Baixe o app para aproveitar ainda mais
Prévia do material em texto
Álgebra Linear Isomorfismos. (Álgebra Linear - Unifesp) 1 / 9 Isomorfismo e Automorfismo Definição 5 Dizemos que uma transformação linear T : U → V é um isomorfismo quando ela for bijetora. No caso em que U = V , dizemos que T é um automorfismo. Além disso, dizemos que dois espaços vetoriais U e V são isomorfos se existir um isomorfismo T : U → V . As seguintes funções são exemplos de isomorfismos e, portanto, os respectivos espaços vetoriais são isomorfos: Exemplos 1 IU : U → U dada por IU(u) = u para todo u ∈ U. 2 T : Rn → Pn−1(R) dada por T (x1, . . . , xn) = x1 + x2t + · · ·+ xntn−1. 3 T : Mm×n(R)→ Rmn que associa a cada matriz A = (aij) de Mm×n(R) o elemento (a11, . . . ,a1n, . . . ,am1, . . . ,amn) de Rmn. (Álgebra Linear - Unifesp) 2 / 9 Sobre a matriz de um isomorfismo Proposição 7 Sejam U e V espaços vetoriais de dimensão finita com bases B e C, respectivamente. T ∈ L(U,V ) é isomorfismo se, e somente se, [T ]BC possui inversa. Demonstração: (→) Basta usar a matriz da composta e a matriz da transformação identidade: Idim U = [T−1 ◦ T ]BB = [T−1]CB [T ]BC e Idim V = [T ◦ T−1]CC = [T ]BC [T−1]CB . (←) Se a inversa de [T ]BC existe, considere a transformação S cuja matriz em relação às bases C e B é ([T ]BC) −1. Pelo mesmo tipo de argumento anterior segue que S = T−1 e, portanto, T é um isomorfismo. (Álgebra Linear - Unifesp) 3 / 9 Definindo isomorfismos Proposição 8 Sejam U e V dois espaços vetoriais de dimensão n e u1, . . . ,un e v1, . . . , vn bases de U e V , respectivamente, então T : U → V dada por T (α1u1 + · · ·+ αnun) = α1v1 + · · ·+ αnvn define um isomorfismo entre U e V . Note que T (uj) = vj , para j = 1, . . . ,n. Demonstração: Considerando que dimU = dimV , basta verificar que T é linear e T é injetora. (Álgebra Linear - Unifesp) 4 / 9 Resultados sobre isomorfismo e dimensão. Proposição 9 Seja T : U → V um isomorfismo. Se U ou V tem dimensão finita, então dimU = dimV . Demonstração: Suponha dimU <∞. Lembre-se do Teorema do Núcleo e da Imagem: se dimU <∞, então dimU = dimN (T ) + dim Im(T ). Como T é um isomorfismo, temos dimN (T ) = 0 e dim Im(T ) = dimV , de onde segue dimU = dimV . Similarmente, se dimV <∞. Use agora o Teorema do Núcleo e da Imagem para T−1: se dimV <∞, então dimV = dimN (T−1) + dim Im(T−1). Como T−1 é um isomorfismo, temos dimN (T−1) = 0 e dim Im(T−1) = dimU, de onde também segue que dimU = dimV . (Álgebra Linear - Unifesp) 5 / 9 Resultados sobre isomorfismo e dimensão. Conclusão: Pelos dois slides anteriores, dois espaços vetoriais de dimensão finita são isomorfos se, e somente se, possuem a mesma dimensão. Corolário Se dimU = n e dimV = m, então L(U,V ) é isomorfo a Mm×n. Demonstração: Considere a conclusão acima e a dimensão de ambos os espaços vetoriais. (Álgebra Linear - Unifesp) 6 / 9 Exercícios 7 1 Verifique que as funções do exemplo anterior são isomorfismos e que, portanto, os espaços em cada caso são isomorfos. 2 Verifique se T : R3 → R3 dada por T (x , y , z) = (x − y , x − z, z − y) é um automorfismo. 3 Verifique se T : R3 → R3 dada por T (x , y , z) = (x − y , x − z,−z − y) é um automorfismo. 4 Verifique se T : R2 → R2 dada por T (x , y) = (x + 2y ,−2y) é um automorfismo. (Álgebra Linear - Unifesp) 7 / 9 De volta a produtos internos em dimensão finita Seja V um espaço vetorial de dimensão finita n. Pergunta-se: • Podemos sempre considerar algum produto interno neste espaço? Teorema 9: Produto interno induzido Seja V um espaço vetorial de dimensão finita n sobre R. Considere Rn com um produto interno 〈·, ·〉. Seja T : V → Rn uma transformação linear injetora. Então, 〈·, ·〉T definido por 〈u, v〉T = 〈T (u),T (v)〉, ∀u, v ∈ V é um produto interno em V . Demonstração: As propriedades de produto interno para 〈·, ·〉T seguem imediatamente da sua definição e das propriedades serem válidas para 〈·, ·〉. (Álgebra Linear - Unifesp) 8 / 9 Operadores Lineares Seja V um espaço vetorial de dimensão finita. Uma transformação linear T : V → V é chamada de operador linear. Nesse caso, a matriz de T com relação a qualquer escolha de bases será uma matriz quadrada de ordem igual a dimV . Já vimos alguns exemplos em que a matriz de um operador linear muda conforme mudamos as bases deste espaço. O próximo objetivo é estudar quando estas matrizes assumem um formato bastante específico. Num sentido geral, uma parte de um curso avançado de Álgebra Linear é devotada ao estudo de formas para a matriz de um operador linear através da construção de bases bastante particulares. (Álgebra Linear - Unifesp) 9 / 9
Compartilhar