Capítulo 2

Espaços Vetoriais

When did mathematicians first generally accept the definition of a vector space as a set of elements subject to suitably axiomatized operations of addition and multiplication by scalars, and not just as a set of n-tuples of scalars closed under these two operations? This abstract description did not come into early use, but has the evident advantages of conceptual simplicity and geometric invariance.
Mac Lane

Ilustração: Espaços Vetoriais

Figura 2.1 Giuseppe Peano

A álgebra linear tem raízes históricas em diversos ramos da matemática. Na álgebra, elas incluem equações lineares, formas bilineares, matrizes, quatérnios e outros sistemas hipercomplexos; na geometria, incluem segmentos orientados — os vetores geométricos — e as geometrias afim e projetiva; na análise, aparecem em equações diferenciais lineares e em espaços de dimensão infinita. A física de Maxwell, Gibbs e Heaviside também contribuiu decisivamente para seu desenvolvimento.

A noção geral de espaço vetorial, comum a esses desenvolvimentos, foi isolada e adotada relativamente tarde.

O tratamento moderno e abstrato foi formulado por Giuseppe Peano, em 1888, no contexto da geometria. A formulação teve pouca influência imediata e tampouco se difundiu quando Weyl a retomou em 1918. Por volta de 1920, ideias semelhantes reapareceram nos trabalhos de Banach, Hahn, Wiener e Noether; a partir daí, a noção de espaço vetorial se desenvolveu rapidamente Moore (1995).

Como referências gerais para álgebra linear em níveis distintos de abstração, podem ser consultados Lima (2006); Hoffman and Kunze (1971); Axler (1997).


2.1 Definições e Exemplos

No restante do texto, salvo indicação em contrário, assumiremos que \(\mathbb {K}\) é um corpo arbitrário.

Definição 2.1 (Espaço Vetorial)
Um espaço vetorial \(V\) sobre \(\mathbb {K}\) é um conjunto não vazio munido de duas aplicações: a adição \((\bm {x},\bm {y})\mapsto \bm {x}+\bm {y}\), de \(V\times V\) em \(V\), e a multiplicação por escalares \((\lambda ,\bm {x})\mapsto \lambda \bm {x}\), de \(\mathbb {K}\times V\) em \(V\). Essas operações devem satisfazer os seguintes axiomas:
  1. \( \bm {x}+ \bm {y}= \bm {y}+\bm {x}\) para todos os \( \bm {x}, \bm {y}\in V.\)

  2. \( \bm {x}+ (\bm {y}+\vec{z}) = (\bm {x}+ \bm {y})+\vec{z} \) para todos os \( \bm {x}, \bm {y}, \vec{z} \in V.\)

  3. Existe um elemento \(\vec0\in V\) tal que \(\vec0+\bm {x}=\bm {x}\) para todo \(\bm {x}\in V\).

  4. Para cada \( \bm {x}\in V\), existe um \( \bm {y}\in V\) tal que \( \bm {x}+ \bm {y}= \vec0.\)

  5. \( (\lambda _1 \lambda _2) \bm {x}= \lambda _1 (\lambda _2 \bm {x}) \) para todos os \( \lambda _1, \lambda _2 \in \mathbb {K}\) e \( \bm {x}\in V.\)

  6. \( \lambda _1 (\bm {x}+ \bm {y}) = \lambda _1 \bm {x}+ \lambda _1 \bm {y}\) para todos os \( \lambda _1 \in \mathbb {K}\) e \( \bm {x}, \bm {y}\in V.\)

  7. \( (\lambda _1+\lambda _2) \bm {x}= \lambda _1 \bm {x}+\lambda _2 \bm {x}\) para todos os \( \lambda _1, \lambda _2 \in \mathbb {K}\) e \( \bm {x}\in V.\)

  8. \( 1 \bm {x}= \bm {x}\) para todos os \( \bm {x}\in V.\)

Assim como ocorre com os corpos, um espaço vetorial inclui não apenas o conjunto \(V\), mas também as duas operações especificadas acima. Em outras palavras, trata-se da tripla formada por \(V\), pela adição e pela multiplicação por escalares, sujeita aos axiomas V1–V8.

Figura 2.2 Representação geométrica da multiplicação de um vetor por um escalar e da soma de vetores. Essa intuição será útil mesmo quando os vetores forem polinômios, matrizes ou funções.

Figura 2.2 Representação geométrica da multiplicação de um vetor por um escalar e da soma de vetores. Essa intuição será útil mesmo quando os vetores forem polinômios, matrizes ou funções.

Em geral, um mesmo conjunto pode receber diferentes estruturas de espaço vetorial sobre \(\mathbb {K}\). Quando não houver risco de confusão, deixaremos as operações implícitas e usaremos simplesmente \(V\) para denotar o espaço.

Se \(V\) for um espaço vetorial sobre \(\mathbb {K}\), os elementos de \(V\) serão chamados vetores, e os elementos de \(\mathbb {K}\), escalares.

Apresentamos algumas consequências simples dessa definição.

Proposição 2.2
  1. O elemento \( \vec0 \in V\) é único. Ou seja, existe um único \(\vec0\) tal que \(\vec0+\bm {x}=\bm {x}\) para todo \(\bm {x}\in V\).

  2. O elemento oposto é único. Ou seja, para todo \( \bm {x}\in V\), existe um único \( \bm {y}\in V\) tal que \( \bm {x}+ \bm {y}= \vec0.\) Esse vetor será denotado por \(-\bm {x}\).

  3. \(0\bm {x}=\lambda \vec0=\vec0\) para todos os \(\lambda \in \mathbb {K}\) e \(\bm {x}\in V\).

  4. \( (- 1) \bm {x}= -\bm {x}\).

  5. Se \(\lambda \bm {x}=\vec0\), então \(\lambda =0\) ou \(\bm {x}=\vec0\).

  6. Se \(\bm {x}+\bm {y}= \bm {z}+\bm {y}\) então \(\bm {x}= \bm {z}\).

Demonstração ▼

a Se \(\vec0\) e \(\vec0'\) satisfazem a propriedade do vetor nulo, então \(\vec0=\vec0+\vec0'=\vec0'\). Logo o vetor nulo é único.

b Se \(\bm {y}\) e \(\bm {z}\) são opostos de \(\bm {x}\), então

\[ \bm {y}=\bm {y}+\vec0=\bm {y}+(\bm {x}+\bm {z}) =(\bm {y}+\bm {x})+\bm {z}=\vec0+\bm {z}=\bm {z}. \]

Portanto, o oposto de cada vetor é único.

c Como \(0\bm {x}+0\bm {x}=(0+0)\bm {x}=0\bm {x}\), o cancelamento aditivo fornece \(0\bm {x}=\vec0\). Analogamente, \(\lambda \vec0+\lambda \vec0=\lambda (\vec0+\vec0)=\lambda \vec0\), de modo que \(\lambda \vec0=\vec0\).

d Temos \(\bm {x}+(-1)\bm {x}=1\bm {x}+(-1)\bm {x}=(1-1)\bm {x}=0\bm {x}=\vec0\). Pela unicidade do oposto, \((-1)\bm {x}=-\bm {x}\).

e Se \(\lambda \bm {x}=\vec0\) e \(\lambda \neq 0\), multiplicar a igualdade por \(\lambda ^{-1}\) dá \(\bm {x}=(\lambda ^{-1}\lambda )\bm {x}=\lambda ^{-1}\vec0=\vec0\).

f Somando \(-\bm {y}\) aos dois lados de \(\bm {x}+\bm {y}=\bm {z}+\bm {y}\), obtemos \(\bm {x}=\bm {z}\).

Observação 2.3
A expressão \( \lambda _{1} \bm {x}_{1}+\ldots +\lambda _{n} \bm {x}_{n} = \sum \lambda _{i} \bm {x}_{i} \) é definida unicamente para qualquer \( \lambda _{1}, \ldots \), \( \lambda _{n} \in \mathbb {K}\) e \( \bm {x}_{1}, \ldots \), \( \bm {x}_{n} \in V \): devido à associatividade da adição, não é necessário inserir parênteses indicando ordem para o cálculo de somas múltiplas. Analogamente, a expressão \( \lambda _{1} \lambda _{2} \ldots \lambda _{n} \bm {x}\) está bem definida.

Uma expressão da forma \(\sum _{i=1}^{n}a_i\bm {x}_i\) é uma combinação linear dos vetores \(\bm {x}_1,\ldots ,\bm {x}_n\). Os escalares \(a_i\) são os coeficientes da combinação.

Exemplo 2.4 (Espaço de dimensão zero)
O conjunto \(V=\{ \vec0\} \) torna-se um espaço vetorial quando definimos \(\lambda \vec0=\vec0\) para todo \(\lambda \in \mathbb {K}\) e \(\vec0+\vec0=\vec0\).

Espaços de dimensão zero sobre corpos distintos são estruturas distintas; por isso o corpo de escalares faz parte da especificação do espaço vetorial.

Exemplo 2.5 (Corpo)

O conjunto \(V=\mathbb {K}\), com a adição e a multiplicação do próprio corpo, é um espaço vetorial sobre \(\mathbb {K}\). vect]\(\mathbb {K}\), corpo

De maneira mais geral, dados um corpo \(\mathbb {K}\) e um subcorpo \(\mathbb {F}\) deste, o corpo \(\mathbb {K}\) pode ser visto como um espaço vetorial sobre \(\mathbb {F}\). Por exemplo, o corpo de números complexos \(\mathbb {C}\) é um espaço vetorial sobre o corpo dos números reais \(\mathbb {R}\), e este é um espaço vetorial sobre o corpo dos números racionais \(\mathbb {Q}\).

Exemplo 2.6 (Espaço de Coordenadas, \(\mathbb {K}^n\))

vect]\(\mathbb {K}^n\), espaço de coordenadas Para cada \(n\in \mathbb {N}\), denotamos por \(\mathbb {K}^n=\mathcal{M}_{n, 1}(\mathbb {K})\) o espaço dos vetores coluna com \(n\) entradas em \(\mathbb {K}\). Assim,

\[ \mathbb {K}^n=\left\{ \begin{bmatrix} x_1 \\ \vdots \\ x_n \end{bmatrix} \, \mid \, x_i\in \mathbb {K}\right\} . \]

A adição e a multiplicação por escalares são definidas componente a componente:

\begin{align*} \begin{bmatrix} x_1 \\ \vdots \\ x_n \end{bmatrix} +\begin{bmatrix} y_1 \\ \vdots \\ y_n \end{bmatrix}& \mathrel {\mathop:\! =}\begin{bmatrix} x_1+y_1 \\ \vdots \\ x_n+y_n \end{bmatrix},\\ \lambda \begin{bmatrix} x_1 \\ \vdots \\ x_n \end{bmatrix}& \mathrel {\mathop:\! =}\begin{bmatrix} \lambda x_1 \\ \vdots \\ \lambda x_n \end{bmatrix}. \end{align*}

Em particular, quando \( n = 1 \), temos que \(\mathbb {K}\) é um espaço vetorial sobre \(\mathbb {K}\).

Se \(A\) e \( B \) são dois conjuntos, vamos denotar o conjunto de funções de \(A\) para \( B \) por \( B^{A}\). Assim, \( B^{A} = \{ f: A \to B \, \mid \, f \text{ é uma função } \} \).

No Exemplo 2.6, \(\mathbb {K}^n\) pode ser identificado com o conjunto das funções de \(\{ 1,\ldots ,n\} \) em \(\mathbb {K}\): ao vetor coluna de entradas \(x_1,\ldots ,x_n\) associamos a função \(i\mapsto x_i\). Essa observação sugere a seguinte generalização.

Exemplo 2.7 (Espaços de Funções)

vect]\(\mathbb {K}^S\), espaço de funções Sejam \( S \) um conjunto arbitrário e \( \mathbb {K}(S)= \mathbb {K}^S \) o conjunto de funções em \( S \) com valores no corpo \( \mathbb {K}\). Se \( f : S \to \mathbb {K}\) é uma função, então \( f (s) \) indica o valor de \(f\) no elemento \( s \in S. \)

A adição e multiplicação de funções por um escalar são definidas pontualmente:

  • \( (f+g) (s) \mathrel {\mathop:\! =}f (s)+g (s) \) para todos os \( s \in S, \)

  • \( (af) (s) \mathrel {\mathop:\! =}a f (s) \) para todos os \( a \in \mathbb {K}\) e \(s\in S\).

Como já observamos, se \(S=\{ 1,\ldots ,n\} \), então \(\mathbb {K}(S)\) pode ser identificado com \(\mathbb {K}^n\): a função \(f\) corresponde ao vetor coluna cujas entradas são \(f(1),\ldots ,f(n)\). As operações são compatíveis com essa identificação.

A todo elemento \( s \in S \) podemos associar uma função delta \( \delta _{s} \) centrada em \( \{ s \} \) definida como

\[ \delta _{s} (s ) = 1 \quad \text{ e } \quad \delta _{s} (t) = 0 \text{ se } t \neq s . \]

Quando \(S=\{ 1,\ldots ,n\} \), usaremos também a notação do delta de Kronecker, \(\delta _i(k)=\delta _{ik}\).

Se o conjunto \( S \) for finito, uma função \( f \in \mathbb {K}(S) \) poderá ser representada unicamente por uma combinação linear de funções delta:

\[ f = \sum _{ s\in S} f (s) \delta _{s} . \]

A igualdade pode ser verificada ponto a ponto. Reciprocamente, se \(f=\sum _{s\in S}a_s\delta _s\), avaliar ambos os lados em \(s\) fornece \(f(s)=a_s\).

Se \(S\) for infinito, essa representação vale apenas para as funções de suporte finito, pois combinações lineares contêm somente um número finito de parcelas. Algumas somas infinitas podem ser definidas quando o espaço possui uma topologia ou uma norma; voltaremos a esse tema na Seção 7.7.

Exemplo 2.8 (Funções Vetoriais)
vect]\(V^A\), espaço de funções vetoriais Seja \(V\) um espaço vetorial sobre \(\mathbb {K}\) e \(A\) um conjunto arbitrário. Então, o conjunto \(V^A\) de todas as funções de \(A\) em \(V\) é um espaço vetorial sobre \(\mathbb {K}\) quando definimos as operações pontualmente. Se \(f,g\in V^A\) e \(\lambda \in \mathbb {K}\), então
\[ (f+g)(a)=f(a)+g(a),\qquad (\lambda f)(a)=\lambda f(a),\quad a\in A. \]

Se \(A\) for finito, com \(n\) elementos, identificaremos \(V^A\) com \(V^n\) depois de escolher uma ordem em \(A\). Em particular, para \(V=\mathbb {K}\), recuperamos o espaço de coordenadas \(\mathbb {K}^n\) do Exemplo 2.6.

Exemplo 2.9 (Matrizes)

vect]\(\mathcal{M}_{m, n}(\mathbb {K})\), espaço das matrizes \( m \times n \) Denotaremos por \(\mathcal{M}_{m, n}(\mathbb {K})\) o conjunto das matrizes \(m\times n\) com entradas em \(\mathbb {K}\). A adição usual, \((a_{ij})+(b_{ij})=(a_{ij}+b_{ij})\), e a multiplicação por escalares, \(\lambda (a_{ij})=(\lambda a_{ij})\), fazem de \(\mathcal{M}_{m, n}(\mathbb {K})\) um espaço vetorial sobre \(\mathbb {K}\).

Exemplo 2.10 (Vetores linha e coluna)
Pela convenção adotada neste livro,
\[ \mathbb {K}^n=\mathcal{M}_{n, 1}(\mathbb {K}) \]
é o espaço dos vetores coluna. Os vetores linha pertencem a \(\mathcal{M}_{1, n}(\mathbb {K})\). A transposta de um vetor coluna é um vetor linha, e vice-versa; os dois espaços são naturalmente isomorfos, mas não serão identificados.

Exemplo 2.11 (Polinômios)
vect]\(\mathbb {K}[x]\), polinômios em uma variável Seja \(\mathbb {K}[x]\) o conjunto dos polinômios em uma variável \(x\) com coeficientes em \(\mathbb {K}\). Um elemento típico é uma soma finita \(a_nx^n+\cdots +a_0\), com \(n\in \mathbb {N}\cup \{ 0\} \) e \(a_0,\ldots ,a_n\in \mathbb {K}\). A adição de polinômios e a multiplicação por escalares fazem de \(\mathbb {K}[x]\) um espaço vetorial sobre \(\mathbb {K}\).

A análise fornece outros exemplos de espaços vetoriais.

Exemplo 2.12 (Sequências)

vect]\(\operatorname {Seq}(\mathbb {K})\), sequências

Uma sequência com valores em \(\mathbb {K}\) é uma função \(a:\mathbb {N}\to \mathbb {K}\); escrevemos usualmente \(a_n\mathrel {\mathop:\! =}a(n)\). O conjunto \(\operatorname {Seq}(\mathbb {K})\) de todas as sequências infinitas com valores num corpo \( \mathbb {K}\) é um espaço vetorial com as operações definidas termo a termo:

\begin{align} (s_{n})+(t_{n}) & \mathrel {\mathop:\! =}(s_{n}+t_{n})\quad \text{ e } \tag{2.1} \\ a (s_{n}) & \mathrel {\mathop:\! =}(a s_{n}) \tag{2.2} \end{align}

Também denotaremos o espaço \(\operatorname {Seq}(\mathbb {K})\) como \(\mathbb {K}^{\infty }\) e veremos uma sequência como uma lista ordenada. Assim, veremos \((a_n)\) como a lista ordenada \((a_1,a_2,\ldots )\) e escreveremos

\[ \mathbb {K}^\infty =\operatorname {Seq}(\mathbb {K}) =\{ (a_1,a_2,\ldots )\, \mid \, a_i\in \mathbb {K}\text{ para todo }i\in \mathbb {N}\} , \]

com as operações definidas coordenada a coordenada.

Exemplo 2.13 (Funções Contínuas e Diferenciáveis)
vect]\(C (I)\), funções contínuas em \(I\) Seja \(I=[a,b]\) um intervalo fechado. Denotaremos por \(C(I)\) o espaço das funções reais contínuas em \(I\). Para \(k\geq 1\), denotaremos por \(C^k(I)\) o conjunto das funções \(f:I\to \mathbb {R}\) cujas derivadas \(f',\ldots ,f^{(k)}\) existem no interior \((a,b)\) e admitem extensões contínuas a \(I\). Equivalentemente, são as funções \(k\) vezes continuamente diferenciáveis até a fronteira, interpretando as derivadas nos extremos pelos limites laterais. Assim,
\[ C(I)\supseteq C^1(I)\supseteq C^2(I)\supseteq \cdots . \]
Esses conjuntos são espaços vetoriais sobre \(\mathbb {R}\) com as operações pontuais \((f+g)(x)=f(x)+g(x)\) e \((\lambda f)(x)=\lambda f(x)\).

Exemplo 2.14 (Funções integráveis)

vect]\( \mathcal{R}(B ) \), funções integráveis

Seja \(B=[a_1,b_1]\times \cdots \times [a_n,b_n]\subseteq \mathbb {R}^n\) um retângulo fechado. O conjunto \(\mathcal R(B)\) das funções reais Riemann-integráveis em \(B\) é um espaço vetorial sobre \(\mathbb {R}\), com as operações pontuais definidas como no Exemplo 2.13.

Observação 2.15
Geralmente, é muito conveniente, mas não totalmente consistente, denotar o elemento zero e a adição em \( \mathbb {K}\) e \( V \) pelos mesmos símbolos.

Apresentaremos a seguir dois exemplos nos quais uma notação diferente é preferível.

Exemplo 2.16
Seja \(L=\{ x\in \mathbb {R}\, \mid \, x\gt 0\} \). Consideramos a multiplicação usual como a “adição” de vetores e definimos a multiplicação de \(x\in L\) pelo escalar \(a\in \mathbb {R}\) como \(x^a\). As leis das potências verificam os axiomas da Definição 2.1, que nessa notação assumem uma forma pouco habitual:
  • o vetor zero em \( L \) é o elemento \(1\), ou seja, \(\vec0=1\).

  • a identidade \( 1\bm {x}= \bm {x}\) adquire a forma \( x^{1} = x\)

  • a identidade \( a (b\bm {x}) = (ab) \bm {x}\) adquire a forma \( (x^{b})^{a} = x^{ba}\)

  • a identidade \( (a+b) \bm {x}= a\bm {x}+b\bm {x}\) torna-se \(x^{a+b}=x^ax^b\).

Exemplo 2.17
vect]\( \overline{V} \) Seja \( V \) um espaço vetorial sobre o corpo dos números complexos \(\mathbb {C}\). Defina um novo espaço vetorial \( \overline{V} \) com o mesmo grupo aditivo \( V \), mas com uma multiplicação por escalar diferente:
\[ (a, \bm {x}) \mapsto \overline{a} \bm {x}, \]
onde \( \overline{a}\) denota o conjugado complexo de \( a \). Das fórmulas \( \overline{a+ b} = \overline{a}+\overline{b} \) e \( \overline{ab} = \overline{a} \overline{b} \) segue sem maiores dificuldades que \( \overline{V} \) é um espaço vetorial.

Exercício 2.1

Seja \(V\) um espaço vetorial sobre um corpo \(\mathbb {K}\). Mostre que:

  1. O vetor nulo \(\vec0\) é único.

  2. O vetor oposto \(-\bm {v}\) a cada vetor \(\bm {v}\in V\) é único.

  3. Prove que \(-1\cdot \bm {v}=-\bm {v}\) e conclua que \(-(-\bm {v})=\bm {v}\) para todo \(\bm {v}\in V\).

  4. Prove que \(\alpha \bm {v}=\vec0\) se, e somente se, \(\alpha =0\) ou \(\bm {v}=\vec0\).

  5. Prove que \(\alpha \bm {v}=\bm {v}\) se, e somente se, \(\alpha =1\) ou \(\bm {v}=\vec0\).

  6. Mostre que se \(\bm {x}+\bm {y}= \bm {z}+\bm {y}\) então \(\bm {x}= \bm {z}\).

  7. Suponha que o neutro e o oposto sejam bilaterais, isto é, \(\vec0+\bm {x}=\bm {x}+\vec0=\bm {x}\) e, para cada \(\bm {x}\), exista \(\bm {y}\) tal que \(\bm {x}+\bm {y}=\bm {y}+\bm {x}=\vec0\). Mostre que, nessas condições, a comutatividade da soma decorre dos demais axiomas.

  8. Mostre que, com os axiomas exatamente como na definição do texto, a comutatividade não pode ser deduzida. Para isso, tome um conjunto \(V\) com pelo menos dois elementos e defina \(\bm {u}+\bm {v}:=\bm {v}\) e \(\lambda \bm {x}:=\bm {x}\).

Exercício 2.2

Determine se os seguintes conjuntos são espaços vetoriais sobre o corpo \(\mathbb {K}\) especificado em cada caso.

  1. \(\mathbb {R}^{3}\) sobre \(\mathbb {K}=\mathbb {R}\) com as operações

    \begin{align*} (x_{1},x_{2},x_{3})+(y_{1},y_{2},y_{3}) & =(x_{1}+y_{1},x_{2}+y_{2},x_{3}+y_{3})\\ \alpha \cdot (x_{1},x_{2},x_{3}) & =(\alpha \cdot x_{1},x_{2},x_{3}) \end{align*}
  2. O conjunto \(V=\{ (a,b)\in \mathbb {R}^{2}:a,b\gt 0\} \) sobre \(\mathbb {K}=\mathbb {R}\) com as operações

    \begin{align*} (a,b)+(c,d) & =(ac,bd)\\ \alpha \cdot (a,b) & =(a^{\alpha },b^{\alpha }),\; \alpha \in \mathbb {R}\end{align*}
  3. O conjunto \( \mathbb {Q}(\sqrt{2})\) dos elementos \(a+b\sqrt{2}\) com \(a,b\in \mathbb {Q}\) sobre \(\mathbb {K}=\mathbb {Q}\) com as operações:

    \begin{align*} (a+b\sqrt{2})+(c+d\sqrt{2}) & =(a+c)+(b+d)\sqrt{2}\\ \alpha \cdot (a+b\sqrt{2}) & =\alpha \cdot a+\alpha \cdot b\sqrt{2},\; \alpha \in \mathbb {Q}\end{align*}

Exercício 2.3

Mostre que \(\mathbb {N}\) pode receber uma estrutura de espaço vetorial sobre \(\mathbb {Q}\). (Dica: transporte as operações de \(\mathbb {Q}\) por uma bijeção \(\mathbb {N}\to \mathbb {Q}\).)

Exercício 2.4

Seja \(V\) um espaço vetorial. Use os axiomas de espaço vetorial para provar que se \(\bm {v}\in V\) e \(n \in \mathbb {N}\) então

\[ n\bm {v}=\underbrace{\bm {v}+\ldots +\bm {v}}_{n \text{ parcelas}}. \]

Exercício 2.5

Sejam \(\bm {u},\bm {v}\) vetores não nulos de \(V\). Prove que \(\bm {v}\) é múltiplo de \(\bm {u}\) se, e somente se, \(\bm {u}\) é múltiplo de \(\bm {v}\).

Exercício 2.6

Prove detalhadamente que o conjunto de funções \(\mathbb {K}(S)=\mathbb {K}^S\) é um espaço vetorial quando a adição e a multiplicação por escalares são definidas pontualmente:

  • \( (f+g) (s) \mathrel {\mathop:\! =}f (s)+g (s) \) para todos os \( s \in S, \)

  • \( (af) (s) \mathrel {\mathop:\! =}a f (s) \) para todos os \(a\in \mathbb {K}\) e \(s\in S\).

Exercício 2.7

Se \(S\) é um conjunto finito com \(n\) elementos, quantos elementos possui o espaço vetorial \(\mathbb {Z}_2^S\)?

Exercício 2.8

Suponha que \(\operatorname {char}(\mathbb {K})\neq 2\). Defina a média de dois vetores por \(\bm {u}\star \bm {v}=\frac12\bm {u}+\frac12\bm {v}\). Prove que \((\bm {u}\star \bm {v})\star \bm {w}=\bm {u}\star (\bm {v}\star \bm {w})\) se, e somente se, \(\bm {u}=\bm {w}\).

Exercício 2.9

Dados os espaços vetoriais \(V_1, V_2,\) considere o conjunto \(V=V_1 \times V_2\) (produto cartesiano de \(V_1\) por \(V_2\)), cujos elementos são os pares ordenados \(v=(v_1,v_2)\), com \(v_1 \in V_1\) e \(v_2 \in V_2\). Defina operações que tornem \(V\) um espaço vetorial. Verifique a validade de cada um dos axiomas.

Exercício 2.10

Em \(\mathbb {R}^2\) mantenhamos a definição de produto \(\alpha v\) de um número por um vetor mas modifiquemos, de três maneiras diferentes, a definição de soma \(u+v\) de vetores \(u=(x,y)\) e \(v=(x^{\prime }, y^{\prime })\). Em cada tentativa, dizer quais axiomas de espaço vetorial continuam válidos e quais são violados:

  1. \(u+v = (x+y^{\prime }, x^{\prime }+y)\),

  2. \(u+v = (xx^{\prime }, yy^{\prime })\),

  3. \(u+v = (3x+3x^{\prime }, 5x+5x^{\prime })\).

Exercício 2.11

Seja \(\mathbb {K}\) um corpo finito com \(q\) elementos. Quantos elementos possui o espaço vetorial \(\mathbb {K}^n\)?

2.2 Subespaços

Em muitas estruturas algébricas podemos reconhecer subconjuntos que herdam as operações da estrutura original. Os espaços vetoriais não são exceção. Fixemos um espaço vetorial \(V\) sobre \(\mathbb {K}\).

Definição 2.18 (Subespaço Vetorial)
Um subconjunto não vazio \( W \) de \(V\) é um subespaço vetorial de \(V\) se \( W \) for um espaço vetorial com as mesmas operações de adição de vetores e multiplicação escalar que \(V.\)

A proposição seguinte fornece um critério para reconhecer subespaços.

Proposição 2.19
Um subconjunto não vazio \(W\) de \(V\) é um subespaço vetorial se, e somente se, for fechado em relação à adição de vetores e à multiplicação por escalares de \(V\).

Demonstração ▼

Se \(W\) é um subespaço, o fechamento decorre dos axiomas de espaço vetorial. Reciprocamente, suponha que \(W\) seja não vazio e fechado por soma e multiplicação por escalares. Escolha \(\bm {w}\in W\). Como \(\vec0=0\bm {w}\in W\) e \(-\bm {w}=(-1)\bm {w}\in W\), o vetor nulo e os opostos pertencem a \(W\). Todos os demais axiomas são herdados de \(V\); portanto, \(W\) é um espaço vetorial com as operações de \(V\).

Exemplo 2.20
O conjunto dos polinômios de grau menor ou igual a \(n\), juntamente com o polinômio nulo, é um subespaço de \(\mathbb {K}[x]\). Esse espaço será denotado por \(\mathbb {K}_n[x]\).

Exemplos 2.21
Os conjuntos \(C([a,b])\), \(C^k([a,b])\) e \(\mathcal R([a,b])\) são subespaços de \(\mathbb {R}^{[a,b]}\).

Exemplo 2.22

Vamos apresentar alguns exemplos de subespaços do espaço de sequências.

O conjunto \(c_0\) das sequências complexas que convergem para \(0\) é um espaço vetorial, assim como o conjunto \(\ell ^\infty \) das sequências complexas limitadas. Além disso, se \(p\geq 1\) é um número real, o conjunto \(\ell ^p\) das sequências complexas \((s_n)\) para as quais

\[ \sum _{n = 1}^{\infty } | s_{n} |^{p} \lt \infty \]

é um espaço vetorial com operações definidas componente a componente. O fechamento em relação à adição decorre da desigualdade de Minkowski:

\[ \left(\sum _{n = 1}^{\infty } | s_{n}+t_{n} |^{p}\right)^{1 / p} \leq \left(\sum _{n = 1}^{\infty } | s_{n} |^{p}\right)^{1 / p}+\left(\sum _{n = 1}^{\infty } | t_{n} |^{p}\right)^{1 / p} \]

Exemplo 2.23

O conjunto

\[ \left(\mathbb {K}^{\infty }\right)_0 = \{ (a_i)_{i\geq 1}\in \mathbb {K}^\infty \mid a_i\neq 0\text{ para apenas finitos índices }i\} \]

é um subespaço de \(\mathbb {K}^{\infty }\).

Exemplo 2.24 (Sistema Linear)

vect]solução de um sistema de equações lineares homogêneo Seja \(A\in \mathcal{M}_{m, n}(\mathbb {K})\). O conjunto das soluções \(X\in \mathbb {K}^n\) do sistema homogêneo \(AX=\vec0\) é um subespaço de \(\mathbb {K}^n\). De fato, se \(AX=AY=\vec0\) e \(\lambda \in \mathbb {K}\), então \(A(\lambda X+Y)=\lambda AX+AY=\vec0\).

Essa distributividade pode ser verificada diretamente nas entradas. Se \(B,C\in \mathcal{M}_{n, p}(\mathbb {K})\), então

\[ A (\lambda B+C) = \lambda (A B)+A C \]

para todo \(\lambda \in \mathbb {K}\); com efeito,

\begin{align*} [A (\lambda B+C)]_{ij} & = \sum _{k} A_{ik} (\lambda B+C)_{kj} \\ & = \sum _{k} (\lambda A_{i k} B_{kj}+A{}_{ik} C_{kj}) \\ & = \lambda \sum _{k} A_{ik} B_{kj}+\sum _{k} A{}_{ik} C_{kj} \\ & = \lambda (AB)_{ij}+(AC)_{ij} \\ & = [\lambda (AB)+AC]_{ij} . \end{align*}

Exemplo 2.25

vect]soluções de EDO’s

Considere o seguinte sistema de equações diferenciais lineares:

\begin{align} x_{1}’ & = a_{11} x_{1}+\cdots +a_{1 n} x_{n} \tag{2.3} \\ & \qquad \vdots \tag{2.4} \\ x_{n} ’ & = a_{n 1} x_{1}+\cdots +a_{n n} x_{n} \tag{2.5} \end{align}

com \(x_1,\ldots ,x_n\in C^1(I)\), onde \(I\) é um intervalo aberto em \(\mathbb {R}\), \(x_i'\) denota a derivada de \(x_i\) e \(a_{ij}\in \mathbb {R}\). A matriz \(A=(a_{ij})\in \mathcal M_{n,n}(\mathbb {R})\) é a matriz do sistema. Defina \(\bm {x}=(x_1,\ldots ,x_n)^{\mathrm{t}}\). Com essa notação, o sistema assume a forma

\[ \bm {x}'= A \bm {x}\text{ com } \bm {x}\in C^{1} (I)^{n} . \]

O conjunto de soluções é \(V=\{ \bm {x}\in C^1(I)^n\, \mid \, \bm {x}'=A\bm {x}\} \). A linearidade da derivação e da multiplicação por \(A\) mostra que \(V\) é um subespaço de \(C^1(I)^n\).

Uma coleção \(\mathcal S=\{ W_i\, \mid \, i\in I\} \) de subespaços de \(V\) permite construir novos subespaços de duas maneiras naturais.

A interseção \(\bigcap _{i\in I}W_i\) é um subespaço de \(V\), pois todas as condições do teste de subespaço são preservadas por interseções.

Se, para cada \(i,j\in I\), existir \(k\in I\) tal que \(W_i\cup W_j\subseteq W_k\), então \(\bigcup _{i\in I}W_i\) também é um subespaço: dois de seus vetores pertencem simultaneamente a algum \(W_k\), onde sua soma e seus múltiplos escalares permanecem.

Em geral, porém, a união de dois subespaços não é um subespaço. De fato, \(W_1\cup W_2\) é um subespaço se, e somente se, \(W_1\subseteq W_2\) ou \(W_2\subseteq W_1\). A verificação é proposta como exercício.

Teorema 2.26
Seja \(V\) um espaço vetorial sobre um corpo infinito \(\mathbb {K}\). Então \(V\) não pode ser a união de um número finito de subespaços próprios.

Demonstração ▼

Suponha, por contradição, que \(V=W_1\cup \cdots \cup W_n\), com todos os \(W_i\) próprios, e escolha tal cobertura com \(n\) mínimo. Ela é irredundante; em particular, existe

\[ \bm {x}\in W_1\setminus \bigcup _{i=2}^nW_i. \]

Como \(W_1\neq V\), escolha também \(\bm {y}\in V\setminus W_1\). A reta afim \(L=\{ \bm {x}+\lambda \bm {y}\, \mid \, \lambda \in \mathbb {K}\} \) é infinita: se duas de suas expressões fossem iguais, teríamos \((\lambda -\mu )\bm {y}=\vec0\) e, portanto, \(\lambda =\mu \).

Como \(L\) está coberta pelos \(n\) subespaços, algum \(L\cap W_j\) é infinito. Escolha dois de seus pontos distintos, \(\bm {x}+\lambda \bm {y}\) e \(\bm {x}+\mu \bm {y}\). A diferença mostra que \((\lambda -\mu )\bm {y}\in W_j\) e, como \(\lambda \neq \mu \), temos \(\bm {y}\in W_j\). Subtraindo \(\lambda \bm {y}\) do primeiro ponto, obtemos \(\bm {x}\in W_j\). Se \(j=1\), isso contradiz \(\bm {y}\notin W_1\); se \(j\neq 1\), contradiz a escolha de \(\bm {x}\). Logo tal cobertura não existe.

Exemplo 2.27
Se \( \mathbb {K}\) é finito, então o teorema anterior é falso em geral. Por exemplo, seja \(V = (\mathbb {F}_{2})^{2}.\) Então \(V = W_{1} \cup W_{2} \cup W_{3} \), em que \( W_{1} = \{ (0,0), (1,0)\} , W_{2} = \{ (0,0), (0,1)\} \) e \( W_{3 } = \{ (0,0), (1,1)\} \).

Definição 2.28 (Subespaço Gerado)
Dado \(S\subseteq V\), o subespaço gerado por \(S\) é o menor subespaço de \(V\) que contém \(S\). Explicitamente,
\[ \langle S\rangle \mathrel {\mathop:\! =}\bigcap \{ W\, \mid \, W\text{ é subespaço de }V \text{ e }S\subseteq W\} . \]

Denotaremos por \(\mathscr {P}(V)\) o conjunto dos subconjuntos de \(V\) e por \(\mathcal{S}\left(V\right)\) o conjunto de seus subespaços. A aplicação \(\langle \, \cdot \, \rangle :\mathscr {P}(V)\to \mathcal{S}\left(V\right)\) envia \(S\) em \(\langle S\rangle \). Ela é sobrejetiva, pois sua restrição a \(\mathcal{S}\left(V\right)\) é a identidade.

Definição 2.29 (Combinação Linear)
Seja \(B=\{ \bm {v}_i\, \mid \, i\in I\} \subseteq V\). Um vetor \(\bm {v}\in V\) é uma combinação linear dos vetores de \(B\) se existe uma família de escalares \((c_i)_{i\in I}\), com apenas um número finito de termos não nulos, tal que
\[ \vec{v} = \sum _{i\in I} c_{i} \vec{v}_{i}. \]

Observação 2.30

Se escolhermos todos \( c_{i} = 0 \), obteremos

\[ \vec0 = \sum c_{i} \bm {v}_{i}. \]

Esta é a combinação linear trivial dos vetores em \( B \). Qualquer outra combinação linear é não trivial.

Se \(B=\emptyset \), a única combinação linear é a soma vazia, cujo valor é, por convenção, o vetor nulo de \(V\).

Teorema 2.31
A função \( \langle \ \cdot \ \rangle : \mathscr {P}(V) \to \mathcal{S}\left(V\right) \) possui as seguintes propriedades
  1. Para \( S \in \mathscr {P}(V), \langle S\rangle \) é o subespaço de \(V\) de todas as combinações lineares finitas de vetores de \(S\). Assim,

    \[ \langle S\rangle = \left\{ \sum _{i = 1}^{n} x_{i} \bm {x}_{ i} \, \mid \, x_{i} \in \mathbb {K}, \bm {x}_{i} \in S, n \geq 0 \right\} \]
  2. Se \( S_{1} \subseteq S_{2} \), \( \langle S_{1}\rangle \subseteq \langle S_{2}\rangle \).

  3. Se \( \bm {x}\in \langle S\rangle \), existe um subconjunto finito \( S '\subseteq S \) de modo que \( \bm {x}\in \langle S '\rangle \).

  4. \( S \subseteq \langle S\rangle \) para todos os \( S \in \mathscr {P}(V) \).

  5. Para cada \( S \in \mathscr {P}(V), \langle \langle S\rangle \rangle = \langle S\rangle \).

  6. Se \( \bm {y}\in \langle S \cup \{ \bm {x}\} \rangle \) e \( \bm {y}\not\in \langle S\rangle \), então \( \bm {x}\in \langle S \cup \{ \bm {y}\} \rangle \). Aqui \( \bm {x}, \bm {y}\in V\) e \( S \in \mathscr {P}(V).\)

Demonstração ▼

a Seja \(L\) o conjunto das combinações lineares finitas de vetores de \(S\). Como \(\langle S\rangle \) é um subespaço que contém \(S\), temos \(L\subseteq \langle S\rangle \). Por outro lado, \(L\) é um subespaço que contém \(S\); pela minimalidade de \(\langle S\rangle \), segue que \(\langle S\rangle \subseteq L\).

b Se \(S_1\subseteq S_2\), então \(\langle S_2\rangle \) é um subespaço que contém \(S_1\). Pela minimalidade de \(\langle S_1\rangle \), \(\langle S_1\rangle \subseteq \langle S_2\rangle \).

c Pelo item a, cada vetor de \(\langle S\rangle \) é uma combinação linear de um número finito de vetores de \(S\); basta reunir esses vetores em \(S'\).

d Cada \(\bm {x}\in S\) é a combinação linear \(1\bm {x}\), logo \(S\subseteq \langle S\rangle \).

e O conjunto \(\langle S\rangle \) já é subespaço; portanto, tomar seu gerado não o altera.

f Se \(\bm {y}\in \langle S\cup \{ \bm {x}\} \rangle \setminus \langle S\rangle \), podemos escrever

\[ \bm {y}=a\bm {x}+a_1\bm {x}_1+\cdots +a_n\bm {x}_n, \qquad \bm {x}_1,\ldots ,\bm {x}_n\in S. \]

O coeficiente \(a\) não pode ser nulo, pois isso colocaria \(\bm {y}\) em \(\langle S\rangle \). Assim,

\[ \bm {x}=a^{-1}\bm {y}-a^{-1}a_1\bm {x}_1-\cdots -a^{-1}a_n\bm {x}_n \in \langle S\cup \{ \bm {y}\} \rangle . \]

Exercício 2.12

Seja \(W\) um subconjunto não vazio de \(V\). Prove que, se \(W\) for fechado em relação à adição e à multiplicação por escalares, então \(W\) é um subespaço de \(V\).

Exercício 2.13

Para os conjuntos seguintes, determine se os conjuntos dados são espaços vetoriais reais, se a adição e a multiplicação forem as usuais. Para aqueles que não forem diga quais axiomas de espaços vetoriais não são satisfeitos.

  1. O conjunto dos polinômios de grau menor ou igual a \(n\)

  2. O conjunto de todas as funções reais tais que \(f(0)=f(1)\)

  3. O conjunto das funções tais que \(f(0)=1+f(1)\)

  4. O conjunto das funções reais crescentes.

  5. O conjunto das funções reais pares.

  6. O conjunto das funções reais ímpares.

  7. O conjunto das funções contínuas em \([0,1]\) tais que \(\displaystyle \int _0^1f(x)dx=0\)

  8. O conjunto das funções contínuas em \([0,1]\) tais que \(\displaystyle \int _0^1f(x)dx\geq 0\)

  9. O conjunto dos vetores \((x,y,z)\) em \(\mathbb {R}^3\) tais que \(x=0\) ou \(y=0\)

  10. O conjunto das matrizes \(2\times 2\) cujo traço é zero

  11. O conjunto das matrizes \(2\times 2\) cujo determinante é zero

  12. O conjunto das matrizes \(2\times 2\) simétricas, isto é, tais que \(A=A^{\mathrm{t}}\).

  13. O conjunto dos vetores \((x,y,z)\) que satisfaz a equação linear \(a_1x+a_2y+a_3z=0\)

Exercício 2.14

Considere o subconjunto \(S\) de \(C^n(\mathbb {R})\) formado pelas funções que são soluções da equação diferencial linear homogênea de ordem \(n\) com coeficientes constantes

\[ y^{(n)}(t)+a_{n-1}y^{(n-1)}(t)+\cdots +a_{1}y'(t)+a_{0}y(t)=0 \]

onde \(a_{0},a_{1},\dots ,a_{n-1}\in \mathbb {R}\). Mostre que \(S\) é um subespaço vetorial de \(C^n(\mathbb {R})\).

Exercício 2.15

Seja \(\mathcal{F}(X,\mathbb {K})\) o espaço das funções, onde \(\mathbb {K}\) é um corpo. No caso particular em que \(X=\mathbb {N}\) o espaço é denominado espaço de sequências e vamos denotá-lo por \(\mathbb {K}^{\mathbb {N}}\). Um elemento \(f\in \mathbb {K}^{\mathbb {N}}\) é uma função \(f:\mathbb {N}\to \mathbb {K}\) dada por \(n\mapsto x_{n}\in \mathbb {K}\) e será denotado por \(f=(x_{n})_{n\in \mathbb {N}}.\) Quais dos seguintes conjuntos são subespaços de \(\mathbb {K}^{\mathbb {N}}\) ?

  1. O conjunto das sequências com apenas um número finito de coordenadas diferentes de zero.

  2. Nenhuma coordenada igual a \(1\).

    Nos próximos itens \(\mathbb {K}=\mathbb {R}\)

  3. O conjunto das sequências de Cauchy, isto é, das sequências tais que, dado \(\epsilon \gt 0\) existe \(N\gt 0\) tal que \(|x_{n}-x_{m}|\lt \epsilon \) para \(n,m\gt N\).

  4. As sequências tais que \(\sum _{n=1}^{\infty }|x_{n}|\lt \infty \).

  5. As sequências limitadas, isto é, as sequências \((x_n)_{n\in \mathbb {N}}\) para as quais existe \(M\gt 0\) tal que \(\left|x_{n}\right|\leq M\) para todo \(n\in \mathbb {N}\).

Exercício 2.16

Seja \(S\) um subespaço de \(V\) e seja \(v\in V\). O conjunto \(v+S=\{ v+s\, \mid \, s\in S\} \) é um subespaço afim de \(V\).

  1. Quando um subespaço afim de \(V\) é subespaço de \(V\)?

  2. Mostre que dois subespaços afins \(x+S\) e \(y+S\) ou são iguais ou são disjuntos.

Exercício 2.17

Prove que

  1. Se \( S_{1} \subseteq S_{2} \), \( \langle S_{1}\rangle \subseteq \langle S_{2}\rangle \).

  2. Se \( \bm {x}\in \langle S\rangle \), existe um subconjunto finito \( S '\subseteq S \) de modo que \( \bm {x}\in \langle S '\rangle \).

  3. \( S \subseteq \langle S\rangle \) para todos os \( S \in \mathscr {P}(V) \).

  4. Para cada \( S \in \mathscr {P}(V), \langle \langle S\rangle \rangle = \langle S\rangle \).

Exercício 2.18

Seja \(X\subseteq V\) um subconjunto de um espaço vetorial sobre \(\mathbb {K}\) \(V\). Mostre que \(\left\langle X\right\rangle =\{ \sum _{v\in F}\alpha _{v}\cdot v:F\subseteq X\text{ é um subconjunto finito e }\alpha _{v}\in \mathbb {K},\, \forall v\in F\} \).

Exercício 2.19

Dê um contraexemplo que mostre que a união de subespaços não é necessariamente um subespaço.

Exercício 2.20

Mostre que, se \(W_1\) e \(W_2\) são subespaços de \(V\), então \(W_1\cup W_2\) é um subespaço se, e somente se, \(W_1\subseteq W_2\) ou \(W_2\subseteq W_1\).

Exercício 2.21

Com as operações usuais, determine se os conjuntos abaixo são subespaços reais. Nos casos afirmativos, encontre uma base e a dimensão.

  1. \(\{ (0,y):y\in \mathbb {R}\} \subseteq \mathbb {R}^2\);

  2. \(\left\{ \begin{bmatrix} a & a+b \\ a+b & b \end{bmatrix}:a,b\in \mathbb {R}\right\} \);

  3. o conjunto das matrizes triangulares superiores de ordem \(3\).

Gabarito no Apêndice C, p. *.

Exercício 2.22

Para subconjuntos arbitrários \(U,W\) de um espaço vetorial, prove ou refute: \(\langle U\rangle \cap \langle W\rangle =\langle U\cap W\rangle \) e \(\langle U\rangle +\langle W\rangle =\langle U\cup W\rangle \). Se uma igualdade falhar, indique a inclusão que permanece válida.

Gabarito no Apêndice C, p. *.

2.3 Bases e Dimensão

Definição 2.32 (Dependência e Independência Linear)
Suponha que \(V\) seja um espaço vetorial arbitrário sobre um corpo \(\mathbb {K}\) e seja \( S \) um subconjunto de \(V.\)
  • \(S\) é dito linearmente dependente sobre \(\mathbb {K}\) se existirem vetores distintos \(\bm {x}_1,\ldots ,\bm {x}_n\in S\) e escalares \(a_1,\ldots ,a_n\in \mathbb {K}\), não todos nulos, tais que \(a_1\bm {x}_1+\cdots +a_n\bm {x}_n=\vec0\).

  • \(S\) é dito linearmente independente (sobre \(\mathbb {K}\)) se \( S \) não for linearmente dependente.

Portanto, se \(S\) for linearmente independente, toda relação \(\sum _{i=1}^n a_i\bm {x}_i=\vec0\), com \(\bm {x}_1,\ldots ,\bm {x}_n\) distintos em \(S\), terá todos os coeficientes nulos.

Pela definição, o conjunto vazio é linearmente independente por vacuidade. Omitiremos a expressão “sobre \(\mathbb {K}\)” quando o corpo estiver claro no contexto. Se houver mais de um corpo envolvido, porém, a dependência pode mudar, como mostra o exemplo seguinte.

Exemplo 2.33
Considere \(V=\mathbb {R}\) como espaço vetorial tanto sobre \(\mathbb {Q}\) quanto sobre \(\mathbb {R}\). O conjunto \(S=\{ 1,\sqrt2\} \) é linearmente independente sobre \(\mathbb {Q}\), pois \(a+b\sqrt2=0\), com \(a,b\in \mathbb {Q}\), implica \(a=b=0\). Sobre \(\mathbb {R}\), porém, ele é linearmente dependente, pois \(\sqrt2\cdot 1-1\cdot \sqrt2=0\).

Definição 2.34 (Base)
Um subconjunto \( S \) de \(V\) é dito base de \(V\) se \( S \) for linearmente independente sobre \(\mathbb {K}\) e \( \langle S\rangle = V.\)

Se \(S\) é uma base de \(V\), todo vetor não nulo \(\bm {x}\in V\) possui uma expressão única \(\bm {x}=x_1\bm {x}_1+\cdots +x_n\bm {x}_n\), na qual \(\bm {x}_1,\ldots ,\bm {x}_n\) são elementos distintos de \(S\) e os coeficientes \(x_1,\ldots ,x_n\) são não nulos.

Notação 2.35
As bases serão denotadas por \(\underline{\textsc{B}}, \underline{\textsc{x}},\ldots \).

Vejamos alguns exemplos de bases.

Exemplo 2.36
O conjunto vazio \( \emptyset \) é uma base para o subespaço nulo \((0)\) de qualquer espaço vetorial \(V.\) Se considerarmos um corpo \(\mathbb {K}\) como um espaço vetorial sobre si mesmo, qualquer elemento diferente de zero \( \bm {x}\) de \(\mathbb {K}\) é uma base de \(\mathbb {K}\).

Exemplo 2.37
Seja \(V=\mathbb {K}^n\). Para \(i=1,\ldots ,n\), denote por \(\bm {e}_i\) o vetor coluna cuja \(i\)-ésima entrada é \(1\) e cujas demais entradas são nulas. Como
\[ \begin{bmatrix} x_1 \\ \vdots \\ x_n \end{bmatrix} =x_1\bm {e}_1+\cdots +x_n\bm {e}_n, \]
o conjunto \(\underline{\textsc{B}}=\{ \bm {e}_1,\ldots ,\bm {e}_n\} \) é uma base de \(\mathbb {K}^n\), denominada base canônica.

Exemplo 2.38

Seja \(V=(\mathbb {K}^\infty )_0\). Para cada \(i\in \mathbb {N}\), denote por \(\bm {e}_i\) a sequência cuja \(i\)-ésima entrada é \(1\) e cujas demais entradas são nulas. Todo \(\bm {x}\in (\mathbb {K}^\infty )_0\) tem a forma

\[ \bm {x}=(x_1,\ldots ,x_n,0,0,\ldots ) =x_1\bm {e}_1+\cdots +x_n\bm {e}_n \]

para algum \(n\). Logo \(\underline{\textsc{B}}=\{ \bm {e}_1,\bm {e}_2,\ldots \} \) é a base canônica de \((\mathbb {K}^\infty )_0\).

Exemplo 2.39
Seja \(V=\mathcal{M}_{m, n}(\mathbb {K})\). Para \(1\leq i\leq m\) e \(1\leq j\leq n\), denote por \(E_{ij}\) a matriz cuja entrada \((i,j)\) é \(1\) e cujas demais entradas são nulas. Como \((a_{ij})=\sum _{i=1}^m\sum _{j=1}^n a_{ij}E_{ij}\), o conjunto \(\underline{\textsc{B}}=\{ E_{ij}\, \mid \, 1\leq i\leq m,\ 1\leq j\leq n\} \) é uma base de \(V\). Seus elementos são as unidades matriciais.

Exemplo 2.40
Seja \(V = \mathbb {K}[x] \). Seja \( \underline{\textsc{B}}\) o conjunto dos monômios mônicos em \(x\), assim, \( \underline{\textsc{B}}= \{ 1, x, x^{2}, \ldots \} \) e é uma base de \(\mathbb {K}[x]\).

Exemplo 2.41

O conjunto dos números reais é um espaço vetorial sobre o corpo dos números racionais.

Como seria uma base desse espaço? Não há uma descrição elementar. Como \(\mathbb {Q}\) é enumerável, o subespaço de \(\mathbb {R}\) gerado por qualquer subconjunto enumerável também é enumerável. Como \(\mathbb {R}\) não é enumerável, nenhuma base de \(\mathbb {R}\) sobre \(\mathbb {Q}\) pode ser enumerável. O teorema seguinte garante a existência de tal base, mas não a constrói explicitamente.

Leitura opcional: bases em dimensão infinita.

Os resultados a seguir usam o Lema de Zorn e aritmética de cardinais. Em uma primeira leitura voltada a espaços de dimensão finita, esta passagem pode ser omitida.

Todo espaço vetorial possui uma base, como afirma o teorema seguinte:

Teorema 2.42 (Base)
Todo espaço vetorial possui uma base.

De fato, temos um resultado ligeiramente mais forte: qualquer subconjunto linearmente independente \( S \) de \(V\) pode ser expandido para uma base. É esse fato que provaremos.

Teorema 2.43 (Extensão)
Seja \(V\) um espaço vetorial sobre \(\mathbb {K}\) e suponha que \( S \) seja um subconjunto linearmente independente de \(V.\) Então, existe uma base \( \underline{\textsc{B}}\) de \(V\) tal que \( \underline{\textsc{B}}\supseteq S.\)

Demonstração ▼

Denotaremos por \(\mathcal{I}\) o conjunto de todos os subconjuntos linearmente independentes de \(V\) que contêm \(S\):

\[ \mathcal{I} = \left\{ A \in \mathscr {P}(V) \, \mid \, A \supseteq S \text{ e }A\text{ é linearmente independente sobre } \mathbb {K}\right\} . \]

Como \(S\in \mathcal I\), temos \(\mathcal I\neq \emptyset \). Ordenamos \(\mathcal I\) por inclusão. Assim, para \(A_1,A_2\in \mathcal I\),

\[ A_{1} \leq A_{2} \text{ se, e somente se, } A_{1} \subseteq A_{2}. \]

Dessa forma \( (\mathcal{I}, \ \subseteq ) \) é um conjunto parcialmente ordenado.

Seja \(\mathcal T=\{ A_i\, \mid \, i\in I\} \) uma cadeia em \(\mathcal I\) e defina \(A=\bigcup _{i\in I}A_i\). Temos \(S\subseteq A\) e \(A_i\subseteq A\) para todo \(i\). Se \(A\) fosse linearmente dependente, uma relação não trivial envolveria apenas um subconjunto finito de \(A\). Como \(\mathcal T\) é totalmente ordenada, esse subconjunto finito estaria contido em algum \(A_{i_0}\), contradizendo a independência linear de \(A_{i_0}\). Portanto, \(A\in \mathcal I\) e \(A\) é um limitante superior de \(\mathcal T\).

O Lema de Zorn fornece um elemento maximal \(\underline{\textsc{B}}\in \mathcal I\). Esse conjunto é linearmente independente e contém \(S\). Se \(\langle \underline{\textsc{B}}\rangle \neq V\), existiria \(\bm {x}\in V\setminus \langle \underline{\textsc{B}}\rangle \); então \(\underline{\textsc{B}}\cup \{ \bm {x}\} \) ainda seria linearmente independente, contrariando a maximalidade de \(\underline{\textsc{B}}\). Logo \(\langle \underline{\textsc{B}}\rangle =V\), e \(\underline{\textsc{B}}\) é a base desejada.

do Teorema 2.42 ▼

Se \(V=\{ \vec0\} \), então \(\emptyset \) é uma base de \(V\). Suponha agora \(V\neq \{ \vec0\} \) e escolha \(\bm {v}\neq \vec0\). O conjunto \(\{ \bm {v}\} \) é linearmente independente e, pelo Teorema 2.43, pode ser completado a uma base de \(V\).

A demonstração tem uma limitação importante: o Lema de Zorn garante a existência de uma base, mas em geral não fornece um procedimento para construí-la. Em muitos espaços de dimensão infinita, essa base de Hamel não admite uma descrição explícita simples.

Exemplo 2.44
Uma base para o espaço vetorial \( C^{k} (I) \) é não enumerável e não possui descrições simples. No entanto, como \( \mathbb {R}[x] \subseteq C^{k} (I) \), o Teorema 2.43 garante que existe uma base de \( C^{k} (I) \) que contém os monômios \(1, x, x^{2}, \ldots .\)

O Teorema 2.43 afirma que qualquer subconjunto linearmente independente de \(V\) pode ser estendido a uma base. O resultado complementar diz que todo conjunto gerador contém uma base.

Teorema 2.45 (Redução)
Seja \(V\) um espaço vetorial sobre \(\mathbb {K}\) e suponha que \(V = \langle S\rangle \). Então \( S \) contém uma base de \(V.\)

Demonstração ▼

Se \( S = \emptyset \) ou \( \{ \vec0\} \), então \(V = (0)\). Nesse caso, \( \emptyset \) é uma base de \(V\) contida em \(S\). Portanto, podemos supor que \( S \) contém um vetor diferente de zero \( \bm {x}\).

Seja \( \mathcal{I} = \{ A \subseteq S \, \mid \, A \) linearmente independente sobre \( \mathbb {K}\} \). Claramente, \( \{ \bm {x}\} \in \mathcal{I} \). Ordenaremos parcialmente \( \mathcal{I} \) por inclusão.

Se \( \mathcal{T}= \{ A_{i} \, \mid \, i \in I \} \) é um subconjunto totalmente ordenado de \( \mathcal{I}, \) então \( \displaystyle \bigcup _{i \in I} A_{i} \) é um limite superior para \(\mathcal{T}\) em \( \mathcal{I}\).

Portanto, \( (\mathcal{I}, \subseteq ) \) é indutivo. Aplicando o Lema de Zorn temos que \( \mathcal{I} \) possui um elemento maximal \(\underline{\textsc{B}}\).

Afirmamos que \(\underline{\textsc{B}}\) é uma base de \(V\). Já sabemos que \(\underline{\textsc{B}}\subseteq S\) e que \(\underline{\textsc{B}}\) é linearmente independente. Se \(\langle \underline{\textsc{B}}\rangle \neq V=\langle S\rangle \), então \(S\not\subseteq \langle \underline{\textsc{B}}\rangle \); logo existe \(\bm {y}\in S\setminus \langle \underline{\textsc{B}}\rangle \). Nesse caso, \(\underline{\textsc{B}}\cup \{ \bm {y}\} \in \mathcal I\) seria estritamente maior que \(\underline{\textsc{B}}\), em contradição com sua maximalidade. Portanto, \(\langle \underline{\textsc{B}}\rangle =V\).

Um espaço vetorial costuma possuir muitas bases. Por exemplo, para todo \(\lambda \in \mathbb {K}\),

\[ \{ \bm {e}_1,\ldots ,\bm {e}_{n-1},\bm {e}_n+\lambda \bm {e}_1\} \]

é uma base de \(\mathbb {K}^n\). O que todas as bases de um mesmo espaço têm em comum é sua cardinalidade, como mostraremos a seguir.

Lema 2.46 (Troca de Steinitz)
Sejam \(\bm {v}_1,\ldots ,\bm {v}_m\) vetores linearmente independentes em \(V\) e sejam \(\bm {w}_1,\ldots ,\bm {w}_n\) vetores que geram \(V\). Então \(m\leq n\) e, possivelmente após reordenar os vetores \(\bm {w}_i\), o conjunto \(\{ \bm {v}_1, \ldots , \bm {v}_m, \bm {w}_{ m+1}, \ldots , \bm {w}_n\} \) gera \(V\).

Demonstração ▼

Desejamos mostrar que \(m \le n\) e que, após rearranjar os \(\bm {w}_j\) se necessário, o conjunto \(\{ \bm {v}_1, \dotsc , \bm {v}_m, \bm {w}_{m+1}, \dotsc , \bm {w}_n\} \) gera \(V\). Vamos proceder por indução em \(m\).

Para o caso base, suponha que \(m\) seja zero. Nesse caso, a afirmação é verdadeira porque não há vetores \(\bm {v}_i\), e o conjunto \(\{ \bm {w}_1, \dotsc , \bm {w}_n\} \) gera \(V\) por hipótese.

Para o passo indutivo, assuma que a proposição é verdadeira para \(m-1\). Pela hipótese de indução, podemos reorganizar os \(\bm {w}_i\) de modo que \(\{ \bm {v}_1,\ldots , \bm {v}_{m-1},\bm {w}_{m},\ldots ,\bm {w}_n\} \) gere \(V\). Como \(\bm {v}_{m}\in V\), existem coeficientes \(a_1,\ldots ,a_n\) tais que

\[ \bm {v}_{m}=\sum _{j=1}^{m-1} a_j \bm {v}_j+\sum _{j=m}^n a_j \bm {w}_j. \]

Pelo menos um dos \(a_{m},\ldots ,a_n\) deve ser diferente de zero, pois, caso contrário, essa igualdade contradiria a independência linear de \(\{ \bm {v}_1,\ldots ,\bm {v}_{m}\} \); portanto, \(m \le n\). Reordenando os vetores \(\bm {w}_m,\ldots ,\bm {w}_n\) se necessário, podemos assumir que \(a_{m}\) é não nulo. Portanto,

\[ \bm {w}_{m}= \frac{1}{a_{m}}\left(\bm {v}_{m} - \sum _{j=1}^{m-1} a_j \bm {v}_j - \sum _{j=m+1}^n a_j \bm {w}_j\right). \]

Em outras palavras, \(\bm {w}_{m}\) está no espaço gerado por \(\{ \bm {v}_1,\ldots , \bm {v}_{m},\bm {w}_{m+1},\ldots ,\bm {w}_n\} \). Como esse espaço contém o conjunto que, pela hipótese de indução, gera \(V\), ele coincide com \(V\).

O lema contém duas informações. Primeiro, um conjunto finito linearmente independente não pode ter mais elementos que um conjunto gerador finito. Segundo, parte do conjunto gerador pode substituir, uma a uma, as direções introduzidas pelo conjunto independente, sem perder a propriedade de gerar \(V\).

O resultado seguinte justifica a definição da dimensão de um espaço vetorial.

Teorema 2.47 (da Invariância da Dimensão)
Seja \(V\) um espaço vetorial sobre \(\mathbb {K}\) e suponha que \( \underline{\textsc{B}}_{1} \) e \( \underline{\textsc{B}}_{2} \) sejam duas bases de \(V.\) Então \( \left\lvert \underline{\textsc{B}}_{1} \right\rvert = \left\lvert \underline{\textsc{B}}_{2} \right\rvert .\)

Demonstração ▼

Dividimos essa prova em dois casos.

Caso 1: suponha que \(V\) tenha uma base \( \underline{\textsc{B}}_{1} \) finita.

Suponha que \(\underline{\textsc{B}}_1=\{ \bm {x}_1,\ldots ,\bm {x}_n\} \). Se \(\underline{\textsc{B}}_2\) for finita, o Lema de Steinitz, aplicado nos dois sentidos, fornece \(\left\lvert \underline{\textsc{B}}_1\right\rvert =\left\lvert \underline{\textsc{B}}_2\right\rvert \). Se \(\underline{\textsc{B}}_2\) fosse infinita, conteria um subconjunto linearmente independente com \(n+1\) elementos, o que também contradiria o Lema de Steinitz, pois \(\underline{\textsc{B}}_1\) gera \(V\).

Caso 2: suponha que nenhuma base de \(V\) seja finita.

Nesse caso, \(\underline{\textsc{B}}_1\) e \(\underline{\textsc{B}}_2\) são conjuntos infinitos. Para cada \(\bm {y}\in \underline{\textsc{B}}_2\), seja \(I_{\bm {y}}\subseteq \underline{\textsc{B}}_1\) o suporte finito da expressão de \(\bm {y}\) na base \(\underline{\textsc{B}}_1\). Como \(\underline{\textsc{B}}_2\) gera \(V\), a união desses suportes gera \(V\); sendo um subconjunto de \(\underline{\textsc{B}}_1\), ela deve ser igual a \(\underline{\textsc{B}}_1\). Portanto,

\[ \left\lvert \underline{\textsc{B}}_1\right\rvert \leq \left\lvert \underline{\textsc{B}}_2\right\rvert \cdot \aleph _0=\left\lvert \underline{\textsc{B}}_2\right\rvert . \]

Invertendo os papéis de \(\underline{\textsc{B}}_1\) e \(\underline{\textsc{B}}_2\), obtemos a desigualdade contrária. Pelo teorema de Cantor–Schröder–Bernstein, \(\left\lvert \underline{\textsc{B}}_1\right\rvert =\left\lvert \underline{\textsc{B}}_2\right\rvert \).

Definição 2.48 (Dimensão)
A cardinalidade comum das bases de \(V\) é denominada dimensão de \(V\) e denotada por \(\dim V\). Para explicitar o corpo de escalares, escreveremos \(\dim _{\mathbb {K}}V\). Assim, \(\dim V=\left\lvert \underline{\textsc{B}}\right\rvert \) para qualquer base \(\underline{\textsc{B}}\) de \(V\).

Retomemos alguns exemplos. No Exemplo 2.33, \(\dim _{\mathbb {R}}\mathbb {R}=1\) e \(\dim _{\mathbb {Q}}\mathbb {R}=\left\lvert \mathbb {R}\right\rvert \). No Exemplo 2.36, \(\dim _{\mathbb {K}}\{ \vec0\} =0\). Pelos Exemplos 2.37, 2.39 e 2.40, temos, respectivamente, \(\dim \mathbb {K}^n=n\), \(\dim \mathcal{M}_{m, n}(\mathbb {K})=mn\) e \(\dim \mathbb {K}[x]=\left\lvert \mathbb {N}\right\rvert \).

Se a dimensão de um espaço vetorial \(V\) for infinita, como nos Exemplos 2.33 e 2.40, em geral não faremos nenhuma tentativa de distinguir qual a cardinalidade de \( \dim V.\) Em vez disso, escreveremos simplesmente \( \dim V = \infty \). Se \(V\) tiver uma base finita \( \{ \bm {x}_{1}, \ldots , \bm {x}_{n} \} , \) diremos que \(V\) é um espaço vetorial de dimensão finita e escreveremos \( \dim V \lt \infty \), ou, mais precisamente, \( \dim V = n \lt \infty \). Por exemplo, \( \dim _{\mathbb {R}} C^{k} (I) = \infty \), enquanto \( \dim _{\mathbb {R}} \mathbb {R}^{n} = n \lt \infty \). Quando dimensões infinitas participarem de identidades de cardinalidade, porém, \(\dim V\) voltará a denotar o cardinal definido acima; a escrita \(\infty \) será apenas uma abreviação qualitativa para dimensão infinita.

Teorema 2.49
Seja \(V\) um espaço vetorial sobre \(\mathbb {K}\).
  1. Se \( W \) for um subespaço de \(V\), então \( \dim W \leq \dim V.\)

  2. Se \(V\) for de dimensão finita e \( W \) é um subespaço de \(V\) tal que \( \dim W = \dim V\), \( W = V.\)

Demonstração ▼

Se \(\underline{\textsc{B}}_W\) é uma base de \(W\), o Teorema 2.43 permite estendê-la a uma base \(\underline{\textsc{B}}_V\) de \(V\). Logo \(\dim W=\left\lvert \underline{\textsc{B}}_W\right\rvert \leq \left\lvert \underline{\textsc{B}}_V\right\rvert =\dim V\), provando a. Se \(V\) tem dimensão finita e essas dimensões são iguais, a extensão não pode acrescentar vetores; portanto, \(\underline{\textsc{B}}_W=\underline{\textsc{B}}_V\) e \(W=V\), o que prova b.

Se \(V\) não é de dimensão finita, então b é falso em geral. Um exemplo simples ilustra esse ponto.

Exemplo 2.50
Seja \(V=\mathbb {K}[x]\) e seja \(W\) o subespaço dos polinômios pares. Então \(\{ 1,x^2,x^4,\ldots \} \) é uma base de \(W\), enquanto \(\{ 1,x,x^2,\ldots \} \) é uma base de \(V\). Ambas são enumeráveis, de modo que \(\dim V=\dim W\), embora \(W\neq V\).

Exercício 2.23

Suponha que \(S\) seja finito. Exiba uma base para o espaço de funções \(\mathbb {K}(S)=\mathbb {K}^S\).

Exercício 2.24

Dado um subespaço \(L\subseteq V\), prove que, se \(\dim L=\dim V\lt \infty \), então \(L=V\).

Exercício 2.25
  1. Prove que os únicos subespaços de \(\mathbb {R}\) são o próprio \(\mathbb {R}\) e o subespaço nulo.

  2. Prove que todos os subespaços de \(\mathbb {R}^2\) são o próprio \(\mathbb {R}^2\), o subespaço nulo ou o subespaço constituído pelos múltiplos de um vetor não nulo fixo de \(\mathbb {R}^2\).

  3. Quais são todos os subespaços de \(\mathbb {R}^3\)?

Exercício 2.26

Seja \(L\) um espaço \(n\)-dimensional sobre um corpo finito com \(q\) elementos.

  1. Calcule o número de subespaços \(k\)-dimensionais de \(L\), para \(1\leq k\leq n\).

  2. Calcule o número de pares de subespaços \(L_1\) e \(L_2\) com \(\dim L_1\), \(\dim L_2\) e \(\dim (L_1\cap L_2)\) fixos. Verifique que, quando \(q\to \infty \), a razão entre o número de pares em posição geral e o número total de pares com \(\dim L_1\) e \(\dim L_2\) fixadas tende a \(1\).

Exercício 2.27

Seja \(\underline{\textsc{B}}\) um subconjunto de um espaço vetorial \(V\). Mostre que \(\underline{\textsc{B}}\) é linearmente dependente se, e somente se, existir \(v\in \underline{\textsc{B}}\) que pode ser escrito como combinação linear dos elementos de \(\underline{\textsc{B}}\setminus \{ v\} \).

Exercício 2.28

Se \(\underline{\textsc{e}}=\{ \bm {e}_i\} _{i\in I}\) é uma base de \(V\) e \(\underline{\textsc{f}}=\{ \vec{f}_j\} _{j\in J}\) é uma base de \(W\), mostre que \(\{ (\bm {e}_i,0)\} _{i\in I}\cup \{ (0,\vec{f}_j)\} _{j\in J}\) é uma base de \(V\boxplus W\).

Exercício 2.29

Seja \(V\) um espaço vetorial sobre \(\mathbb {K}\) de dimensão não necessariamente finita e seja \(\underline{\textsc{B}}\) um conjunto linearmente independente em \(V\). Mostre que se existir um elemento \(v\in V\) que não seja combinação linear de elementos de \(\underline{\textsc{B}}\), então o conjunto \(\underline{\textsc{B}}\cup \{ v\} \) é linearmente independente.

Exercício 2.30

Seja \(V\) um espaço vetorial sobre \(\mathbb {K}\). Mostre que:

  1. Dados vetores não nulos \(v_1,v_2\), prove que eles são linearmente independentes se, e somente se, \(\langle v_1\rangle \cap \langle v_2\rangle =\{ 0\} \).

  2. Dados vetores \(v_{1},v_{2}, v_3\) não nulos. Prove que \(\left\langle v_{1}\right\rangle \cap \left\langle v_{2}\right\rangle \cap \left\langle v_{3}\right\rangle =\{ 0\} \) não implica que os vetores \(v_{1},v_{2},v_{3}\) sejam linearmente independentes.

  3. Dado \(S=\left\{ s_{1},\ldots ,s_{n}\right\} \subset V\). Prove que \(S\) é linearmente independente se, e somente se, \(\langle S\setminus \{ s_i\} \rangle \neq \langle S\rangle \) para todo \(s_{i}\in S\).

  4. Prove que, se \(A,B\subseteq V\), então \(\langle A\rangle +\langle B\rangle =\langle A\cup B\rangle \).

Exercício 2.31

Mostre que se os coeficientes \(a_1 , \ldots , a_n \) não são todos iguais a zero, o hiperplano

\[ H =\{ (x_1 , \ldots , x_n ) \in \mathbb {R}^n \, \mid \, a_1 x_1+\dots +a_n x_n=0\} \]

é um subespaço vetorial de dimensão \(n-1\) em \(\mathbb {R}^n\).

Exercício 2.32

Prove que em qualquer conjunto de vetores \(S\) existe um subconjunto \(S'\) linearmente independente tal que \(\left\langle S\right\rangle =\left\langle S'\right\rangle \).

Exercício 2.33

Se \(\mathbb {K}=\mathbb {Z}_{2}\), o subconjunto \(\{ (\overline{1},\overline{1},\overline{0}),(\overline{1},\overline{0},\overline{1}),(\overline{0},\overline{1},\overline{1})\} \) de \(\mathbb {K}^{3}\) é linearmente dependente? E se \(\mathbb {K}=\mathbb {Z}_{13}\)?

Exercício 2.34

Seja \(V=\mathcal{F}(\mathbb {R},\mathbb {C})\) o \(\mathbb {C}\)-espaço vetorial de todas as funções de \(\mathbb {R}\) em \(\mathbb {C}\). Prove que \(\{ f_{1},f_{2},f_{3}\} \) é linearmente independente, onde \(f_{1}(x)=1\), \(f_{2}(x)=e^{ix}=\cos (x)+i\sin (x)\) e \(f_{3}(x)=e^{-ix}\) para todo \(x\in \mathbb {R}\).

Exercício 2.35

Considere o espaço das funções \(\mathcal{F}(\mathbb {R},\mathbb {R})\). Mostre que os seguintes subconjuntos são linearmente independentes:

  1. \((f_{n})_{n\in \mathbb {N}}\) onde \(f_{n}:x\mapsto e^{nx}\)

  2. \((f_{a})_{a\in \mathbb {R}}\) onde \(f_{a}:x\mapsto \left|x-a\right|\)

Exercício 2.36

Seja \(V\) um espaço vetorial sobre \(\mathbb {R}\) e considere no conjunto \(V_{\mathbb {C}}=\{ (u,v):u,v\in V\} \) as seguintes operações de adição e multiplicação por um número complexo:

\begin{align*} (u_{1},v_{1})+(u_{2},v_{2}) & =(u_{1}+u_{2},v_{1}+v_{2})\\ (\alpha +i\beta )\cdot (u,v) & =(\alpha u-\beta v,\beta u+\alpha v) \end{align*}
  1. Mostre que \(V_{\mathbb {C}}\) é um espaço vetorial sobre \(\mathbb {C}\).

  2. Seja \(\{ v_{1},v_{2},\dots ,v_{n}\} \subseteq V\) um subconjunto linearmente independente. Mostre que \(\{ (v_{1},0),(v_{2},0),\dots ,(v_{n},0)\} \) e \(\{ (0,v_{1}),(0,v_{2}),\dots ,(0,v_{n})\} \) são subconjuntos linearmente independentes de \(V_{\mathbb {C}}\).

Exercício 2.37

Para um \(\mathbb {C}\)-espaço vetorial \(V\), denotaremos por \(V_{\mathbb {R}}\) o conjunto \(V\) visto como \(\mathbb {R}\)-espaço vetorial. Mostre que se \(\{ v_{1},v_{2},\dots ,v_{n}\} \) for um subconjunto linearmente independente de \(V\), então \(\{ v_{1},v_{2},\dots ,v_{n}\} \) e \(\{ v_{1},v_{2},\dots ,v_{n}\} \cup \{ iv_{1},iv_{2},\dots ,iv_{n}\} \) são subconjuntos linearmente independentes de \(V_{\mathbb {R}}\).

Exercício 2.38

Seja \(V\) um espaço vetorial e seja \(\underline{\textsc{B}}\subseteq V\). Mostre que são equivalentes:

  1. \(\underline{\textsc{B}}\) é uma base de \(V\);

  2. \(\underline{\textsc{B}}\) é um conjunto linearmente independente maximal, isto é, a adição de qualquer vetor de \(V\setminus \underline{\textsc{B}}\) produz um conjunto linearmente dependente;

  3. \(\underline{\textsc{B}}\) é um conjunto gerador minimal, isto é, a remoção de qualquer vetor de \(\underline{\textsc{B}}\) produz um conjunto que não gera \(V\).

Exercício 2.39

Seja \(V=\langle X\rangle \). Mostre que existe uma base \(\underline{\textsc{B}}\) de \(V\) tal que \(\underline{\textsc{B}}\subseteq X\). Dica: Defina um conjunto parcialmente ordenado e use o lema de Zorn.

Exercício 2.40

Ache uma base de \(\mathcal{M}_{n, n}(\mathbb {C})\) como espaço vetorial sobre \(\mathbb {R}\). Qual é a \(\dim _{\mathbb {R}}(\mathcal{M}_{n, n}(\mathbb {C}))\)?

Exercício 2.41

Seja \(S\) o \(\mathbb {R}\)-espaço vetorial do Exercício 2.14. Mostre que \(\dim _{\mathbb {R}}S=n\).

Dica. Use o Teorema de Existência e Unicidade de soluções. Considere a equação

\begin{equation} y^{(n)}(t)+a_{n-1}y^{(n-1)}(t)+\cdots +a_{1}y'(t)+a_{0}y(t)=0\label{eq:EDO-TEU} \tag{2.6} \end{equation}

onde \(a_{0},a_{1},\dots ,a_{n-1}\in \mathbb {R}\). Dados \(A_{0},A_{1},\dots ,A_{n-1}\in \mathbb {R}\), existe uma única solução \(y:\mathbb {R}\to \mathbb {R}\) da equação (2.6) verificando \(y(0)=A_{0}\), \(y'(0)=A_{1},\dots ,y^{(n-1)}(0)=A_{n-1}\) (condições iniciais da equação (2.6)).

Construa \(n\) soluções que formarão uma base do espaço das soluções de (2.6), da seguinte forma: considerando as condições iniciais \(A_{0}=1\) e \(A_{1}=\cdots =A_{n-1}=0\) o Teorema de Existência e Unicidade garante que existe uma única solução \(y_{1}:\mathbb {R}\to \mathbb {R}\) de (2.6) que verifica as condições \(y_{1}(0)=1\) e \(y'_{1}(0)=\cdots =y_{1}^{(n-1)}(0)=0\). Repita o procedimento considerando as condições iniciais \(A_{i}=1\) e \(A_{j}=0\) para todo \(j\neq i\) com \(i\) variando de \(1\) a \(n-1\).

Exercício 2.42

Determine se os espaços abaixo têm dimensão finita. Em caso afirmativo, determine a dimensão e uma base para o espaço:

  1. O conjunto de todas as sequências reais.

  2. O conjunto das sequências reais que satisfazem \(a_{k}=a_{k-1}+a_{k-2}\) para \(k\geqslant 3\).

  3. \(\mathbb {C}^{n}\) visto como um espaço vetorial sobre \(\mathbb {C}\) e visto como um espaço vetorial sobre \(\mathbb {R}\).

  4. O conjunto das sequências com apenas um número finito de termos não nulos.

  5. O espaço das funções em \(\mathcal{F}(X,\mathbb {R})\), \(|X|\lt \infty \) que se anulam em todos os pontos de um subconjunto \(X_{0}\subset X\).

  6. O espaço das funções \(C([0,1],\mathbb {R})\).

Exercício 2.43

Seja \(\mathbb {F}\) um corpo. Um subcorpo \(\mathbb {K}\) é um subconjunto de \(\mathbb {F}\) que é corpo quando restringimos as operações de \(\mathbb {F}\) a \(\mathbb {K}\).

  1. Mostre que \(\mathbb {F}\) é espaço vetorial sobre \(\mathbb {K}\).

  2. Suponha que \(V\) seja um espaço vetorial \(m\)-dimensional sobre \(\mathbb {F}\) e que \(\mathbb {F}\) seja um espaço vetorial \(n\)-dimensional sobre \(\mathbb {K}\). Qual a dimensão de \(V\) sobre \(\mathbb {K}\)?

Exercício 2.44

Seja \(W\) um subespaço de \(V\) com \(\dim (V)\lt \infty \). Prove que:

  1. \(\dim (W)\leq \dim (V)\)

  2. \(\dim (W)=\dim (V)\) se, e somente se, \(W=V\).

Exercício 2.45

Mostre que \(\mathbb {R}\) é um espaço vetorial de dimensão infinita sobre \( \mathbb {Q}\).

Exercício 2.46

Sejam \(u,v,w\) vetores linearmente independentes em um espaço vetorial complexo. Prove que \(u+v,v+w,u+w\) são linearmente independentes. A conclusão continua válida sobre um corpo de característica \(2\)?

Gabarito no Apêndice C, p. *.

Exercício 2.47

Sejam \(n,p\geq 1\).

  1. Determine uma base e a dimensão do espaço dos polinômios em \(n\) variáveis de grau total menor que \(p\).

  2. Determine uma base e a dimensão do espaço dos polinômios homogêneos de grau exatamente \(d\geq 0\).

  3. Explique por que o conjunto de todos os polinômios homogêneos, admitindo diferentes graus menores que \(p\), em geral não é um subespaço. Identifique o espaço gerado por esse conjunto.

Gabarito no Apêndice C, p. *.

Exercício 2.48

Seja \(\mathbb {K}\) um corpo com \(q\) elementos e \(n\geq 1\). Quantos elementos tem \(\mathbb {K}^n\)? Para \(a_1,\ldots ,a_n\in \mathbb {K}\), determine o número de soluções de \(\sum _i a_ix_i=0\), distinguindo o caso em que todos os coeficientes são nulos.

Gabarito no Apêndice C, p. *.

Exercício 2.49

Sejam \(U_1,W_1,U_2,W_2\subseteq \mathbb {R}^n\) com \(\dim U_1=\dim U_2\), \(\dim W_1=\dim W_2\) e \(\dim (U_1\cap W_1)=\dim (U_2\cap W_2)\). Prove que existe um automorfismo \(T\) de \(\mathbb {R}^n\) tal que \(T(U_1)=U_2\) e \(T(W_1)=W_2\).

Gabarito no Apêndice C, p. *.

Com a noção de dimensão, concluímos a descrição interna básica dos espaços vetoriais. Subespaços, independência linear, bases e dimensão fornecem a linguagem que será usada no restante do livro.