunto β é uma base do R3 pois é um conjunto LI e gera o R3. � 2. Mostre que o conjunto β = {1, t− 1, t2 + t, t3 − t+ 1} é uma base P3, o espaço dos polinômios de grau menor ou igual a 3 sobre R. Resolução. Devemos mostrar que β é um conjunto LI e gera P3. Para mostrar que β é um conjunto LI considere a equação a11 + a2(t− 1) + a3(t2 + t) + a4(t3 − t+ 1) = 0 + 0t+ 0t2 + 0t3. Efetuando nessa equação as operações usuais de multiplicação por escalar e soma de vetores em P3 e agrupando os termos semelhantes, obtemos a1 − a2 + a4 + (a2 + a3 − a4)t+ a3t2 + a4t3 = 0 + 0t+ 0t2 + 0t3. Da igualde entre os dois polinômios, obtemos o sistema linear a1 − a2 + a4 = 0 a2 + a3 − a4 = 0 a3 = 0 a4 = 0, cuja solução é a1 = a2 = a3 = a4 = 0. O que mostra que o conjunto β é LI. Paramostrar que β gera o P3, consideramos um vetor genérico desse espaço, por exemplo, c0+c1t+c2t 2+c3t 3 e mostramos que o mesmo pode ser escrito como uma combinação linear dos vetores de β. Isto é, mostramos que existem escalares a1,a2, a3 e a4 tais que c0 + c1t+ c2t 2 + c3t 3 = a11 + a2(t− 1) + a3(t2 + t) + a4(t3 − t+ 1). 34 4. Base e Dimensão Efetuando as operações adequadas no polinômio do lado direito e agrupando os termos semelhantes, obtemos c0 + c1t+ c2t 2 + c3t 3 = a1 − a2 + a4 + (a2 + a3 − a4)t+ a3t2 + a4t3. Da igualde entre os dois polinômios, obtemos o seguinte sistema linear a1 − a2 + a4 = c0 a2 + a3 − a4 = c1 a3 = c2 a4 = c3. Resolvendo o sistema linear em função de c0, c1, c2 e c3, obtemos: a4 = c3, a3 = c2, a2 = c1 − c2 + c3 e a1 = c0 + c1 − c2. Como os escalares a1,a2, a3 e a4 existem, então β gera P3. Por fim, como o conjunto β é LI e gera o P3, concluímos que β é uma base desse espaço. � 3. Mostre que o conjunto β = {[ 1 2 0 0 ] , [ 1 0 −1 0 ] , [ 0 0 2 −1 ] , [ 0 2 0 1 ]} é uma base para o espaço vetorial das matrizes quadradas de ordem dois, M(2, 2). Resolução. Devemos mostrar que o conjunto β é LI e gera M(2, 2). Para mostrar que β é um conjunto LI mostraremos que a equação a1 [ 1 2 0 0 ] + a2 [ 1 0 −1 0 ] + a3 [ 0 0 2 −1 ] + a4 [ 0 2 0 1 ] = [ 0 0 0 0 ] admite apenas a solução trivial a1 = a2 = a3 = a4 = 0. Efetuando as operações usuais de multiplicação por escalar e soma de vetores em M(2, 2) obtemos [ a1 + a2 2a1 + 2a4 −a2 + 2a3 −a3 + a4 ] = [ 0 0 0 0 ] Analisando a igualdade entre as duas matrizes, obtemos o sistema linear a1 + a2 = 0 2a1 + 2a4 = 0 −a2 + 2a3 = 0 −a3 + a4 = 0, cuja solução é a1 = a2 = a3 = a4 = 0. O que mostra que o conjunto β é LI. Agora, precisamos mostrar que β gera M(2, 2). Para isso, consideraremos um vetor genérico desse espaço, por exemplo, [ x y z w ] e mostraremos que o mesmo pode ser escrito como uma combinação linear dos vetores de β. Isto é, mostraremos que existem escalares a1,a2, a3 e a4 tais que a1 [ 1 2 0 0 ] + a2 [ 1 0 −1 0 ] + a3 [ 0 0 2 −1 ] + a4 [ 0 2 0 1 ] = [ x y z w ] . 4.5. Resultados Importantes 35 Efetuando as operações usuais de multiplicação por escalar e soma de vetores em M(2, 2) obtemos [ a1 + a2 2a1 + 2a4 −a2 + 2a3 −a3 + a4 ] = [ x y z w ] Analisando a igualdade entre as duas matrizes, obtemos o sistema linear a1 + a2 = x 2a1 + 2a4 = y −a2 + 2a3 = z −a3 + a4 = w. Tal sistema linear pode ser resolvido por qualquer método conhecido. A solução encontrada é a1 = −x+y−z−2w, a2 = 2x−y+z+2w, a3 = 2x− y+ 2z+ 2w 2 e a4 = 2x− y+ 2z+ 4w 2 . A existência dos escalares a1,a2, a3 e a4 mostra que β gera M(2, 2). Portanto, concluímos que o conjunto β = {[ 1 2 0 0 ] , [ 1 0 −1 0 ] , [ 0 0 2 −1 ] , [ 0 2 0 1 ]} é uma base para o espaço vetorial M(2, 2) 4. Seja U um subespaço vetorial do R3 definido por U = {(x,y, z); x− 2y− z = 0}. Determine uma base para U. Resolução. Primeiro note que um vetor genérico (x,y, z) ∈ U se, e somente se, as coorde- nadas x,y e z satisfazem a equação x−2y−z = 0. Resolvendo a equação em z, por exemplo, obtemos z = x− 2y. Daí, um vetor genérico de U pode ser escrito como (x,y, x− 2y). Dessa forma, podemos escrever a combinação linear (x,y, x− 2y) = x(1,0, 1) + y(0, 1 − 2). Logo, concluímos que o subespaço vetorial U é gerado pelos vetores (1, 0, 1) e (0, 1,−2). Por- tanto, se esses vetores forem linearmente independentes, então o conjunto {(1, 0, 1), (0, 1,−2)} será uma base de U. Como os vetores (1, 0, 1) e (0, 1,−2) não são múltiplo um dos outro, isto é, não existe nenhum k ∈ R tal que (1, 0, 1) = k(0, 1,−2), então eles são vetores linearmente independentes. Portanto, o conjunto {(1, 0, 1), (0, 1,−2)} é uma base do subespaço vetorial U. 4.5 Resultados Importantes Dado um conjunto de geradores de um espaço vetorial V , sempre podemos extrair do mesmo uma base de V . Além disso, se V é um espaço vetorial gerado por um conjunto finito de n vetores, então quaisquer subconjunto de V com mais de n elementos é, necessariamente, um conjunto LD. Essas duas afirmações são apresentadas nos próximos teoremas. Teorema 1. Sejam {v1, v2, ..., vn} vetores não nulos que geram um espaço vetorial V. Então dentre estes vetores podemos extrair uma base de V. 36 4. Base e Dimensão Teorema 2. Sejal V um espaço vetorial finitamente gerado pelo conjunto de vetores {v1, v2, ..., vn}. Então, qualquer conjunto com mais de n vetores é necessariamente LD (e, portanto qualquer con- junto LI tem no máximo n vetores). Corolário. Qualquer base de um espaço vetorial finitamente gerado tem sempre o mesmo número de elementos. O fato do número de elementos de uma base de um espaço vetorial V ser invariante motiva mais uma definição: a dimensão do espaço. A dimensão de um espaço vetorial, que será definida a seguir, desempenha uma papel importante no estudo dos espaços vetoriais. 4.6 Dimensão Definição. Seja V um espaço vetorial sobre um corpo K. A dimensão de V , denotamos dim(V), é o número de vetores numa base de V , no caso de V admitir uma base finita. Caso o espaço V não admita uma base com um número finito de vetores, diremos que a dimensão de V é infinita. 4.7 Exemplos 1. dim(Rn) = n. Em particular, dim(R2) = 2 e dim(R3) = 3. 2. dim(Pn) = n+ 1. Por exemplo, dim(P2) = 3 e dim(P3) = 4. 3. dim(M(m,n) = m× n. De modo particular, os espaços M(2, 2) e M(3, 4) têm dimensão 4 e 12, respectivamente. 4. O espaço vetorial de todas as funções reais de domínio X e imagem real, F(X,R), não possui uma base com um número finito de vetores, logo dim(F(X,R)) =∞. A tarefa de calcular a dimensão de um espaço ou subespaço vetorial consiste, essencialmente, em determinar uma base desse espaço ou subespaço e contar quantos vetores tem na mesma. Teorema 3. Qualquer conjunto de vetores LI de um espaço vetorial V de dimensão finita pode ser completado de modo a formar uma base de V. Corolário. Se dimV = n, então qualquer conjunto de n vetores LI de V formará uma base de V. Segundo esse colorário, num espaço espaço vetorial V de dimensão 2, por exemplo, um conjunto de dois vetores LI, é necessariamente uma base de V . 4.8 Matrizes, base e dimensão em Rn Dado um conjunto de vetores geradores {v1, v2, .., vm} de um subespaço vetorial de Rn como extrair desse conjunto um subconjunto {v ′1, v ′2.., v ′k}, k 6 m, de vetores linearmente independentes que gere o mesmo subespaço vetorial? Note que ao responder esta questão, teremos determinado também como encontrar uma base e a dimensão desse subespaço. Outra questão relevante é: como um conjunto de vetores linearmente independentes do espaço vetorial Rn pode ser completado até 4.9. Exercício Resolvido 37 formar uma base desse espaço (ou de um subespaço)? As respostas podem ser dadas com base no próximo teorema. Teorema 5. Suponha que uma dada matriz Am×n seja transformada, por meio de operações elementares em suas linhas, na matriz Bm×n. Então: (i) Um conjunto de colunas da matriz A é LI se e somente se o conjunto das colunas corres- pondentes na matriz B é LI. (ii) Uma matriz linha 1 × n é uma combinação linear das linhas de A se e somente se é uma combinação linear das linhas de B. Isto é, o conjunto das linhas de A geram o mesmo espaço que o conjunto das linhas de B. O Teorema 5 fornece uma grande vantagem computacional pois nos possibilita usar a forma escalonada de uma matriz para podermos analisar a dependência e independência linear entre vetores do Rn. Para isso, construímos uma matriz A onde cada coluna (ou cada linha) é um dos vetores v1, v2, .., vm de Rn dados. A matriz B, citada no teorema, será a matriz A na forma escalonada. 4.9 Exercício Resolvido 1. Determine uma base para o subespaço W do R3 gerado pelos vetores (1, 1, 0), (1, 0, 1),(0,−3, 2) e (−2, 1, 0). Resolução. Primeiro obtemos uma matriz 3× 4 que possui como colunas os vetores dado: 1 1 0 −21 0 −3 1 0 1 2 0 . Poderemos obter a forma escalonada (por linhas) desta matriz através de uma sequência de operações elementares em suas linhas, como por exemplo: substituindo a segunda linha pela soma desta com a primeira linha multiplicada por −1:1 1 0 −20 −1 −3 3 0 1 2 0 ; substituindo a terceira linha pela soma desta com a segunda linha:1 1 0 −20 −1 −3 3 0 0 −1 3 . Observe que as três primeiras colunas da matriz escalonada forma uma conjunto LI. Logo, as três primeiras colunas da matriz inicial formam um conjunto LI e dessa forma, os três primeiros vetores, (1, 1, 0), (1, 0, 1) e (0,−3, 2) dados forma um conjunto LI de geradores de W. Portanto, o conjunto {(1, 1, 0), (1, 0, 1), (0,−3, 2)} é uma base de W. Como a dimensão de W é 3 e W está contido em R3, então concluímos que W = R3. 38 4. Base e Dimensão 2. Complete o conjunto {(1, 2,−1, 0), (1,−1, 1, 2), (0, 1, 0, 1)} de forma a obter uma base do R4. Resolução. Primeiro devemos verificar se os três vetores dados formam um conjunto LI. Faça isso como exercício! Uma vez verificado que os três vetores dados formam um conjunto LI, e como uma base do R4 tem 4 vatores, já que sua dimensão é 4, devemos incluir mais um vetor no conjunto de forma que o conjunto resultante ainda seja LI. A escolha das coordenadas do vetor (a,b, c,d) a ser incluido no conjunto pode ser realizada da seguinte forma: Primeiro, obtemos a matriz 4 × 4 que possui como colunas os vetores dados e o vetor (a,b, c,d): 1 1 0 a 1 −1 1 b −1 1 0 c 0 2 1 d . Efetuando o escalonamento (por linhas) dessa matriz, obtemos a matriz: 1 1 0 a 0 −2 1 −a+ b 0 0 1 b+ c 0 0 0 −a− b− 2c+ d . Observe que para a última coluna ser linearmente independente com as três primeiras devemos ter −3a− b− 2c+ d 6= 0. Esta condição será satisfeita, por exemplo, se considerarmos a = 1 e b = c = d = 0. Substituindo esses valores, obteremos a matriz 1 1 0 1 0 −2 1 −1 0 0 1 0 0 0 0 −1 que possui as quatros colunas linearmente independentes. Sendo a = 1 e b = c = d = 0, o vetor (a,b, c,d) a ser incluído no conjunto, fica na forma (1, 0, 0, 0). Assim, o conjunto {(1, 2,−1, 0), (1,−1, 1, 2), (0, 1, 0, 1), (1, 0, 0, 0)} é uma base do R4. Observamos que embora os dois exercícios anteriores tenham sido resolvidos por meio da forma escalonada da matriz cujas colunas eram os vetores inicialmente dados, a resolução também pode ser feita quando escrevemos esses vetores como linhas de uma matriz e realizamos o escalonamento da mesma. Contudo, nesse caso, a interpretação da dependência e independência linear dos vetores é diferente. Essa alternativa será apresentada na próxima seção. 4.10. Exercício Resolvido 39 Espaço Linha, Espaço Coluna e Posto de uma Matriz. Outra maneira de analisar a dependência linear entre vetores do Rn Observe que, durante o escalonamento de uma matriz, ao realizarmos operações elementares sobre as suas linhas estamos, na verdade, realizando combinações lineares com essas linhas. Como já sabemos, o conjunto de todas as combinações lineares realizadas com um conjunto de vetores forma um subespaço vetorial (de um dado espaço vetorial). Assim faz sentido a definição seguinte. Definição. O espaço linha de uma matriz Am×n é o subespaço de Rn gerado pelas linhas de A. De modo análogo, o espaço coluna de A é o subespaço de Rm gerado pelo conjunto de colunas de A. O espaço coluna tem uma importânciamuito grande no estudo dos sistemas lineares e será estudado mais adiante. Por ora vamos focar a atenção no espaço linha de uma matriz e como utilizá-lo para decidir se um dado conjunto de vetores do Rn é LI ou LD. Isso pode ser feito com base no item (ii) do teorema seguinte. Teorema 6. Seja A uma matriz m× n. Então: (i) O posto da matriz A é igual a dimensão do espaço coluna de A. (ii) O posto da matriz A é igual a dimensão do espaço linha de A e uma base para esse espaço é fornecida pelas linhas não nulas da forma escalonada da matriz A. De acordo com o item (ii) do Teorema 6, se escrevermos cada vetor de um conjunto {v1, v2, .., vm} de geradores do subespaço W como linha de uma matriz A e, ao final do escalonamento dessa matriz, obtivermos uma matriz B cujas linhas não nulas formam o conjunto de vetores {v ′1, v ′2.., v ′k}, k 6 m, então o conjunto {v ′1, v ′2.., v ′k} é uma base de W. 4.10 Exercício Resolvido 1. Determine uma base para o subespaço W do R3 gerado pelos vetores (1, 1, 0), (1, 0, 1),(0,−3, 2) e (−2, 1, 0). Resolução. Esse exercício já foi resolvido na seção 4.9 escrevendo os vetores como colunas de uma matriz. Agora, usando o item (ii) do Teorema 6, vamos resolvê-lo escrevendo os vetores dados como linhas de uma matriz. Dessa forma, obtemos 1 1 0 1 0 1 0 −3 2 −2 1 0 . Efetuando a operação L2 − L1 e substituindo a segunda linha pelo resultado dessa operação; em seguida, substituir a quarta linha pela resultado da operação L4 + 2L1, obtemos: 1 1 0 0 −1 1 0 −3 2 0 3 0 . Substituindo a terceira linha pelo resultado da operação L3 − 3l2; e substituindo a quarta linha pelo resultado da operação L4 + 3L2, obtemos: 40 4. Base e Dimensão 1 1 0 0 −1 1 0 0 −1 0 0 3 . Por fim, substituindo a quarta linha pelo resultado da operação L4 + 3L3, temos: 1 1 0 0 −1 1 0 0 −1 0 0 0 . Dessa forma, as três primeiras linhas da matriz na forma escalonada fornecem uma base para o subespaço W. Isto é, o conjunto {(1, 1, 0), (0,−1, 1), (0, 0,−1)} é uma base de W. Além disso, note que o conjunto formado pelas 3 linhas não nulas da matriz escalonada cor- responde ao conjunto formado pelas três primeiras linhas da matriz inicial. Logo, o conjunto {(1, 1, 0), (1, 0, 1), (0,−3, 2)} também é uma base deW conforme foi determinado no exercício 1 da seção 4.9. Na verdade, neste caso, W = R3. 2. Determine o subespaço U do R3 gerado pelos vetores (1,−1,−1), (1, 1, 0) e (1, 1, 2). Resolução. Primeiro vamos determinar uma base para o subespaço U. Para isso vamos encontrar a forma escalonada da matriz1 −1 −11 1 0 1 3 1 . Substituindo as linhas 2 e 3 pelos resultados das operações L2−L1 e L3−L1, respectivamente, obtemos: 1 −1 −10 2 1 0 4 2 . Finalmente, substituindo a linha 3 pelo resultado da operação L3 − 2L2, obtemos a forma escalonada 1 −1 −10 2 1 0 0 0 . Logo, o conjunto {(1,−1,−1), (0, 2, 1)} é uma base para o subespaço W. Daí, fazendo uma combinação linear com esses dois vetores para escalares x e y quaisquer, obtemos x(1,−1,−1) + y(0, 2, 1) = (x,−x+ 2y,−x+ y). Portanto, W = {(x,−x+ 2y,−x+ y); x,y ∈ R}. 4.11. Soma Direta 41 4.11 Soma Direta Definição. Seja V um espaço vetorial. Suponha que U e W são subespaços vetoriais de V . Diz-se que V é a soma direta de U e W, denota-se V = U⊕W, se (i) U ∩W = {0}; (ii) V = U+W. Exemplos 1. No exemplo 1 (Soma de Subespaços) os subespaços U = {(x,y, z) ∈ R3; z = 0} e W = {(x,y, z) ∈ R3; x = y = 0} são tais que R3 = U+W. Além disso, U ∩W = {(0, 0, 0)} ( verifique!). Portanto, R3 = U⊕W. 2. No exemplo 2 (Soma de Subespaços) os subespaços U = {(x,y) ∈ R2;y = x} e W = {(x,y) ∈ R2;y = −x} são tais que R2 = U+W. Além disso, Além disso, U ∩W = {(0, 0)} ( verifique!). Portanto, R2 = U⊕W. 3. O exemplo 3 (Soma de Subespaços) temos U +W = M(2, 2), mas essa soma não pode ser uma soma direta por que U ∩W é formado por todas as matrizes diagonais de ordem 2. Soma direta em Rn. O próximo exercício exemplifica uma maneira de calcular soma de subespaços em R3. O raciocínio utilizado nesse exercício se aplica a subespaços de espaços euclidianos de dimensões maiores. 1. Considere os subespaços U = {(x,y, z); x+ y = 0} e W = {(x,y, z); x− z = 0} de R3. Mostre que R3 = U+W. Resolução. Inicialmente vamos determinar um conjunto de vetores geradores de U e um conjunto de vetores gerados de W. Um vetor (x,y, z) ∈ U se e somente se x + y = 0, o que implica y = −x. Logo, um vetor genérico de U é da forma (x,−x, z). Daí, temos (x,−x, z) = x(1,−1, 0) + z(0, 0, 1). Logo, o subespaço U é gerado pelos vetores (1,−1, 0) e (0, 0, 1). 42 4. Base e Dimensão De modo análogo, temos que um vetor genérico de W é da forma (x,y, x) = x(1, 0, 1) + y(0, 1, 0) e que W é gerado pelos vetores (1, 0, 1) e (0, 1, 0). Dessa forma, U + W é gerado pelos vetores (1,−1, 0), (0, 0, 1), (1, 0, 1) e (0, 1, 0). Para encontrar uma base para esse espaço, basta encontrar a forma escalona da matriz 1 −1 0 0 0 1 1 0 1 0 1 0 . Efetuando operações elementares sobre as linhas da matriz, obtemos a seguinte forma esca- lonada (esta forma escalonada não é única): 1 −1 0 0 −1 1 0 0 1 0 0 0 . Daí, o conjunto {(1,−1, 0), (0,−1, 1), (0, 0, 1)} forma uma base para U+W. Logo, dim(U+ W) = 3. Mas, como U +W é um subespaço de R3 e tem a mesma dimensão desse espaço, então U+W = R3. � Uma vez que já mostramos que U +W = R3, uma pergunta pertinente neste exercício é se R3 seria uma soma direta dos subespaços U e W? Isto é, se poderíamos ter R3 = U ⊕W? Para responder a esta pergunta basta apenas calcular a interseção U ∩W. Lembramos que para ser soma direta a intersecção entre os subespaços deve ter apenas o vetor nulo. Neste caso, se (x,y, z) ∈ U ∩W devemos ter simultaneamente, y = −x e z = x. Daí, temos que os vetores de U ∩W são do tipo (x,−x, x). Logo, U ∩W é um subespaço de dimensão 1 gerado pelo vetor (1,−1, 1) e, assim, U ∩W 6= {(0, 0, 0)}. Portanto, o R3 não é uma soma direta dos subespaços U e W. 4.12 Soma Direta e Base em Espaços Vetoriais Quaisquer. O próximo exercício estabelece que um espaço vetorial V é uma soma direta dos subespaços gerados por cada um dos vetores que compõem essa base. 1. Dado um subconjunto não-vazio β = {v1, v2, ..., vn} de vetores de um espaço vetorial V, mostre que β é uma base de V se, e somente se, V = [v1]⊕ [v2]⊕ ...⊕ [vn]. Resolução. Suponha que β = {v1, v2, ..., vn} seja uma base de V e sejam V1 = [v1],V2 = [v2], ...,Vn = [vn]. Vamos mostrar que Vi ∩ Vj = {0}, para todo i 6= j; 4.13. Exercícios Propostos 43 e que V = V1 + V2 + ... + Vn. Primeiro, suponha que v ∈ Vi ∩ Vj. Logo, v ∈ Vi e v ∈ Vj. Daí, existem escalares a1 e a2 tais que v = a1vi e v = a2vj. Assim, a1vi = a2vj. Mas, se a1 e a2 forem, simultaneamente, diferentes de zero, então teríamos vi = a2 a1 vj e vj = a1 a2 vi. Mas, isso não pode ocorrer porque vi e vj são vetores LI, já que pertencem a uma base de V . Logo, a1 = 0 e a2 = 0. Isto é, v = 0 e assim, Vi ∩Vj = {0}. Como Vi e Vj foram tomados arbitrariamente, então o resultado vale para para todo i, j = 1, 2, ...,n. Agora seja v ∈ V . Como β = {v1, v2, ..., vn} é uma base de V , então existem escalares a1,a2, ...,an tais que v = a1v1 + a2v2 + ... + anvn. Isso mostra que V = V1 + V2 + ... + Vn. Portanto, V = V1 ⊕ V2 ⊕ ...⊕ Vn. Por outro lado, suponha que V = V1 ⊕ V2 ⊕ ...⊕ Vn. Vamos mostrar que β = {v1, v2, ..., vn} é uma base de V . Para isso, precisamos mostrar que β gera V e é LI. Como, por hipótese, V = V1 ⊕ V2 ⊕ ...⊕ Vn, então V = V1 + V2 + ... + Vn. Logo, qualquer vetor v ∈ V se escreve, do seguinte modo: v = a1v1 + a2v2 + ... + anvn para alguma sequência de escalares a1,a2, ...,an. Como v é arbitrário, segue que β gera V . Agora, suponha que β = {v1, v2, ..., vn} seja LD. Então existe, vj ∈ β que é combinação linear dos demais vetores de β. Digamos, sem perda de generalidade, que vj = avi para algum i = 1, 2, ..n e i 6= j. Então, temos que avi ∈ Vj e avi ∈ Vi. Logo, avi ∈ Vj ∩ Vi. Mas, isso contradiz o fato de que Vi ∩ Vj = {0} ( V é soma
Compartilhar