Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESFERAS EM ESPAÇOS EUCLIDIANOS Marcos Luiz Crispino 2016 i Sumário Capítulo 1 - Apresentação....................................................................................... 1 Capítulo 2 - Espaços vetoriais reais........................................................................ 4 2-1 - A noção de espaço vetorial............................................................................. 4 2-2 - Subespaços....................................................................................................15 2-3 - Dependência e independência linear............................................................24 2-4 - Bases..............................................................................................................29 2-5 - Variedades lineares....................................................................................... 34 Exemplo 52............................................................................................................40 Exemplo 53............................................................................................................41 Exemplo 54............................................................................................................41 Exemplo 55............................................................................................................41 Exemplo 58............................................................................................................41 Capítulo 3 - Transformações lineares....................................................................44 3-1 - A noção de transformação linear..................................................................44 3-2 - O Teorema do Núcleo e da Imagem.............................................................. 49 3-3 - Funcionais lineares.......................................................................................51 3-4 - Projeções....................................................................................................... 60 3-5 - Hiperplanos................................................................................................... 62 Exemplo 80 - Polinômio interpolador de Lagrange...............................................60 Exemplo 94............................................................................................................63 Exemplo 95............................................................................................................64 Exemplo 100..........................................................................................................68 Exemplo 101..........................................................................................................68 Exemplo 102..........................................................................................................69 Capítulo 4 - Espaços vetoriais normados..............................................................71 4-1 - Seminorma e norma......................................................................................71 4-2 - Espaços euclidianos...................................................................................... 80 4-3 - Ortogonalidade..............................................................................................90 4-4 - Hiperplanos com vetor normal..................................................................... 96 Exemplo 107 - Norma do máximo em Rn..............................................................74 Exemplo 108 - Norma da soma em Rn...................................................................75 Exemplo 110 - Norma da convergência uniforme.................................................75 Exemplo 119..........................................................................................................82 Exemplo 120..........................................................................................................83 Exemplo 122..........................................................................................................83 Exemplo 123..........................................................................................................85 Exemplo 147..........................................................................................................97 Exemplo 156........................................................................................................100 Capítulo 5 - Esferas............................................................................................. 105 i ESFERAS EM ESPAÇOS EUCLIDIANOS ii 5-1 - A noção de esfera........................................................................................106 5-2 - Esferas em espaços vetoriais normados.....................................................108 5-3 - Esferas em espaços euclidianos..................................................................114 Exemplo 174 - Projeção estereográfica...............................................................115 Exemplo 175........................................................................................................116 Exemplo 176........................................................................................................116 Exemplo 181........................................................................................................119 Exemplo 183........................................................................................................120 Exemplo 184 - Contra-exemplo em espaço não-euclidiano................................123 Exemplo 186........................................................................................................124 Exemplo 190........................................................................................................125 Exemplo 195........................................................................................................128 Capítulo 6 - Distâncias........................................................................................ 130 6-1 - Distância entre conjuntos...........................................................................131 6-2 - Distâncias em espaços euclidianos.............................................................139 6-3 - Interseção entre esferas..............................................................................153 Exemplo 215 - Contra-exemplo em espaço não-euclidiano................................145 Exemplo 217........................................................................................................146 Exemplo 218 - Contra-exemplo em espaço não-euclidiano................................146 Exemplo 222........................................................................................................148 Exemplo 223........................................................................................................148 Exemplo 224........................................................................................................149 Exemplo 227........................................................................................................150 Exemplo 229 - Contra-exemplo em espaço não-euclidiano................................161 Exemplo 233........................................................................................................162 Exemplo 238 - Sistema não-linear...................................................................... 164 Exemplo 241........................................................................................................166 Capítulo 7 - Distâncias entre conjuntos e esferas.............................................. 168 7-1 - Distância de ponto a esfera........................................................................ 169 7-2 - Distância de variedade linear a esfera........................................................185 7-3 - Distância entre esferas...............................................................................197 Exemplo 242 - Contra-exemplo em espaço não-euclidiano................................173 Exemplo 252........................................................................................................179 Exemplo 254........................................................................................................180 Exemplo 255........................................................................................................181 Exemplo 259........................................................................................................189 Exmeplo 265........................................................................................................192 Exemplo 266........................................................................................................193 Exemplo 270........................................................................................................196 Exemplo 271........................................................................................................205 Exemplo 274 - Contra-exemplo em espaço não-euclidiano................................206 Exemplo 275........................................................................................................207 ii SUMÁRIO iii Bibliografia...........................................................................................................208 Índice................................................................................................................... 209 iii 1 Capítulo 1 Apresentação Esferas em espaços Rn, também chamadas hiperesferas, intervêm em uma grande diversidade de aplicações, entre as quais reconhecimento de padrões, classificação binária através do algoritmo máquina de vetor suporte, (support vector machine) inferência Bayesiana multivariada e teoria da decisão. Desta forma, o conhecimento das propriedades das esferas em espaços euclidianos é interessante para engenheiros, estatísticos e economistas, e também (é claro) para os matemáticos. Neste livro, importantes resultados referentes a esferas em espaços vetoriais normados e espaços euclidianos, entre os quais projeção estereográfica, potência de um ponto relativamente a uma esfera, interseção entre duas esferas, distância de um ponto a uma esfera, distância de variedades lineares a esferas, interseções entre variedades lineares e esferas e distância entre duas esferas, são obtidos por um método poderosíssimo: O formalismo da Álgebra Linear. A linguagem da Álgebra Linear proporciona demonstrações elegantes e independentes de sistemas e transformações de coordenadas, e também da dimensão do espaço em discussão. Deste modo será demonstrado que os resultados conhecidos para circunferências no plano (R2) e no espaço (R3) são casos particulares de resultados válidos em espaços euclidianos quaisquer, até mesmo de dimensão infinita, independentemente da completeza destes espaços. Assim, o desenvolvimento do texto mostra que não há motivo para que a Geometria Analítica fique restrita a dimensões dois e três. Este, aliás, é o objetivo primordial deste livro. Por isto, ele é dirigido aos professores das instituições de ensino superior, principalmente àqueles que lecionam Geometria Analítica e Álgebra Linear, como também aos alunos dos cursos de graduação, iniciação científica e pós-graduação nas diversas áreas de Ciências e Engenharia. Ele se destina também aos pesquisadores e profissionais nestas áreas. Neste livro serão considerados apenas espaços vetoriais reais. Portanto, a terminologia "espaço vetorial" significará aqui espaço vetorial sobre o corpo dos números reais. Alguns autores definem espaços euclidianos como sendo qualquer espaço vetorial real dotado de produto interno (v. Taylor, Introduction to Functional Analysis, 1958, p. 119), e não apenas os espaços vetoriais de dimensão finita com produto interno. É esta terminologia que será adotada aqui. Portanto, "espaço euclidiano" significa, para os propósitos do presente texto, espaço vetorial real, de dimensão finita ou infinita, com produto interno. Há até mesmo autores (v. Prugovec̆ki, Quantum Mechanics in Hilbert Space, 2006, p. 18) que chamam de espaços euclidianos inclusive os espaços vetoriais complexos com produto interno. O conteúdo do texto é apresentado em seis capítulos, do Capítulo 2 ao Capítulo 7. Para fazer o texto tão autossuficiente quanto possível, os três primeiros capítulos, 2, 3 e 4, contêm uma revisão dos conceitos de Álgebra Linear necessários para o desenvolvimento subsequente. No Capítulo 2 serão apresentados os axiomas de espaço vetorial e serão deduzidas as propriedades que deles decorrem. Em seguida, serão apresentadas as noções de 1 2 subespaço de um espaço vetorial e de subespaço gerado por um subconjunto de um dado espaço vetorial. Com isto, é possível definir espaço vetorial de dimensão finita. Serão definidas a dependência e a independência linear de um conjunto de elementos de um espaço vetorial E. Assim, será possível definir base algébrica de um espaço vetorial, e também a dimensão de um espaço vetorial de dimensão finita. A última seção do Capítulo 2 contém a noção de variedade linear, ou variedade afim. Este assunto é abordado de modo superficial, quando o é, nos textos de Álgebra Linear. O objetivo do Capítulo 3 é apresentar o conceito de transformação linear entre espaços vetoriais (reais) e discutir as propriedades destas transformações que são necessárias para o desenvolvimento posterior. As transformações lineares que têm o conjunto R dos números reais como contradomínio são chamadas funcionais lineares. Através da noção de funcional linear, são definidos os hiperplanos. As propriedades dos funcionais lineares são essenciais para a discussão dos hiperplanos. No Capítulo 4 serão discutidos os espaços vetoriais normados e os espaços euclidianos. Inicia-se o Capítulo 4 com a definição de seminorma e norma em um espaço vetorial. Em seguida, é apresentada a noção de produto interno, atavés da qual são definidos os espaços euclidianos. Nos espaços euclidianos, tem sentido a noção de perpendicularismo. Desta forma, será apresentada no Capítulo 4 a noção de ortogonalidade. Serão também discutidos no Capítulo 4 hiperplanos de um tipo particular: Os hiperplanos com vetor normal. Uma vez definida uma norma em um espaço vetorial, ele se torna um espaço métrico. Nos espaços métricos, tem sentido a noção de distância, e portanto de esfera. Num espaço métrico M, d, uma esfera é o conjunto dos pontos x ∈ M equidistantes de um ponto a ∈ M dado, que se diz o centro da esfera. No Capítulo 5 será apresentada, em primeiro lugar, a noção de esfera num espaço métrico. Em seguida, serão discutidas as propriedades de esferas em espaços vetoriais normados que não são necessáriamente euclidianos. Será demonstrado que esferas em espaços vetoriais normados de dimensão infinita ou de dimensão finita maior ou igual a dois são conjuntos não-enumeráveis, e portanto infinitos. Será mostrado também que se duas esferas em um espaço vetorial normado de dimensão maior do que zero são iguais, então têm o mesmo centro e o mesmo raio. Após isto, serão apresentadas as propriedades das esferas em espaços euclidianos. Num espaço métrico M, d, tem sentido a noção de distância de um ponto x ∈ M e um conjunto não-vazio A ⊆ M, e também a noção de distância entre conjuntos não-vazios A,B ⊆ M. Em particular, estas noções têm sentido em espaços vetoriais normados e portanto em espaços euclidianos. A discussão destes conceitos é o objetivo do Capítulo 6, cuja primeira seção contém a discussão de distâncias entre subconjuntos (não-vazios) de espaços métricos. Na seção seguinte, são consideradas as distâncias entre subconjuntos não-vazios de espaços euclidianos, em particular a distância de ponto a variedade linear e de ponto a hiperplano. A última seção do Capítulo 6 tem como objetivo obter condiçõesnecessárias e suficientes para que a interseção entre duas esferas num espaço euclidiano seja não-vazia. No Capítulo 7 será considerado o problema de determinar a distância entre ponto e esfera, variedade linear e esfera e entre duas esferas em espaços vetoriais normados e espaços euclidianos. Os resultados obtidos têm aplicações interessantes a problemas de minimização ou maximização da restrição de certas funções a esferas. É com os resultados deste capítulo que o leitor pode melhor constatar o poder dos métodos da Álgebra Linear. Com efeito, os resultados obtidos são válidos até mesmo em espaços vetoriais normados e euclidianos de dimensão infinita, nos quais as esferas são 2 3 conjuntos fechados mas não compactos. O conteúdo do livro é acessível a qualquer leitor familiarizado com a linguagem da Álgebra Linear e com as noções básicas de Análise, como supremo e ínfimo de conjuntos de números reais, conjunto finito e infinito, enumerável e não-enumerável, as quais, aliás, deveriam ser apresentadas nos cursos de Cálculo. Os conceitos e resultados obtidos são trabalhados nos 275 exemplos que acompanham o texto. Estes exemplos incluem questões interessantes a serem discutidas durante as aulas expositivas. Os endereços de correio eletrônico do autor são: edfcd2003@gmail.com, e edfcd2003@hotmail.com. 3 4 Capítulo 2 Espaços vetoriais reais Este é o primeiro capítulo da revisão dos conceitos de Álgebra Linear que serão necessários para o desenvolvimento subsequente, como também para tornar o texto tão autossuficiente quanto possível. Em primeiro lugar, serão apresentados os axiomas de espaço vetorial e serão deduzidas as propriedades que deles decorrem. Em seguida, serão apresentadas as noções de subespaço de um espaço vetorial e de subespaço gerado por um subconjunto de um dado espaço vetorial. Com isto, é possível definir espaço vetorial de dimensão finita. Serão definidas a dependência e a independência linear de um conjunto de elementos de um espaço vetorial E. Assim, será possível definir base algébrica de um espaço vetorial, e também a dimensão de um espaço vetorial de dimensão finita. Neste texto serão considerados apenas espaços vetoriais reais. Desta forma, a terminologia "espaço vetorial" significará doravante espaço vetorial real. Seja n inteiro positivo. A notação In indicará o conjunto dos números inteiros positivos k tais que 1 ≤ k ≤ n. Portanto, In 1,… , n. Seja X um conjunto finito. A notação cardX indicará o número de elementos de X. 2-1 - A noção de espaço vetorial. Sejam K e E conjuntos não-vazios. Uma operação binária interna em E é uma função A : E E E. Uma operação binária em E tendo K para conjunto de escalares é uma função M : K E E. Dado um conjunto não-vazio E cujos elementos são indicados por a, b, x, y, z, etc., seja A : E E E uma operação binária interna cujo valor Ax, y no par x, y ∈ E E será indicado por x y (lê-se x mais y). Esta operação chama-se adição. O valor x y assumido por A no par x, y ∈ E E diz-se a soma de x e y. Seja M : R E E uma operação binária em E tendo o conjunto R dos números reais para conjunto dos escalares, cujo valor M, x no par , x ∈ R E será indicado por x (lê-se lambdaxis). Esta operação chama-se produto por número real. O valor x assumido por M no par , x ∈ R E diz-se produto de por x. Sejam A : x, y x y e M : , x x uma adição e um produto por número real em um conjunto não-vazio E. Diz-se que A e M definem uma estrutura de espaço vetorial em E, ou que E é um espaço vetorial relativamente a A e M, ou ainda que E é um espaço vetorial, quando A e M gozam das seguintes propriedades: 4 5 EV1: Associatividade da adição: x y z x y z. EV2: Elemento neutro: Existe um elemento o ∈ E tal que x o o x x para todo x ∈ E. EV3: Inverso aditivo: Para cada elemento x ∈ E existe um elemento −x ∈ E, chamado o inverso aditivo ou simétrico de E, tal que −x x x −x o. EV4: Associatividade: x x, quaisquer que sejam , ∈ R e x ∈ E. EV5: Distributividade: x y x y e x x x. EV6: Multiplicação por 1: 1.x x para todo x ∈ E. As propriedades acima dizem-se axiomas de espaço vetorial. Os elementos de um espaço vetorial são chamados vetores ou pontos. Um elemento neutro da adição definida em E diz-se vetor nulo ou vetor zero. Um vetor x ∈ E diz-se não-nulo quando não é elemento neutro da adição definida em E. Exemplo 1: Decorre das propriedades da adição e do produto usuais de números reais que estas operações definem em R uma estrutura de espaço vetorial. Desta forma, o conjunto R dos números reais é um espaço vetorial relativamente à adição e ao produto usual. Exemplo 2: Espaços de funções. Dado um conjunto não-vazio X, seja E FX;R o conjunto das funções reais f : X R, definidas no conjunto X cujos valores são números reais. Para f, g : X R, seja f g : X R a função definida pondo: f gx fx gx para cada x ∈ X. Para ∈ R e f : X R, seja f : X R a função definida por: fx fx Sejam f, g, h : X R e x ∈ X dado arbitrariamente. Os valores fx, gx, hx assumidos respectivamente por f, g e h em x são números reais. Resulta da associatividade da adição de números reais que se tem fx gx hx fx gx hx. Por esta razão, f g hx f gx hx fx gx hx fx gx hx fx g hx f g hx Como x é arbitrário, segue-se que f g hx f g hx seja qual for x ∈ X. Consequentemente, f g h f g h Isto mostra que a adição A : f, g f g é associativa. Seja O : X R a função nula, definida pondo Ox 0 para todo x ∈ X. Seja f : X R qualquer. Como fx ∈ R para todo x ∈ X, tem-se: f Ox fx Ox fx 0 fx, e também: O fx Ox fx 0 fx fx, seja qual for x ∈ X. Decorre daí que valem as igualdades: O f f O f Logo, a função nula O : X R é elemento neutro da adição A definida acima. Para cada f : X R, seja −f : X R a função definida por −fx −fx. Tem-se: f −fx fx −fx fx −fx 0 Ox, 5 6 e também: −f fx −fx fx −fx fx 0 Ox, qualquer que seja x ∈ R. Assim sendo, f −f −f f O Segue-se que a função −f : X R é inverso aditivo da função f : X R. Sejam agora , ∈ R e f : X R quaisquer. Resulta da propriedade associativa do produto usual de números reais que se tem: fx fx fx fx fx, para todo x ∈ X. Por esta razão, f f Sejam , ∈ R e f, g : X R quaisquer. Resulta da distributividade do produto de números reais que se tem: fx fx fx fx fx fx f fx, e também: f gx f gx fx gx fx gx fx gx f gx, qualquer que seja x ∈ X. Assim sendo, f f f, f g f g Seja f : X R qualquer. Como 1.y y para todo y ∈ R e fx ∈ R para todo x ∈ X, valem as seguintes igualdades: 1. fx 1. fx fx, seja qual for x ∈ X. Portanto, 1. f f. Segue-se que a adição A : f, g f g e M : , f f satisfazem os axiomas de espaço vetorial. Em consequência, o conjunto E FX;R é um espaço vetorial relativamente à adição e ao produto por número real definidos acima. Exemplo 3: Espaços Rn: Seja n inteiro positivo. Quando X In, as funções x : In R chamam-se n-uplas ordenadas de números reais. O valor xk assumido por x no inteiro positivo k ∈ In diz-se a k-ésima coordenada de x, e é representado por xk. Escreve-se: x x1,… , xn ou ainda x xk k∈In , para indicar a n-upla x : In R cujas coordenadas são x1,… , xn. O conjunto FIn;R das n-uplas ordenadas de números reais é denotado por Rn. O conjunto Rn é um espaço vetorial relativamente às operações definidas no Exemplo 2 acima. A n-upla o, que tem todas as coordenadas iguais a zero é um vetor nulo de Rn. Dados x, y ∈ Rn e ∈ R, tem-se: x yk xk yk xk yk, k 1,… , n xk xk xk, k 1,… , n Portanto, x y x1,… , xn y1,… , yn x1 y1,… , xn yn 6 7 x x1,… , xn x1,… ,xn Para cada x x1,… , xn ∈ Rn, a n-upla −x −x1,… ,−xn é um inverso aditivo de x. Exemplo 4: Espaços de matrizes: Sejam m e n inteiros positivos. Uma matriz m por n é uma função a : Im In R. Escreve-se, às vezes, aik para indicar o valor ai, k asumido pela matriz a no par i, k ∈ Im In. Para cada i ∈ Im, a restrição a|i In , da matriz a ao produto cartesiano i In, chama-se a i-ésima linha de a. Para cada k ∈ In, a restrição a|Im k, de a a Im k, diz-se a k-ésima coluna de a. O símbolo Mm n representa o conjunto das matrizes reais m por n. Escreve-se, às vezes, a aik ou ainda, a a11 a12 a1n a21 a22 a2n am1 am2 amn para representar a matriz a ∈ Mm n. Uma matriz a ∈ Mm n diz-se quadrada quando m n. O conjunto Mm n das matrizes reais m por n é um espaço vetorial relativamente às operações definidas no Exemplo 2. A soma a b das matrizes a aik , b bik é a matriz a b aik bik . O produto a do número real pela matriz a aik ∈ Mm n é a matriz a aik . A matriz nula 0 ∈ Mm n, definida pondo 0i, k 0 para cada i, k ∈ Im In, é um vetor nulo de Mm n. A matriz −a −aik é um inverso aditivo da matriz a aik . Exemplo 5: Sejam X um conjunto não-vazio, E um espaço vetorial e : X E uma função bijetiva. Sejam a adição e o produto por número real definidos em X pondo: x y −1x y, x −1x Decorre das definições de adição e produto por número real dadas acima que se tem: x y −1x y ∘ −1x y x y, e também: x −1x ∘ −1x x, sejam quais forem x,y ∈ X e ∈ R. Por isto e pelas propriedades da adição do espaço vetorial E, se tem: x y z −1x y z −1x y z −1x y z −1x y z x y z Seja −1o. Então o. Assim sendo, x −1x −1x o −1x x, x −1 x 7 8 −1o x −1x x Para cada x ∈ X, seja −x −1−x. Então, −x −x. Desta forma, tem-se: x −x −1x −x −1x −x −1o e também: −x x −1−x x −1−x x −1o Sejam , ∈ R e x,y ∈ X quaisquer. Pelas propriedades do produto por número real definido no espaço vetorial E e pelas propriedades da função demonstradas acima valem: x −1x −1x −1x x x y −1x y −1x y −1x y −1x y x y x −1 x −1x x −1x x x x 1. x −11.x −1x x Segue-se que os axiomas de espaço vetorial são válidos para as operações de adição e produto por número real definidas no conjunto X como acima. Portanto, estas operações tornam X um espaço vetorial. Exemplo 6: Sejam E 0, o conjunto dos números reais positivos. Sejam a adição e o produto por número real em E definidos respectivamente por: x y xy, x x e log x, onde logx é o logaritmo natural do número x. A função : E R, definida por: x logx onde logx é o logaritmo natural do número x 0, é uma bijeção entre E 0, e R, cuja inversa −1 : R E é a função exponencial, dada por: −1x ex Tem-se: −1x y −1logx logy −1logxy elogxy xy sejam quais forem x,y ∈ E 0,. Tem-se também: −1x −1 logx −1logx elogx x para todo ∈ R e para todo x ∈ E. Sendo R um espaço vetorial relativamente à adição e 8 9 ao produto usuais, resulta do Exemplo 5 que a adição e o produto por número real definidas acima fazem E 0, um espaço vetorial. Pela definição de adição dada acima, x 1 1 x x.1 1.x x. Logo o número 1 é um vetor nulo de E. Para cada número positivo x, o número 1/x é positivo, e se tem x 1/x x1/x 1, e 1/x x 1/xx 1. Logo, o número 1/x é um inverso aditivo de x, relativamente à adição definida acima. Exemplo 7: Seja E um espaço vetorial. Uma função F : E E chama-se uma translação quando Fx a x, onde a ∈ E é um vetor fixado. Sejam a adição e o produto por número real definidos na classe TE das translações F : E E do modo seguinte: (1) A soma F G das translações F,G : E E é a função composta F ∘ G. (2) O produto do número real pela translação F : x a x é a translação F : x a x. Sejam F,G : E E translações. As funções F e G são definidas respectivamente por Fx a x e Gx b x, onde a, b ∈ E são vetores fixados. Tem-se: F ∘ Gx FGx a Gx a b x a b x, seja qual for x ∈ E. Segue-se que a composta F ∘ G das translações F,G : E E é uma translação. Resulta disto e da associatividade da composição de funções que a adição definida acima na classe das translações T : E E é uma operação associativa. A identidade I : E E, dada por Ix x, é uma translação, porque Ix o x para todo x ∈ E. Como F I F ∘ I F e I F I ∘ F F, a identidade de E é um vetor nulo da classe das translações T : E E. Seja F : E E uma translação qualquer. Existe a ∈ E tal que Fx a x para todo x ∈ E. Portanto, F é uma função bijetiva, sendo sua inversa F−1 : E E a translação x −a x. Como F ∘ F−1 F−1 ∘ F I, segue-se que, para cada translação F : E E, a translação F−1 : E E é um inverso aditivo de F, relativamente à adição definida acima. Sejam F : E E a translação x a x e , ∈ R. Tem-se: Fx a x a x Fx para todo x ∈ E. Portanto, F F Sejam F,G : E E as translações x a x e x b x, respectivamente. Sejam , ∈ R. Dado x ∈ E arbitrário, tem-se: F Gx F ∘ Gx FGx a Gx a b x a b x e portanto: F Gx a b x a b x F Gx seja qual for x ∈ E. Logo, F G F G. Tem-se também: Fx a x 9 10 a a x F Fx para todo x ∈ E. Segue-se que F F F. Sendo 1.F a translação x 1.a x e 1.a a, tem-se 1.F F. Logo, as operações de adição e produto por número real definidas acima definem em TE uma estrutura de espaço vetorial. Uma das consequências dos axiomas de espaço vetorial é a validade de regras operacionais semelhantes às dos cálculos numéricos. É este resultado que será obtido a seguir. 2-1-1 - Teorema: Seja E um espaço vetorial. Então valem as seguintes afirmações, referentes à adição e ao produto por número real definidos em E. a) Lei do cancelamento. Se x u x v então u v. b) Unicidade do vetor nulo. Se x u x então u o. Portanto, existe um único vetor nulo em E. c) Unicidade do inverso aditivo. Se x u o então u −x. Portanto, cada vetor x ∈ E possui um único inverso aditivo. d) Produto pelo número 0. Tem-se 0.x o para todo x ∈ E. e) Produto do vetor nulo por número real. Tem-se o o para todo ∈ R. f) Se é diferente de zero e x é diferente de o então x é diferente de o. g) Tem-se −x −1x paratodo x ∈ E. h) Para todo ∈ R e para todo x ∈ E, valem as igualdades −x −x −x. Em particular, −−x x. i) Tem-se −x y −x −y, quaisquer que sejam x, y ∈ E. j) Se é diferente de 0 então x y implica x y. l) Se x é diferente de o então x x implica . Demonstração: (a): Se x u x v então −x, x u −x, x v. Daí e do fato de ser a adição A : E E E uma função, decorre −x x u −x x v. Sendo a adição em E associativa, −x x u −x x u e −x x v −x x v. Portanto, da igualdade x u x v obtém-se: u o u −x x u −x x u −x x v −x x v o v v, o que prova a propriedade (a). (b): Como x o x, x u x implica x u x o. Por sua vez, a propriedade (a) já demonstrada diz que x u x o implica u o. (c): Como o x −x, se x u o então x u x −x. Desta igualdade e da propriedade (a) já demonstrada segue u −x. (d): De fato, x 0.x 1.x 0.x 1 0x 1.x x. Destas igualdades e da propriedade (b) já demonstrada decorre 0.x o. (e): Analogamente: Como o o o o o, decorre de (b) que o o. (f): Seja ∈ R diferente de zero. Se fosse x o ter-se-ia x 1.x 1/x 1/x 1/o o. Portanto, se x é diferente de o então x é diferente de o. (g): Pela propriedade (d) já demonstrada, 0.x o. Assim sendo, valem as igualdades: x −1x 1.x −1x 1 −1x 0.x o Decorre daí e da propriedade (c) já demonstrada que se tem −1x −x. 10 11 (h): Com efeito, a propriedade (g) já demonstrada e a propriedade associativa do produto por número real fornecem: − x −1x −1x −x, e também: − x −1x −1x −1x −1x −x Portanto, valem as igualdades −x −x −x. Em particular, −−x −−1x −−1x 1.x x. (i): De fato, tem-se −x y −1x y −1x −1y −x −y. (j): Seja um número real diferente de zero. Da igualdade x y obtém-se: x 1.x 1/x 1/x 1/y 1/y 1.y y Logo, (j) segue. (l): Seja x ∈ E um vetor não-nulo. Pela propriedade (h) já demonstrada, −x −x para todo ∈ R. Portanto, da igualdade x x obtém-se: o −x x −x x −x x − x − x Portanto, − x o. Como x é não-nulo, resulta da propriedade (f) já demonstrada que − 0, donde . Isto prova (l) e encerra a demonstração. Uma operação binária interna A : E E E num conjunto E diz-se comutativa quando Ax,y Ay, x, sejam quais forem x,y ∈ E. O Teorema 2-1-1 e os axiomas de espaço vetorial têm uma importante consequência: Em todo espaço vetorial real a adição é comutativa. Noutras palavras, se tem x y y x, quaisquer que sejam x, y ∈ E. 2-1-2 - Teorema: Seja E um espaço vetorial. Então a adição definida em E é comutativa. Noutros termos: Vale a igualdade x y y x, sejam quais forem x, y ∈ E. Demonstração: Sejam x, y ∈ E dados arbitrariamente. A propriedade associativa da adição fornece: x y −y −x x y −y −x x y −y −x x o −x x −x o Resulta destas igualdades que o vetor −y −x é inverso aditivo do vetor x y. Decorre daí e da unicidade do inverso aditivo (v. Teorema 2-1-1) que se tem: −x y −y −x (1) O teorema 2-1-1 diz também que vale: −y −x −y x (2) As relações (1) e (2) fornecem: −x y −y x (3) Resulta do Teorema 2-1-1 que valem as seguintes igualdades: −x y −1x y, − y x −1y x (4) De (3) e (4) obtém-se: −1x y −1y x (5) Sendo o número −1 diferente de zero, de (5) e do Teorema 2-1-1 obtém-se x y y x, como se queria. 11 12 Seja E um espaço vetorial. A diferença x − y dos vetores x, y ∈ E é: x − y x −y Noutros termos: a diferença x − y é a soma de x e o inverso aditivo de y. Seja x ∈ E um vetor qualquer. Para cada número real diferente de zero, define-se x/ pondo: x 1 x 2-1-3 - Teorema: Seja E um espaço vetorial. Então, valem as seguintes afirmações: a) −x − y y − x, quaisquer que sejam x, y ∈ E. b) x − y x − y, sejam quais forem x, y ∈ E e ∈ R. c) Tem-se x u y se, e somente se, u y − x. d) Tem-se w x y se, e somente se, w y − x. e) Tem-se x y se, e somente se, x − y o. f) Dados x, y ∈ E e ∈ R diferente de zero, tem-se x y se, e somente se, y x/. g) Para todo ∈ R, para todo ∈ R diferente de zero e para todo x ∈ E vale x/ /x. Demonstração: (a): Sejam x, y ∈ E arbitrários. Pelo Teorema 2-1-1, −y −1y. Por isto, tem-se: x − y x −y x −1y (6) O Teorema 2-1-1 diz também que −x − y −1x − y. Por isto, a igualdade (6) e os axiomas de espaço vetorial conduzem a: − x − y −1x − y −1x −1y −1x −1−1y −x −1−1y −x 1.y −x y A adição em E sendo comutativa, (v. Teorema 2-1-2) segue-se: − x − y −x y y −x y − x, o que prova (a). (b): Sejam x, y ∈ E e ∈ R arbitrários. Como −y −y −y, (v. Teorema 1–1-1) tem-se: x − y x −y x −y x −y x − y Logo, (b) segue. (c): Sejam u, x, y ∈ E. Se x u y, então −x x u −x y. Assim sendo, da igualdade x u y obtém-se: u o u −x x u −x x u −x y y −x y − x Reciprocamente: Se u y − x, então: x u x y − x x y −x x −x y x −x y o y y Isto prova (c). (d): Da comutatividade da adição em E e da propriedade (c) já demonstrada decorre: w x y x w y w y − x 12 13 (e): Segue da propriedade (c), fazendo u o. (f): Sejam x, y ∈ E e ∈ R diferente de zero. Se x y então 1/x 1/y. Portanto, a igualdade x y conduz a: x 1.x 1/x 1/x 1/y y/ Reciprocamente, da igualdade x y/ obtém-se: x y/ 1/y 1/y 1.y y Com isto, a propriedade (f) está demonstrada. (g): Sejam x ∈ E e , ∈ R, sendo diferente de zero. Tem-se x/ 1/x 1/x /x. Isto prova a propriedade (g) e conclui a demonstração. Seja E um espaço vetorial. Dados m, n inteiros não-negativos com m ≤ n, seja xk m≤k≤n xm,… , xn uma família de vetores de E indexada no conjunto m,… , n. A soma dos vetores xm,… , xn, indicada por: xm xn ou ainda por: ∑kmn xk é definida indutivamente do modo seguinte: ∑kmn xk xm, se n m ∑kmn−1 xk xn, se n ≥ m 1 Desta forma, fazendo m 1 tem-se: ∑k11 xk x1, ∑k12 xk ∑k11 xk x2 x1 x2, ∑k13 xk ∑k12 xk x3 x1 x2 x3, e assim por diante. Sejam m, n inteiros não-negativos com m n. Seja p ∈ m,… , n. As notações: xm xp−1 xp1 xn, ∑kmp−1 xk ∑kp1n xk indicarão a soma dos vetores xk, onde k ∈ m,… , n é diferente de p. Assim, ∑kmp−1 xk ∑kp1n xk xm1 xn, se p m xm xn−1, se p n xm xp−1 xp1 xn, se m p n 2-1-4 - Teorema: Dado um espaço vetorial E, sejam m, n inteiros não-negativos com m ≤ n, xm,… , xn , ym,… , yn famílias de vetores de E indexadas no conjunto m,… , n e um número real. Então, valem as seguintes afirmações: a)∑kmn xk yk ∑kmn xk ∑kmn yk. b)∑kmn xk ∑kmnxk. c)∑kmn xk − yk ∑kmn xk − ∑kmn yk. 13 14 d) Se xk x para todo k ∈ m,… , n então∑kmn xk n − m 1x. Demonstração: (a): Decorre das definições acima que a igualdade: ∑kmn xk yk ∑kmn xk ∑kmn yk (7) é válida para n m. Supondo que vale (7) para um dado n ≥ m, sejam xm,… , xn1 , ym,… , yn1 famílias de vetores de E indexadas no conjunto m,… , n 1. Pela hipótese admitida, tem-se: ∑kmn1 xk yk ∑kmn xk yk xn1 yn1 ∑kmn xk ∑kmn yk xn1 yn1 (8) Como a adição em E é associativa e comutativa, as igualdades (8) dão: ∑kmn1 xk yk ∑kmn xk ∑kmn yk xn1 yn1 ∑kmn xk xn1 ∑kmn yk yn1 ∑kmn1 xk ∑kmn yk yn1 ∑kmn1 xk ∑kmn yk yn1 ∑kmn1 xk ∑kmn1 yk Segue-se que (7) é válida para n 1. Daí e do Princípio da Indução decorre a propriedade (a). (b): Se m n então∑kmn xk xm e ∑kmn xk xm. Logo a igualdade: ∑kmn xk ∑kmn xk (9) é válida para m n. Supondo que vale (9) para um dado inteiro positivo n ≥ m, seja xm,… , xn1 uma família de vetores de E indexada no conjunto m,… , n 1. Pela hipótese admitida, tem-se: ∑kmn1 xk ∑kmn xk xn1 ∑kmn xk xn1 (10) De (10) e da distributividade do produto por número real definido em E, resulta: ∑kmn1 xk ∑kmn xk xn1 ∑kmn1 xk Portanto, (9) é válida para n 1. Daí e do Princípio da Indução, (b) segue. (c): Pelo Teorema 2-1-1, −∑kmn yk −1∑kmn yk. Pela propriedade (b) já demonstrada, −1∑kmn yk ∑kmn −1yk. Por sua vez, o Teorema 2-1-1 diz que −1yk −yk para cada k m,… , n. Assim sendo, −∑kmn yk −1∑kmn yk ∑kmn −1yk ∑kmn −yk (11) Resulta de (11) e da propriedade (a) já demonstrada que se tem: ∑kmn xk − ∑kmn yk ∑kmn xk −∑kmn yk ∑kmn xk ∑kmn −yk ∑kmn xk −yk ∑kmn xk − yk , o que prova a propriedade (c). (d): Seja xm,… , xn uma família de vetores de E com xk x para cada k m,… , n. A igualdade: ∑kmn xk n − m 1x (12) vale para n m, porque ∑kmm xk xm x. Supondo que ela seja válida para n ≥ m, seja 14 15 xm,… , xn1 uma família de vetores de E indexada no conjunto m,… , n 1 com xk x para cada k m,… , n 1. Pela hipótese admitida,∑kmn xk n − m 1x. Desta forma, ∑kmn1 xk ∑kmn xk xn1 n − m 1x x n − m 1x 1.x n 1 − m 1x Isto prova (d) e conclui a demonstração. 2-2 - Subespaços. Um conjunto não-vazio V de um espaço vetorial E diz-se um subespaço vetorial, ou simplemente um subespaço de E quando 1v1 2v2 ∈ V, sejam quais forem v1, v2 ∈ V e 1,2 ∈ R. 2-2-1 - Teorema: Um subconjunto V ⊆ E é um subespaço se, e somente se, tem as seguintes propriedades: 1) O vetor nulo o pertence a V. 2) V é fechado para a adição. Noutros termos, v1 v2 ∈ V, quaisquer que sejam v1, v2 ∈ V. 3) V é fechado para o produto por número real, ou seja, v ∈ V sejam quais forem v ∈ V e ∈ R. Demonstração: Supondo que V é um subespaço vetorial de E, seja v ∈ E (o qual existe, porque, sendo V ⊆ E um subespaço, é não-vazio). Tem-se o 0.v 0.v, portanto o vetor nulo o ∈ V. Sejam v1, v2 ∈ V dados arbitrariamente. Então 1v1 2v2 ∈ V para quaisquer que sejam 1,2 ∈ R. Em particular, v1 v2 1.v1 1.v2 ∈ V. Como v v o v 0.v, segue-se que v ∈ V, sejam quais forem v ∈ V e ∈ R. Decorre daí que o conjunto V ⊆ E tem as propriedades listadas no enunciado. Reciprocamente: Supondo que V goza das propriedades do enunciado acima, sejam v1, v2 ∈ V e 1,2 ∈ R quaisquer. Tem-se 1v1 ∈ V e 2v2 ∈ V, e portanto 1v1 2v2 ∈ V. Como o vetor nulo o ∈ V, o conjunto V é não-vazio. Portanto, V ⊆ E é um subespaço vetorial. Seja E um espaço vetorial. Evidentemente, o conjunto o e o próprio E são subespaços vetoriais de E. Diz-se que um conjunto V ⊆ E é um subespaço próprio de E quando é um subespaço vetorial e é diferente de E. 2-2-2 - Teorema: Seja V uma classe qualquer de subespaços de um espaço vetorial E. A interseção V∈V V da classe V é um subespaço vetorial de E. Demonstração: Como o vetor nulo o pertence a todos os subespaços V ⊆ E que formam a classe V, tem-se o ∈ V∈V V. Em consequência, a interseção V∈V V de V é não-vazia. Sejam v1, v2 ∈ V∈V V e 1,2 ∈ R quaisquer. Dado arbitrariamente V ∈ V, tem-se v1, v2 ∈ V (de fato, v1, v2 ∈ V∈V V, logo pertencem a todos os subespaços V que formam a classe V). Como V é subespaço de E, 1v1 2v2 ∈ V. Segue-se que 1v1 2v2 ∈ V para todo V ∈ V. Logo 1v1 2v2 ∈ V∈V V. Conclui-se daí que a interseção V∈V V de V é um subespaço vetorial de E. Seja X um subconjunto de um espaço vetorial E. A classe VX dos subespaços vetoriais de E que contêm X é não-vazia, porque E é um subespaço vetorial de E e contém X. O subespaço de E gerado por X, indicado com a notação 15 16 SX é a interseção V∈VX V da classe formada por todos os subespaços de E que contêm X. Quando X for um conjunto finito X x1,… , xn, escreve-se Sx1,… , xn em lugar de Sx1,… , xn, e diz-se que Sx1,… , xn é o subespaço de E gerado pelos vetores x1,… , xn. Em particular, Sx é o subespaço gerado pelo vetor x ∈ E. 2-2-3 - Teorema: Seja E um espaço vetorial e X, Y subconjuntos de E. Valem as seguintes afirmações: a) X ⊆ SX. b)Se X ⊆ V e V ⊆ E é subespaço vetorial, então SX ⊆ V. c) Um conjunto V ⊆ E é subespaço se, e somente se, V SV. d) Se X ⊆ Y então SX ⊆ SY. Demonstração: (a): Seja VX a classe dos subespaços vetoriais de E que contêm X. Então X ⊆ V para todo V ∈ VX, logo X ⊆ SX V∈VX V. (b): Seja V ⊆ E um subespaço vetorial. Se X ⊆ V então V é um subespaço vetorial de E que contém X, logo pertence a VX. Segue-se que SX V∈VX V ⊆ V. (c): Seja V um subespaço de E. Como V ⊆ V, tem-se SV ⊆ V. Como V ⊆ SV, tem-se V SV. Reciprocamente: Se V SV então V é subespaço, porque SV é subespaço. (d): Se X ⊆ Y então X ⊆ Y ⊆ SY, logo SY é um subespaço vetorial de E que contém X. Decorre daí que SX ⊆ SY. Exemplo 8: Subespaço gerado pelo conjunto vazio. Seja E um espaço vetorial. Todo subespaço V ⊆ E contém o conjunto vazio. Em particular, o subespaço o, cujo (único) elemento é o vetor nulo o ∈ E, contém o conjunto vazio. Por isto e pelo Teorema 2-2-3, S∅ ⊆ o. Por outro lado, o vetor nulo o pertence a S∅, porque S∅ é subespaço vetorial de E. Logo, o ⊆ S∅. Em consequência, S∅ o. Exemplo 9: Soma de dois subespaços. Dado um espaço vetorial E, sejam V1,V2 ⊆ E subespaços. A soma de V1 e V2 é o conjunto V1 V2 definido do modo seguinte: V1 V2 v1 v2 : v1 ∈ V1, v2 ∈ V2 Noutros termos, V1 V2 é a imagem, pela adição de E, do produto cartesiano V1 V2. O vetor nulo o pertence a V1 V2. De fato, o o o, o ∈ V1 e o ∈ V2. Sejam v,w ∈ V1 V2 dados arbitrariamente. O vetor v se escreve como v v1 v2, onde v1 ∈ V1 e v2 ∈ V2. O vetor w , por sua vez, se escreve como w w 1 w 2, onde w 1 ∈ V1 e w 2 ∈ V2. Os axiomas de espaço vetorial e a comutatividade da adição conduzem a: v w v1 v2 w 1 w 2 v1 v2 w 1 w 2 v1 v2 w 1 w 2 v1 w 1 v2 w 2 v1 w 1 v2 w 2 v1 w 1 v2 w 2 O vetor v1 w 1 pertence a V1, porque v1,w 1 ∈ V1 e V1 é subespaço. O vetor v2 w 2 pertence a V2, pois v2,w 2 ∈ V2 e V2 é subespaço. Em consequência, v w ∈ V1 V2. Sejam agora v ∈ V1 V2 e ∈ R quaisquer. Existem v1 ∈ V1 e v2 ∈ V2 tais que v v1 v2. Tem-se então: 16 17 v v1 v2 v1 v2 Como v1 ∈ V1, v2 ∈ V2 e V1, V2 são subespaços, v1 ∈ V1 e v2 ∈ V2. Assimsendo, v ∈ V1 V2. Portanto, o Teorema 2-2-1 diz que V1 V2 é subespaço vetorial de E. Exemplo 10: Subespaço gerado pela reunião de dois subespaços. Sejam V1,V2 subespaços de um espaço vetorial E. Todo vetor v1 ∈ V1 pertence à soma V1 V2, pois v1 v1 o e o vetor nulo o pertence a V2. Analogamente, todo vetor v2 ∈ V2 pertence a V1 V2, porque v2 o v2 e o ∈ V1. Segue-se que valem ambas as inclusões V1 ⊆ V1 V2 e V2 ⊆ V1 V2. Logo, V1 V2 ⊆ V1 V2. Como V1 V2 é subespaço de E, (v. Exemplo 9) o Teorema 2-2-3 diz que vale: SV1 V2 ⊆ V1 V2 Seja agora v ∈ V1 V2 dado arbitrariamente. O vetor v é a soma v v1 v2 de vetores v1 ∈ V1 e v2 ∈ V2. Tem-se v1, v2 ∈ V1 V2, porque v1 ∈ V1 e v2 ∈ V2. Como V1 V2 ⊆ SV1 V2 , segue-se v1, v2 ∈ SV1 V2 . Sendo SV1 V2 um subespaço de E, tem-se v v1 v2 ∈ SV1 V2 . Conclui-se daí que vale a inclusão: V1 V2 ⊆ SV1 V2 Consequentemente, SV1 V2 V1 V2. Exemplo 11: Sejam V um subespaço de um espaço E, u ∈ V, v ∈ E que não pertence a V, e ∈ R dado arbitrariamente. Como u ∈ V e V é subespaço, u ∈ V, portanto −u ∈ V. Logo, se v u pertence a V então v v u − u pertence a V. Segue-se que v u não pertence a V, seja qual for ∈ R. Exemplo 12: Sejam V1, V2 subespaços de um espaço vetorial E. Se V1 não contém V2 e V2 não contém V1, então existe v1 ∈ V1 que não pertence a V2 e existe também v2 ∈ V2 que não pertence a V1. Pelo Exemplo 11, a soma v1 v2 não pertence a V1 (porque v1 ∈ V1 e v2 ∉ V1) e também não pertence a V2 (porque v2 ∈ V2 e v1 ∉ V2). Logo, v1 v2 não pertence à reunião V1 V2. Como v1 ∈ V1 e v2 ∈ V2, ambos os vetores v1, v2 pertencem à reunião V1 V2. Segue-se que V1 V2 não é subespaço vetorial de E, porque existem v1, v2 ∈ V1 V2 tais que a soma v1 v2 não pertence a V1 V2. Portanto, se V1 V2 é subespaço vetorial de E então V1 ⊆ V2 ou V2 ⊆ V1. Reciprocamente: Se V1 ⊆ V2 então V1 V2 V2, e se V2 ⊆ V1 então V1 V2 V1. Consequentemente, se vale uma das inclusões V1 ⊆ V2, V2 ⊆ V1 então a reunião V1 V2 é subespaço vetorial de E. Exemplo 13: Subespaço gerado por um vetor. Seja E um espaço vetorial. Dado w ∈ E, seja: D w : ∈ R O conjunto D é não-vazio, porque o 0.w ∈ D. Sejam w 1,w 2 ∈ D e 1,2 ∈ R arbitrários. Como w 1,w 2 ∈ D, existem números reais 1, 2 de modo que w 1 1w e w 2 2w . Tem-se então: 1w 1 2w 2 11w 22w 11 w 22 w 11 22 w Logo, 1w 1 2w 2 ∈ D. Decorre daí que D é subespaço vetorial de E. O vetor w pertence a D, porque w 1.w . Por esta razão, Sw Sw ⊆ D. Sendo Sw um subespaço vetorial de E e w ∈ Sw , tem-se w ∈ Sw para todo ∈ R. Logo, D ⊆ Sw . 17 18 Decorre daí que se tem: Sw D w : ∈ R Se o vetor w é não-nulo, o subespaço D chama-se a reta que passa pelo ponto o e de vetor diretor w . Observe-se que se w o então D é o conjunto o. Exemplo 14: Sejam X um conjunto não-vazio e A um subconjunto não-vazio de X. Sejam E FX;R o espaço vetorial das funções f : X R (v. Exemplo 2) e V ⊆ E a classe das funções f : X R tais que fx 0 para todo x ∈ A. Noutros termos, V é a classe formada pelas funções f : X E que se anulam no conjunto A. Evidentemente, a função nula O : X R (Ox 0 para todo x ∈ X) pertence a V. Logo, a classe V é não-vazia. Sejam f1, f2 ∈ V e 1,2 ∈ R quaisquer. Tem-se f1x f2x 0 para todo x ∈ A, e portanto 1f1 2f2 x 1f1x 2f2x 0, seja qual for x ∈ A. Segue-se que 1f1 2f2 ∈ V. Conclui-se daí que 1f1 2f2 ∈ V quaisquer que sejam f1, f2 ∈ V e 1,2 ∈ R. Em consequência, V é um subespaço vetorial de E. Exemplo 15: Seja X ⊆ R um conjunto não-vazio tal que −x ∈ X para todo x ∈ X. Diz-se que uma função f : X R é par quando fx f−x para todo x ∈ X, e ímpar quando f−x −fx para todo x ∈ X. Sejam E FX;R o espaço vetorial das funções f : X R, V1 ⊆ E o conjunto das funções : X R pares e V2 ⊆ E o conjunto das funções : X R ímpares. Como a função nula O : X R cumpre Ox 0 para todo x ∈ X, a função nula O : X R é par, e também ímpar. Logo, ambos os conjuntos V1, V2 são não-vazios. Sejam 1,2 ∈ V1 e 1,2 ∈ R quaisquer. Como 1,2 : X R são funções pares, tem-se 1−x 1x e também 2−x 2x para todo x ∈ X. Por isto, valem as igualdades: 11 22 −x 11−x 22−x 11x 22x 11 22 x, seja qual for x ∈ X. Logo, 11 22 é uma função par. Conclui-se daí que V1 é um subespaço vetorial de E. Sejam agora 1,2 ∈ V2 e 1,2 ∈ R dados arbitrariamente. As funções 1,2 : X R sendo ímpares, vale 1−x −1x e 2−x −2x para todo x ∈ X. Por esta razão se tem: 11 22 −x 11−x 22−x −11x − 22x −11x 22x −11 22 x, qualquer que seja x ∈ X. Desta forma, 11 22 é uma função ímpar. Segue-se que V2 é também um subespaço vetorial de E. Exemplo 16: Seja X um conjunto não-vazio. Diz-se que uma função f : X X R é simétrica quando fy, x fx,y para todo x,y ∈ X X, e antissimétrica quando fy, x −fx,y para todo par x,y ∈ X X. Sejam E FX X;R o espaço vetorial das funções f : X X R, S ⊆ E o conjunto das funções f : X X R simétricas e A ⊆ E o conjunto das funções f : X X R antissimétricas. A função nula O : X X R é simétrica e também antissimétrica, porque Ox,y 0 para todo par x,y ∈ X X. Assim sendo, os conjuntos S e A são ambos não-vazios. Sejam f1, f2 ∈ S quaisquer e 1,2 números reais arbitrários. Como f1y, x f1x,y e f2y, x f2x,y, segue-se: 1f1 2f2 y, x 1f1y, x 2f2y, x 1f1x,y 2f2x,y 1f1 2f2 x,y, valendo estas igualdades para todo x,y ∈ X X. Decorre daí que S é um subespaço 18 19 vetorial de E. Dadas g1, g2 ∈ A e 1,2 ∈ R quaisquer, tem-se g1y, x −g1x,y e também g2y, x −g2x,y para todo par x,y ∈ X X. Assim sendo, 1g1 2g2 y, x 1g1y, x 2g2y, x −1g1x,y − 2g2x,y −1g1x,y 2g2x,y −1g1 2g2 x,y, seja qual for x,y ∈ X X. Segue-se que A é também um subespaço vetorial de E. Exemplo 17: Sejam X ⊆ R, E, V1 e V2 como no Exemplo 15. Dada arbitrariamente uma função f : X R, sejam , : X R definidas pondo: x fx f−x2 , x fx − f−x 2 para todo x ∈ X. Então é uma função par e é uma função ímpar. Tem-se f . Em consequência, toda função f : X R é a soma , onde ∈ V1 e ∈ V2, portanto pertence a V1 V2. Logo, E ⊆ V1 V2. Por outro lado, V1,V2 ⊆ E, donde V1 V2 ⊆ E. Desta inclusão obtém-se V1 V2 SV1 V2 ⊆ E (v. Exemplo 10). Decorre daí a igualdade E V1 V2. Exemplo 18: Sejam X, E, S e A como no Exemplo 16. Dada arbitrariamente f : X X R, sejam s,a : X X R definidas pondo: sx,y fx,y fy, x2 , ax,y fx,y − fy, x 2 para todo par x,y ∈ X X. A função s é simétrica e a função a, antissimétrica. Pelas definições acima, f s a. Portanto, toda função f : X X R é a soma s a, onde s ∈ S e a ∈ A. Logo, E ⊆ S A. Por outro lado, das inclusões A ⊆ E, S ⊆ E resulta S A ⊆ E. Em consequência, E S A. 2-2-4 - Teorema: Sejam V1, V2 subespaços de um espaço vetorial E. Então as afirmações seguintes são equivalentes: a) Tem-se V1 ∩ V2 o. b) Para cada vetor v ∈ V1 V2 existe um único par ordenado v1, v2 ∈ V1 V2 de modo que v v1 v2. Noutros termos: Cada vetor v ∈ V1 V2 se escreve, de modo único, como v v1 v2, onde v1 ∈ V1 e v2 ∈ V2. Demonstração: (a) (b): Admitindo que vale (a), sejam u1, u2 ∈ V1 V2 e v1, v2 ∈ V1 V2 tais que u1 u2 v1 v2. Desta igualdade obtém-se u1 − v1 v2 − u2. Como u1, v1 ∈ V1 e V1 é subespaço,u1 − v1 ∈ V1. Como u2, v2 ∈ V2 e V2 é subespaço, tem-se também v2 − u2 ∈ V2. Assim sendo, resulta da igualdade u1 − v1 v2 − u2 que u1 − v1 ∈ V1 ∩ V2 e v2 − u2 ∈ V1 ∩ V2. Logo, u1 − v1 v2 − u2 o, donde u1 v1 e u2 v2. Portanto, u1, u2 v1, v2 . (b) (a): Supondo agora que vale (b), seja v ∈ V1 ∩ V2. Tem-se v v o o v. Como v ∈ V1 e também a V2, tem-se v, o ∈ V1 V2 e o, v ∈ V1 V2, pois o vetor nulo o pertence a V1 e a V2. Pela propriedade (b) admitida, v, o o, v, portanto v o. Segue-se então que V1 ∩ V2 o. Sejam V1, V2 subespaços de um espaço vetorial E. Diz-se que V1 V2 é a soma direta de V1 e V2, e escreve-se: 19 20 V1 V2 V1 ⊕ V2, quando uma das (e portanto ambas as) condições listadas no Teorema 2-2-4 é satisfeita. Exemplo 19: Sejam V um subespaço de um espaço vetorial E e w ∈ E um vetor que não pertence a V. Como foi demonstrado anteriormente, (v. Exemplo 13) o subespaço Sw de E gerado por w é: Sw w ∈ E : ∈ R Seja x ∈ V ∩ Sw . Como x ∈ Sw , existe ∈ R tal que x w . Como x ∈ V e V é subespaço, se fosse diferente de zero ter-se-ia 1/x ∈ V, e portanto (v. Teorema 2-1-3) w 1/x ∈ V. Decorre daí que 0, donde x 0.w o. Segue-se que V ∩ Sw o, e o Teorema 2-2-4 diz que V Sw V ⊕ Sw . Exemplo 20: Dado um conjunto não-vazio X, seja E FX;R o espaço vetorial (v. Exemplo 2) das funções f : X R. Dado x0 ∈ X, sejam V1 o conjunto das funções f : X R tais que fx0 0 e V2 o conjunto das funções f : X R constantes. Ambos os conjuntos V1, V2 são não-vazios, porque a função nula O : X R é constante (de fato, Ox 0 para todo x ∈ X) e se tem Ox0 0. Dadas f1, f2 ∈ V1, tem-se f1x0 f2x0 0, e portanto: 1f1 2f2 x0 1f1x0 2f2x0 0, sejam quais forem 1,2 ∈ R. Segue-se que V1 é subespaço vetorial de E. Sejam agora g1, g2 ∈ V2. As funções g1, g2 : X R sendo constantes, existem c1, c2 ∈ R de modo que g1x c1 e g2x c2 para todo x ∈ X. Desta forma, dados quaisquer 1,2 ∈ R, vale: 1g1 2g2 x 1g1x 2g2x 1c1 2c2, seja qual for x ∈ X. Logo, a função 1g1 2g2 é constante. Conclui-se daí que V2 é também subespaço vetorial de E. Seja : X R ∈ V1 ∩ V2. Tem-se x0 0 porque ∈ V1 e também x x0 0 para todo x ∈ X, porque ∈ V2 e portanto é uma função constante. Assim sendo, é a função nula O : X R. Em consequência, V1 ∩ V2 O. Com isto, o Teorema 2-2-4 conta que V1 V2 V1 ⊕ V2. Dada arbitrariamente f : X R, sejam f1, f2 : X R definidas pondo, respectivamente, f1x fx − fx0 e f2x fx0 para todo x ∈ X. Então f1 ∈ V1 e f2 ∈ V2. Para cada x ∈ X vale fx fx − fx0 fx0 f1x f2x f1 f2 x. Logo, f f1 f2. Segue-se que E V1 V2 V1 ⊕ V2. Exemplo 21: Sejam E Rn o conjunto das n-uplas ordenadas x : In R, V1 ⊆ Rn o conjunto das n-uplas x x1,… , xn ∈ Rn tais que xn 0 e V2 o conjunto das n-uplas x ∈ Rn cujas coordanadas são todas iguais. Então V1 é (v. Exemplo 20) o subespaço vetorial das funções x : In R tais que xn xn 0 e V2 é o subespaço vetorial das funções x : In R constantes. Resulta do Exemplo 20 que Rn V1 ⊕ V2. Exemplo 22: Seja X ⊆ R um conjunto não-vazio simétrico, isto é, −x ∈ X para todo x ∈ X. Sejam E FX;R o espaço vetorial das funções f : X R, V1 ⊆ E o conjunto das funções pares : X R e V2 ⊆ E o conjunto das funções ímpares : X R. Ambos os conjuntos V1, V2 são subespaços vetoriais de E e se tem: E V1 V2 (v. Exemplos 15 e 17). Se : X R é par e ímpar então x −x −−x, donde 20 21 x 0, seja qual for x ∈ X. Assim sendo, a única função real definida em X que é par e também ímpar é a função nula O : X R. Segue-se que V1 ∩ V2 O. Com isto, o Teorema 2-2-4 diz que V1 V2 V1 ⊕ V2. Desta forma, E V1 ⊕ V2 Dada f : X R, sejam , : X R definidas pondo: x fx f−x2 , x fx − f−x 2 A função : X R é par, a função : X R é ímpar, e se tem f . Sendo E V1 ⊕ V2, resulta do Teorema 2-2-4 que toda função f : X R se escreve, de modo único, como f , onde : X R é par e : X R é ímpar. Assim, se f g h, onde g : X R é par e h : X R é ímpar, então: gx x fx f−x2 e hx x fx − f−x 2 , seja qual for x ∈ X. Exemplo 23: Sejam X um conjunto não-vazio, E FX X;R o espaço vetorial das funções f : X X R, S ⊆ E o conjunto das funções simétricas s : X X R e A ⊆ R o conjunto das funções antissimétricas a : X X R. Ambos os conjuntos S, A são subespaços vetoriais de E, e vale a igualdade: E S A (v. Exemplos 16 e 18). Se f : X X R é simétrica e também antissimétrica então se tem fx,y fy, x −fy, x, e portanto fx,y 0, para todo par x,y ∈ X X. Portanto, a única função definida em X X que é simétrica e também antissimétrica é a função nula O : X X R. Em consequência, S ∩ A O. Logo, S A S ⊕ A. Desta forma, E S A S ⊕ A. Exemplo 24: Seja n inteiro positivo. Uma matriz quadrada a aik ∈ Mn n diz-se simétrica quando aik aki para quaisquer i, k ∈ In, e antissimétrica quando aik −aki sejam quais forem i, k ∈ In. Sejam Sn n e An n respectivamente os conjuntos das matrizes n n simétricas e antissimétricas. Uma matriz n n simétrica (resp. antissimétrica) é uma função a : In In R simétrica (resp. antissimétrica). Assim sendo, os conjuntos Sn n e An n são subespaços vetoriais de Mn n. Resulta do Exemplo 23 que se tem: Mn n Sn n ⊕ An n Dada uma matriz m mik ∈ Mn n, sejam s e a ∈ Mn n definidas por: sik mik mki2 , aik mik − mki 2 A matriz s é simétrica e a matriz a é antissimétrica. Pelas definições de s e a, m s a. Pelo Teorema 2-2-4, este é o único modo de escrever uma matriz quadrada m ∈ Mn n como soma de uma matriz simétrica e uma matriz antissimétrica. Seja X um subconjunto não-vazio de um espaço vetorial E. Uma combinação linear de vetores de X é um vetor x ∈ E que se escreve na forma: x 1x1 nxn onde x1,… , xn pertencem a X e 1,… ,n são números reais. O fecho linear de X, indicado com a notação: X 21 22 é o subconjunto de E formado pelas combinações lineares dos vetores de X. 2-2-5 - Teorema: Seja X um subconjunto não-vazio de um espaço vetorial E. Então, seu fecho linear X é o subespaço SX de E gerado por X. Demonstração: Seja x ∈ X arbitrário. Como X ⊆ SX, tem-se x ∈ SX. Sendo SX subespaço de E, x ∈ SX para todo ∈ R. Logo, toda combinação linear x, onde x ∈ X e ∈ R, pertence a SX. Seja n inteiro positivo qualquer. Admitindo que toda combinação linear ∑k1n kxk de vetores de X pertence a SX, sejam x1,… , xn1 ∈ X e 1,… ,n1 números reais. Tem-se: ∑k1n1 kxk ∑k1n kxk n1xn1 (13) Pela hipótese feita acima, a combinação linear ∑k1n kxk pertence a SX. Como xn1 pertence a X, a combinação linear n1xn1 também pertence a SX. Assim, segue de (13) que a combinação linear ∑k1n1 kxk pertence a SX. Portanto, resulta do Princípio da Indução que toda combinação linear de vetores de X pertence a SX. Em consequência, X ⊆ SX (14) Tem-se X ⊆ X. Com efeito: Sendo x 1.x, todo elemento x ∈ X é uma combinação linear de vetores de X. Como X é não-vazio, seu fecho linear é não-vazio. Sejam agora x, y ∈ X e , ∈ R dados arbitrariamente. Os vetores x e y são combinações lineares de vetores de X. Por esta razão, x e y se escrevem respectivamente como: x 1x1 mxm, y 1y1 nyn onde x1,… , xm, y1,… , yn ∈ X e 1,… ,m, 1,… ,n são números reais. Assim sendo, x y 1x1 mxm 1y1 nyn 1 x1 mxm 1 y1 n yn Logo x y é uma combinação linear de vetores de X, portanto pertence a X. Segue-se que X é um subespaço de E que contém X. Por isto, SX ⊆ X (15) Das inclusões (14) e (15) obtém-se: X SX como se queria demonstrar. Seja E um espaço vetorial. O Teorema 2-2-5 diz que o subespaço SX gerado por um conjunto não-vazio X ⊆ E é o seu fecho linear X. Desta forma, a definição de fecho linear pode ser estendida para o conjunto vazio, pondo (v. Exemplo 8) ∅ S∅ o. Diz-se que um espaço vetorial E é de dimensão finita quando existe um conjunto finito X ⊆ E que gera E. Noutros termos, quando existe um conjunto finito X ⊆ E de modo que E SX. Um espaço vetorial E é de dimensão infinita quando não é de dimensão finita. 22 23 Portanto, E é de dimensão infinita quando nenhum conjunto finito X ⊆ E gera E. Os espaços de funções FX;R, onde X é um conjunto finito não-vazio, são exemplos de espaços vetoriais de dimensão finita. Isto é o que afirma o próximo teorema. 2-2-6 - Teorema: Seja X um conjunto finito não-vazio. Então o espaço vetorial FX;R, das funções reais definidas em X, é de dimensão finita. Demonstração: Seja X x1,… , xn, onde n cardX é o número de elementos de X. Para cada k 1,… , n, seja k : X R a função característica do conjunto xk, definida pondo: kx 1, se x ∈ xk 0, se x ∉ xk Se k é diferente de l então xk é diferente de xl, logo xl não pertence a xk. Portanto, tem-se: kxl 1, se k l 0, se k ≠ l quaisquer que sejam k, l ∈ In. Seja f : X R uma função qualquer. Para cada l 1,… , n, kxl 0 se k ∈ In\l, logo ∑k∈In\l kxl ∑k1l−1 kxl ∑kl1n kxl 0. Por esta razão, tem-se: fxl fxl. 1 fxl lxl fxl lxl ∑k∈In\l fxk kxl ∑k1n fxk kxl valendo estas igualdades para cada l ∈ In. Logo, a função f é a combinação linear ∑k1n fxk k das funções 1,… , n. Assim sendo, o conjunto 1,… , n gera FX;R. O teorema está demonstrado. Exemplo 25: Seja E um espaço vetorial. Evidentemente, toda combinação linear de vetores do conjunto o é o vetor nulo o. Logo, So o o. Tem-se também (v. Exemplo 8) S∅ o. Portanto, um subespaço vetorial de E pode ser gerado por conjuntos diferentes. Exemplo 26: Seja X um conjunto de geradores de um espaço vetorial E, isto é, um conjunto X ⊆ E que gera E. Todo conjunto Y ⊆ E que contém X gera E. Com efeito, se X ⊆ Y então E SX ⊆ SY ⊆ E. Exemplo 27: Seja X In, onde n é inteiro positivo. O espaço vetorial FX;R das funções f : X R é o espaço vetorial Rn das n-uplas ordenadas de números reais. Segue do Teorema 2-2-6 que Rn é um espaço de dimensão finita. As funções características dos conjuntos 1,… , n são representadas pelos símbolos e1,… , en, nesta ordem. Portanto, ek é, para cada k 1,… , n, a n-upla ordenada de números reais cuja k-ésima coordenada é igual a 1 enquanto que as demais são iguais a zero. Em particular, e1 1,0, e2 0,1 se n 2 e quando n 3 tem-se e1 1,0,0, e2 0,1,0 e e3 0,0,1. Pelo Teorema 2-2-6, vale x ∑k1n xkek para toda n-upla x x1,… , xn ∈ Rn. 23 24 Exemplo 28: O espaço vetorial FIm In;R das funções a : Im In R é o espaço vetorial Mm n das matrizes reais m por n. O conjunto Im In é finito, e tem mn elementos (v. Lima, Curso de Análise Vol. 1, 1989, p. 37-38). O Teorema 2-2-6 diz então que Mm n é um espaço vetorial de dimensão finita. Para cada par i, k ∈ Im In, a função característica do conjunto i, k é a matriz eik : Im In R, que assume o valor 1 no par ordenado i, k e o valor zero nos demais pares ordenados que formam Im In. Pelo Teorema 2-2-6, Mm n é gerado pelo conjunto eik : i, k ∈ Im In. Para toda matriz a aik ∈ Mm n, tem-se a ∑ i1m ∑k1n aikeik. 2-3 - Dependência e independência linear. Dados os conjuntos A, B, a notação: A\B representa o complementar do conjunto B relativamente ao conjunto A. Portanto, A\B x : x ∈ A, x ∉ B Em particular, A\x y : y ∈ A, y ∉ x y ∈ A : x ≠ y Seja E um espaço vetorial. Um conjunto X ⊆ E diz-se linearmente dependente, abreviadamente LD, quando existe x ∈ X tal que x ∈ SX\x, e linearmente independente, abreviadamente LI, quando não é linearmente dependente. 2-3-1 - Teorema: Seja E um espaço vetorial. Então, valem as seguintes afirmações: a) O conjunto vazio ∅ é LI. b) O conjunto o, cujo único elemento é o vetor nulo o ∈ E, é LD. c) Um conjunto x, que possui um único elemento, é LD se, e somente se, x o. d) Se um conjunto X ⊆ E contém um conjunto LD então é LD. e) Um conjunto X ⊆ E é LI se, e somente se, todos os seus subconjuntos o são. f) Todo subespaço vetorial V ⊆ E é LD. Demonstração: (a): Pela definição acima, conjuntos LD são não-vazios. Logo, o conjunto vazio ∅ é LI. (b): De fato, como o\o é o conjunto vazio ∅ e S∅ o, (v. Exemplo 8) o elemento o ∈ o pertence ao subespaço So\o. (c): Com efeito: Sendo x o único elemento do conjunto x, tem-se que x ∈ LD se, e somente se, x ∈ Sx\x S∅. (d): Se A ⊆ X é LD então existe x ∈ A tal que x ∈ SA\x. Para este x, tem-se A\x ⊆ X\x, e portanto SA\x ⊆ SX\x. Logo, existe x ∈ X de modo que x ∈ SX\x. (e): Segue da propriedade (d) já demonstrada. (f): Seja V ⊆ E um subespaço. Então o ∈ V, portanto o ⊆ V. Pela propriedade (b) já demonstrada, o conjunto o é LD. Decorre daí e da propriedade (d) que V é LD. Os quatro resultados abaixo fornecem condições necessárias e suficientes para que um dado conjunto de vetores seja LD. Portanto, eles fornecem métodos para verificar a dependência ou a independência linear de um conjunto de vetores de um espaço vetorial E. 2-3-2 - Teorema: Um subconjunto de um espaço vetorial E é LD se, e somente se, 24 25 contém um conjunto finito LD. Portanto, um subconjunto de um espaço vetorial E é LI se, e somente se, todos os seus subconjuntos finitos o são. Demonstração: Seja X ⊆ E um conjunto LD. Se X possui um único elemento, então X o, (v. Teorema 2-3-1) e nada mais há para demonstrar. Admitindo, por outro lado, que X possui mais de um elemento, seja x0 ∈ X tal que x0 ∈ SX\x0. Como X\x0 é não-vazio, o subespaço SX\x0 é (v. Teorema 2-2-5) o fecho linear X\x0 do conjunto X\x0. Assim sendo, existe um conjunto finito B x1,… , xn ⊆ X\x0 de modo que x0 se escreve como x0 ∑k1n kxk, onde 1,… ,n são números reais. Logo, x0 pertence ao fecho linear B de B, e portanto ao subespaço SB gerado por B. Os conjuntos B e x0 são disjuntos, porque B ⊆ X\x0. Por esta razão, B B\x0 B x0\x0. Segue-se que x0 ∈ SB x0\x0. Como x0 ∈ B x0, segue-se que o conjunto B x0 ⊆ X é finito e LD. Reciprocamente: Pelo Teorema 2-3-1, se X contém um conjunto finito LD então é LD. O teorema está demonstrado. 2-3-3 - Teorema: Seja X x1,… , xn um subconjunto de um espaço vetorial E. Então X é LD se, e somente se, existem números reais a1,… , an tais que ∑k1n |ak| 0 e ∑k1n akxk o. Noutros termos, existem números reais a1,… , an tais que ∑k1n akxk o enquanto que al ≠ 0 para algum l ∈ In. Demonstração: Se n 1 então X x1 é LD se, e somente se, x1 o (v. Teorema 2-3-1). Neste caso, tem-se x1 1.x1 o. Dado n inteiro positivo maior do que 1, seja X x1,… , xn ⊆ E. Se X é LD então existe k ∈ In tal que xk ∈ SX\xk. Como n 1, o conjunto X\xk é não-vazio. Logo, SX\xk é (v. Teorema 2-2-5) o fecho linear X\xk de X\xk. Logo existem a1,… , ak−1, ak1,… , an ∈ R de modo que: xk ∑ i1k−1 aix i ∑ ik1n aix i Logo, ∑ i1k−1 aix i − xk ∑ ik1n aix i ∑ i1k−1 aix i −1xk ∑ ik1n aix i o Reciprocamente: Supondoque existem a1,… , an ∈ R tais que ∑k1n akxk o e al ≠ 0 para algum l ∈ In, tem-se: x l 1/alalx l −1/al∑k∈In\l akxk Logo, x l ∈ SX\x l. Segue-se que X é LD, e a demonstração está concluída. 2-3-4 - Teorema: Um subconjunto X de um espaço vetorial E é LD se, e somente se, existem x1,… , xn ∈ X e a1,… , an ∈ R tais que ∑k1n |ak| 0 e ∑k1n akxk o. Demonstração: Com efeito, o Teorema 2-3-2 diz que X ⊆ E é LD se, e somente se, contém um conjunto finito x1,… , xn que é LD. Daí e do Teorema 2-3-3 segue o resultado acima. Dado um conjunto finito não-vazio X, seja n cardX o número de seus elementos. Existe uma bijeção : In X. Fazendo x1 1,… , xn n, escreve-se X x1,… , xn. Como se pode mostrar sem dificuldade, a relação em X definida pondo: x y −1x ≤ −1y é uma relação de ordem total. O conjunto X diz-se então ordenado por . Como 1 25 26 −1x1 ,, n −1xn , segue-se x1 xn. x1 é o primeiro elemento e xn é o último elemento de X. Dado m ∈ In, os elementos do conjunto xk : 1 ≤ k m, o qual é vazio se m 1, chamam-se anteriores a xm. Os elementos do conjunto xk : m k ≤ n, o qual é vazio se m n, dizem-se subsequentes a xm. 2-3-5 - Teorema: Seja X x1,… , xn um subconjunto de um espaço vetorial E que possui n elementos. Então, as afirmações seguintes são equivalentes: a) X é LD. b) Existe m ∈ In tal que xm pertence ao subespaço gerado pelos vetores x ∈ X anteriores a xm. c) Existe m ∈ In tal que xm pertence ao subespaço gerado pelos vetores x ∈ X subsequentes a xm. Demonstração: (a) (b): Se X é LD, então existem, conforme o Teorema 2-3-3, a1,… , an ∈ R de modo que ∑k1n |ak| 0 e ∑k1n akxk o. O conjunto K dos índices k ∈ In tais que ak ≠ 0 é não-vazio. Como K ⊆ In, K é um conjunto finito não-vazio de números inteiros positivos. Logo, K possui maior elemento (v. Lima, Curso de Análise Vol. 1, 1989, p. 36-37). Seja então m maxK o maior elemento do conjunto K. Tem-se ak 0 se k m, logo ∑k1n akxk ∑k1m akxk o. Se for m 1, então ∑k1m akxk a1x1 o. Como a1 am é diferente de zero, segue-se xm x1 o. Uma vez que o conjunto X1 dos vetores anteriores a x1 é vazio, tem-se o xm ∈ SX1 (v. Exemplo 8). Se, por outro lado, m 1, então m − 1 ≥ 1, donde ∑k1n akxk ∑k1m akxk ∑k1m−1 akxk amxm o. Como am é diferente de zero, tem-se xm −∑k1m−1ak/amxk. Logo, xm pertence ao subespaço Sx1,… , xm−1 gerado pelos vetores x1,… , xm−1, que são os anteriores a xm. Reciprocamente: Para cada m ∈ In, o conjunto Xm formado pelos vetores x ∈ X anteriores a xm está contido em X\xm, porque é disjunto de xm. Logo, se xm ∈ SXm para algum m ∈ In então X é LD. (a) (c): Admitindo X LD, sejam a1,… , an ∈ R e K ⊆ In como acima. Sendo K ⊆ In um conjunto não-vazio de números inteiros positivos, possui menor elemento. Fazendo agora m minK, tem-se ∑k1n akxk ∑kmn akxk o, pois ak 0 se k m. Se m n, então amxm anxn o. Daí obtém-se xm xn o, porque an é diferente de zero. Como o conjunto Yn dos vetores x ∈ X subsequentes a xn é vazio, segue-se o xn ∈ SYn . Se, por outro lado, 1 ≤ m n, então m 1 ≤ n, portanto ∑k1n akxk ∑kmn akxk amxm ∑km1n akxk o. O número am sendo diferente de zero, tem-se xm −∑km1n ak/amxk. Logo, xm pertence ao subespaço gerado pelo conjunto Ym xm1,… , xn dos vetores subsequentes a xm. Reciprocamente: Para cada m ∈ In, o conjunto Ym dos vetores x ∈ X subsequentes a xm está contido em X\xm. Segue deste fato que, se xm ∈ SYm para algum m ∈ In então X é LD. Seja X x1,… , xn um subconjunto de um espaço vetorial E que possui n elementos. Diz-se que os vetores x1,… , xn são linearmente dependentes, abreviadamente LD, quando o conjunto X é LD, e linearmente independentes, abreviadamente LI, quando o conjunto X é LI. Portanto, a expressão “os vetores x1,… , xn são LD” (resp. LI) significa que x1,… , xn são distintos dois a dois e que o conjunto x1,… , xn formado por eles é LD (resp. LI). Será demonstrado no desenvolvimento subsequente que todo subconjunto LI de 26 27 um espaço vetorial E de dimensão finita é finito, e o número de seus elementos não excede um certo número inteiro não-negativo n. Para tanto, será necessário o seguinte teorema: 2-3-6 - Teorema: Sejam X, Y subconjuntos de um espaço vetorial E. Valem as seguintes afirmações: a) SX Y SX SY. b) Se X Y é LI então SX ∩ Y SX ∩ SY. Demonstração: (a): Como já foi demonstrado anteriormente (v. Exemplo 10) vale a igualdade: SSX SY SX SY, (16) porque SX e SY são subespaços vetoriais de E. Da equação (16) obtém-se: X ⊆ SX ⊆ SX SY ⊆ SSX SY SX SY, (17) e também: Y ⊆ SY ⊆ SX SY ⊆ SSX SY SX SY (18) Por sua vez, as relações (17) e (18) conduzem a: X Y ⊆ SX SY (19) Segue de (19) que SX SY é um subespaço de E que contém o conjunto X Y. Por esta razão, SX Y ⊆ SX SY (20) Reciprocamente: Como X Y contém os conjuntos X e Y, o Teorema 2-2-3 conta que vale SX ⊆ SX Y e também SY ⊆ SX Y. Logo, SX SY ⊆ SX Y. Sendo SX Y um subespaço de E, segue-se: SX SY SSX SY ⊆ SX Y (21) De (20) e (21) obtém-se SX Y SX SY. (b): Sejam X,Y ⊆ E com X Y LI. Se X é vazio ou Y é vazio, nada mais há para demonstrar. Admitindo que X e Y são ambos não-vazios, seja v ∈ SX ∩ SY arbitrário. Tem-se v ∈ SX e também v ∈ SY. Como X e Y são não-vazios, existem conjuntos finitos A x1,… , xm ⊆ X e B y1,… , yn ⊆ Y com m e n elementos respectivamente, de modo que: v a1x1 amxm b1y1 bnyn (22) A equação (22) fornece: a1x1 amxm − b1y1 − − bnyn o (23) Se A e B são disjuntos, então A B x1,… , xm,y1,… , yn possui m n elementos e é LI, porque A B ⊆ X Y. Assim sendo, a equação (23) e o Teorema 2-3-3 conduzem a: a1 am b1 bn 0 (24) Das equações (22) e (24) resulta v o. Logo, v ∈ SX ∩ Y. Se, por outro lado, A ∩ B é não-vazio, então, renumerando os conjuntos A e B se necessário, pode-se admitir, sem perda de generalidade, A ∩ B x1,… , xr, B x1,… , xr, y r1,… , yn e B\A y r1,… , yn, onde r é o número de elementos de A ∩ B, 1 ≤ r ≤ minm,n. Assim, a equação (23) torna-se: ∑k1r ak − bk xk ∑kr1m akxk − ∑kr1n bkyk o (25) Tem-se A B A B\A x1,… , xm,y r1,… , yn. Como A B é LI, segue de (25) e do 27 28 Teorema 2-3-3 que são satisfeitas as seguintes condições: ak bk, k 1,… , r ar1 am br1 bn 0 (26) As igualdades (22) e as condições (26) fornecem v ∑k1r arxr ∑k1r bry r donde v ∈ SA ∩ B. Como A ⊆ X e B ⊆ Y, A ∩ B ⊆ X ∩ Y, logo SA ∩ B ⊆ SX ∩ Y. Portanto, v ∈ SX ∩ Y. Segue-se que SX ∩ SY ⊆ SX ∩ Y. Reciprocamente: Como X ∩ Y ⊆ X e X ∩ Y ⊆ Y, valem ambas as inclusões SX ∩ Y ⊆ SX, SX ∩ Y ⊆ SY. Assim sendo, tem-se SX ∩ Y ⊆ SX ∩ SY. Isto prova a igualdade SX ∩ Y SX ∩ SY, e encerra a demonstração. 2-3-7 - Teorema: Seja X um subconjunto finito de um espaço vetorial E. Então, todo conjunto finito Y ⊆ SX com cardY cardX é LD. Demonstração: Por indução no número de elementos de X. Seja m cardX. Se m 0 então X é o conjunto vazio, e portanto SX o. Logo, o teorema vale para m 0. Supondo que ele seja válido para um certo m inteiro não-negativo, sejam X u1,… , um1 ⊆ E um conjunto com m 1 elementos, e Y w 1,… ,w n qualquer subconjunto do subespaço SX com n cardY m 1. O conjunto X é a reunião (disjunta) X u1 X\u1. Portanto, o Teorema 2-3-6 diz que vale: SX Su1 SX\u1 (27) O subespaço Su1 gerado pelo vetor u1 é o conjunto dos vetores da forma u1,
Compartilhar