|
A distribuição do conteúdo deste livro está confusa ou pouco didática (discuta). Pede-se aos editores que reavaliem a distribuição do mesmo.
|
|
Esta página é um esboço de matemática. Ampliando-a você ajudará a melhorar o Wikilivros.
|
- Definição
Uma função onde e são espaços vetoriais sobre um corpo é dita uma transformação linear se, para todos e para todo tem-se
Sejam V e W espaços vetoriais sobre um corpo K, onde a . Seja uma base de V e vetores quaisquer de W. Então existe uma transformação linear .
Prova
|
- T existe e está bem definida
- Dado tal que . Podemos definir T em v como . Sendo uma base, tem-se a unicidade de e, consequentemente, T está bem definida por meio da regra que associa o vetor ao vetor . Vemos através da definição que .
- T é linear
- Tome . Assim . Pela definição . De outro modo . Portanto .
- T é única
- Suponha que exista , então se , então .
|
A seguir será discutido um exemplo de como achar a imagem de uma transformação linear. Considere , definida por .
O valor de em um ponto pode ser reescrito da seguinte forma:
- .
Consequentemente, todo ponto da imagem é uma combinação linear dos vetores e , isto é, tais vetores formam um conjunto de geradores para a imagem de . Como poderá ser verificado pelo leitor[1], estes vetores também são linearmente independentes, constituindo portanto uma base para a imagem de .
- Definição
Seja uma transformação linear entre os espaços vetoriais V e W. O núcleo da transformação linear, Ker(T), é a imagem inversa do vetor nulo em W:
O núcleo de uma transformação linear é um subespaço vetorial do seu domínio
A demonstração é simples:
- Ker(T) não é vazio, pois 0V é um elemento de Ker(T), já que T(0V) = 0W
- Se então T(v) = T(w) = 0, logo, pela linearidade de T, T(v + w) = 0 e
- Se e temos logo ou seja,
Se , e
- O posto(T) = dim Im(T),isto é, a dimensão da imagem de T(V), isto é, a quantidade de vetores L.I. que geram toda a imagem de T(V).
e
- A Nulidade(T) = dim Ker(T), isto é, é a dimensão do núcleo de T(V), isto é, a quantidade de vetores L.I. que geram todo o núcleo de T(V).
Sejam V e W espaço vetoriais sobre o corpo K e . Se , então posto(T) + Nulidade(T) = dim V
Prova
- Definindo a base do núcleo e a base do espaço:
Seja uma base do Ker(T). Existem vetores com j=k+1,...,n onde é uma base de V.
- Definindo a base da imagem:
Como é a base de V, T aplicada nessa base gera um conjunto que gera a imagem de T por V. Aplicando T sobre os vetores da base de V, temos , mas , pela definição de núcleo. Assim os vetores geram a imagem de T(V).
- Provando que os vetores são independentes:
Como queremos uma base, eles devem ser independentes, isto é, devem tal que .
Tomemos . Logo . Como .
Portanto . Como são L.I., então .
- Definindo posto e nulidade:
O Posto(T) = dim Im(T). Como geram a imagem de T(V), logo o posto(T)= n - (k+1) +1 = n-k.
A nulidade (T) = dim Ker(T). Como é uma base do Ker(T), logo a Nulidade (T)= k - 1 + 1 = k
Como n = dim V, Nulidade(T)=k e Posto(T)=n-k, portanto Posto(T) + Nulidade(T) = dim(V).
- Teorema (existência e unicidade)
Se V é um espaço vetorial de dimensão n e é
uma base de V, então existe um único funcional f, tal que e
- Teorema (base dual)
Se V é um espaço vetorial, e
é uma base de V, então existe uma única base de
tal que
- Definição
- é chamada de base dual de
- é chamado de espaço dual de V
Corolários:
- Teorema (representação dos funcionais lineares)
Sejam V um espaço vetorial sobre K, com produto interno, e
um funcional linear. Então existe um único vetor tal
que
Demonstra-se ainda que
Dizemos que T uma transformação linear, é chamada operador linear de T sobre V.
- Definição
Seja V um espaço vetorial.
O operador adjunto, de um determinado operador linear é definido pela igualdade:
Demonstra-se que todo operador linear possui um e apenas um operador adjunto correspondente.
A partir da definição, podemos obter as seguintes conseqüências (prove!):
- Proposição
Seja V um espaço vetorial sobre K, com produto interno.
Seja uma base ortonormal de V. Então
onde
- Corolário
Seja V um espaço vetorial sobre K, com produto interno.
Então, para qualquer base ortonormal de V, temos que
a matriz
- Auto-adjunto ()
- Unitário ()
- Normal ()
- Definição
é chamado de auto-adjunto se
Uma matriz A é auto-adjunta se
- Se é chamada simétrica.
- Se é chamada hermitiana.
Os seguintes enunciados são úteis na prova de teoremas do operador auto-adjunto:
- Se então
- Se V é complexo e então
Prove:
- Se e então
- Seja com V complexo. Então
- Definição
é chamado de unitário se
Uma matriz A é unitária se
Prove:
- T é unitário (T preserva o produto interno)
- T é unitário (T preserva a norma)
- T é unitário é unitário
- Definição
é chamado de normal se
Uma matriz A é normal se
Prove:
- Todo operador auto-adjunto é normal
- Todo operador unitário é normal
É importante ressaltar, ainda, que existem operadores normais que não são unitários nem auto-adjuntos.
- Definição
W, subespaço vetorial de V, é dito invariante sob o operador se
Dizemos também que W é T-invariante.
Prove:
- Se W é T-invariante, então é -invariante.
- Se W é T-invariante e T é auto-adjunto, então W é -invariante.
- Se W é T-invariante e T é inversível, então
- Se W é T-invariante e T é inversível, então W é -invariante e
- Se W é T-invariante e T é unitário, então W é -invariante (ou -invariante).
- Se W é T-invariante e T é unitário, então é T-invariante.
- ↑ Ver por exemplo no Wolfram Alpha