LGEBRA LINEAR

12 de Dezembro de 2015

Introduo
Historicamente a lgebra Linear foi concebida como uma generalizao da Geometria
Analtica, mas logo a generalidade do tratamento matemtico desenvolvido permetiu uma comprenso extremamente profunda de muitas outras reas da Matemtica
como da Anlise, da lgebra, etc.. Para que seja possvel efectivamente fazer Geometria necessario introduzir algumas nooes como as noes de espao, de medida e de
transformao. Efectivamente a maioria dos conceitos e das noes que iremos apresentar nos primeiros trs captulos so generalizaes desses trs fundamentais conceitos
geometricos:
Espaos: no primeiro captulo iremos apresentar as noes basicas e elementares
dos espas vetoriais que consituem uma generalizao do espao tridimensional
onde foi ambientada a Geometria Analtica at o seculo XIX.
Medida: na Geometria Clssica a medida foi sempre relacionada com os ngulos.
A pesquisa da Geometria Moderna leva comprenso que na verdade ngulos
e medidas so dois requisitos distintos sendo a medida ou uma distncia originada por uma norma ou seja a partir de uma forma quadratica definida positiva,
no enquanto o conceito de ngulo reside e pode ser definido a partire numa da
um produto interno ou seja da uma forma bilinear o sesquilinear definida positiva.
O facto que um produto interno automaticamente defina uma norma, quer dizer
que a noo de distncia mais bsica daquela de ngulo.
Transformaes: Felix Klein com o programa Erlanger focou a ateno da pesquisa
geometrica sobre as transformaes dos objectos geometricos. Esse ponto de vista
permetiu uma passagem muito frtil entre a Geometria nalitica e a lgebra que
depois foi desenvolvido por o seu amigo Sophus Lie no ambito da Anlise pondo
as bases da Geometria Contempornea. No terceiro captulo iremos apresentar
algumas noes basicas sobre as transformaes lineares o endomorfismos.
Nos ltimos dois captulos iremos apresentar algumas aplicaes das ferramentas que
apresentmos num setor de pesquisa ainda frtil e interessante ou seja aquele das lgebras de Banach. Essas lgebras tornaram-se historicamente interessantes depois de
um estudo operado por Erik Fredholm sobre uma classe de equaoes intregrais que
levaram definio do que agora chamam-se operadores de Fredholm:

u ( x, y) k (y, x ) u ( x ) dx = f (y)
(0.0.1)
O rtigo de Fredholm dinamizou a pesquisa de Hilbert que desenvolviu as bases da
teoria dos operadores. As aplicaes imediatas mecnica quntica foram comprendidas por Heisenberg que fondou a sua formulao da sua teoria no contesto matemtico
desenvolvido por Hilbert. Esse contesto precisou-se no curso dos anos e ainda hoje o
primario contesto matematico pelo estudio de muitas teorias fsicas contemporneas.
1

Captulo 1
Espaos Vetoriais
Neste captulo iremos apresentar as definies bsicas da lgebra Linear ou seja a definio do Espao Vetorial assim como as definies de trasformao linear e de espao
dual.

1.1

Definies bsicas

1.1.1

Espao Vetorial

Definio 1. (ESPAO VETORIAL) Seja K um campo, chamamos de espao vetorial sobre

K um conjunto V com duas operaes:
V V 3 (v, w) v + w V (adio de vetores)
K V 3 (, v)
v
V (produto por escalar)
Tal que V um grupo abeliano pela adio ou seja:

u, v, w V

0+v = v+0 = v

u + (v + w) = (u + v) + w

v V, existe unico (v) V :

v + (v) = 0

v+w = w+v

(0 elemento neutro da adio)

(propriedade associativa)
(existncia do inverso)

(1.1.1)

(commutatividade da adio)

Tal que o produto por escalar tenha as seguintes proprietades:

v, w V

(v + w) = v + w

( + )v = v + v

(v) = ()v

1v = v

0v = 0

, K
(1.1.2)

Seja V um espao vetorial sobre K, chamamos um elemento K de escalar e um

elemento v V de vetor.

CAPTULO 1. ESPAOS VETORIAIS

1.1.2

Dependncia linear

Definio 2. (DEPENDNCIA E INDEPENDNCIA LINEAR) Dados v1 , .., vn V dizemos

que a n-upla de vetores linearmente dipendente se o 0 uma combinao linear no
trivial dos vetores, ou seja se h 1 , .., n K no todos nullos tal que
1 v1 + .. + n vn = 0

(1.1.3)

Se a nica combinao linear que produz o vetor nulo aquila com 1 = .. = n = 0

ento dizemos que os vetores v1 , .., vn V so linearmente indipendentes.
O numero de vetores linearmente independentes permite nos definir a dimenso
do espao vetorial:
Definio 3. (DIMENSO) Seja n o nmero mximo de vetores linearmente indipendentes em V espao vetorial sobre um campo K, chamamos ento n a dimenso de
V sobre K e indicamos com dimK (V) ou dim(V) quando no houver ambiguidade no
campo escalar.
Observao 4. At novas especificaes iremos supor che a dimenso n do espao V
seja sempre finita, ou seja iremos considerar os V tais que dimK (V) = n < . Nos
capitulos finais iremos especificar as correoes necessarias por os espaos vetoriais de
dimenso infinita.

1.1.3

Bases de um espao vetorial

Definio 5. (BASE DE UM ESPAO) Seja V espao vetorial e n = dim(V), dizemos que

E = {ei }1in uma base de V se e1 , .., en so vetores linearmente indipendentes.
Dado un vetor v V e uma base E = {ei }1in possvel escrever v como combinao linear da base dado que per hiptese no possvel encontrar mais do que
n vetores linearmente independentes em V, isto quer dizer que h uma combinao
linear 0 , .., n K com 0 6= 0 em que:
0 v + 1 e1 + .. + n en = 0
Ou seja chamando i =

i
0

(1.1.4)

podemos escrever o vetor v como

v = 1 e1 + .. + n en

(1.1.5)

Definio 6. (COORDENADAS) Seja v V e E = {ei }1in uma base de V, chamamos

de coordenadas de v no respeito da base E os escalares i K tais que
v=

i ei ,

(1.1.6)

i =1..n

Seja v V e sejam E = {ei }1in e F = {fi }1in duas bases no espao vetorial
V. Nesse caso indicamos [v]E a rapresentao em coordenadas do vetor v respeito base
E e indicamos com [v]F a rapresentao em coordenadas do vetor v respeito base F .
v=

i fi [v]F

= ( 1 , .., n )

(1.1.7)

i ei [v]E

= ( 1 , .., n )

(1.1.8)

i =1..n

v=

i =1..n

CAPTULO 1. ESPAOS VETORIAIS

cij K a matrix com as coordenadas dos vetores da

Seja a matrix CE F = (cij ),
base E no respeito da base F ou seja:
ej =

cij fi

(1.1.9)

i =1..n

Ento a mudana na base implica uma mudana nas coordinadas do veitores segundo a seguinte formula:
v=

i ei = i ci f j = j f j

(1.1.10)

i ci

(1.1.11)

i =1..n

Portanto

i =1..n
j=1..n

j =

j=1..n

i =1..n

1.1.4

Subespaos, Formula di Grassmann, Soma direta

Definio 7. (SUBESPAO) Seja V espao vetorial sobre K e seja W V tambm espao

vetorial sobre K, ento o espao W chama-se de subespao vetorial de V.
Vamos enunciar sem dimostrao a seguinte formula de interseco de Grassmann:
Teorema 8. (F ORMULA DE INTERSECO DE G RASSMANN ) Sejam W1 , W2 subespaos
vetoriais de V, ento verdadeira a seguinte formula:
dim(W1 ) + dim(W2 ) = dim(W1 W2 ) + dim(W1 W2 )

(1.1.12)

Definio 9. (SOMA DIRETA) Sejam W1 , W2 subespaos vetoriais de V. Se W1 W2 = 0

chamamos de soma direta W1 W2 o espao vetorial formado por w = w1 + w2 com
w1 W1 , w2 W2 .
Se um espao vetorial soma direta de subespaos, ou seja V =

L
i =1..m

Wi , dizemos

que V decomponvel e que est decomposto em suma direita de subespaos. Se um

espao V no decomponvel chamamos de indecomponvel.
Definio 10. Sejam v1 , .., vk vectores de V, definimos H = span(v1 , .., vk ) V ou
subespao gerado de v1 , .., vk , o subespao gerado da todas as combinaes lineares dos
vetores v1 , .., vk con coeficientes em K.

1.2
1.2.1

Transformaes Lineares
Definies

Definio 11. (TRANSFORMAO LINEAR) Sejam V e W dois espaos vetoriais sobre

K, chamamos de aplicao linear ou transformao linear uma aplicao A : V W
que preserva a estrutura linear de V ou seja tal que:
A(v + w) = A(v) + A(v)

(1.2.1)

As transformaes lineares A : V W formam um espao vetorial sobre o campo

K, indicamos esse espao vetorial como Hom(V, W).
Teorema 12. Seja A Hom(V, W) temos as seguintes resultados:
(i) ker ( A) = {v V | A(v) = 0} um subespao vetorial de V e dim(ker ( A)) nul ( A)
(ii) A(V) = {w W | w = A(v)} um subespao vetorial de W e dim( A(W)) rank( A)
(iii) ( RANK - NULLITY THEOREM ) dim(V) = rank( A) + nul ( A)

CAPTULO 1. ESPAOS VETORIAIS

1.2.2

Isomorfismos entre espaos vetoriais

Definio 13. (ISOMORFISMO) Uma transformao linear que seja bijectiva denominase isomorfismo.
Teorema 14. Sejam V e W dois espaos vetoriais de dimenso finita sobre o mesmo campo K,V
e W so isomorfos dim(V) = dim(W) .
Dim. SeV e W so isomorfos ento h uma A : V W com A(V) W porque
A sobrejectiva ento rank( A) = dim(W) e dado que A injectiva temos nul ( A) = 0.
Portanto pelo teorema precedente temos:
dim(V) = rank( A) + nul ( A) = dim(W)

(1.2.2)

Se dim(V) = dim(W) < podemos encontrar uma base E = {ei }1in de V e

uma base F = {fi }1in de W. Definimos ento a trasformao linear onde A(ei ) = fi
e A : V W
v=

i ei A(v) = i fi

i =1..n

(1.2.3)

i =1..n

A transformao linear A sobrejectiva e tambm injectiva e portanto um isomorfismo entre V e W.

Observao 15. Aqui fizemos utilizo do facto que a dimenso dos espaos vetoriais no
seja infinita. No caso que a dimenso seja infinita o teorema no valido. Na verdade
isso torner-se importante nos ltimos captulos sobre as Algebras de Banach.

1.3

Dualidade

1.3.1

Espao Dual

Definio 16. Seja V um espao vetorial sobre um campo K. Chamamos de espao dual
V o espao Hom(V, K) ou seja o espao das aplicaes lineares da o espao vetorial
V e o campo escalar K.
f : V K

(1.3.1)

Tais aplicaes lineares com valores no campo escalar so tambm chamadas de

formas lineares como de funcionais lineares.
Como direita consequncia da linearidade das formas lineares temos que
(
f , g V0
= f + g V0
, K
Portanto muito fcil verificar o teorema seguinte:
Teorema 17. O Espao Dual V0 um espao vetorial sobre o campo K.

(1.3.2)

CAPTULO 1. ESPAOS VETORIAIS

1.3.2

A Base Dual Cannica

Teorema 18. Dado um espao vetorial V sobre um campo K, caso em que n = dim(V) <
e com uma base E = {ei }1in podemos definir uma base no espao dual V0 de funcionais

lineares E 0 = ei 1in tais que:
ei (e j ) = ji

(1.3.3)

Dim. Dada a base E = {ei }1in do espao vetorial V, para definir uma forma linear s preciso especificar os valores que ela assume sobre a base. Portanto definimos
ei as formas lineares que assumem os valores:
(
1 se i = j
ei : V K
e
ei ( e j ) =
(1.3.4)
0 se i 6= j
K:

Agora vamos monstrar que essa uma base de V0 . Se f V0 temos que f : V

v=

i ei

f (v) =

i =1..n

i f ( ei )

(1.3.5)

i =1..n

Chamamos
f ( e i ) = i

(1.3.6)

Ento podemos escrever a forma linear f como:

f =

i e i

(1.3.7)

i =1..n

Ou seja todas as formas lineares podem ser escritas como combinaes lineares das
ei .
Observao 19. Seja o vetor v = i ei e o funcional f = i ei , o valor de f em v
i =1..n

i =1..n

ento
f ( v ) = f ( i ei ) =
i =1..n

i j e i ( e j ) = i i

i =1..n

(1.3.8)

i =1..n

Corolrio 20. Seja V0 o espao dual do espao vetorial V , se n = dim(V) < =dim(V) =
dim(V0 )
Observao 21. No ltimo teorema como no ltimo corolrio crucial a dimenso finita
do espao V. Sem a dimenso finita do espao possvel encontrar ei tais que ei (e j ) =
ji , mas esses no formam necessariamente uma base de V0 .

1.3.3

Bidual

Definio 22. Seja V espao vetorial sobre o campo K e seja V0 o dual, podemos agora
considerar o dual de V indicado como (V ) e chamado de bidual de V.
Os elementos de (V ) so as funes v Hom(V0 , K) ou seja tais que:
v : V K
f f (v)

(1.3.9)

Podemos ento definir uma funo linear entre o espao V e o bidual:

: V
(V )
v (v) = v

(1.3.10)

Se V for um espao de dimenso finita teramos dim(V) = dim(V ) = dim (V )

e portanto V teramos o seguinte teorema:

CAPTULO 1. ESPAOS VETORIAIS

Teorema 23. Seja V espao vetorial sobre K e dim(V) < =V

= (V )

Pelo contrario se V est valido o seguinte teorema:

Teorema 24. Seja V espao vetorial sobre K e : V (V ) definida (v) = v =
injectiva.
Demonstrao. Para que o teorema seja valido necessario ver que ker () = {0}. Vamos supor que v 0 por cada f V0 e que v 6= 0. Existiria ento qualquer que seja
a rappresentao de v = i ei pelo meno uma coordenada deve ser i0 6= 0 . Ento
i =1..n

o funcional

(
f (e j ) =

Assumeria o valor

1
0

j = i0
j 6 = i0

f ( v ) = i0 6 = 0

Que leva ao absurdo e demonstra a injectividade de .

(1.3.11)

(1.3.12)