Baixe o app para aproveitar ainda mais
Prévia do material em texto
. ÁLGEBRA LINEAR ISBN 978-85-915683-0-7 ROBERTO DE MARIA NUNES MENDES Professor do Departamento de Matemática e Estatística e do Programa de Pós-graduação em Engenharia Elétrica da PUCMINAS Belo Horizonte Edição do Autor 2013 Sumário Prefácio 1 1 Espaços Vetoriais 2 1.1 Definições e Exemplos . . . . . . . . . . . . . . . . . . . . . . 2 1.2 Subespaços . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3 Independência Linear. Bases. Dimensão . . . . . . . . . . . . 7 1.4 Espaços Produto e Quociente . . . . . . . . . . . . . . . . . . 11 1.5 Somas e Somas Diretas . . . . . . . . . . . . . . . . . . . . . . 13 1.6 Exercícios do Capítulo 1 . . . . . . . . . . . . . . . . . . . . . 16 2 Aplicações Lineares 18 2.1 Definições e Exemplos . . . . . . . . . . . . . . . . . . . . . . 18 2.2 Composição e Inversão de Aplicações Lineares . . . . . . . . . 23 2.3 Álgebra das Aplicações Lineares . . . . . . . . . . . . . . . . . 28 2.4 Exercícios do Capítulo 2 . . . . . . . . . . . . . . . . . . . . . 30 3 Matrizes 32 3.1 Definições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.2 Produto de Matrizes . . . . . . . . . . . . . . . . . . . . . . . 34 3.3 Aplicação Linear × Matriz . . . . . . . . . . . . . . . . . . . . 35 3.4 Mudança de Bases . . . . . . . . . . . . . . . . . . . . . . . . 42 3.5 Exercícios do Capítulo 3 . . . . . . . . . . . . . . . . . . . . . 47 4 Formas Lineares. Dualidade 49 4.1 Definição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.2 Anulador de um Subespaço . . . . . . . . . . . . . . . . . . . 52 4.3 Transposição . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 4.4 Exercícios do Capítulo 4 . . . . . . . . . . . . . . . . . . . . . 57 5 Determinantes 58 5.1 Aplicações r-lineares alternadas . . . . . . . . . . . . . . . . . 58 i SUMÁRIO ii 5.2 Determinante de um Operador Linear . . . . . . . . . . . . . . 63 5.3 Desenvolvimento em relação aos elementos de uma coluna (ou de uma linha) . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 5.4 Matrizes Elementares . . . . . . . . . . . . . . . . . . . . . . . 71 5.5 Equações Lineares . . . . . . . . . . . . . . . . . . . . . . . . 78 6 Autovalores e Autovetores 84 6.1 Definições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 6.2 Diagonalização . . . . . . . . . . . . . . . . . . . . . . . . . . 90 6.3 Polinômios de Operadores e Matrizes . . . . . . . . . . . . . . 95 6.4 Exercícios do Capítulo 6 . . . . . . . . . . . . . . . . . . . . . 98 7 Produto Interno 99 7.1 Definições e Exemplos . . . . . . . . . . . . . . . . . . . . . . 99 7.2 Bases Ortonormais . . . . . . . . . . . . . . . . . . . . . . . . 105 7.3 Relações entre V e V ∗ . . . . . . . . . . . . . . . . . . . . . . 108 7.4 Adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 7.5 Exercícios do Capítulo 7 . . . . . . . . . . . . . . . . . . . . . 113 8 Operadores Unitários e Normais 115 8.1 Definições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 8.2 Operadores Positivos . . . . . . . . . . . . . . . . . . . . . . . 120 8.3 Matrizes Simétricas Positivas. Decomposição de Cholesky . . . 123 8.4 Teorema dos Valores Singulares . . . . . . . . . . . . . . . . . 125 8.5 Exercícios do Capítulo 8 . . . . . . . . . . . . . . . . . . . . . 128 9 Formas Bilineares e Quadráticas 130 9.1 Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 9.2 Matriz de uma forma bilinear . . . . . . . . . . . . . . . . . . 132 9.3 Mudanças de Bases . . . . . . . . . . . . . . . . . . . . . . . . 132 9.4 Formas Quadráticas . . . . . . . . . . . . . . . . . . . . . . . . 133 9.5 Formas Bilineares Simétricas Reais . . . . . . . . . . . . . . . 133 10 Miscelânea 137 10.1 Orientação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137 10.2 Volume de Paralelepípedo . . . . . . . . . . . . . . . . . . . . 138 10.3 Matriz de Gram . . . . . . . . . . . . . . . . . . . . . . . . . . 139 10.4 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . 140 Exercícios de Revisão 142 Bibliografia 144 Prefácio A origem desse livro de Álgebra Linear remonta a um curso feito para alunos do Bacharelado em Matemática da UFMG. Na ocasião, fizemos uma primeira redação revista pelos professores do ICEx-UFMG, Michel Spira e Wilson Barbosa, a quem muito agradecemos. Mais recentemente, retomamos o trabalho e, após várias mudanças, aproveitamos parte do material na disci- plina “Métodos Matemáticos” do Programa de Pós-Graduação em Engenha- ria Elétrica da PUCMINAS. A versão final do livro foi revista pela professora Mariana Cornelissen Hoyos, a quem agradecemos a generosa assistência. A leitura do Sumário mostra que se trata de um livro básico de Álgebra Linear que procura desenvolver o assunto com cuidado no aspecto teórico, visando a boa formação do profissional. Para aprofundamento na matéria deve-se recorrer aos livros indicados na Bibliografia, que utilizamos livre- mente. A digitação do manuscrito foi feita, com eficiência e boa vontade, por Eric Fernandes de Mello Araújo, a quem agradecemos. Ao leitor, bom proveito. Belo Horizonte, janeiro de 2013 Roberto N. Mendes 1 Capítulo 1 Espaços Vetoriais 1.1 Definições e Exemplos Seja K um corpo com elementos neutros distintos 0 e 1, por exemplo, K = R ou K = C. Definição 1.1 Um espaço vetorial sobre K é um conjunto V munido de duas leis: V × V −→ V e K × V −→ V (u, v) 7−→ u+ v (a, v) 7−→ av tais que, para quaisquer u, v, w ∈ V e a, b ∈ K, se tenha: (1) u+ v = v + u (2) (u+ v) + w = u+ (v + w) (3) existe 0 ∈ V , chamado o vetor zero, tal que v + 0 = v (4) dado v ∈ V , existe (−v) ∈ V , chamado o oposto de v, tal que v+(−v) = 0 (5) 1 · v = v (6) a(bv) = (ab)v (7) a(u+ v) = au+ av (8) (a+ b)v = av + bv. Exemplo 1.1.1 Seja V = Kn, onde n ∈ N, com as leis: (x1, ..., xn) + (y1, ..., yn) = (x1 + y1, ..., xn + yn) e a(x1, ..., xn) = (ax1, ..., axn). É fácil verificar que, com estas leis, Kn é um espaço vetorial sobre K. 2 CAPÍTULO 1. ESPAÇOS VETORIAIS 3 Observação: Os elementos de um espaço vetorial V são chamados de vetores, enquanto que os deK são chamados de escalares. Essa nomenclatura deriva do exemplo acima. As leis são chamadas de adição e multiplicação por escalar, respectivamente. No exemplo 1.1.1, se n = 1, vemos que K é um espaço vetorial sobre si mesmo, de modo que seus elementos são, ao mesmo tempo, escalares e vetores. Exemplo 1.1.2 Seja V = Pn, onde n ∈ N, o conjunto das funções polino- miais de grau estritamente menor que n, com coeficientes em K, juntamente com a função zero. Se p = a0+a1t+...+an−1tn−1 e q = b0+b1t+...+bn−1tn−1, definimos p+ q ∈ V e cp ∈ V , onde c ∈ K, por: p+ q = (a0 + b0) + (a1 + b1)t+ ...+ (an−1 + bn− 1)tn−1 cp = ca0 + ca1t+ ...+ can−1tn−1 Resulta que Pn é um espaço vetorial sobre K. Exemplo 1.1.3 Seja V = K[t] o conjunto de todos os polinômios a uma variável, com coeficientes em K. Definindo as leis como no exemplo 1.1.2, é imediato que K[t] é um espaço vetorial sobre K. Exemplo 1.1.4 Seja V = F(I,R) o conjunto das funções f : I 7−→ R, onde I ⊂ R é um intervalo. Se f, g ∈ V e a ∈ R, definimos f + g e af por: (f + g)(x) = f(x) + g(x) (af)(x) = a · f(x) para todo x ∈ I. Verifica-se imediatamente que essas leis tornam F(I,R) um espaço vetorial real, isto é, sobre R. Consequências Imediatas da Definição (a) Se u, v ∈ V definimos: u− v = u+ (−v) Se a ∈ K, então a(u− v) + av = a[(u− v) + v] = a[u+ (−v) + v] = a(u+ 0) = au. Somando −av aos dois membros, vem: a(u− v) + av − av = au− av, CAPÍTULO 1. ESPAÇOS VETORIAIS 4 donde: a(u− v) = au− av. Fazendo u = v, obtemos a · 0 = 0 e também a(−v) = a(0− v) = a · 0− av = −av. (b) Se a, b ∈ K e v ∈ V , então: (a− b)v + bv = (a− b+ b)v = av, donde: (a− b)v = av − bv Fazendo a = b, vem 0· v = 0 e também (−a)v = (0− a)v = 0 · v − av = −av. (c) Para todo a ∈ K e todo v ∈ V vimos que 0 · v = a · 0 = 0 Suponhamos que av = 0. Se a 6= 0 então 0 = a−1 · 0 = a−1(av) = 1 · v = v. Portanto, av = 0 implica ou a = 0 ou v = 0. Exercícios 1. O conjunto de todos os polinômios de grau 3, com coeficientes reais e munido das leis usuais, juntamente com o polinômio zero, forma um espaço vetorial real? 2. Dê exemplo de um conjuntoM que verifique todos os axiomas de espaço vetorial, exceto 1 · v = v para todo v ∈M . CAPÍTULO 1. ESPAÇOS VETORIAIS 5 3. O conjunto das sequências complexas z = (zn)n≥1 tais que zn+2 = zn+1 + zn, n ≥ 1, munido das leis usuais, forma um espaço vetorial complexo? 4. O conjunto das funções f : R 7−→ R duas vezes continuamente de- riváveis e tais que f ′′ + af ′ + bf = 0 (a e b reais fixos), munido das leis usuais, forma um espaço vetorial real? 5. Prove que o conjunto das funções limitadas f : R 7−→ R, munido das leis usuais, é um espaço vetorial real. 6. Seja l1(N) o conjunto das sequências x = (xn)n≥1 onde xn ∈ C e ∞∑ n=1 |xn| < ∞. Prove que, com as leis usuais, l1(N) é um espaço ve- torial complexo. 1.2 Subespaços Seja V um espaço vetorial sobre o corpo K. Definição 1.2 Dizemos que W ⊂ V é um subespaço de V se: (a) 0 ∈ W (b) u, v ∈ W =⇒ u+ v ∈ W (c) a ∈ K, v ∈ W =⇒ av ∈ W É claro que W , com as leis induzidas pelas de V , é um espaço vetorial sobre K. Exemplo 1.2.1 Em V = Kn verifica-se imediatamente queW = {(x1, ..., xn) ∈ Kn;x1 = 0} é um subespaço. Exemplo 1.2.2 Em V = F(R,R), espaço vetorial real das funções f : R→ R, o subconjunto formado pelas funções contínuas é um subespaço. Proposição 1.1 Seja V um espaço vetorial sobre K. A interseção de uma família qualquer de subespaços de V é um subespaço de V . Dem. Seja (Wα)α∈A uma família de subespaços de V , e seja W = ⋂ α∈A Wα. Então: CAPÍTULO 1. ESPAÇOS VETORIAIS 6 (a) 0 ∈ W pois 0 ∈Wα para todo α ∈ A. (b) u, v ∈ W ⇐⇒ u, v ∈ Wα para todo α ∈ A =⇒ (u + v) ∈ Wα para todo α ∈ A =⇒ (u+ v) ∈ W . (c) α ∈ K, v ∈ W =⇒ av ∈ Wα para todo α ∈ A =⇒ av ∈W . Definição 1.3 Seja X um subconjunto não-vazio do espaço vetorial V sobre K. Todo elemento da forma a1v1 + ...+ amvm = m∑ i=1 aivi, onde m ∈ N, vi ∈ X, ai ∈ K, 1 ≤ i ≤ m, é chamado de combinação linear de elementos de X. É fácil verificar que o conjunto de todas as combinações lineares de ele- mentos de X é um subespaço de V , chamado de subespaço gerado por X. Proposição 1.2 O subespaço gerado por X ⊂ V, X 6= ∅, é a interseção de todos os subespaços de V contendo X, ou seja, é o “menor” (para a inclusão de conjuntos) subespaço de V contendo X. Dem. Seja (Wα)α∈A a família de todos os subespaços de V contendo X. Sabemos que W = ⋂ α∈A Wα é um subespaço de V . É claro que W contém X e, portanto, que W contém todas as combinações lineares de elementos de X, ou seja, W contém o subespaço S gerado por X. Como S é um subespaço de V contendo X, temos que W ⊂ S. Resulta W = S. Exercícios 1. Seja V = F(R,R) o espaço vetorial real das funções f : R → R. Verifique se W é subespaço de V nos seguintes casos: (a) W = conjunto das funções pares (b) W = conjunto das funções ímpares (c) W = conjunto das funções deriváveis (d) W = conjunto das funções C∞ 2. Qual a expressão do elemento genérico do subespaço de K[t] gerado pelos polinômios t2 e t3? 3. Verifique se W = {(x, y, z) ∈ R3; x = 2y} é subespaço de R3. 4. Mostre que W = {(0, y, z) ∈ R3} é gerado por (0, 1, 1) e (0, 2,−1). 5. Mostre que o conjunto das funções f : R → R de classe C2 tais que f ′′ + af ′ + bf = 0 (a e b reais fixos) é um subespaço de F(R,R). 6. Mostre que, em geral, a união de dois subespaços não é um subespaço. CAPÍTULO 1. ESPAÇOS VETORIAIS 7 1.3 Independência Linear. Bases. Dimensão Definição 1.4 Sejam X 6= ∅, X ⊂ V, V um espaço vetorial sobre K. Dize- mos que X é linearmente independente se, quaisquer que sejam v1, ..., vm ∈ X, m ∈ N, a equação a1v1 + ... + amvm = 0, onde a1, ..., am ∈ K, im- plica a1 = a2 = ... = am = 0. Se X não é linearmente independente (LI) dizemos que X é linearmente dependente (LD); neste caso, existem v1, ..., vp ∈ X, p ∈ N, e escalares não todos nulos, a1, ..., ap, tais que a1v1 + ...+ apvp = 0. Exemplo 1.3.1 Em Kn consideremos os vetores e1 = (1, 0, ..., 0) e2 = (0, 1, ..., 0) ... en = (0, ..., 0, 1) Esses vetores são LI, pois a1e1+ ...+anen = (a1, ..., an) = 0 = (0, ..., 0)⇔ a1 = 0, ..., an = 0. Exemplo 1.3.2 Em Pn os vetores 1, t, ..., tn−1 são LI pois a0 + a1t + ... + an−1tn−1 = 0 implica a0 = a1 = ... = an−1 = 0. Exemplo 1.3.3 No espaço das funções f : R → R de classe C1 considere- mos os vetores f1(t) = er1t, f2(t) = er2t onde r1 6= r2 são reais. f1, f2 são LI pois se a1f1 + a2f2 = 0 então a1er1t + a2er2t = 0 para todo t ∈ R, donde a1e (r1−r2)t + a2 = 0 para todo t ∈ R. Derivando: a1(r1 − r2)e(r1−r2)t = 0 para todo t ∈ R, donde a1 = 0 e, portanto, a2 = 0. Exemplo 1.3.4 Consideremos os elementos 1 e i de C. Considerando C como um espaço vetorial real, 1 e i são LI. Considerando C como um espaço vetorial complexo, 1 e i são LD. Proposição 1.3 Se v1, ..., vn são vetores LI em V e a1v1 + ...+ anvn = b1v1 + ...+ bnvn, com ai ∈ K, bi ∈ K (1 ≤ i ≤ n), então ai = bi para todo i. Dem. A relação dada é equivalente a (a1 − b1)v1 + ... + (an − bn)vn = 0, donde a1 − b1 = ... = an − bn = 0, isto é, ai = bi para i = 1, 2, ..., n. CAPÍTULO 1. ESPAÇOS VETORIAIS 8 Definição 1.5 Seja V um espaço vetorial sobre K. Dizemos que G ⊂ V gera V ou que G ⊂ V é um conjunto de geradores de V se todo v ∈ V é combinação linear de vetores de G, ou seja, se o subespaço gerado por G é V . Dizemos que o conjunto de geradores G é mínimo se, qualquer que seja g ∈ G, o conjunto G1 = G− {g} não gera V . Exemplo 1.3.5 Em Kn os vetores e1 = (1, 0, ..., 0), ..., en = (0, ..., 0, 1) for- mam um conjunto de geradores mínimo. Definição 1.6 Seja X ⊂ V um conjunto LI no espaço vetorial V . Dizemos que X é um conjunto linearmente independente máximo se, para todo v ∈ V , v /∈ X, o conjunto X1 = X ∪ {v} é LD. Exemplo 1.3.6 Os vetores e1 = (1, 0, ..., 0), ..., en = (0, ..., 0, 1) de Kn for- mam um conjunto LI máximo. Proposição 1.4 Sejam v1, ..., vm vetores LI do espaço vetorial V gerado por w1, ..., wp. Então m ≤ p e, alterando-se eventualmente a numeração dos wi, os vetores v1, ..., vm, wm+1, ..., wp ainda geram V . Dem. Seja v1 = a11w1 + ... + ap1wp; sem perda de generalidade podemos supor a11 6= 0 e, então: w1 = b11v1 + b21w2 + ...+ bp1wp. Logo, toda combinação linear de w1, ..., wp também é combinação linear de v1, w2, ..., wp, ou seja, estes vetores geram V . Seja v2 = a12v1+a22w2+...+ap2wp; ao menos um dos escalares a22, ..., ap2 é diferente de zero pois v1 e v2 são LI. Podemos supor a22 6= 0 e, então: w2 = b12v1 + b22v2 + b32w3 + ...+ bp2wp, e toda combinação linear de v1, w2, ...wp é também combinação linear de v1, v2, w3, ..., wp, ou seja, estes vetores geram V . Repetindo essa operação um número finito de vezes, vemos que, para r ≤ min(m, p), os vetores v1, ..., vr, wr+1, ..., wp geram V . Se fosse m > p, tomando r = p, teríamos que v1, ..., vp gerariam V e, portanto, vp+1, ..., vm seriam combinações lineares de v1, ..., vp, o que é absurdo já que v1, ..., vm são LI. Portanto, m ≤ p e, ao fim de um número finito de operações, obteremos o conjunto de geradores v1, ..., vm, wm+1, ..., wp. CAPÍTULO 1. ESPAÇOS VETORIAIS 9 Corolário 1.4.1 Se w1, ..., wp geram V e n > p, então v1, ..., vn são LD. Em particular, p+1 vetores que são combinações lineares de p vetores quaisquer são LD. Proposição 1.5 Seja X um subconjunto não-vazio do espaço vetorial V so- bre K. As propriedades seguintes são equivalentes: (a) X é LI e gera V (b) X é um conjunto de geradores mínimo (c) X é um conjunto LI máximo Dem. (a)⇒ (b): Sejam x ∈ X, Y= X−{x}. Se x fosse combinação linear de vetores de Y , x = n∑ i=1 aiyi, yi ∈ Y, ai ∈ K, 1 ≤ i ≤ n, então X seria LD, contradição. Portanto, Y não gera V , o que mostra que X é mínimo. (b)⇒ (c): Se X fosse LD existiriam vetores x, x1, ..., xn de X e escalares a, a1, ..., an, não todos nulos, tais que ax+a1x1+ ...+anxn = 0. Sem perda de generalidade podemos supor a 6= 0, donde x = b1x1+ ...+bnxn e, portanto, X não seria mínimo, contradição. Além disso, X é (um conjunto LI) máximo pois, dado v ∈ V , temos v = m∑ i=1 aixi, xi ∈ X, ai ∈ K, 1 ≤ i ≤ m, ou seja, X ∪ {v} é LD. (c)⇒ (a): Seja v ∈ V, v /∈ X, então Y = X ∪{v} é LD e existem vetores x1, ..., xn de X e escalares a, a1, ..., an, não todos nulos, tais que av + a1x1 + ...+ anxn = 0. Se fosse a = 0 resultaria X LD. Então a 6= 0 e v = b1x1 + ...+ bnxn, isto é, X gera V (e é LI). Definição 1.7 Seja V um espaço vetorial sobre K. X ⊂ V, X 6= ∅, é uma base de V se X possui uma das (e portanto as três) propriedades da proposição 1.5. Se V tem uma base finita X = {v1, ..., vn} dizemos que V tem dimensão finita; neste caso, se v ∈ V , então v se escreve de modo único na forma v = a1v1 + ...+ anvn, ai ∈ K, 1 ≤ i ≤ n. Proposição 1.6 Sejam {v1, ..., vn} e {w1, ..., wp} bases do espaço vetorial V sobre K. Então: n = p CAPÍTULO 1. ESPAÇOS VETORIAIS 10 Dem. Como v1, ..., vn são LI e w1, ..., wp geram V , temos n ≤ p. Por simetria, p ≤ n. Logo, n = p. Definição 1.8 Sejam V um espaço vetorial sobre K e {v1, ..., vn} uma base de V . Dizemos que n é a dimensão de V sobre K. Por definição a dimensão de V = {0} é zero. Notação: n = dimKV ou n = dim V Exemplo 1.3.7 Kn tem dimensão n e {e1, ..., en} é uma base de Kn, chamada de base canônica. Exemplo 1.3.8 {1, t, ..., tn−1} é base de Pn, donde dim Pn = n. Exemplo 1.3.9 V = K[t] não tem dimensão finita sobre K. Exemplo 1.3.10 dimRC = 2 e {1, i} é uma base. dimCC = 1 e {1} é uma base. Uma base de Cn sobre R é {e1, ie1, e2, ie2, ..., en, ien}. Corolários: (1) Se dim V = n e v1, ..., vn são LI, então {v1, ..., vn} é base de V (pois é um conjunto LI máximo). (2) Se W é subespaço de V e dim W = dim V , então W = V (pois toda base de W é também base de V ). (3) Se dim V = n e m > n então os vetores v1, ..., vm são LD (pois o número máximo de vetores LI é n). Proposição 1.7 Seja V um espaço vetorial de dimensão n sobre K. Se- jam v1, ..., vr, r < n, vetores LI. Então existem vr+1, ..., vn ∈ V tais que {v1, ..., vr, vr+1, ..., vn} seja base de V . Dem. Como r < n, {v1, ..., vr} não é um conjunto LI máximo; logo, existe vr+1 ∈ V tal que {v1, ..., vr, vr+1} seja LI. Se r + 1 < n podemos repetir o argumento. Após um número finito de repetições obteremos n vetores LI, v1, ..., vn, ou seja {v1, ..., vn} é base de V . Exercícios 1. Mostre que t3 − t2 + 1, q = t2 − 1 e r = 2t3 + t− 1 são LI em P4. CAPÍTULO 1. ESPAÇOS VETORIAIS 11 2. Prove que f, g, h ∈ F(R,R) são LI, onde f(t) = t, g(t) = et e h(t) = sen t. 3. Ache uma condição necessária e suficiente para que u = (a, b) ∈ K2 e v = (c, d) ∈ K2 sejam LD. 4. Seja W o subespaço de P4 gerado por u = t3− t2+1, v = t2− 1 e w = t3 − 3t2 + 3. Ache uma base para W . 5. Existe alguma base de P4 que não contenha nenhum polinômio de grau 2? 6. Seja (v1, ..., vm) uma sequência de vetores não-nulos do espaço vetorial V . Prove que se nenhum deles é combinação linear dos anteriores então o conjunto {v1, ..., vm} é LI. 7. Seja V um espaço vetorial de dimensão finita. Prove que todo conjunto de geradores de V contém uma base. 1.4 Espaços Produto e Quociente Sejam V1 e V2 espaços vetoriais sobre K e V = V1 × V2 = {(v1, v2); v1 ∈ V1, v2 ∈ V2} seu produto cartesiano. Vamos introduzir em V uma estrutura vetorial, definindo: (v1, v2) + (u1, u2) = (v1 + u1, v2 + u2) a(v1, v2) = (av1, av2) , a ∈ K É imediato verificar que, com estas leis, V = V1×V2 é um espaço vetorial sobre K. A definição do espaço produto se estende a um número finito qualquer de espaços vetoriais. Se V1, ..., Vn são espaços vetoriais sobre K e V = V1 × ...× Vn, definimos: (v1, ..., vn) + (u1, ..., un) = (v1 + u1, ..., vn + un) a(v1, ..., vn) = (av1, ..., avn) , a ∈ K Desta maneira V fica munido de uma estrutura vetorial sobre K. Proposição 1.8 Se V1 e V2 têm dimensão finita sobre K, então dim(V1 × V2) = dim V1 + dim V2. CAPÍTULO 1. ESPAÇOS VETORIAIS 12 Dem. Sejam {v1, ..., vn} e {u1, ..., up}, respectivamente, bases de V1 e V2. Vamos provar que {(v1, 0), ..., (vn, 0), (0, u1), ..., (0, up)} é base de V1×V2. Se v ∈ V1 e u ∈ V2, existem escalares ai, bj tais que v = a1v1 + ... + anvn e u = b1u1 + ...+ bpup. Então: (v, u) = (a1v1 + ...+ anvn, b1u1 + ...+ bpup) = = a1(v1, 0) + ...+ an(vn, 0) + b1(0, u1) + ...+ bp(0, up), o que mostra que os vetores (v1, 0), ..., (0, up) geram V1 × V2. Se tivermos a1(v1, 0) + ...+ an(vn, 0) + b1(0, u1) + ...+ bp(0, up) = 0 então (a1v1 + ... + anvn, b1u1 + ... + bpup) = (0, 0), donde a1v1 + ... + anvn = 0 e b1u1 + ... + bpup = 0, que implicam a1 = ... = an = 0 e b1 = ... = bp = 0, ou seja, os vetores (v1, 0), ..., (0, up) são LI. Definição 1.9 Sejam V um espaço vetorial sobre K e W um seu subespaço. Se v ∈ V definimos v +W por: v +W = {v + w;w ∈ W} Observemos que v +W = u+W ⇔ v − u ∈ W . Seja V W = {v +W ; v ∈ V }. Para introduzir uma estrutura vetorial sobre V W definamos: (v +W ) + (u+W ) = (v + u) +W a(v +W ) = av +W , a ∈ K. Essas leis estão bem definidas pois se u+W = u1+W e v+W = v1+W , então (v1 +W ) + (u1 +W ) = (u1 + v1) +W = (u+ v) +W = = (v +W ) + (u+W ), já que (u1 + v1)− (u+ v) = = (u1 − u) + (v1 − v) ∈ W. Analogamente, se a ∈ K e v1 +W = v +W , temos: a(v1 +W ) = av1 +W = av +W = a(v +W ) pois av1 − av = a(v1 − v) ∈ W . CAPÍTULO 1. ESPAÇOS VETORIAIS 13 É pura rotina verificar que, com estas leis, V W se torna um espaço vetorial sobre K. O elemento neutro da adição em V W é a classe W = 0 +W . V W é chamado de espaço vetorial quociente de V por W . Exemplo 1.4.1 Sejam V = R2 e W uma reta pela origem de R2. Um elemento típico de V W é uma reta v + W paralela a W , e V W consiste de todas as retas paralelas a W em R2. - 6 W v +W u+W (u+ v) +W ¸ v ]u Ou+ v Exercícios 1. Prove que se v1 +W, ..., vn +W são LI em V W , então v1, ..., vn são LI em V . 2. Sejam V um espaço vetorial e W um subespaço. Para u, v ∈ V defi- namos u ≈ v se u− v ∈ W . Prove que ≈ é uma relação de equivalência em V e que o conjunto das classes de equivalência é o espaço quociente V W . 1.5 Somas e Somas Diretas Definição 1.10 Sejam V um espaço vetorial sobre K,U e W subespaços de V . A soma de U e W é definida por: U +W = {u+ w, u ∈ U, w ∈ W}. CAPÍTULO 1. ESPAÇOS VETORIAIS 14 É fácil ver que U + W é um subespaço de V . De fato, se u1, u2 ∈ U , w1, w2 ∈ W e a ∈ K, temos: (a) 0 = 0 + 0 ∈ U +W (b) (u1 + w1) + (u2 + w2) = (u1 + u2) + (w1 + w2) ∈ U +W (c) a(u1 + w1) = au1 + aw1 ∈ U +W Dizemos que V é soma direta de U e W , e escrevemos V = U ⊕W , se todo elemento v ∈ V se escreve, de modo único, na forma v = u + w, com u ∈ U e w ∈ W . Proposição 1.9 V = U ⊕W se, e só se, V = U +W e U ∩W = {0}. Dem. Se V = U ⊕W é claro que V = U +W . Além disso, se v ∈ U ∩W temos, de modo único, v = v + 0 = 0 + v, donde v = 0, isto é U ∩W = {0}. Reciprocamente, seja v ∈ V arbitrário. Como V = U +W temos v = u+ w, com u ∈ U, w ∈ W . Se tivéssemos também v = u1+w1, u1 ∈ U, w1 ∈ W , então teríamos u − u1 = w1 − w ∈ U ∩W = {0}, donde u = u1 e w = w1, ou seja, a representação de v na forma u+ w é única. Logo, V = U ⊕W . Proposição 1.10 Sejam V um espaço vetorial sobre K, de dimensão finita, e W um subespaço de V . Existe subespaço U de V tal que V = U ⊕W . Dem. Seja {w1, ..., wr} base de W . Sabemos que existem vetores u1, ..., us ∈ V tais que {w1, ..., wr,u1, ..., us} seja base de V . Seja U o subespaço gerado por u1, ..., us. É claro que V = U ⊕W . Obs.: Em geral existem muitos subespaços U de V tais que V = U ⊕W . Dizemos que um tal U é um subespaço suplementar de W. Proposição 1.11 Sejam V um espaço vetorial de dimensão finita sobre K, U e W dois de seus subespaços. Se V = U ⊕W então dim V = dim U + dim W . Dem. Sejam {u1, ..., ur} e {w1, ..., ws} bases de U e W , respectivamente. Provemos que {u1, ..., ur, w1, ...ws} é base de V . Se v ∈ V então v = u + w, com u ∈ U e w ∈ W , ou seja, u = a1u1 + ...+ arur e w = b1w1 + ...+ bsws. Portanto, v = a1u1 + ...+ arur + b1w1 + ...+ bsws e os vetores u1, ..., ur, w1, ..., ws geram V . CAPÍTULO 1. ESPAÇOS VETORIAIS 15 Seja a1u1 + ...+ arur + b1w1 + ...+ bsws = 0. Então: a1u1 + ...+ arur = −b1w1 − ...− bsws. Como U ∩W = {0} resulta a1u1 + ... + arur = 0 e b1w1 + ... + bsws = 0, donde a1 = ... = ar = 0 e b1 = ... = bs = 0, ou seja, u1, ..., ur, w1, ..., ws são LI. Logo, {u1, ..., ur, w1, ..., ws} é base de V e dim V = r + s = dim U + dim W . O conceito de soma direta se estende à soma de vários subespaços V1, ..., Vn do espaço vetorial V . Dizemos que V é a soma direta de V1, ..., Vn, e escreve- mos V = V1 ⊕ V2 ⊕ ... ⊕ Vn, se todo v ∈ V se escreve, de modo único, na forma v = v1 + v2 + ...+ vn, onde vi ∈ Vi, i = 1, 2, ..., n. Proposição 1.12 Sejam V um espaço vetorial de dimensão finita sobre K, V1, ..., Vr subespaços de V e, para cada i = 1, ..., r, {vi1, ...vini} base de Vi. V = V1 ⊕ ...⊕ Vr se, e só se, B = {v11, ..., v1n1 , ..., vr1, vr2, ..., vrnr} é base de V . Dem. Se V = V1 ⊕ ... ⊕ Vr então todo v ∈ V se escreve de modo único na forma v = v1 + ...+ vr, onde vi ∈ Vi, 1 ≤ i ≤ r. Mas vi = ni∑ k=1 akivik, 1 ≤ i ≤ r. Logo: v = r∑ i=1 ni∑ k=1 akivik e B gera V. Suponhamos que r∑ i=1 ni∑ k=1 akivik = 0. Pondo vi = ni∑ k=1 akivik, temos que vi ∈ Vi, i = 1, ..., r. Então: v1 + ...+ vr = 0 e, como a soma é direta, temos vi = 0, isto é, ni∑ k=1 akivik = 0, donde aki = 0 pois vi1, ..., vini são LI. Logo, B é LI e, portanto, B é base de V . Reciprocamente, se B é base de V , então v = r∑ i=1 ni∑ k=1 akivik = r∑ i=1 vi, onde vi = ni∑ k=1 akivik pertence a Vi, i ≤ i ≤ r. Logo: V = V1 + ... + Vr. A soma CAPÍTULO 1. ESPAÇOS VETORIAIS 16 é direta pois se v1 + ... + vr = 0, vi ∈ Vi, então r∑ i=1 ni∑ k=1 akivik = 0, donde aki = 0 e, portanto, vi = 0, 1 ≤ i ≤ r. Exercícios 1. Sejam U, V,W os seguintes subespaços de R3: U = {(x, y, z) ∈ R3; x + y + z = 0}; V = {(x, y, z) ∈ R3;x = z} e W = {(0, 0, z) ∈ R3; z ∈ R}. Mostre que R3 = U + V , R3 = U +W , R3 = V +W . Quando é que a soma é direta? 2. Sejam V = F(R,R), U o subespaço das funções pares e W o das ímpares. Mostre que V = U ⊕W . 3. Sejam U e W subespaços de V. Se V = U +W e dim V = dim U + dim W <∞, prove que V = U ⊕W . 4. Sejam V um espaço vetorial de dimensão finita sobre K, U e W sube- spaços de V . Prove: dim(U +W ) ≤ dim U + dim W 1.6 Exercícios do Capítulo 1 1. Determine uma base para o subespaço de R4 descrito por x = (x1, x2, x3, x4) tal que x1 = x2 − 3x3, x3 = 2x4. Complete a base obtida a uma base do R4. 2. Em V = F(R,R) considere fk(t) = erkt onde rk ∈ R, 1 ≤ k ≤ n. Prove que f1, ..., fn são LI se, e só se, r1 6= r2 6= ... 6= rn. 3. Sejam v1, ..., vn LI e u = b1v1 + ...+ bjvj + ...+ bnvn com bj 6= 0. Prove que v1, ..., vj−1, u, vj+1, ..., vn são LI. 4. SejaW um subespaço do espaço vetorial V . Suponha que v1, ..., vn ∈ V sejam LI e gerem um subespaço U tal que U ∩W = {0}. Prove que os vetores v1 +W, ..., vn +W são LI em V W . CAPÍTULO 1. ESPAÇOS VETORIAIS 17 5. Sejam V um espaço vetorial, U e W seus subespaços. Se U e W têm dimensões finitas, prove que: dim U + dim W = dim(U +W ) + dim(U ∩W ). 6. Sejam V um espaço vetorial real e u, v ∈ V . O segmento de reta de extremidades u e v é o conjunto [u, v] = {(1 − t)u + tv; 0 ≤ t ≤ 1}. X ⊂ V é convexo se u, v ∈ X ⇒ [u, v] ⊂ X. Prove: (a) Se X, Y ⊂ V são convexos, então X ∩ Y é convexo. (b) Se X ⊂ V é convexo e r, s, t são reais não negativos tais que r + s+ t = 1, então u, v, w ∈ X ⇒ ru+ sv + tw ∈ X. (c) Se X ⊂ V , a envoltória convexa de X é o conjunto C(X) das combinações t1x1+ ...+ tnxn, onde ti ≥ 0, n∑ i=1 ti = 1, n ∈ N, chamadas combinações convexas dos elementos de X. Prove que C(X) é convexo, que X ⊂ C(X) e que se C ′ é convexo e X ⊂ C ′ então C(X) ⊂ C ′. 7. Seja V um espaço vetorial real. A ⊂ V é uma variedade afim se u, v ∈ A, t ∈ R⇒ (1− t)u+ tv ∈ A. Prove: (a) Se A,B ⊂ V são variedades afins, então A ∩B é variedade afim. (b) Se A 6= ∅ é uma variedade afim em V , existe um único subespaço vetorial W ⊂ V tal que para todo x ∈ A tem-se A = x+W = {x+ w;w ∈ W}. 8. Dado o conjunto finito X = {a1, ..., an}, ache uma base para o espaço vetorial real F(X,R) = {f : X → R}. Capítulo 2 Aplicações Lineares 2.1 Definições e Exemplos Definição 2.1 Sejam V e W espaços vetoriais sobre K. Dizemos que uma aplicação T : V → W é linear se: T (u+ v) = T (u) + T (v) T (av) = a · T (u), quaisquer que sejam u, v ∈ V e a ∈ K. Exemplo 2.1.1 A aplicação identidade I : V → V , I(v) = v é linear, bem como a aplicação zero, 0 : V → V , 0(v) = 0 para todo v ∈ V . Exemplo 2.1.2 Seja V = K[t] o espaço vetorial dos polinômios na variável t com coeficientes em K. A aplicação derivada D : V → V , definida por D(a0+ a1t+ a2t 2+ ...+ amt m) = a1+2a2t+ ...+mamt m−1, é uma aplicação linear. Exemplo 2.1.3 Se V1 e V2 são espaços vetoriais sobre K e V = V1 × V2, as aplicações p1 : V → V1 e p2 : V → V2 definidas por p1(v1, v2) = v1 e p2(v1, v2) = v2 são lineares. Exemplo 2.1.4 Seja W um subespaço do espaço vetorial V. A aplicação pi : V → V W , pi(v) = v +W , é linear. Exemplo 2.1.5 Seja V = C0([0, 1],R) o espaço vetorial real das funções contínuas f : [0, 1]→ R. A aplicação f ∈ V 7−→ T (f) ∈ V , onde (Tf)(x) = ∫ x 0 f(t)dt, x ∈ [0, 1], 18 CAPÍTULO 2. APLICAÇÕES LINEARES 19 é linear. É também linear a função f ∈ V 7−→ ∫ 1 0 f(t)dt ∈ R. Proposição 2.1 Sejam V e W espaços vetoriais sobre K e (v1, v2, ..., vn) uma base ordenada de V. Dada a sequência (w1, ..., wn) de vetores de W, existe uma e uma única aplicação linear T : V → W tal que T (vi) = wi, 1 ≤ i ≤ n. Dem. Seja v ∈ V . Então v se escreve, de modo único, como v = a1v1 + ...+ anvn. Definamos T : V → W por T (v) = a1w1+ ...+ anwn. É claro que T (vi) = wi, 1 ≤ i ≤ n. Mostremos que T é linear. Se u = b1v1 + ... + bnvn, então: T (u+v) = T [(a1+b1)v1+ ...+(an+bn)vn] = (a1+b1)w1+ ...+(an+bn)wn = = (a1w1 + ...+ anwn) + b1w1 + ...+ bnwn = T (v) + T (u). Se c ∈ K, temos T (cv) = T (ca1v1 + ...+ canvn) = ca1w1 + ...+ canwn = = c(a1w1 + ...+ anwn) = c · T (v). Logo, T é linear. Se L : V → W é aplicação linear tal que L(vi) = wi, 1 ≤ i ≤ n, então L(a1v1 + ... + anvn) = a1w1 + ... + anwn = T (v) para todo v ∈ V , ou seja, T = L, o que mostra a unicidade de T. Proposição 2.2 Seja T : V → W linear. Então: (a) T (0) = 0 , T (−v) = −v. (b) Se U ⊂ V é subespaço, então T (U) ⊂ W é subespaço. (c) Se U ′ ⊂ W é subespaço, então T−1(U ′) ⊂ V é subespaço. Dem. (a) Como T é linear, T (av) = aT (v) para todo a ∈ K e todo v ∈ V . Fazendo a = 0, vem: T (0 · v) = 0 · T (v), donde: T (0) = 0. Fazendo a = −1, vem: T (−v) = −T (v) (b) T (U) ⊂ W é subespaço pois: CAPÍTULO 2. APLICAÇÕES LINEARES 20 1. 0 = T (0) ∈ T (U) 2. Se T (u), T (v) ∈ T (U) então T (u) + T (v) = T (u+ v) ∈ T (U) 3. Se a ∈ K e T (v) ∈ T (U) então aT (v) = T (av) ∈ T (U) (c) T−1(U ′) ⊂ V é subespaço pois: 1. 0 ∈ T−1(U ′) já que T (0) = 0 ∈ U ′ 2. Se u, v ∈ T−1(U ′) então T (u), T (v) ∈ U ′, donde T (u) + T (v) = T (u + v) ∈ U ′, donde u+ v ∈ T−1(U ′) 3. Se a ∈ K e v ∈ T−1(U ′) então aT (v) = T (av) ∈ U ′ e, portanto, av ∈ T−1(U ′).Definição 2.2 Seja T : V → W linear. O subespaço T (V ) ⊂ W é chamado de imagem de T e anotado Im T . O subespaço T−1(0) ⊂ V é chamado de núcleo de T e anotado N (T ). Assim, Im T = {T (v) ∈ W ; v ∈ V } N (T ) = {v ∈ V ; T (v) = 0} Obs.: Por definição T é sobrejetora se Im T = W e T é injetora se u 6= v implica T (u) 6= T (v). Proposição 2.3 Seja T : V → W linear. São equivalentes: (a) N (T ) = {0} (b) T é injetora (c) T transforma cada conjunto LI de vetores de V em conjunto LI de vetores de W. Dem. (a)⇔ (b): N (T ) = {0} ⇔ T (w) = 0 implica w = 0 ⇔ T (u− v) = 0 implica u− v = 0⇔ T (u) = T (v) implica u = v ⇔ T é injetora. (b)⇒ (c): Seja X ⊂ V um conjunto LI e seja Y = T (X). Vamos provar que Y é LI. De fato, se a1y1+ ...+aryr = 0 onde r ∈ N e yi = T (xi), 1 ≤ i ≤ r, xi ∈ X, ai ∈ K, então a1T (x1)+...+arT (xr) = 0 ∴ T (a1x1+...+arxr) = 0, donde a1x1+...+arxr = 0 (pois N (T ) = {0}), o que implica a1 = ... = ar = 0 (pois X é LI), resultando Y ser LI. (c) ⇒ (a): Todo vetor v 6= 0 é LI, donde T (v) é LI, ou seja, T (v) 6= 0. Portanto: N (T ) = {0}. Obs.: Se T : V → W é linear e v1, ..., vn geram V , então é claro que CAPÍTULO 2. APLICAÇÕES LINEARES 21 T (v1), ..., T (vn) geram Im T pois todo w ∈ Im T é da forma w = T (v) para algum v ∈ V e v = a1v1 + ...+ anvn. Resulta que, se V tem dimensão finita, então dim Im T ≤ dim V . Definição 2.3 Seja T : V → W linear, V de dimensão finita. O posto de T é a dimensão de Im T : r = posto(T ) = dim Im T , donde r ≤ dim V. Proposição 2.4 Seja T : V → W linear. São equivalentes: (a) T é sobrejetora (b) T transforma conjunto de geradores de V em conjunto de geradores de W. Dem. (a)⇒ (b): Sejam X um conjunto de geradores de V e Y = T (X). Vamos provar que Y gera W. Se w ∈ W e T é sobrejetora, existe v ∈ V tal que w = T (v). Mas v = m∑ i=1 aixi, ai ∈ K, xi ∈ X. Logo, T (v) = m∑ i=1 aiT (xi) = m∑ i=1 aiyi com yi ∈ Y , ou seja, Y gera W. (b)⇒ (a): Sejam X um conjunto de geradores de V e Y = T (X). Então Y gera W. Se w ∈ W , temos w = p∑ i=1 aiyi, ai ∈ K, yi ∈ Y, yi = T (xi), xi ∈ X. Logo, w = p∑ i=1 aiT (xi) = T ( p∑ i=1 aixi ) = T (v) com v ∈ V , isto é, T é sobrejetora. Exemplo 2.1.6 Seja T : C3 → C3, T (x1, x2, x3) = (x1 − x2, 2x1 + x2 + 3x3,−x1−2x2−3x3). T é linear e Im T é gerada por T (1, 0, 0) = (1, 2,−1) = w1, T (0, 1, 0) = (−1, 1,−2) = w2 e T (0, 0, 1) = (0, 3,−3) = w3. É fácil ver que w1 e w2 são LI e que w3 = w1 +w2. Portanto, {w1, w2} é base de Im T e posto(T ) = r = 2. O núcleo de T é definido pelas equações: x1 − x2 = 0 2x1 + x2 + 3x3 = 0 −x1 − 2x2 − 3x3 = 0 A solução deste sistema é dada por x1 = x2 = −x3. Logo: N (T ) = {(−t,−t, t) ∈ C3; t ∈ C} e, por exemplo, (−1,−1, 1) é base de N (T ). Observemos que dim C3 = 3 = dim N (T ) + dim Im T , o que ilustra o teorema seguinte. CAPÍTULO 2. APLICAÇÕES LINEARES 22 Proposição 2.5 (Teorema do núcleo e da imagem) Sejam V, W espaços vetoriais sobre K e T : V → W linear. Se V tem dimensão finita, então: dim V = dim N (T ) + dim Im T. Dem. Seja {v1, ..., vs} base de N (T ) e sejam vs+1, ..., vn ∈ V tais que {v1, ..., vs, vs+1, ..., vn} seja base de V. Se w = T (v) ∈ Im T e v = a1v1+ ...+ anvn, então w = as+1T (vs+1) + ...+ anT (vn) já que T (v1) = ... = T (vs) = 0; logo T (vs+1), ..., T (vn) geram Im T . Além disso, esses vetores são LI; de fato, se bs+1T (vs+1)+ ....+bnT (vn) = 0, então T (bs+1vs+1 + ...+ bnvn) = 0, ou seja, bs+1vs+1 + ...+ bnvn ∈ N (T ). Portanto, podemos escrever bs+1vs+1 + ...+ bnvn = b1v1 + ...+ bsvs. Como v1, ..., vs, vs+1, ..., vn são LI, resulta bs+1 = ... = bn = 0 (e também b1 = ... = bs = 0). Resulta que {T (vs+1), ..., T (vn)} é base de Im T e dim Im T = n− s = dim V − dim N (T ), donde a tese. Corolário 2.5.1 Sejam T : V → W linear, dim V = n, dim W = p. Então: (a) T é injetora ⇔ r = posto(T ) = n. Neste caso, dim V ≤ dim W . (b) T é sobrejetora ⇔ r = posto(T ) = p. Neste caso, dim V ≥ dim W . Corolário 2.5.2 Seja T : V → W linear, com dim V = dim W < ∞. São equivalentes: (a) T é bijetora; (b) T é injetora; (c) T é sobrejetora; (d) se {v1, ..., vn} é base de V, então {Tv1, ..., T vn} é base de W; (e) existe base {v1, ..., vn} de V tal que {Tv1, ..., T vn} seja base de W. Dem. (a)⇒ (b): É óbvio. (b) ⇒ (c): Como T é injetora, temos posto(T ) = dim V = dim W = n, donde Im T = W . (c) ⇒ (d): Tv1, ..., T vn geram Im T = W . Como dim W = n, resulta que {Tv1, ..., T vn} é base de W. (d)⇒ (e): É óbvio. (e) ⇒ (a): Seja {v1, ..., vn} base de V tal que {Tv1, ..., T vn} seja base de W. Como Tv1, ..., T vn ∈ Im T e geram W resulta que W ⊂ Im T , donde Im T = W , ou seja, T é sobrejetora. CAPÍTULO 2. APLICAÇÕES LINEARES 23 Se v = a1v1 + ...+ anvn é tal que T (v) = 0, então a1T (v1) + ...+ anT (vn) = 0, donde a1 = ... = an = 0 pois Tv1, ..., T vn são LI. Logo, v = 0 e T é injetora. Portanto, T é bijetora. Exercícios 1. Seja T : V → W linear. Prove que são equivalentes: (a) T é injetora; (b) para toda decomposição V = V1⊕V2 tem-se T (V ) = T (V1)⊕T (V2) 2. Ache T : R2 → R linear tal que T (1, 1) = −1 e T (1, 0) = 3. 3. Seja T : V → W linear. Prove que se T (v1), ..., T (vn) são LI, então v1, ..., vn são LI. 4. Ache T : R3 → R4 linear cuja imagem seja gerada por (1,0,2,-4) e (0,2,-1,3). 5. Seja T : V → V linear. Prove que se Tv1, ..., T vn geram V, então v1, ..., vn geram V. 6. Seja T : R2 → R2 definido por T (x, y) = (ax + by, cx + dy), com ad− bc 6= 0. Prove: (a) v 6= 0⇒ Tv 6= 0. (b) Toda reta l ⊂ R2 é transformada por T numa reta. (c) T transforma retas paralelas em retas paralelas. 2.2 Composição e Inversão de Aplicações Lin- eares Proposição 2.6 Sejam U, V, W espaços vetoriais sobre o corpo K e T : U → V, L : V → W aplicações lineares. Então a composta L ◦ T : U → W é linear. Dem. Se u, v ∈ U , então (L ◦ T )(u+ v) = L(T (u+ v)) = L(Tu+ Tv) = L ◦ T (u) + L ◦ T (v). CAPÍTULO 2. APLICAÇÕES LINEARES 24 Se a ∈ K e u ∈ U , então (L ◦ T )(au) = L(T (au)) = L(aT (u)) = aL(T (u)) = a(L ◦ T )(u). Resulta que L ◦ T é linear. Proposição 2.7 Seja T : V → W linear bijetora. Então a aplicação inversa T−1 : W → V também é linear (e bijetora). Dem. Sejam w1 = T (v1) e w2 = T (v2) elementos arbitrários de W. Então: T−1(w1+w2) = T−1(Tv1+Tv2) = T−1(T (v1+v2)) = v1+v2 = T−1(w1)+T−1(w2). Se a ∈ K e w = T (v) ∈W , então: T−1(aw) = T−1(aT (v)) = T−1(T (av)) = av = aT−1(w). Resulta que T−1 : W → V é linear. Definição 2.4 Uma aplicação linear T : V → W é um isomorfismo de V sobre W se T é bijetora. Se, além disso, V = W então diremos que T é um automorfismo de V. Se existe um isomorfismo de V sobre W dizemos que V e W são isomorfos. Corolário 2.7.1 A composta de dois isomorfismos é um isomorfismo. A inversa de um isomorfismo é um isomorfismo. Obs.: Representamos por L(V,W ) o conjunto das aplicações lineares de V em W. No caso em que V = W é usual chamar uma aplicação linear T : V → V de operador linear em V e representar L(V, V ) simplesmente por L(V ) e por GL(V ) o conjunto dos automorfismos de V. Proposição 2.8 Seja V um espaço vetorial sobre o corpo K. Se T, L ∈ GL(V ) então T ◦ L ∈ GL(V ) e (T ◦ L)−1 = L−1 ◦ T−1. Dem. Já vimos que a composta de automorfismos é automorfismo. Basta então verificar que (T ◦ L) ◦ (L−1 ◦ T−1) = (L−1 ◦ T−1) ◦ (T ◦ L) = I, operador identidade de V, o que é imediato. CAPÍTULO 2. APLICAÇÕES LINEARES 25 Proposição 2.9 Se T : V → W é linear sobrejetora, então W é isomorfo ao espaço quociente V N (T ) . Dem. Seja pi : V → VN (T ) a aplicação quociente, isto é, pi(v) = v + N (T ), v ∈ V . É imediato que pi é linear. Seja L : V N (T ) → W definida por L(v+N (T )) = T (v), ou seja, L◦pi = T (dizemos então que o diagrama abaixo comuta). Mostremos que L está bem definida e é injetora: L(u+N (T )) = L(v +N (T ))⇔ T (u) = T (v)⇔ T (u− v) = 0⇔ ⇔ u−v ∈ N (T )⇔ u+N (T ) = v +N (T ). Além disso, L é sobrejetora pois, dado w ∈ W , existe v ∈ V tal que T (v) = w (já que T é sobrejetora) e, portanto, L(v + N (T )) = w. Logo, L é bijetora. Resta provar que L é linear. Sejam u, v ∈ V , então: L(u + N (T ) + v + N (T )) = L(u + v + N (T )) = T (u + v) = T (u) + T (v) = L(u+N (T )) + L(v +N (T )). Se a ∈ K e v ∈ V , então: L(a(v +N (T ))) = (av+N (T )) = T (av) = aT (v) = aL(v+N (T )). Resulta que L : VN (T ) → W é um isomorfismo. V N (T ) µ L WV - T ? pi > Corolário 2.9.1 Sejam V um espaço vetorial sobre K, U e W subespaços de V tais que V = U ⊕W . Então, V U é isomorfo a W. Dem. Seja p : V → W definida por p(v) = w, onde v = u+w com u ∈ U e CAPÍTULO 2. APLICAÇÕES LINEARES 26 w ∈ W . É imediato que p é linear sobrejetora e N (p) = {v ∈ V ; p(v) = 0} = U. Portanto, pela proposição 2.9, temos que V U é isomorfo a W. Corolário 2.9.2 Sejam T : V → W linear e U ⊂ V subespaço tal que V = N (T )⊕ U . Então U é isomorfo a Im T . Dem. Decorre da proposiçã 2.9 que V N (T ) é isomorfo a Im T . Pelo corolário 2.9.1 temos que V N (T ) é isomorfo a U. Resulta que U e Im T são isomorfos. Proposição 2.10 Sejam U e W subespaços do espaço vetorial V de dimen- são finita sobre o corpo K. Então: dim U + dim W = dim (U +W ) + dim (U ∩W ). Dem. Seja T : U ×W → V, T (u,w) = u − w. É imediato que T é linear. Além disso, Im T = {v = u− w; u ∈ U, w ∈W} = U +W N (T ) = {(u,w) ∈ U ×W ; u = w} = {(u, u) ∈ U ×W, u ∈ U ∩W}. É fácil ver que a aplicação u ∈ U ∩W 7−→ (u, u) ∈ N (T ) é um isomor- fismo. Portanto, dim N (T ) = dim (U ∩W ). Pela proposição 2.5, temos: dim (U ×W ) = dim (U +W ) + dim (U ∩W ), ou seja, dim U + dim W = dim (U +W ) + dim(U ∩W ). Proposição 2.11 Todo espaço vetorial de dimensão n sobre K é isomorfo a Kn. Dem. Seja V um espaço vetorial de dimensão n sobre K. Seja {v1, ..., vn} uma base de V. Se v ∈ V , então v = a1v1+...+anvn, onde ai ∈ K, 1 ≤ i ≤ n. Seja T : V → Kn definida por T (v) = T (a1v1+ ...+anvn) = (a1, ..., an) ∈ Kn. É fácil verificar que T é um isomorfismo. CAPÍTULO 2. APLICAÇÕES LINEARES 27 Corolário 2.11.1 Todos os espaços vetoriais de mesma dimensão finita n sobre K são isomorfos entre si. Exemplo 2.2.1 Seja T : V → V linear tal que T 3 = 0. Prove que I − T é um automorfismo de V. A igualdade formal 1 1− x = 1+x+x 2+x3+... nos sugere que (I−T )−1 = I + T + T 2 + T 3 + ... = I + T + T 2 já que T 3 = 0, donde T n = 0 para n ≥ 3. De fato, temos: (I − T )(I + T + T 2) = I + T + T 2 − T − T 2 − T 3 = I (I + T + T 2)(I − T ) = I − T + T − T 2 + T 2 − T 3 = I Portanto, I − T é um automorfismo de V e (I − T )−1 = I + T + T 2. Exemplo 2.2.2 U e W sendo dois subespaços suplementares do espaço ve- torial V, isto é, V = U⊕W , todo v ∈ V se escreve, de modo único, na forma v = u + w, onde u ∈ U e w ∈ W . Consideremos T : U ×W → U ⊕W definida por T (u,w) = u+ w. É fácil ver que T é linear bijetora, ou seja, T é um isomorfismo de U ×W sobre U ⊕W . Reciprocamente, dados dois espaços vetoriais U e W sobre K, para todo v = (u,w) de V = U ×W temos, de modo único: (u,w) = (u, 0) + (0, w). Se U ′ e W ′ são, respectivamente, os subespaços de V descritos por (u, 0) e (0, w), então é claro que U ′ é isomorfo a U e que W ′ é isomorfo a W. Então, V = U ×W = U ′ ⊕W ′. Se identificarmos U com U ′ bem como W com W ′, então poderemos considerar U e W como subespaços suplementares de U × W , o que significa identificar os dois espaços isomorfos U × W e U ⊕W . Nestas condições, a aplicação de U ⊕W sobre U dada por u+w 7−→ u, se identifica com p1 : U × W → U, p1(u,w) = u, e é a projeção de V = U ⊕W sobre o subespaço U, paralelamente ao subespaço suplementar W. Analogamente, a aplicação u + w 7−→ w se identifica com a projeção p2 : U ×W → W, p2(u,w) = w de V sobre o subespaço W paralelamente a U. Em particular, se V = U⊕W tem dimensão finita, então: dim (U×W ) = dim (U ⊕W ) = dim U + dim W , já visto anteriormente. Exercícios 1. Sejam T, L ∈ L(V ) tais que L ◦ T = T ◦ L. Prove: (a) L(N (T ) ⊂ N (T ); (b) L(Im T ) ⊂ Im T . CAPÍTULO 2. APLICAÇÕES LINEARES 28 2. Sejam L : V → U, T : U → W lineares. Se U, V e W têm dimensão finita, prove que: (a) posto(T ◦ L) ≤ posto(T ); (b) posto(T ◦ L) ≤ posto(L). 3. Sejam V um espaço vetorial de dimensão finita sobre K, L e T elementos de L(V ) tais que L ◦ T = I. Mostre que L é invertível e que T = L−1. 4. Sejam T : V → U linear e W ⊂ V subespaço. Seja T |W = L : W → U a restrição de T a W, isto é, T (w) = L(w) para todo w ∈ W . Prove: (a) L é linear; (b) N (L) = N (T ) ∩W ; (c) Im L = T (W ). 5. Seja V = Pn+1 o espaço vetorial dos polinômios de grau menor ou igual a n, com coeficientes reais. Ache um suplementar do subespaço W de V formado pelos polinômios p(t) tais que p(1) = 0 e prove que V W é isomorfo a R. 2.3 Álgebra das Aplicações Lineares Se V eW são espaços vetoriais sobre o corpo K, vimos que L(V,W ) representa o conjunto das aplicações lineares de V em W. Se L, T ∈ L(V,W ) e a ∈ K, definimos L+ T e aT , aplicações de V em W, por: (L+ T )(v) = L(v) + T (v) (aT )(v) = aT (v), para todo v ∈ V . É fácil verificar que L+T e aT são lineares, isto é, elementos de L(V,W ). Assim, no conjunto L(V,W ) temos duas leis, (L, T ) 7−→ L+T e (a, T ) 7−→ aT , e deixamos aos cuidados do leitor provar que são satisfeitos os oito postulados que definem uma estrutura vetorial. Lembramos apenas que a aplicação linear zero é a aplicação 0(v) = 0 para todo v ∈ V e que a oposta de T ∈ L(V,W ) é a aplicação (−T ) tal que (−T )(v) = −T (v) para todo v ∈ V . Concluímos que L(V,W ), munido das leis de adição (L, T ) 7−→ L+T e de multiplicação por escalar (a, T ) 7−→ aT , é um espaço vetorial sobre K. Estrutura de Anel de L(V ) Se L, T ∈ L(V ), vimos que L+ T e L ◦ T são elementos de L(V ). Assim, L(V ) está munido de duas leis, (L, T ) 7−→ L + T e (L, T ) 7−→ L ◦ T , que CAPÍTULO 2. APLICAÇÕES LINEARES 29 tornam L(V ) um anel com identidade, isto é: (a) para a adição L(V ) é um grupo abeliano: 1. L+ T = T + L; 2. (L+ T ) + S = L+ (T + S); 3. existe 0 ∈ L(V ) tal que T + 0 = T ; 4. dado T ∈ L(V ) existe (−T ) ∈ L(V ) tal que T + (−T ) = 0, quaisquer que sejam L, T, S ∈ L(V ). (b) o “produto” (L, T ) 7−→ L ◦ T tem as propriedades: 1. (L ◦ T ) ◦ S = L ◦ (T ◦ S); 2. existe I ∈ L(V ) tal que I ◦ T = T ◦ I = T ; 3. (L+ T ) ◦ S = L ◦ S + T ◦ S e L ◦ (T + S) = L ◦ T + L ◦ S, quaisquer que sejam L, T, S ∈ L(V ). Estrutura de Grupo de GL(V ) O conjunto GL(V ) dos automorfismos do espaço vetorial V é um subcon- junto de L(V ); se L, T ∈ GL(V ) vimos que L◦T e T−1 pertencem a GL(V ) e a identidade I de V também pertence a GL(V ). Portanto, GL(V ) munido da operação (L, T ) 7−→ L ◦ T é um grupo, chamado grupo linear de V. GL(V ) é o grupo dos elementos invertíveis do anel L(V ). Estrutura de Álgebra de L(V ) Se V é um espaço vetorial sobre K, L(V ) está munido das leis: (1) adição: (L, T ) 7−→ L+ T ; (2) multiplicação por escalar: (a, T ) 7−→ aT ; (3) produto: (L, T ) 7−→ L ◦ T . Para as leis (1) e (2), L(V ) tem uma estrutura de espaço vetorial sobre K. Para as leis (1) e (3), L(V ) tem uma estrutura de anel. Além disso, é fácil ver que a(L ◦ T ) = (aL) ◦ T = L ◦ (aT ), quaisquer que sejam L, T ∈ L(V ) e a ∈ K. Vemos assim que L(V ) tem uma estrutura de álgebra (linear) sobre K, de acordo com a seguinte definição. Definição 2.5 Sejam K um corpo a A um conjunto munido de uma adição, de uma multiplicação por escalar e de um produto. Dizemos que A é uma álgebra sobre K se: CAPÍTULO 2. APLICAÇÕES LINEARES 30 (1) A, munido da adição e da multiplicação por escalar, é um espaço vetorial sobre K. (2) A, munido da adição e do produto, é um anel. (3) a(L · T ) = (aL) · T = L · (aT ), quaisquer que sejam L, T ∈ A e a ∈ K. Exemplo 2.3.1 O corpo C dos complexos éuma álgebra sobre R. Exemplo 2.3.2 F(R,R) munido das leis f+g, f ·g, af é uma álgebra sobre R. Exemplo 2.3.3 No espaço vetorial L(V ) consideremos o produto (L, T ) 7−→ [L, T ] = L ◦ T − T ◦ L (colchete de Lie de L e T). É imediato que: (1) [ [L, T ], S ] = [ L, [T, S] ] (2) [L+ T, S] = [L, S] + [T, S] e [L, T + S] = [L, T ] + [L, S] (3) [aL, T ] = [L, aT ] = a[L, T ], quaisquer que sejam L, T, S ∈ L(V ) e a ∈ K. Portanto o espaço L(V ), munido do produto (L, T ) 7−→ [L, T ], é uma álgebra sobre K, anotada gl(V ). 2.4 Exercícios do Capítulo 2 1. Sejam V1, V2 espaços vetoriais isomorfos entre si, bem como W1 e W2. Prove que L(V1,W1) é isomorfo a L(V2,W2). 2. Sejam V, M espaços vetoriais sobre K, V = V1⊕ V2. Prove que L(V1⊕ V2,W ) é isomorfo a L(V1,W )× L(V2,W ). 3. Seja V o espaço vetorial real das funções t 7−→ x(t) de [0, 1] em R, de classe C∞. Consideremos em V os operadores x 7−→ f(x) = dx dt e x 7−→ g(x) com g(x)(t) = ∫ t 0 x(u)du. Prove que se x(0) 6= 0 então (g ◦ f)(x) 6= (f ◦ g)(x). 4. Sejam V um espaço vetorial e {v1, ..., vn} uma base de V. Prove que r vetores u1, ..., ur ∈ V , r ≤ n, são LI se, e só se, existe um automorfismo T de V tal que T (vj) = uj, 1 ≤ j ≤ r. 5. Sejam f : V → W linear e ϕ : V ×W → V ×W tal que ϕ(v, w) = (v, w − f(v)). Prove que ϕ é um automorfismo de V ×W . 6. Dois operadores lineares S, T ∈ L(V ) são semelhantes se existe oper- ador invertível P ∈ GL(V ) tal que S = P−1TP . Se V tem dimensão finita, prove que operadores semelhantes têm o mesmo posto. CAPÍTULO 2. APLICAÇÕES LINEARES 31 7. Seja V um espaço vetorial de dimensão n sobre K. Para k = 1, 2, ..., n, exiba T : V → V linear tal que T k = 0 mas T j 6= 0 se j < k. 8. Sejam V e W espaços vetoriais de dimensão finita e T : V → W linear. Prove: (a) T é injetora ⇔ existe S : W → V linear tal que S ◦ T = idV (b) T é sobrejetora ⇔ existe S : W → V linear tal que T ◦ S = idW 9. Seja V um espaço vetorial de dimensão infinita enumerável de base (v1, v2, ..., vn, ...). Seja T : V → V o operador linear definido por T (v2k+1) = 0, T (v2k) = vk, k ∈ N. (a) Prove que T é sobrejetora mas não injetora. (b) Prove que existe S : V → V linear injetora, mas não sobrejetora, tal que T ◦ S = id. 10. Sejam V um espaço vetorial de dimensão finita, V ′ ⊂ V um subespaço, W um espaço vetorial, W ′ ⊂ W um subespaço, e T : V → W linear. Prove: (a) dim ( T (V ′) ) = dim V ′ − dim (N (T ) ∩ V ′) (b) dim T−1(W ′) = dim N (T ) + dim (Im T ∩W ′). 11. E0, E1, ..., En sendo espaços vetoriais sobre o mesmo corpo K (n ≥ 2) dizemos que o diagrama E0 f0−→ E1 −→ ... −→ Ek−1 fk−1−−→ Ek fk−→ Ek+1 −→ ... −→ En−1 fn−1−−→ En é uma sequência exata se para 0 ≤ k ≤ n− 2 tem-se N fk+1 = Im fk, as aplicações fk sendo lineares (0 ≤ k ≤ n − 1). Se E0 (resp. En) é igual a {0}, que escrevemos 0, não escreveremos f0 (resp. fn−1) pois só existe uma aplicação linear de 0 em E1 (resp. de En−1 em 0). (a) Prove: [0→ E f−→ F é uma sequência exata ]⇔ f é injetora [E f−→ F → 0 é uma sequência exata ]⇔ f é sobrejetora. (b) Prove que os diagramas seguintes são sequências exatas: 0→ F i−→ E j−→ E F → 0 0→ N f i−→ E f−→ F j−→ F Im f → 0 (f aplicação linear, i injeção canônica, j sobrejeção canônica). Capítulo 3 Matrizes 3.1 Definições Definição 3.1 Sejam K um corpo, m e n inteiros positivos e In = {1, 2, ..., n}. Uma matriz m× n sobre K é uma função (i, j) ∈ Im × In 7−→ aij ∈ K. Em geral os escalares aij são dispostos em m linhas e n colunas, o primeiro índice indicando a linha e o segundo a coluna ocupadas por aij: A = a11 a12 ... a1n a21 a22 ... a2n ... ... ... ... am1 am2 ... amn = (aij), 1 ≤ i ≤ m, 1 ≤ j ≤ n Os escalares aij são os elementos da matriz A = (aij). Observemos que duas matrizes, A = (aij) e B = (bij), ambas m × n, são iguais se, e só se, aij = bij para todo par (i, j). A matriz zero, m× n, é a que tem todos seus elementos iguais a zero. A matriz A é quadrada quando o número de linhas é igual ao de colunas, isto é, quando ela é do tipo n × n; n é a ordem da matriz quadrada A. Numa matriz quadrada os elementos aii, que têm os índices iguais, formam a diagonal principal. A matriz identidade (ou unidade) de ordem n é a matriz quadrada In na qual todos os elementos da diagonal principal são iguais a 1 e os demais iguais a zero. Por exemplo, I3 = 1 0 00 1 0 0 0 1 . O elemento genérico de In é o 32 CAPÍTULO 3. MATRIZES 33 símbolo de Kronecker, definido por: δij = { 1 se i = j 0 se i 6= j . Assim, In = (δij)1≤i,j≤n. Vamos introduzir no conjunto Mm×n(K), das matrizes m × n sobre K, uma estrutura vetorial. Para isto precisamos definir a adição de matrizes e o produto de uma matriz por um escalar. Definição 3.2 Sejam A = (aij) e B = (bij) matrizes m × n. A soma C = = A + B é a matriz m × n, C = (cij), tal que cij = aij + bij para todo par (i, j). A adição matricial goza das seguintes propriedades de verificação imedi- ata: (1) A+B = B + A (2) A+ (B + C) = (A+B) + C (3) A+ 0 = A, onde 0 é a matriz zero m× n (4) A+ (−A) = 0 onde, sendo A = (aij), temos (−A) = (−aij). Definição 3.3 Sejam c ∈ K e A = (aij) ∈ Mm×n(K). A matriz B = (bij), onde bij = c·aij para todo par (i, j), é o produto de c por A, anotado B = c·A. É claro que B ∈Mm×n(K). A multiplicação de matriz por escalar tem as seguintes propriedades, de fácil verificação: (1) 1 · A = A (2) c · (A+B) = c · A+ c ·B (3) (c+ d) · A = c · A+ d · A (4) c(d · A) = (cd) · A, quaisquer que sejam A,B ∈Mm×n(K) e c, d ∈ K. Vemos assim que Mm×n, munido das leis de adição e de multiplicação por escalar, é um espaço vetorial sobre K. Quando m = n escrevemos apenas Mn(K) ou simplesmente Mn. Vamos achar uma base para Mm×n(K). Para isso, consideremos as ma- trizes Eij, 1 ≤ i ≤ m, 1 ≤ j ≤ n, onde cada Eij é m × n e tem todos os elementos iguais a zero, exceto o situado na linha i e na coluna j, que é igual a um: CAPÍTULO 3. MATRIZES 34 Eij = 0 ... 0 ... 0 ... . . . ... . . . ... 0 ... 1 ... 0 ... . . . ... . . . ... 0 ... 0 ... 0 ↑ coluna j ← linha i Proposição 3.1 O conjunto {E11, ..., E1n, ..., Em1, ..., Emn} é uma base de Mm×n(K). Dem. Se A = (aij) é m× n é claro que A = m∑ i=1 n∑ j=1 aijEij, ou seja, as ma- trizes Eij geram Mm×n(K). Além disso, elas são LI, pois se m∑ i=1 n∑ j=1 aijEij = 0, então A = (aij) = 0, donde aij = 0 para todo par (i, j). Corolário 3.1.1 dim Mm×n(K) = m · n. 3.2 Produto de Matrizes Definição 3.4 Sejam A = (aij) – m × n – e B = (bij) – n × p, ou seja, o número de colunas de A é igual ao número de linhas de B. O produto C = A ·B é a matriz m× p, C = (cij), tal que cij = n∑ k=1 aikbkj. Exemplo 3.2.1 ( 1 0 0 2 )( 1 2 3 4 ) = ( 1 2 6 8 ) ( 1 2 3 4 )( 1 0 0 2 ) = ( 1 4 3 8 ) o que mostra que o produto não é comutativo. Proposição 3.2 (a) (AB)C = A(BC) (b) A(B1 +B2) = AB1 + AB2; (A1 + A2)B = A1B + A2B CAPÍTULO 3. MATRIZES 35 (c) InA = AIn = A, onde se supõem definidos os produtos e somas (das matrizes) indicados, e em (c) A é m× n. Dem. (a) Sejam: A = (aij) do tipo m× n B = (bij) do tipo n× p C = (cij) do tipo p× q . Então: AB = (dij) é m× p e (AB)C = (eij) é m× q BC = (fij) é n× q e A(BC) = (gij) é m× q, ou seja, se o primeiro membro está definido, então o segundo também, e é do mesmo tipo. Temos: eij = p∑ k=1 dikckj = p∑ k=1 ckj n∑ r=1 airbrk gij = n∑ r=1 airfrj = n∑ r=1 air p∑ k=1 brkckj, o que mostra que eij = gij para todo i e todo j. As demonstrações de (b) e (c) são deixadas a cargo do leitor. 3.3 Aplicação Linear × Matriz Sejam V e W espaços vetoriais sobre o corpo K, E = (v1, ..., vn) e F = (w1, ..., wm) bases ordenadas de V e W, respectivamente, e T : V −→ W linear. Se v = x1v1+ ...+ vnvn = n∑ j=1 xjvj, T (v) = y1w1 + ...+ ymwm = m∑ i=1 yiwi e T (vj) = m∑ i=1 aijwi, então: T (v) = n∑ j=1 xjT (vj) = n∑ j=1 m∑ i=1 aijxjwi. CAPÍTULO 3. MATRIZES 36 Portanto: yi = n∑ j=1 aijxj (i = 1, 2, ...,m) Pondo: [ v ] E = x1 x2 ... xn , [Tv]F = y1 y2 ... ym e [T ]EF = (aij) 1 ≤ i ≤ m 1 ≤ j ≤ n , o sistema acima pode ser escrito na forma matricial[ T (v) ] F = [ T ]E F · [ v ] E . Assim, fixadas as bases ordenadas E e F , a toda aplicação linear T : V −→ W podemos associar uma matriz [ T ]E F = (aij) definida por T (vj) = m∑ i=1 aijwi, ou seja, [ T ]E F = a11 a12 ... ain... ... ... ... am1 am2 ... amn . [ T ]E F é a matrix de T em relação às bases E de V e F de W. Ela é do tipo m× n e, para cada j, as componentes de T (vj) na base F formam a coluna j dessa matriz. Reciprocamente, dada uma matriz m × n, A = (aij), consideremos os vetores uj, 1 ≤ j ≤ n, definidos por uj = m∑ i=1 aijwi. Seja T : V −→ W a única aplicação linear tal que T (vj) = uj, 1 ≤ j ≤ n. Então é claro que[ T ]E F = A. Existe, pois, uma bijeção entre L(V,W ) e Mm×n(K), bijeção esta que depende da escolha das bases ordenadas E de V e F de W. Exemplo 3.3.1 Sejam V um espaço vetorial sobre K e B = {v1, ..., vn} uma base de V. Sejam os operadores lineares I(v) = v e 0(v) = 0 para todo v ∈ V . É claro que [ I ]B B = In e [ 0 ]B B = 0. Exemplo 3.3.2 Seja V = Pn o espaço vetorial dos polinômios a uma var- iável e de grau menor que n, com coeficientes em K, juntamente com o CAPÍTULO 3. MATRIZES 37 polinômio zero. Sejam B = {1, t, ..., tn−1} base de V e D : V −→ V a aplicação derivada: D(a0 + a1t+ ...+ an−1tn−1) = a1 + 2a2t+ ...+ (n− 1)an−1tn−2. Então: [ D ]B B = 0 1 0 ... 0 0 0 2 ... 0 ... ... ... ... ... 0 0 0 ... n− 1 0 0 0 ... 0 Exemplo 3.3.3 Sejam I : R3 −→ R3 a identidade, E = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e F = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} bases de R3. Vamos achar [I]EF . Temos: I(1, 0, 0) = (1, 0, 0); I(0, 1, 0) = (1, 1, 0)−(1, 0, 0); I(0, 0, 1) = (1, 1, 1)−(1, 1, 0). Portanto: [ I ]E F = 1 −1 00 1 −1 0 0 1 Exemplo 3.3.4 Seja T : R3 −→ R3 definida por T (x, y, z) = (x+ y+ z, y+ z, z). É claro que T é linear. Sejam E e F as bases do exemplo 3.3.3. Vamos achar [ T ]E F e [ T ]E E . Temos: T (1, 0, 0) = (1, 0, 0); T (0, 1, 0) = (1, 1, 0); T (0, 0, 1) = (1, 1, 1). Portanto: [ T ]E F = 1 0 00 1 0 0 0 1 = I3 E: [ T ]E E = 1 1 10 1 1 0 0 1 Exemplo 3.3.5 Seja A = (aij) m×n sobre K. Seja TA : Kn −→ Km tal que TA(X) = A ·X, onde X = x1... xn . É claro que TA é linear e que [T ]EF = A, onde E e F são as bases canônicas de Kn e Km, respectivamente. CAPÍTULO 3. MATRIZES 38 Exemplo 3.3.6 (Rotação) Sejam E = (e1, e2) a base canônica do R2 e F = (f1, f2) onde f1 = cosα · e1 + sen α · e2 f2 = −sen α · e1 + cosα · e2, α ∈ R . - e1 µ e26 f1I f2 α I α ª Definamos T : R2 −→ R2 linear por meio de: Te1 = f1 Te2 = f2 Então: [ T ]E E = [ cos α −sen α senα cos α ] A imagem de ( x y ) ∈ R2 por T é o vetor[ cos α −sen α senα cos α ]( x y ) = [ x · cos α− y · sen α x · senα + y · cos α ] ∈ R2. A transformação linear T é a rotação de α em torno da origem. Proposição 3.3 Sejam V e W espaços vetoriais sobre K, E = (v1, ..., vn) e F = (w1, ..., wm) bases ordenadas de V e W, respectivamente. A aplicação T 7−→ [T ]EF , que a cada elemento de L(V,W ) associa sua matriz em relação às bases dadas, é um isomorfismo de L(V,W ) sobre Mm×n(K). Dem. Sejam T e S elementos de L(V,W ), T (vj) = m∑ i=1 aijwi, S(vj) = m∑ i=1 bijwi, CAPÍTULO 3. MATRIZES 39 isto é, [ T ]E F = (aij) e [ S ]E F = (bij). Como (T + S)(vj) = m∑ i=1 (aij + bij)wi resulta que [ T + S ]E F = (aij + bij) 1 ≤ i ≤ m 1 ≤ j ≤ n = [ T ]E F + [ S ]E F . Se c ∈ K temos (cT )(vj) = m∑ i=1 caijwi, isto é, [ cT ]E F = (caij) = c · [ T ]E F . Portanto, a aplicação T 7−→ [T ]EF é linear (e bijetora), ou seja, um isomorfismo. Corolário 3.3.1 dim L(V,W ) = dim V · dim W . Proposição 3.4 Sejam U, V, W espaços vetoriais sobre K, E = (u1, ..., um), F = (v1, ..., vn) e G = (w1, ..., wp) bases ordenadas de U, V, W, respectiva- mente. Se U S−→ V T−→W são lineares, então:[ T ◦ S]EG = [T ]FG · [S]EF . Dem. Sejam: [ T ]F G = (aij) – p× n[ S ]E F = (bij) – n×m[ T ◦ S]EG = (cij) – p×m Então: T (vk) = p∑ i=1 aikwi S(uj) = n∑ k=1 bkjvk (T ◦ S)(uj) = p∑ i=1 cijwi CAPÍTULO 3. MATRIZES 40 Portanto: T ( S(uj) ) = n∑ k=1 bkjT (vk) = n∑ k=1 p∑ i=1 aikbkjwi, donde: cij = n∑ k=1 aikbkj, que é a tese. O conjunto Mn(K) das matrizes de ordem n, munido das leis de adição e multiplicação por escalar, é um espaço vetorial sobre K de dimensão n2. Mn(K), munido das operações de adição e multiplicação matriciais, é um anel (com unidade). Além disso, é fácil verificar que c(AB) = (cA)B = A(cB) quaisquer que sejam A,B ∈ Mn(K) e c ∈ K. Resulta que Mn(K) tem uma estrutura de álgebra sobre K. Vimos que o anel Mn(K) não é comutativo; o exemplo [ 1 0 0 0 ] [ 0 0 0 1 ] = [ 0 0 0 0 ] mostra que ele tem divisores de zero. Seja V um espaço vetorial sobre K, de dimensão n. Vimos que L(V ) e Mn(K) são duas álgebras sobre K. Fixada uma base B de V, a aplicação bijetora T ∈ L(V ) φ7−→ [T ]B B ∈Mn(K) goza das seguintes propriedades: (1) [ L+ T ]B B = [ L ]B B + [ T ]B B , isto é, φ(L+ T ) = φ(L) + φ(T ) (2) [ aT ]B B = a [ T ]B B , isto é, φ(aT ) = a · φ(T ) (3) [ L ◦ T ]B B = [ L ]B B · [T ]B B , isto é, φ(L ◦ T ) = φ(L) · φ(T ), quaisquer que sejam L, T ∈ L(V ) e a ∈ K. Uma tal φ chama-se um isomorfismo de álgebras, ou seja, L(V ) e Mn(K) são álgebras isomorfas. Exemplo 3.3.7 Vamos achar o centro do anel Mn(K), isto é, vamos de- terminar as matrizes A = (aij) de Mn(K) que comutam com toda ma- triz P = (pij) de Mn(K), ou seja, tais que AP = PA. Devemos ter n∑ k=1 aikpkj = n∑ k=1 pikakj para todo par (i, j). Se P = Eii, isto é, pii = 1 e prs = 0 para r 6= i ou s 6= i, então i 6= j implica aij = 0. Se P = Eij com i 6= j, isto é, pij = 1 e prs = 0 para r 6= i ou s 6= j, então aii = ajj. Logo, se CAPÍTULO 3. MATRIZES 41 A comuta com toda matriz de Mn(K) ela é da forma A = a · In, e é evidente que toda matriz a · In, a ∈ K, comuta com toda matriz de Mn(K). Estas matrizes têm o nome de matrizes escalares. Definição 3.5 Uma matriz quadrada A, n×n, é invertível se existe matriz quadrada B, de mesma ordem, tal que AB = BA = In. Se uma tal matriz B existe, ela é única, pois se AC = In e BA = In, temos: B = B · In = B(AC) = (BA)C = In · C = C. esta matriz B, caso exista, chama-se a inversa de A, e é anotada B = A−1. Assim, A · A−1 = A−1 · A = In, o que mostra também que (A−1)−1 = A. Se A e B, ambas n× n, são invertíveis, então AB é invertível e (AB)−1 = B−1A−1. De fato, (AB)(B−1A−1) = A(BB−1)A−1 = A ·A−1 = In e (B−1A−1)(AB) = B−1(A−1 · A)B = B−1B = In. É claro que I−1n = In. Vemos assim que o conjunto das matrizes invertíveis de Mn(K), com a operação de multiplicação matricial, é um grupo. O isomorfismo φ : L(Kn) −→ Mn(K) visto acima, transforma o grupo GL(Kn) = GL(n,K) isomorficamente sobre o grupo das matrizes invertíveis de Mn(K). Em par- ticular, [ T−1 ]B B = ([ T ]B B )−1 . Exemplo 3.3.8 Seja A, de ordem n, tal que a0In + a1A + ... + anAn = 0 com a0 6= 0. Então A é invertível. De fato, temos:( −a1 a0 In − ...− an a0 An−1 ) · A = A · ( −a1 a0 In − ...− an a0 An−1 ) = In. Logo, A−1 = −a1 a0 · In− ...− an a0 · An−1 Proposição 3.5 Seja A ∈ Mn(K). Se existe B ∈ Mn(K) tal que BA = In (ou AB = In), então A é invertível e B = A−1. Dem. Sejam TA : Kn −→ Kn e TB : Kn −→ Kn as aplicações lineares associadas a A e B, respectivamente. BA = In equivale a TB · TA = idKn, que implica ser TA injetora e TB sobrejetora e, portanto, ambas são bijetoras e TB = T−1A , donde A −1 = B. CAPÍTULO 3. MATRIZES 42 Exercícios 1. Dê uma base para M3(K). 2. Seja W o subespaço de Mn(K) formado pelas matrizes cujos elemen- tos são iguais a zero, exceto talvez os da diagonal principal. Qual a dimensão de W? 3. Seja A ∈ Mn(R). A = (aij) é simétrica (resp. antissimétrica) se aij = aji (resp. aij = −aji) para todo (i, j). Ache uma base para o espaço das matrizes simétricas (resp. antissimétricas) 3× 3. 4. Seja T : R4 −→ R2 dada por T (x1, x2, x3, x4) = (x2, x4). Ache uma matriz associada a T. 5. Sejam E = ((1, 1, 0), (−1, 1, 1), (0, 1, 2)) e F = ((2, 1, 1), (0, 0, 1), (1, 1, 1)) bases de C3. Ache [ I ]E F , onde I : C 3 −→ C3 é a identidade. 6. Seja V o subespaço de F(R,R) = {f : R −→ R} gerado pelas funções 1, t, et, e2t, te2t e seja D : V −→ V o operador de derivação. Se B = (1, t, et, e2t, te2t) é base de V, ache [ D ]B B . 7. Estabeleça um isomorfismo entre o espaço vetorial real das matrizes simétricas n × n e o espaço das matrizes reais triangulares inferiores (aij = 0 se i < j). Idem entre as matrizes antissimétricas e as triangu- lares inferiores com a diagonal principal nula. 3.4 Mudança de Bases Sejam V um espaço vetorial sobre K, E = (v1, ..., vn) e F = (w1, ..., wn) bases ordenadas de V. Se v ∈ V , então [v]E = P · [v]F , onde P = [I]FE = (pij) é tal que wj = n∑ i=1 pijvi. Definição 3.6 P = [ I ]F E é a matriz de passagem da base E para a base F . Exemplo 3.4.1 Sejam V = R3, E = (e1, e2, e3) – base canônica, F =( (1,−1, 1), (1, 0, 0), (1, 1, 1)) = (f1, f2, f3). Então: P = [ I ]F E = 1 1 1−1 0 1 1 0 1 . CAPÍTULO 3. MATRIZES 43 Se v = 2f1 + f2 + 3f3, então [ v ] E = 1 1 1−1 0 1 1 0 1 21 3 = 61 5 , isto é, v = 6e1 + e2 + 5e3. Proposição 3.6 Sejam V e W espaços vetoriais sobre K, E = (v1, ..., vn), E ′ = (v′1, ..., v′n) bases ordenadas de V, F = (w1, ..., wm), F ′ = (w′1, ..., w′m) bases ordenadas de W, P = [ idv ]E ′ E a matriz de passagem de E para E ′, Q = [idW ]F ′F a matriz de passagem de F para F ′. Se T : V −→W é linear, então:[ T ]E ′ F ′ = Q −1 · [T ]EF · P. Dem. Temos T = idW · T · idV . Pela proposição 3.4, vem:[ T ]E ′ F ′ = [ idW ]F F ′ · [ T ]E F · [ idV ]E ′ E Mas: In = [ idW ]F ′ F ′ = [ idW ]F F ′ · [ idW ]F ′ F e In = [ idW ]F F = [ idW ]F ′ F · [ idW ]F F ′ , o que mostra que [ idW ]F F ′ = Q −1. Resulta:[ T ]E ′ F ′ = Q −1 · [T ]EF · P Corolário 3.6.1 Sejam V um espaço vetorial sobre K, E e E ′ bases de V e P = [ idV ]E ′ E a matriz de passagem de E para E ′. Se T : V −→ V é linear, então: [ T ]E ′ E ′ = P −1 · [T ]EE · P CAPÍTULO 3. MATRIZES 44 Definição 3.7 Dizemos que as matrizes A,B ∈ Mm×n(K) são equivalentes se existem matrizes Q ∈ GL(m,K) e P ∈ GL(n,K) tais que B = QAP . Obs.: A proposição 3.6 nos diz que se A e B são matrizes associadas à mesma aplicação linear T : V −→ W , então A e B são equivalentes. Re- ciprocamente, suponhamos A e B equivalentes, isto é, B = QAP onde A,B ∈Mm×n(K), P ∈ GL(n,K) e Q ∈ GL(m,K). Sejam E = (v1, ..., vn) e F = (w1, ..., wm) bases ordenadas dos espaços ve- toriais V e W e T : V −→ W linear tal que A = [T ]EF . Definamos E ′ = (v′1, ..., v′n) e F ′ = (w′1, ..., w′m) por v′j = n∑ i=1 pijvi e w′j = m∑ i=1 qijwi, onde P = (pij) e Q−1 = (qij). Como P e Q são invertíveis, E ′ e F ′ são bases de V e W, respectivamente, P = [ idV ]E ′ E e Q −1 = [ idW ]F ′ F . Pela proposição 3.6, temos:[ T ]E ′ F ′ = QAP, isto é, B = [ T ]E ′ F ′ , o que mostra que A e B representam a mesma aplicação linear T : V −→W . Definição 3.8 Dizemos que as matrizes A,B ∈ Mn(K) são semelhantes se existe P ∈ GL(n,K) tal que B = P−1 · A · P . Como na observação, acima é fácil ver que A,B ∈ Mn(K) são semelhantes se, e só se, elas representam um mesmo operador linear T : V −→ V , onde dimK V = n. Obs.: É fácil verificar que as relações “A e B são equivalentes” e “A e B são semelhantes”, são relações de equivalência (isto é, reflexivas, simétricas e transitivas). Exemplo 3.4.2 Seja T : R3 −→ R3, T (x1, x2, x3) = (x1 + 2x3, 3x1 + 2x2 + x3, x2+4x3) e sejam E = (e1, e2, e3) – base canônica e F = ( (1, 0, 0), (1, 1, 0), (1, 1, 1) ) bases de R3. Temos: T (1, 0, 0) = (1, 3, 0) T (0, 1, 0) = (0, 2, 1) T (0, 0, 1) = (2, 1, 4) CAPÍTULO 3. MATRIZES 45 Portanto: [ T ]E E = 1 0 23 2 1 0 1 4 = A. Por outro lado, se F = (f1, f2, f3), temos: T (f1) = (1, 3, 0) = −2f1 + 3f2 T (f2) = (1, 5, 1) = −4f1 + 4f2 + f3 T (f3) = (3, 6, 5) = −3f1 + f2 + 5f3 Portanto: [ T ]F F = −2 −4 −33 4 1 0 1 5 = B. A matriz de passagem de E para F é P = [I]FE , ou seja, P = 1 1 10 1 1 0 0 1 , e é imediato verificar que AP = PB = 1 1 33 5 6 0 1 5 , isto é, B = P−1 · A · P. Posto de uma Matriz Seja A = (aij) matriz m × n sobre K. Os vetores-coluna de A são os vetores A1, ..., An ∈ Km definidos por Aj = aij a2j ... amj (1 ≤ j ≤ n) Definição 3.9 O posto de uma matriz A é a dimensão do subespaço de Km gerado pelos vetores-coluna de A, ou seja, o posto de A é o número máximo de vetores-coluna de A linearmente independentes. Proposição 3.7 Sejam V, W espaços vetoriais sobre K, E = (v1, ..., vn) e F = (w1, ..., wm) bases ordenadas de V e W, respectivamente, e T : V −→ W linear. Se A = [ T ]E F , então: posto(A) = posto(T ). CAPÍTULO 3. MATRIZES 46 Dem. Seja A = (aij). Dizer que A = [ T ]E F significa dizer que T (vj) = m∑ i=1 aijwi, ou seja, Aj = [ T (vj) ] F (j = 1, ..., n), e o isomorfismo de K m sobre W que leva a base canônica de Km na base F de W, transforma o espaço gerado pelos vetores-coluna A1, ..., An de A sobre o espaço gerado pelos vetores T (v1), ..., T (vn) de W, ou seja, estes espaços têm a mesma dimensão e, portanto, posto(A) = posto(T ). Proposição 3.8 Seja A ∈ Mm×n(K) de posto r. Então r ≤ m, r ≤ n e A é equivalente à matriz m× n: Ir 0 0 0 r m− r r n− r Dem. Seja T : Kn −→ Km linear tal que A = [T ]EF , onde E e F são as bases canônicas de Kn e Km, respectivamente. Como n = dim N (T ) + dim Im T temos que dim N (T ) = n − r ≥ 0. Podemos, então, escolher uma base E ′ = (v1, ..., vn) de Kn de modo que (vr+1, ..., vn) seja base de N (T ). É claro que os vetores T (v1), ..., T (vr) são LI em Km (verifique!), donde r ≤ m e podemos considerar uma base de Km da forma F ′ = (Tv1, ..., T vr, wr+1, ..., wm). Obtemos:[ T ]E ′ F ′ = matriz da figura 3.8. Resulta que A = [ T ]E F é equivalente a B = matriz da figura 3.8 : B = QAP, Q = [ id ]F F ′ , P = [ id ]E ′ E . CAPÍTULO 3. MATRIZES 47 Corolário 3.8.1 Duas matrizes A,B ∈ Mm×n(K) são equivalentes se, e só se, elas têm o mesmo posto. Dem. Se A e B são equivalentes, elas representam, em relação a bases diferentes, a mesma aplicação linear T : Kn −→ Km. Portanto, posto(A) = posto(T ) = posto(B). Reciprocamente, se posto(A) = posto(B) = r, então A e B são equiva- lentes à matriz da figura 3.8 e, portanto, elas são equivalentes. Corolário 3.8.2 A matriz A ∈Mm×n(K) é invertível se, e só se, posto(A) = n. Dem. A matriz A representa um operador linear T : Kn −→ Km e posto(T ) = posto(A) = n se, e só se, T é sobrejetora (donde bijetora), isto é, se, e só se, T ∈ GL(n,K) e, portanto, se, e só se, A é invertível. 3.5 Exercícios do Capítulo 31. Obtenha bases E de R2 e F de R3 de modo que [T ]EF = 1 00 1 0 0 , onde T ( x y ) = 2x+ y3x− 2y x+ 3y . 2. Calcule o posto das matrizes: A = 1 2 34 5 6 7 8 9 ; B = 1 2 34 5 6 2 1 0 . Mostre que os espaços gerados pelas linhas e colunas de A coincidem, o que não ocorre com B. CAPÍTULO 3. MATRIZES 48 3. Seja a matriz n× n cujas linhas são os vetores v1 = (1, 2, ..., n), v2 = (2, 3, ..., n, n+ 1), etc. Prove que o posto da matriz é 2 e que o espaço-linha coincide com o espaço-coluna. 4. Ache reais a, b, c tais que ax + by + cz = 0 seja o plano gerado pelas linhas da matriz 1 1 21 2 3 1 3 4 . 5. Prove que toda matriz antissimétrica 3 × 3 não-nula tem posto 2. Dê exemplo de uma matriz antissimétrica invertível 4× 4. 6. Sejam V um espaço vetorial de dimensão n sobre K e T : V −→ V linear. T é nilpotente de índice p se existe p ∈ N tal que T p−1 6= 0 e T p = 0. (a) Prove que se T é nilpotente e existem λ ∈ K, x ∈ V, x 6= 0 tais que T (x) = λx, então λ = 0. (b) Prove que se T é nilpotente de índice p e T p−1(x) 6= 0, então os vetores x, T (x), ..., T p−1(x) são LI. (c) T é nilpotente de índice n ⇔ existe base E de V tal que na matriz A = [ T ]E E = (aij) – n× n – se tenha aij = 0 exceto ai,i+1 = 1 (1 ≤ i ≤ n− 1). 7. Seja A = 1 1 00 1 1 0 0 1 ; ache An, n ∈ N. 8. Prove que [ cos θ −sen θ sen θ cos θ ] e [ eiθ 0 0 e−iθ ] são semelhantes sobre C. 9. Seja A = (aij) − n × n. O traço de A é o número tr(A) = n∑ i=1 aii. Prove que tr : Mn(K) −→ K é linear, que tr(AB) = tr(BA), e que tr(P−1AP ) = tr(A), quaisquer que sejam A,B ∈ Mn(K) e P ∈ GL(n,K). 10. Sejam T : M2(R) −→ M2(R) tal que T (A) = PA, onde P ∈ M2(R) é fixa. Prove que tr(T ) = 2tr(P ). Capítulo 4 Formas Lineares. Dualidade 4.1 Definição Seja V um espaço vetorial sobre o corpo K. Considerando K um espaço vetorial sobre si mesmo, L(V,K) é um espaço vetorial sobre K, designado por V ∗ e chamado de dual de V; seus elementos são chamados de formas (ou funcionais) lineares em V. O dual de V ∗ é o bidual de V, anotado V ∗∗. Os elementos de V ∗ serão designados por letras gregas tais como α, β, ω, etc. Assim, uma forma linear ω ∈ V ∗ é uma aplicação linear ω : V −→ K. Se E = {v1, ..., vn} é uma base de V e se v = x1v1+...+xnvn, então ω(v) = x1ω(v1) + ... + xnω(vn). Pondo ω(vi) = ai, temos: ω(v) = a1x1 + ... + anxn, que é a representação de ω na base E . Exemplo 4.1.1 Se V = Kn, a aplicação pii(x1, ..., xn) 7−→ xi (1 ≤ i ≤ n) é uma forma linear em Kn, chamada a i-ésima forma coordenada. Exemplo 4.1.2 Se V = C0([0, 1],R) é o espaço vetorial real das funções contínuas f : [0, 1] −→ R a função f ∈ V 7−→ ∫ 1 0 f(t)dt ∈ R é uma forma linear em V. Proposição 4.1 Sejam V um espaço vetorial sobre K e (v1, ..., vn) uma base ordenada de V. Para cada i, 1 ≤ i ≤ n, seja ωi : V −→ K a forma linear definida por ωi(vj) = δij = { 1 se i = j 0 se i ≤ j (1 ≤ i ≤ n). Então, (ω1, ..., ωn) é uma base de V ∗ e as coordenadas de ω ∈ V ∗ nesta base, são ω(v1), ..., ω(vn). Dem. Sabemos que dim V ∗ = dim L(V,K) = n e que as condições ωi(vj) = δij (j = 1, ..., n) determinam univocamente a forma ωi. Basta então provar 49 CAPÍTULO 4. FORMAS LINEARES. DUALIDADE 50 que ω1, ..., ωn são LI. Para isso, suponhamos que ω = a1ω1 + ...+ anωn = 0. Então, para j = 1, ..., n, temos ω(vj) = 0, ou seja, n∑ i=1 aiωi(vj) = 0, ou n∑ i=1 aiδij = 0, donde aj = 0. Este cálculo mostra também que se ω = a1ω1 + ...+ anωn, então aj = ω(vj) . Definição 4.1 Se (v1, ..., vn) é base ordenada de V, a base (ω1, ..., ωn) de V ∗, tal que ω(vj) = δij (1 ≤ j ≤ n), chama-se base dual da base (v1, ..., vn). Exemplo 4.1.3 Sejam V = Kn e (e1, ..., en) a base canônica de Kn. Seja pii : K n −→ K a i-ésima forma coordenada, isto é, pii(x1, ..., xn) = xi. É claro que pii(ej) = δij, de modo que a base dual da base canônica de Kn é a base (pi1, ..., pin) de (Kn)∗. Obs. Se V e W têm a mesma dimensão finita sobre K, a escolha de bases E de V e F de W nos permite definir um isomorfismo que leva E sobre F , e todo isomorfismo entre V e W é obtido dessa forma. Assim, em geral, há mais de um isomorfismo entre V e W e não temos uma maneira natural para preferir um ou outro desses isomorfismos. Entretanto, no caso de V e V ∗∗, podemos distinguir um isomorfismo J : V −→ V ∗∗ definido independente da escolha de bases, isto é, um isomorfismo canônico, que nos permite identificar V a V ∗∗. Proposição 4.2 Seja V um espaço vetorial de dimensão finita n sobre K. A aplicação canônica J : V −→ V ∗∗ v 7−→ Jv : V ∗ −→ K ω 7−→ ω(v) é um isomorfismo entre V e V ∗∗. Dem. É fácil verificar que Jv = J(v) é um elemento de V ∗∗, bem como que J é linear. Basta então provar que J é injetora, já que dim V = dim V ∗∗ = n. Para isto, seja v 6= 0; tomemos uma base de V da forma (v, v1, ..., vn−1) e CAPÍTULO 4. FORMAS LINEARES. DUALIDADE 51 consideremos a base dual correspondente (ω, ω1, ..., ωn−1). Então, ω(v) = 1 = Jv(ω), ou seja, Jv 6= 0. Assim, v 6= 0 implica Jv 6= 0, o que mostra ser J injetora. Obs. (1) Identificando-se v ∈ V a Jv ∈ V ∗∗, a igualdade Jv(ω) = ω(v) se escreve v(ω) = ω(v), e é usual usar-se a notação < v, ω > para este escalar. (2) No caso em que V é de dimensão infinita, prova-se que J : V −→ V ∗∗ é injetora, mas nunca sobrejetora, ou seja, J não é um isomorfismo neste caso. Exercícios 1. Sejam B1 = (v1, ..., vn), B2 = (u1, ..., un) bases do espaço vetorial V, B∗1 = (α1, ..., αn) e B ∗ 2 = (β1, ..., βn) as bases duais correspondentes. Se vj = n∑ i=1 aijui e αj = n∑ i=1 bijβi, i ≤ j ≤ n, qual a relação entre as matrizes A = (aij)eB = (bij)? 2. Estude a independência linear das formas lineares sobre R4, onde ab 6= 0: f1(x1, x2, x3, x4) = x1 − ax3, f2(x1, x2, x3, x4) = x2 − 1 a x4, f3(x1, x2, x3, x4) = x1 − bx4, f4(x1, x2, x3, x4) = x2 − 1 b x4. 3. Sejam V um espaço vetorial de dimensão finita eW ⊂ V um subespaço. Se f ∈W ∗ mostre que existe g ∈ V ∗ tal que g|W = f . 4. Sejam V um espaço vetorial real de dimensão finita, e v1, v2, ..., vp ve- tores não nulos de V. Prove que existe f ∈ V ∗ tal que f(vi) 6= 0, i = 1, 2, ..., p. 5. Seja f : V −→ R uma forma linear não-nula. Prove que existe v0 ∈ V tal que f(v0) = 1. Seja W = Rv0 a reta gerada por v0. Prove que V = W ⊕N (f). 6. Sejam f, g : V −→ R formas lineares não-nulas e dim V = n. Prove que N (f) = N (g)⇔ f é múltiplo de g. CAPÍTULO 4. FORMAS LINEARES. DUALIDADE 52 4.2 Anulador de um Subespaço Definição 4.2 Sejam V um espaço vetorial sobre K e U ⊂ V um subespaço. Chama-se anulador de U ao conjunto U0 = {ω ∈ V ∗; ω(u) = 0 para todo u ∈ U}. É fácil ver que U0 ⊂ V ∗ é um subespaço. Se ω ∈ V ∗ pode-se mostrar sem dificuldade que ω ∈ U0 se, e só se, ω se anula numa base de U. Proposição 4.3 Sejam V um espaço vetorial de dimensão finita sobre K e U ⊂ V um subespaço. Então: dim U + dim U0 = dim V. Dem. Como o caso U = {0} é trivial, vamos supor U 6= {0}. Seja (v1, ..., vn) base de V tal que (v1, ..., vp) seja base de U. Se (ω1, .., ωn) é a base dual, então < vj, ωi >= ωi(vj) = 0 para i = 1, ..., p e i = p + 1, ..., n, ou seja, as formas ωp+1, ..., ωn pertencem a U0. Vamos provar que elas formam uma base de U0. Como elas são LI, basta provar que elas geram U0. Para isto, seja ω ∈ U0. Se ω = a1ω1 + ...+ anωn, então, para j = 1, ..., p temos: 0 = ω(vj) = n∑ i=1 aiωi(vj) = n∑ i=1 aiδij = aj, ou seja, ω = ap+1ωp+1 + ...+ anωn, como queríamos. Corolário 4.3.1 Nas hipóteses da proposição 4.3, temos (U0)0 = U (supondo- se identificados V e V ∗∗). Dem. (U0)0 = {v ∈ V ;< ω, v >= 0 ∀ω ∈ U0}. Portanto, se u ∈ U , então u ∈ (U0)0, isto é, U ⊂ (U0)0. Por outro lado, dim (U0)0 = dim V ∗ − dim U0 = dim V − dim U0 = dim U, donde U=(U0)0. Obs. Se ω ∈ V ∗, ω 6= 0, o subespaço de V, H =
Compartilhar