Baixe o app para aproveitar ainda mais
Prévia do material em texto
i i “ALinear” — 2011/2/26 — 14:45 — page 1 — #19 i i i i i i 1 Base e Dimensão Este Capítulo apresenta algumas noções básicas da Álgebra Linear, introduz somas diretas e define o espaço quociente. 1.1 Espaços Vetoriais O corpo R ou o corpo C serão denotados por K. Definição 1.1 Um espaço vetorial X sobre o corpo K é um conjunto cujos elementos .chamados vetores/ podem ser somados e multiplicados por escalares, isto é, os elementos do corpo K. Se x; y; z 2 X e �; � 2 K, as seguintes propriedades devem ser satisfeitas pela adição e multiplicação por escalar: .i/ x C y 2 X .fechamento/; .i i/ .x C y/C z D x C .y C z/ .associatividade/; .i i i/ x C y D y C x .comutatividade/; .iv/ existe 0 2 X tal que x C 0 D x .elemento neutro/; .v/ existe . x/ 2 X tal que x C . x/ D 0 .inverso aditivo/; .vi/ �x 2 X .fechamento/; .vi i/ �.�x/ D .��/x .associatividade/; .vi i i/ �.x C y/ D �x C �y .distributividade/; .ix/ .�C �/x D �x C �x .distributividade/; .x/ 1x D x .regra da unidade/. 1 i i “ALinear” — 2011/2/26 — 14:45 — page 2 — #20 i i i i i i 2 Base e Dimensão Cap. 1 Denotaremos x C . y/ simplesmente por x y (veja o Exercício 1). A importância da regra da unidade na definição de espaço vetorial é indicada no Exercício 3, no final deste Capítulo. Exemplo 1.2 O conjunto Kn D f.x1; x2; : : : ; xn/ j xi 2 K .i D 1; : : : ; n/g com as definições usuais de adição e multiplicação por escalar é um espaço vetorial. � Exemplo 1.3 O conjunto F de todas as funções ff WS ! Kg definidas num conjunto S ¤ ; e com as operações de adição e multiplicação por escalar usualmente definidas é um espaço vetorial. � Exemplo 1.4 Também são espaços vetoriais o conjunto KŒz de todos os po- linômios com coeficientes em K (na incógnita z) ou o subconjunto KnŒz de todos os polinômios de grau menor do que n (na incógnita z). � Definição 1.5 Um subconjunto Y de um espaço vetorialX é um subespaço se, com as operações definidas em X , Y for um espaço vetorial. Exemplo 1.6 O subconjunto de Kn de todos os vetores cuja primeira coordenada é nula é um subespaço de Kn. Se S D R, os subconjuntos de F (veja o Exemplo 1.3) formados por todas as funções contínuas ou por todas as funções de período � são subespaços de F . O mesmo acontece com o subconjunto deKŒz formado pelos polinômios de grau par. � Veja o Exercício 4 para a caracterização de um subespaço vetorial. Definição 1.7 Sejam X e Y espaços vetoriais sobre o corpo K. Uma aplicação T WX ! Y satisfazendo T .x C �y/ D T x C �Ty para quaisquer x; y 2 X e � 2 K é chamada transformação linear ou aplicação linear. Se X D Y , também chamamos T de operador linear ou simplesmente operador. Se Y D K, uma aplicação linear é denominada funcional linear. Se T for uma bijeção, dizemos que T é um isomorfismo e que os espaços X e Y são isomorfos. (No caso de aplicações lineares, é usual denotar T .x/ por T x. Em algumas situações, especialmente para funcionais lineares, não se mantêm tal notação.) Observação 1.8 Note que, na definição de aplicação linear, estamos indicando as operações nos espaços vetoriais X e Y da mesma maneira: em T .x C �y/, a soma x C �y ocorre no espaço X , enquanto ocorre em Y na expressão T x C �Ty . � i i “ALinear” — 2011/2/26 — 14:45 — page 3 — #21 i i i i i i §1.2 Bases 3 1.2 Bases Definição 1.9 Seja S � X um subconjunto qualquer de um espaço vetorial X . Uma combinação linear de elementos de S é uma soma .finita/ �1x1 C : : :C �kxk ; com �1; : : : ; �k 2 K e x1; : : : ; xk 2 S . O conjunto S é linearmente dependente, se existir um número finito de elementos x1; : : : ; xk 2 S e escalares �1; : : : ; �k 2 K, não todos nulos, tais que �1x1 C : : :C �kxk D 0: Caso contrário, o conjunto S é linearmente independente. O conjunto S gera o espaço X se, para todo x 2 X , existirem .finitos/ elementos x1; : : : ; xj 2 S e escalares �1; : : : ; �j 2 K tais que x D �1x1 C : : :C �jxj . Uma base de X é um subconjunto ordenado B que é linearmente independente e gera X . Um espaço vetorial X tem dimensão finita, se possuir uma base com um número finito de elementos,1 ou se X D f0g. Caso contrário, ele tem dimensão infinita. Lema 1.10 (do intercâmbio de Steinitz) Suponhamos que S D fx1; : : : ; xng gere o espaço vetorialX e que fy1; : : : ; yjg seja linearmente independente emX . Então j � n: Demonstração: Suponhamos que j > n. Como S gera X , temos que y1 D �1x1 C : : :C �nxn; sendo ao menos um dos escalares �1; : : : ; �n diferente de zero (veja o Exercício 11). Podemos supor �1 ¤ 0. Temos então que fx2; : : : ; xn; y1g gera X . De fato, se x 2 X , existem escalares ˛1; : : : ; ˛n tais que x D ˛1x1 C : : :C ˛nxn. Mas, então, x D ˛1 � 1 �1 .y1 �2x2 : : : �nxn/ � C ˛2x2 C : : :C ˛nxn; mostrando o afirmado. 1Diz-se também que o espaço vetorial é finitamente gerado. i i “ALinear” — 2011/2/26 — 14:45 — page 4 — #22 i i i i i i 4 Base e Dimensão Cap. 1 De maneira análoga, y2 D ˇ2x2 C : : :C ˇnxn C ˇ1y1, com ao menos um dos escalares ˇ2; : : : ; ˇn diferente de zero (veja o Exercício 12). Supondo ˇ2 ¤ 0, verificamos então que o conjunto fx3; : : : ; xn; y1; y2g gera o espaço X . Repetindo sucessivamente esse procedimento, obtemos que fy1; : : : ; yng gera o espaço X . Em particular, ynC1 D 1y1 C : : :C nyn: Mas, então, 1y1 : : : nyn C 1ynC1 C 0ynC2 C : : :C 0yj D 0; o que contradiz fy1; : : : ; yjg ser um conjunto linearmente independente. 2 Lema 1.11 Todo espaço vetorial X ¤ f0g gerado por um subconjunto S D fx1; : : : ; xng possui uma base. Demonstração: Se S for linearmente dependente, um de seus elementos pode ser escrito como combinação linear dos elementos restantes. Retirando esse elemento, o conjunto restante continua gerando X . Continuamos retirando elementos que são combinação linear dos elementos restantes até obter um conjunto linearmente independente que continua gerando X . 2 Note que o espaço vetorial X D f0g não possui base. Teorema 1.12 Todas as bases de um espaço vetorialX de dimensão finita possuem o mesmo número de elementos. Demonstração: Se B D fx1; : : : ; xng e B0 D fy1; : : : ; yjg forem bases de X , o Lema 1.10 aplicado ao conjunto linearmente independente B0 e ao conjunto gerador B mostra que j � n. Aplicando então ao conjunto linearmente independente B e ao conjunto gerador B0, obtemos n � j . 2 Definição 1.13 Se B D fx1; : : : ; xng for uma base do espaço vetorial X , dizemos que X tem dimensão n e escrevemos !"X D n: Se X D f0g, X tem dimensão finita igual a zero. i i “ALinear” — 2011/2/26 — 14:45 — page 5 — #23 i i i i i i §1.2 Bases 5 Teorema 1.14 Todo subconjunto linearmente independente S D fy1; : : : ; yjg de um espaço vetorial X de dimensão n � 1 pode ser completado para formar uma base de X . Demonstração: Se S não gerar X , então existe um vetor x1 2 X que não é combinação linear dos elementos de S . O conjunto fy1; : : : ; yj ; x1g é linearmente independente. Repetimos esse procedimento um número finito de vezes, até obter uma base de X . 2 OTeorema 1.14 mostra-nos como obter diferentes bases para um espaço vetorial X ¤ f0g de dimensão finita. Assim, X possui muitas bases. Definição 1.15 Sejam X um espaço vetorial e B D fx1; : : : ; xng uma base de X . Se x 2 X , então existem .únicos/ escalares �1; : : : ; �n 2 K tais que x D �1x1 C : : :C �nxn: O vetor .�1; : : : ; �n/ 2 K n é chamado representação de x na base B e �1; : : : ; �n as coordenadas de x na base B. Denotamos também por ŒxB o vetor .�1; : : : ; �n/. Definição 1.16 Seja ei 2 K n o vetor cuja i -ésima coordenada é igual a 1, as outras sendo nulas. O conjunto E D fe1; : : : ; eng é a base canônica do espaçoK n. Observação 1.17 Uma base de um espaço vetorial é um conjunto ordenado. Assim, se B D fx1; x2; : : : ; xng for uma base do espaço X , então B0 D fx2; : : : ; xn; x1g é outra base deX . O mesmo acontece se a base possuir um número infinito de elementos. � Proposição 1.18 Sejam X um espaço vetorial e B D fx1; : : : ; xng uma base de X . Se x D �1x1 C : : :C �nxn, a aplicação T WX ! K n dada por T x D ŒxB D .�1; : : : ; �n/ estabelece um isomorfismo entre X e Kn. i i “ALinear” — 2011/2/26 — 14:45 — page 6 — #24 i i i i i i 6 Base e Dimensão Cap. 1 Demonstração: Se x D �1x1 C : : :C �nxn e y D 1x1 C : : :C nxn, então T .x C ˛y/ D T ..�1 C ˛ 1/x1 C : : :C .�n C ˛ n/xn/ D .�1 C ˛ 1; : : : ; �n C ˛ n/ D .�1; : : : ; �n/C ˛. 1; : : : ; n/ D ŒxB C ˛ŒyB; mostrando a linearidade de T . Se � D .�1; : : : ; �n/ 2 Kn, então T x D �, para x D �1x1 C : : :C �nxn, o que prova que T é sobrejetora. Finalmente, Tx D Ty, então .�1; : : : ; �n/ D . 1; : : : ; n/, o que implica �i D i para i D 1; : : : ; n e, portanto, x D y. 2 Observe que somente a ordenação dos elementos da base é que permite dar sentido à representação de um vetor em uma base. A importância do isomorfismo destacado na Proposição 1.18 é explorada no Exercício 9. Observação 1.19 Tendo alcançado esse ponto, não deixa de ser interessante comparar três concepções do plano. A primeira concepção é o plano como es- paço euclidiano, o espaço da geometria clássica. Esse espaço é completamente homogêneo: se, de repente, um objeto fosse transportado para esse plano, não haveria como localizá-lo. Todos os pontos são absolutamente iguais. A segunda concepção é o plano como espaço vetorial. Nesse caso, existe um ponto excepcional: a origem. Um objeto transportado para o plano apenas distinguiria sua localização como ocupando a origem ou não. A terceira concepção vem com a introdução de coordenadas, e cria o plano da geometria analítica clássica. Aqui a localização de cada ponto é muito bem determinada por suas coordenadas. O isomorfismo entre um espaço de dimensão finita n e o Kn introduz a possibilidade de medirmos distâncias ou mesmo ângulos. Essa possibilidade será estudada posteriormente, especialmente nos Capítulos 8 e 10. � 1.3 Somas Diretas Definição 1.20 Sejam A;B subconjuntos de um espaço vetorial X . Denotamos por AC B o conjunto de todos os vetores x C y, com x 2 A e y 2 B. Proposição 1.21 Sejam U;V subespaços de X . Então U C V é subespaço de X . O subespaço U C V é chamado soma dos subespaços U e V . i i “ALinear” — 2011/2/26 — 14:45 — page 7 — #25 i i i i i i §1.3 Somas Diretas 7 Demonstração: Se z1 D x1 C y1 e z2 D x2 C y2 forem elementos de U C V e � 2 K, então claramente �z1 C z2 2 U C V (veja o Exercício 4). 2 Definição 1.22 Sejam U;V subespaços de X . O subespaço W D U C V é a soma direta dos subespaços U e V se cada elemento w 2 W puder ser escrito de maneira única como w D x C y: Nesse caso denotamosW porW D U ˚ V . .Veja a Figura 1.1./ A definição de soma direta pode ser generalizada para a soma de um número finito de subespaços de X . Assim, W D V1 C : : : C Vn é a soma direta dos subespaços V1; : : : ;Vn de X se cada elemento w 2 W puder ser escrito de maneira única na forma w D v1 C : : :C vn. �� �� �� �� �� �� �� �� �� �� �� �� �� �� � � � � � � U V u v .u; v/ 2 U ˚ V Figura 1.1: SeW D U ˚ V , um ponto w 2 W escreve-se de maneira única como w D uC v. Proposição 1.23 O subespaçoW D U C V é a soma direta dos subespaços U;V de X se, e somente se, U \ V D f0g. Demonstração: Suponhamos queW D U ˚ V . Se z 2 U \ V então w D x C y também pode ser escrito como w D .x C z/ C .y z/. Como a decomposição w D x C y é única, devemos ter x D x C z e y D y z. Assim, z D 0 (veja o Exercício 2.) Reciprocamente, suponhamos que x1Cy1 e x2Cy2 sejam duas decomposições de w 2 W . Então x1 x2 D y2 y1 pertencem simultaneamente a U e V . Logo x1 x2 D 0 D y2 y1, garantindo a unicidade da decomposição. 2 Note que, se fu1; : : : ;uk ; vkC1; : : : ; vng for base de W , então W D U ˚ V , com U D< u1; : : : ;uk > e V D< vkC1; : : : ; vn >. i i “ALinear” — 2011/2/26 — 14:45 — page 8 — #26 i i i i i i 8 Base e Dimensão Cap. 1 Teorema 1.24 Seja X um espaço vetorial de dimensão finita. Então vale: .i/ todo subespaço Y de X possui dimensão finita; .i i/ todo subespaço Y possui um complemento Z � X , isto é, existe um subespaço Z de X tal que X D Y ˚Z: Demonstração: Se Y D f0g, então !"Y D 0. Caso contrário, tome 0 ¤ y1 2 Y . Se existir y2 2 Y linearmente independente com y1, consideramos então o conjunto fy1; y2g. Se esse conjunto gerar Y , temos uma base. Se não, podemos acrescentar y3 2 Y linearmente independente com y1 e y2. Procedendo assim, obtemos sucessivamente conjuntos linearmente independentes, cada um contendo o anterior. De acordo com o Lema 1.10, esse processo só pode continuar enquanto esses conjuntos tiverem menos elementos do que a dimensão de X . Obtemos assim uma base fy1; : : : ; yjg para Y . Aplicando então o Teorema 1.14, essa base pode ser completada até obtermos uma base fy1; : : : ; yj ; x1; : : : ; xn jg para X . Defina Z como o espaço de todas as combinações lineares dos elementos x1; : : : ; xn j . Claramente Z é um subespaço de X e Z \ Y D f0g. Logo, pela Proposição 1.23, temos X D Y ˚Z. 2 1.4 Espaço Quociente Definição 1.25 Seja Y um subespaço de X . Se x1; x2 2 X , dizemos que x1 é congruente a x2 módulo Y , escrito x1 � x2 "# Y; se x1 x2 2 Y . Podemos dividir o espaço X em diferentes classes de equivalência módulo Y (veja o Exercício 31). Denotaremos a classe contendo o elemento x por Œx. (Cuidado para não confundir essa notação com ŒxB, que é a representação do vetor x na base B.) Definição 1.26 Se Œx e Œz forem classes de equivalência módulo Y e � 2 K, definimos ŒxC Œz D Œx C z; �Œx D Œ�x: i i “ALinear” — 2011/2/26 — 14:45 — page 9 — #27 i i i i i i §1.4 Espaço Quociente 9 Com essas operações, o conjunto de todas as classes de equivalência módulo Y torna-se um espaço vetorial, denotado por X Y ou X=Y e denominado espaço quociente de X por Y . A classe de equivalência Œx muitas vezes é representada por x C Y . A rigor, precisamos mostrar que as operações em X=Y estão bem definidas, isto é, independem dos representantes de cada classe de equivalência. Portanto, suponhamos que x1 2 Œx e z1 2 Œz. Então x1 D x C y1 e z1 D z C y2, com y1; y2 2 Y . Mas, então, x1C z1 D xCy1C zCy2 D xC zC .y1Cy2/ e, assim, x1 C z1 � x C z !" Y . Do mesmo modo, �x1 D �x C .�y1/ e �x1 � �x !" Y . Exemplo 1.27 Seja X um espaço vetorial qualquer. Se Y D X , então X=Y D fŒ0g, pois x � 0 !" Y para todo x 2 X . Por outro lado, se Y D f0g, então X=Y D X , pois x � y !" Y implica x D y. � Exemplo 1.28 Seja Y � R2 o subespaço definido por Y D f.x; y/ j 2y D xg. (Em outras palavras, Y é a reta de equação 2y D x). Na Figura 1.2, os vetores w1; : : : ; w5 pertencem todos à mesma classe. Assim, o vetor Œw1C Y 2 R2=Y é uma reta paralela à reta 2y D x. O espaço quociente R2=Y é formado por todas as retas paralelas à reta 2y D x. - 6 �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� @ @ @I � 6 � � � � ��� XXX XXXy x y Y Œw1 w1 w2 w3 w4 w5 Figura 1.2: O subespaço Y é a reta 2y D x. Os vetores w1; : : : ; w5 pertencem todos à mesma classe. O espaço R2=Y é formado por todas as retas paralelas à reta 2y D x. Sem dificuldades, podemos estender a interpretação geométrica aqui apre- sentada ao caso geral. � i i “ALinear” — 2011/2/26 — 14:45 — page 10 — #28 i ii i i i 10 Base e Dimensão Cap. 1 Exemplo 1.29 Seja x 2 Kn e considere Y o subespaço de todos os vetores cujas duas primeiras coordenadas são nulas. Então dois vetores são congruentes módulo Y se, e somente se, suas duas primeiras coordenadas forem iguais. Isto é, .x1; x2; x3; : : : ; xn/ � .y1; y2; y3; : : : ; yn/ !" Y , x1 D y1 e x2 D y2: A classe de equivalência de x 2 Kn pode ser vista como um vetor com duas componentes, dadas pela primeira e segunda coordenadas de x. � Teorema 1.30 Consideremos a decomposição X D Y ˚Z: Então a aplicação QWZ ! X=Y definida por Q.z/ D Œz é um isomorfismo canônico. .Um isomorfismo é canônico, se ele independer de escolhas de bases nos espaços envolvidos./ Assim, se X tiver dimensão finita e fz1; : : : ; zjg for uma base de Z, então fŒz1; : : : ; Œzj g é uma base de X=Y . Portanto, "# X=Y D "# Z D "# X "# Y: Demonstração: Definimos QWZ � X ! X=Y porQ.z/ D Œz. A aplicação Q é claramente linear. Cada classe Œx 2 X=Y tem como representante um elemento x 2 X . Mas, existe uma única decomposição x D y C z, com y 2 Y e z 2 Z. Assim, Œx D Œy C z D Œz, mostrando queQ é sobrejetor. Suponhamos que Œz1 D Œz2. Então z1 D z2Cy, com y 2 Y . Mas, isso implica z1 z2 D y 2 Y . Como z1 z2 2 Z, concluímos que z1 z2 D 0, completando a demonstração. 2 Exemplo 1.31 (Continuação do Exemplo 1.28) Na Figura 1.3, o espaço R2 é a soma direta dos subespaços Y e Z. A aplicação Q associa Œw 2 X=Y ao ponto z0 2 Z, (única) interseção da reta Œw com o subespaço Z. � 1.5 Exercícios 1. Seja X um espaço vetorial. Se x for o inverso aditivo de x 2 X , mostre que x D . 1/x. i i “ALinear” — 2011/2/26 — 14:45 — page 11 — #29 i i i i i i §1.5 Exercícios 11 - 6 �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� �� fi fi fi fi fi fi fi fi fi fi fi fi fi fi fi fi fi fi fi fi fi fifi x y Y Œw Z z0 Figura 1.3: A reta Œw 2 X=Y intercepta o subespaço Z no ponto z0. 2. Seja X um espaço vetorial. Mostre que 0 2 X é único e que �0 D 0 2 X para todo � 2 K. Mostre também que 0x D 0 para todo x 2 X . 3. Seja X D f.x1; : : : ; xn/ j xi 2 Kg. Defina a soma x C y da maneira usual e �x D 0 para todo � 2 K e x 2 X . Verifique quais propriedades da definição de espaço vetorial são satisfeitas. 4. SejaX um espaço vetorial. Mostre que Y � X é um subespaço se, e somente se, �x C y 2 Y para quaisquer x; y 2 Y e � 2 K. 5. Se X for um espaço vetorial, mostre que os conjuntos X e f0g (que consiste apenas do elemento neutro aditivo) são subespaços de X , chamados subespaços triviais. 6. Seja S ¤ ;. Generalize o Exemplo 1.3 e mostre que ff WS ! Kng é um espaço vetorial. 7. Seja V � Kn o conjunto de todas as n-uplas da forma .0; 0; x3; : : : ; xn/. Mostre que V é um subespaço de Kn. 8. Seja B D fx1; : : : ; xng uma base do espaço vetorial X . Mostre que cada elemento x 2 X escreve-se de maneira única como combinação linear dos elementos de B. (Compare com a Definição 1.15.) 9. Seja U D f.x; y/ 2 R2 j x > 0; y > 0g. Se z1 D .x1; y1/ e z2 D .x2; y2/ forem elementos de U e � 2 R, defina z1 C z2 D .x1x2; y1y2/; �z1 D .x � 1 ; y � 1 /: i i “ALinear” — 2011/2/26 — 14:45 — page 12 — #30 i i i i i i 12 Base e Dimensão Cap. 1 .a/ Mostre que U é um espaço vetorial com elemento neutro aditivo .1; 1/. .b/ Mostre que, se v1 D .e; 1/ e v2 D .1; e/, então B D fv1; v2g é uma base de U (estamos denotando por e a base dos logaritmos naturais). .c/ Defina T WU ! R2 por T .z/ D ŒzB, em que ŒzB é a representação de z na base B. Mostre que T é um isomorfismo. .d/ Encontre todos os subespaços unidimensionais de U . 10. Seja S � X um subconjunto arbitrário do espaço vetorial X . Mostre que o conjunto de todas as combinações lineares dos elementos de S é um subespaço de X , chamado (sub)espaço gerado por S e denotado por < S >. Mostre que, se Y � X for um subespaço tal que S � Y , então < S > � Y . (Esse exercício generaliza o procedimento usado na demonstração do Teorema 1.24). 11. Seja X um espaço vetorial. Se S � X for linearmente independente, mostre que 0 62 S . Mostre que, se um conjunto possuir um subconjunto linearmente dependente, então esse conjunto é linearmente dependente. 12. Qual a razão, na demonstração do Lema 1.10, de substituirmos sempre um dos elementos xj ; : : : ; xn do conjunto fxj ; : : : ; xn; y1; : : : ; yj 1g por um dos elemento y1; : : : ; yj 1? Porque não podemos substituir yj por um dos elementos y1; : : : ; yj 1? 13. Seja S D f1; z; z2; : : : ; zn; : : :g. Mostre que S é uma base de KŒz. 14. Seja T WX ! Y uma aplicação linear e defina !"T WD fv 2 X j T v D 0g. Mostre que T é injetora se, e somente se, !"T D f0g. 15. Exiba um isomorfismo entre Kn e KnŒz. 16. Defina K1 como o espaço de todas as sequências .z1; : : : ; zn; : : :/ com a soma e multiplicação por escalar definidas de maneira natural. Mostre que K1 é um espaço vetorial. Considere seu subespaço K10 , formado por todas as sequências satisfazendo zi D 0, exceto para um número finito de índices. Mostre que K10 é isomorfo ao espaço KŒz. 17. Sejam T WX ! Y e S WY ! Z aplicações lineares. Mostre que a composta S ı T D ST é uma aplicação linear. i i “ALinear” — 2011/2/26 — 14:45 — page 13 — #31 i i i i i i §1.5 Exercícios 13 18. Seja T WX ! Y um isomorfismo entre os espaços X e Y . Mostre que a inversa T 1WY ! X é linear. 19. Mostre que todo espaço vetorial de dimensão n sobre o corpo K é isomorfo a Kn. Esse isomorfismo é único? Conclua que quaisquer dois espaços de dimensão n sobre o mesmo corpo K são sempre isomorfos. Os espaços Rn e Cn são isomorfos? 20. Sejam X , Y espaços vetoriais de dimensão finita sobre o corpo K. Mostre que, se T WX ! Y for um isomorfismo, então a imagem por T de toda base de X é uma base de Y . Em particular, !"X D !"Y . 21. Seja B D fx1; : : : ; xng uma base de X e Y um espaço vetorial. Escolha arbitrariamente y1; : : : ; yn 2 Y . Mostre que existe uma única aplicação linear T WX ! Y tal que T .xi/ D yi para i D 1; : : : ; n. Conclua que, se fy1; : : : ; yng for uma base de Y , então T é um isomorfismo. 22. Mostre que S é uma base de X se, e somente se, todo elemento x 2 X puder ser escrito de maneira única como combinação linear dos elementos de S . 23. Seja X um espaço vetorial de dimensão n. Se S D fy1; : : : ; yng � X for um conjunto linearmente independente, mostre que S é uma base de X . 24. Sejam X um espaço vetorial de dimensão n e S D fy1; : : : ; yng um conjunto que gera X . Mostre que S é uma base de X . 25. Seja X um espaço vetorial e S D fx1; : : : ; xkg um subconjunto linearmente dependente formado por vetores não-nulos do espaço X . Mostre que um deles é combinação linear dos vetores precedentes. 26. Sejam X um espaço de dimensão n e V1 ˚ � � � ˚ Vk uma soma direta de subespaços de X . Mostre que !".V1 ˚ � � � ˚ Vk/ D !"V1 C : : :C !"Vk � n: 27. Sejam X um espaço de dimensão finita e U;V subespaços de X . Mostre que !".U C V / D !"U C !"V !".U \ V /. 28. Denotaremos por Mn�n.K/ o conjunto das matrizes n � n com entradas no corpo K. Defina o conjunto das matrizes simétricas S D fA 2 i i “ALinear” — 2011/2/26 — 14:45 — page 14 — #32 i i i i i i 14 Base e Dimensão Cap. 1 Mn�n.K/ jA t D Ag, em que At denota a transposta da matriz A (veja 3.12 para a definição da transposta de uma matriz); defina o conjunto das matrizes anti-simétricas A D fA 2 Mn�n.K/ jAt D Ag. Mostre que Mn�n.K/ D S ˚A. 29. Mostre que U \ V é um subespaço de X , se U e V forem subespaços de X . O subespaço U \ V é a interseção dos subespaços U e V . 30. Seja X um espaço vetorial e W1;W2 subespaços. Mostre que, se X D W1 [W2, então X D Wi para pelo menosalgum i 2 f1; 2g. 31. Seja � uma relação de equivalência2 num conjunto A. Dado x 2 A, denote cl.x/ WD fy 2 A j y � xg a classe de equivalência do elemento x. Mostre que A pode ser escrito como uma união disjunta de suas classes de equivalência. 32. Mostre que a congruência módulo Y é uma relação de equivalência. 33. Seja Y um subespaço de X com !"Y D !"X . Mostre que Y D X . 34. Seja W � R3 o subespaço (verifique!) formado por todas as soluções da equação linear homogênea 2x C 3y C 4z D 0. Descreva as classes de equivalência da congruência móduloW . 35. SejamX um espaço vetorial eM;N subespaços. Dê exemplo desses espaços, de modo que .a/ nemM , nem X=M tenha dimensão finita; .b/ X=M tenha dimensão finita, mas X=N não tenha. 36. Seja T WX ! X um operador linear e W um subespaço invariante por T , isto é, T .W / � W . Considere a aplicação NT WX ! X=W definida por NT .x/ D ŒT x. Mostre que NT é linear e que, se q 2 KŒz satisfizer q.T / D 0, então q. NT / D 0. 37. SejaW � X um subespaço eQWX ! X=W a aplicação quociente definida porQ.x/ D Œx. Seja Y � X outro subespaço deX . Mostre queX D W˚Y se, e somente se, a restriçãoQjY WY ! X=W for um isomorfismo. 2Quer dizer, se x;y; z 2 A, então: .i/ x � x; .i i/ se x � y, então y � x; .i i i/ se x � y e y � z, então x � z. i i “ALinear” — 2011/2/26 — 14:45 — page 15 — #33 i i i i i i §1.5 Exercícios 15 38. A soma direta de espaços vetoriais X1;X2 é o conjunto X1˚X2 de todos os pares .x1; x2/ com x1 2 X1 e x2 2 X2. Definindo adição e multiplicação por escalar coordenada a coordenada, mostre que X1 ˚X2 é um espaço vetorial. SeX1 eX2 tiverem dimensão finita, então !".X1˚X2/ D !"X1C !"X2. 39. Seja Y um subespaço de X . Mostre que X é isomorfo a Y ˚X=Y . i i “ALinear” — 2011/2/26 — 14:45 — page 16 — #34 i i i i i i 2 Dualidade Este Capítulo apresenta, para o caso de espaços de dimensão finita, uma primeira versão do Teorema de Representação de Riesz e também o isomorfismo canônico entre o espaço X e o bidual X 00. Ele pode ser suprimido numa primeira leitura ou a critério do instrutor. 2.1 O Espaço Dual Existem muitas maneiras de produzir espaços vetoriais a partir de espaços ou subespaços conhecidos. Por exemplo, seM for um subespaço de X , então X=M é um novo espaço vetorial. Ou, dados os espaços vetoriais X e Y , podemos considerar o espaço X ˚ Y , apresentado no Exercício 38 do Capítulo 1. Apresentaremos agora uma forma importante de obter um novo espaço vetorial, partindo do espaço X : Definição 2.1 Se X for um espaço vetorial sobre K, consideremos o conjunto X 0 D f`WX ! K j ` é linearg: De maneira natural vemos que X 0 tem uma estrutura de espaço vetorial, se definirmos, para `;m 2 X 0 e � 2 K, .`Cm/.x/ D `.x/Cm.x/; .�`/.x/ D �`.x/: Com essas operações, X 0 D f`WX ! K j ` é linearg denota o espaço dual1 de X . Os elementos de X 0 são chamados de funcionais lineares. 1Também chamado espaço dual algébrico do espaço X , em contraposição ao espaço dual topológico definido em textos de Análise Funcional. Em espaços de dimensão finita as definições coincidem. 16 i i “ALinear” — 2011/2/26 — 14:45 — page 17 — #35 i i i i i i §2.1 O Espaço Dual 17 Exemplo 2.2 Seja X D ff W Œ0; 1! R j f é contínuag. Defina `.f / D R 1 0 f .s/ds e, para s0 2 Œ0; 1 fixo, m.f / D f .s0/. É fácil verificar que ` 2 X 0 e m 2 X 0. � Exemplo 2.3 Defina �1WKn ! K por �1.x1; : : : ; xn/ D x1. Então �1 2 .Kn/0. � Seja fx1; : : : ; xng uma base do espaço vetorial X . Então, para todo x 2 X , existem escalares `1.x/; : : : ; `n.x/ tais que x D `1.x/x1 C : : :C `n.x/xn: Os escalares `i.x/ são justamente as coordenadas de x na base fx1; : : : ; xng. (Quer dizer, se x D ˛1x1 C : : :C ˛nxn, `i.x/ denota ˛i .) Teorema 2.4 Sejam B D fx1; : : : ; xng uma base de X e x D `1.x/x1 C : : :C `n.x/xn: Então, se ıij denotar 0, se i ¤ j , e 1, se i D j , temos: .i/ `iWX ! K é um funcional linear e `i.xj/ D ıij , para i; j 2 f1; : : : ; ng; .i i/ o conjunto f`1; : : : ; `ng é uma base de X 0, chamada de base dual da base B; .i i i/ se m 2 X 0, então m.x/ D `1.x/m.x1/C : : :C `n.x/m.xn/: .iv/ para todo 0 ¤ x 2 X , existe m 2 X 0 tal que m.x/ ¤ 0. Demonstração: Suponhamos que x D ˛1x1C : : :C˛nxn e y D ˇ1x1C : : :Cˇnxn (quer dizer, `i.x/ D ˛i e `i.y/ D ˇi). Então x C �y D .˛1 C �ˇ1/x1 C : : : C .˛n C �ˇn/xn e, portanto, `i.x C �y/ D ˛i C �ˇi D `i.x/C �`i.y/, mostrando .i/. Quanto à afirmação .i i/, suponhamos que �1`1 C : : : C �n`n D 0 2 X 0. Avaliando esse funcional sucessivamente nos vetores x1; : : : ; xn, concluímos que �1 D : : : D �n D 0. Seja agora m 2 X 0. Então m.x/ D m.˛1x1 C : : :C ˛nxn/ D ˛1m.x1/C : : :C ˛nm.xn/ D `1.x/m.x1/C : : :C `n.x/m.xn/; provando não apenas que `1; : : : ; `n geram X 0, mas também a afirmação .i i i/. Se x ¤ 0, então alguma coordenada `i.x/ na expressão x D `1.x/x1 C : : :C `n.x/xn não é nula. Considerando m D `i , obtemos .iv/. 2 i i “ALinear” — 2011/2/26 — 14:45 — page 18 — #36 i i i i i i 18 Dualidade Cap. 2 Observação 2.5 A parte .i i i/ do Teorema 2.4 é uma versão do Teorema de Representação de Riesz; veja o Teorema 8.23. � Uma vez que X 0 é um espaço vetorial, esse espaço tem o seu dual, que será denotado por X 00 e chamado de bidual de X . Note que X 00 é, por definição, o espaço vetorial de aplicações lineares X 00 D fLWX 0 ! K j L é linearg: Quer dizer, L é uma transformação linear que associa, a cada funcional linear `WX ! K, o número L.`/ 2 K. Os elementos de X 00 são, aparentemente, complicados. Mostraremos que, em espaços de dimensão finita, as aplicações lineares em X 00 estão canonicamente associadas aos vetores do espaço X . Quer dizer, existe um isomorfismo entre X e X 00 que independe da utilização de bases nesses espaços vetoriais. (A existência de um isomorfismo entre esses espaços é trivial: se !"X D n, o Teorema 2.4 garante então que !"X 00 D !"X 0 D !"X D n. Espaços vetoriais de mesma dimensão são sempre isomorfos: veja o Exercício 19 do Capítulo 1.) Lema 2.6 Para cada x 2 X fixo, considere a aplicação LxWX 0! K definida por Lx.`/ D `.x/: Quer dizer, Lx associa a cada funcional linear ` 2 X 0 o valor que ` assume no ponto x. Então Lx 2 X 00. Demonstração: Suponhamos que `;m 2 X 0. Então, se ˛ 2 K, Lx.`C ˛m/ D .`C ˛m/.x/ D `.x/C ˛m.x/ D Lx.`/C ˛Lx.m/: (Compare essa demonstração com o Exemplo 2.2.) 2 Teorema 2.7 Seja X um espaço vetorial de dimensão finita. Então os espaços X 00 e X são canonicamente isomorfos. Mais precisamente, todo elemento do espaço X 00 é da forma Lx , para algum x 2 X . Demonstração: Apesar de ser constituída de etapas simples, a idéia da prova é relativamente elaborada. Definimos D fLx j x 2 X g. Quer dizer, os elementos de são as aplicações lineares definidas no lema anterior. Vamos mostrar, em primeiro lugar, que é um subespaço de X 00. Depois, mostraremos que X é isomorfo a . Assim, !" D n D !"X 00. Isso quer dizer que D X 00. i i “ALinear” — 2011/2/26 — 14:45 — page 19 — #37 i i i i i i §2.1 O Espaço Dual 19 Sejam Lx;Ly 2 e � 2 K. Consideremos Lx C �Ly . Queremos mostrar que essa aplicação linear é um elemento de , isto é, Lx C �Ly D Lz para algum z 2 X . Temos, para ` 2 X 0, .Lx C �Ly/.`/ D Lx.`/C �Ly.`/ D `.x/C �`.y/ D `.x C �y/ D LxC�y.`/: Isso mostra que é um subespaço de X 00. Agora definimos: T W X ! x 7! Lx: Vamos mostrar que T é um isomorfismo entre X e . Temos que T .x C �y/ D LxC�y D Lx C �Ly D T .x/C �T .y/; de acordo com o que mostramos na primeira parte. A aplicação T é sobrejetora, por definição. A injetividade também é clara: se T .x/ D T .y/, então Lx D Ly e, portanto, Lx.`/ D Ly.`/ para todo ` 2 X 0. Mas, então, `.x/ D `.y/ e `.x y/ D 0 paratodo ` 2 X 0. Mas, isto implica x y D 0, de acordo com o Teorema 2.4, .iv/. Isto mostra a injetividade e completa a demonstração. 2 Uma consequência do Teorema 2.7 é que a construção de novos espaços vetoriais por meio de duais do espaço de dimensão finita X , esgota-se, senão no próprio espaço X 0 (que já é isomorfo a X ), por certo no espaço X 00, que é canonicamente isomorfo ao espaço X . Concluímos este capítulo com a seguinte aplicação dada por Lax [22], sur- preendente à primeira vista: Teorema 2.8 Sejam t1; : : : ; tn pontos distintos do intervalo I . Então existem constantes ˛1; : : : ; ˛n tais queZ I p.t/dt D ˛1p.t1/C : : :C ˛np.tn/ para todo polinômio p de grau menor do que n. Demonstração: O espaço KnŒt de todos os polinômios p.t/ D a0 C a1t C : : :C an 1t n 1 de grau menor do que n é isomorfo a Kn e, portanto, tem dimensão n. Definimos j`.p/ D p.tj /. Então j` 2 .KnŒt /0. Afirmamos que f`1; : : : ; `ng é linearmente independente. De fato, suponhamos que �1`1 C : : :C �n`n D 0 2 .KnŒt / 0: i i “ALinear” — 2011/2/26 — 14:45 — page 20 — #38 i i i i i i 20 Dualidade Cap. 2 Isso implica �1p.t1/C : : :C �np.tn/ D 0; 8 p 2 KnŒt : (2.1) Considere os polinômios qi.t/ D nY j D 1 j ¤ i .t tj /: Cada polinômio qi possui exatamente n 1 raízes nos pontos tj , com j ¤ i . Substituindo sucessivamente os polinômios qi na relação .2:1/, obtemos �iq.ti/ D 0, o que implica �i D 0. Isso mostra que f`1; : : : ; `ng é linearmente independente em .KnŒt /0 e, portanto, uma base desse espaço. Assim, todo funcional linear `WKnŒt ! R é uma combinação linear dos funcionais `1; : : : ; `n e, portanto, ` D ˛1`1 C : : :C ˛n`n para escalares ˛1; : : : ; ˛n 2 K. O resultado segue-se daí ao considerarmos o funcional linear p 7! Z I p.t/dt: 2 2.2 Exercícios 1. Considere a base B WD fv1; v2g do R2, em que v1 D .2; 1/ e v2 D .3; 1/. Ache a base dual de B. 2. Seja RnŒt o espaço de todos os polinômios (com coeficientes em R) de grau menor do que n (na incógnita t). Mostre que as seguintes aplicações pertencem ao dual de RnŒt : .a/ �i.p.t// D ai para todo i D 0; 1; : : : ; n 1, se p.t/ 2 RnŒt for dado por p.t/ D a0 C a1t C : : :C an 1tn 1; .b/ J.p.t// D R 1 0 p.t/dt , para todo p.t/ 2 RnŒt . 3. Considere o espaço R2Œt , como antes. Sejam `1WR2Œt ! R e `2WR2Œt ! R dadas por `1.p.t// D R 1 0 p.t/dt e `2.p.t// D R 2 0 p.t/dt . Mostre que B0 D f`1; `2g é uma base de .R2Œt /0. Ache a base fv1; v2g de R2Œt da qual B0 é dual. i i “ALinear” — 2011/2/26 — 14:45 — page 21 — #39 i i i i i i §2.2 Exercícios 21 4. Considere a demonstração do Teorema 2.7. Se X tiver dimensão infinita, o que podemos concluir? 5. Sejam X um espaço vetorial arbitrário e f WX ! K um funcional linear não-nulo. .a/ Mostre que !" f tem codimensão 1, isto é, existe w 2 X tal que X D !" f ˚ < w > (< w > denota o espaço gerado por w 2 X ). .b/ Se gWX ! K for outro funcional linear, então g é um múltiplo escalar de f se, e somente se, o núcleo de g contiver o núcleo de f . .c/ Sejam '; f1; : : : ; fr funcionais lineares no espaço X . Mostre que ' é combinação linear de f1; : : : ; fr se, e somente se, !" f1\� � �\ !" fr � !" '. 6. SejamX um espaço vetorial e S � X um subconjunto arbitrário. O anulador de S é o conjunto S0 D ff 2 X 0 j f .s/ D 0 8 s 2 Sg. Mostre que S0 é subespaço de X 0. 7. Seja Y � X um subespaço do espaço vetorial de dimensão finita X . Mostre que #$%X D #$%Y C #$%Y 0. Identificando X e X 00 (de acordo com o Teorema 2.7), mostre que Y 00 WD .Y 0/0 D Y . 8. Seja S D f.2; 2; 3; 4; 1/; . 1; 1; 2; 5; 2/; .0; 0; 1; 2; 3/; .1; 1; 2; 3; 0/g um subconjunto do R5. Obtenha o anulador de < S >. 9. Seja W � X um subespaço e f WW ! K linear. Mostre que existe um funcional linear 'WX ! K que estende f , isto é, '.w/ D f .w/ para todo w 2 W . 10. Seja T WX ! Y uma aplicação linear. A aplicação T induz uma aplicação linear T 0WY 0 ! X 0 da seguinte maneira: para cada funcional `WY ! K, definimos T 0WY 0 ! X 0 por T 0.`/ D `T D ` ı T: i i “ALinear” — 2011/2/26 — 14:45 — page 22 — #40 i i i i i i 22 Dualidade Cap. 2 Y X � @ @R K - T ` ` ı T (A aplicação T 0 é a transposta de T . Alguns autores a chamam de adjunta de T , mas ela não coincide com a aplicação adjunta que será definida posteriormente, no Capítulo 8.) .a/ Mostre que T 0 é uma aplicação linear; .b/ se S;T WX ! Y forem aplicações lineares, mostre que .S C ˛T /0 D S 0 C ˛T 0; .c/ se S WX ! Y e T WY ! Z forem aplicações lineares, mostre que .ST /0 D T 0S 0; .d/ se T WX ! Y tiver inversa, mostre que .T 1/0 D .T 0/ 1; .e/ se X e Y tiverem dimensão finita, identificando X 00 com X e Y 00 com Y , mostre que T 00W D .T 0/0 é então identificado com T ; .f / se X e Y tiverem dimensão finita, qual a relação entre os núcleos e imagens de T e T 0? (Observação: o núcleo e a imagem de uma aplicação linear estão definidos em 3.10.) 11. Seja X um espaço de dimensão finita, com X D M ˚ N . Considere a projeção � WX ! M definida por �.x/ D m, se x D m C n. Obtenha a transposta � 0.
Compartilhar