Teoria Alebra Linear e Geometria Analítica

lgebra Linear e Geometria Analtica I (M143)
ALGA I(M143) - 2014/2015 k 0.0 -
Departamento de Matemtica
Faculdade de Cincias
Universidade do Porto
Ano lectivo 2014/15
k1
Programa
1. Sistemas de equaes lineares e matrizes

2. Determinantes
3. Espaos vectoriais e aplicaes lineares
4. Vectores e valores prprios
5. Produto interno (produto escalar)
ALGA I(M143) - 2014/2015 k 0.0 -
k2
Bibliografia
slides das aulas e folhas de exerccios disponveis na internet
Anton, H., Rorres, C. Elementary Linear Algebra
Monteiro, A. lgebra Linear e Geometria Analtica
Mansfield, L. Linear Algebra with Geometric Applications
Edwards jr. C. H. Elementary linear algebra
http://joshua.smcvt.edu/linearalgebra/
ALGA I(M143) - 2014/2015 k 0.0 -
k3
Avaliao
I
Frequncia: os alunos com mais de 4 faltas s aulas TP

ficaro excludos
Pedidos de dispensa: at 15 de Outubro (email para

gchaves@fc.up.pt, com indicao do nome e do curso)
2 testes obrigatrios, cotados para 4 valores cada um:
I
I
I
primeiro: 27/10, nota mnima 1 valor

segundo: 17/12, nota mnima 1 valor
mnimo na soma das notas dos testes: 4 valores
Exame final poca normal cotado para 12 valores, nota

mnima 3 valores
Exame da poca de recurso, acessvel a todos os alunos no

excludos por faltas
Classificaes superiores a 16 valores s sero atribudas aps

realizao de uma prova escrita complementar
ALGA I(M143) - 2014/2015 k 0.0 -
k4
Sistemas de equaes lineares
Sistema de m equaes lineares a n incgnitas:
a11 x1 + a12 x2 + + a1n xn = b1
a x + a x + + a x = b
21 1
22 2
2n n
am1 x1 + am2 x2 + + amn xn = bm
Diz-se que o sistema homogneo sse todos os bj so nulos.
(c1 , . . . , cn ) soluo do sistema se substituindo cada xj por

cj se obtm igualdades verdadeiras.
Dois sistemas dizem-se equivalentes sse tiverem o mesmo

conjunto de solues.
ALGA I(M143) - 2014/2015 k 1.1 Sistemas de equaes lineares e matrizes - Resoluo de sistemas pelo mtodo de Gauss
k5
Exemplos: sistemas
3x1 + x2 x3 = 1
um sistema no homgeneo
2x2 + 5x3 = 7
x1 x2 + 7x3 = 0
um sistema homogneo
x2 + 5x4 = 0
4x1 3x2 + x3 1 = 0
no um sistema homogneo
x1 3x2 = 0
2x1 + x3 = 5x4
equivalente a
2x2 = 3x1
2x1 + x3 5x4 = 0
, que um sistema homogneo.
3x1 2x2 = 0
k6
Exemplos: solues de sistemas
2x1 + x2 = 5
3x = 3
(2, 1) uma soluo do sistema
(0, 0) no uma soluo do sistema
Todos
os pares (a+1,2a), com a R so solues do sistema
(
2x1 x2 = 2
2x1 + x2 = 2
x x =1
1
2
2x1 + x2 = 5
3x = 3
x x =1
1
2
k7
Exemplos: sistemas equivalentes
x1 + x2 = 3
2x1 + 3x2 = 5
Os sistemas
e
no so
2x1 x2 = 3
x1 x2 = 2
equivalentes: (2, 1) soluo do primeiro mas no do segundo.
x1 = 3
x1 + 3x2 = 0
e
so
Os sistemas
2x1 + x2 = 5
x2 = 1
equivalentes: (3, 1) a nica soluo do primeiro e a nica
soluo do segundo.
k8
Sistemas (im)possveis, (in)determinados, homogneos
Diz-se que um sistema possvel se tiver pelo menos uma

soluo; caso contrrio diz-se que impossvel.
Diz-se que um sistema possvel e determinado se tiver

exactamente uma soluo.
Diz-se que um sistema possvel e indeterminado se tiver

mais do que uma soluo.
Um sistema homogneo sempre possvel (porqu?); pode ser

determinado ou indeterminado.
k9
Exemplos: sistemas (im)possveis, (in)determinados
(
I
x1 + x2 = 3
um sistema impossvel.
x1 + x2 = 5
x1 + x2 = 5
um sistema possvel e determinado: a nica
x2 = 1
soluo (4, 1).
(
x1 x2 = 3
um sistema possvel e indeterminado:
2x1 + 2x2 = 6
qualquer par da forma (a, a 3) soluo do sistema; o
sistema tem uma infinidade de solues.
k10
Matriz de um sistema
Matriz do sistema:
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
.
b1
b2
..
.
amn bm
Matriz dos coeficientes:
a1n
a2n
..
.
am1 am2
amn
a11
a21
..
.
a12
a22
..
.
k11
Exemplo: matriz dos coeficientes/ sistema
Para o sistema
x1 + 3x
2 3 x3 = 7
2x1 2x2 + 47 x3 = 8 ,
x + 5x = 0
2
3
I a matriz do sistema 2 2
0
4
7
8
0
1
3
53
e a matriz dos coeficientes 2 2 47 .

0
1
5
53
k12
Exemplo: matriz dos coeficientes/ sistema
(3 + i)x
1 + 3x2 3 ix3 = 7 2 3i
Para o sistema
a matriz do sistema
3+i
e a matriz dos coeficientes 2

0
3+i
2
0
2x
2x + ( 4 5i)x = 8
1
2
3
7
(3 5i)x + (7 + 3 i)x = 0
2
3
7
2
3 5i
53 i
4
7 5i
7 + 37 i
2 3i
2
3 5i
53 i
4
7 5i
7 + 37 i
k13
Operaes que levam a sistemas equivalentes
Se num sistema de equaes

I
se substituir uma equao pelo seu produto por um nmero

diferente de zero
se trocar a ordem das equaes
se substituir uma equao pela soma dessa equao com o

produto de outra por qualquer nmero
obtm-se um sistema de equaes equivalente.
k14
Exemplos: operaes sobre sistemas
2x + 3y = 5
x + 7y = 1
2x + y z = 1
6x + 3y = 7
x + 2y = 3
2x y = 4
6x + 9y = 15
x + 7y = 1
(
6x + 3y = 7
2x + y z = 1
x + 2y = 3
2x y 2(x + 2y ) = 4 2 3
x + 2y = 3
5y = 2
k15
Exemplos: operaes sobre linhas de matrizes

O que acontece s matrizes ao efectuar estas operaes?
(
I
2x + 3y = 5
x + 7y = 1
2 3 5
1 7 1
6 9 15
1 7 1
Multiplicar a primeira equao por 3 corresponde a multiplicar

a primeira linha da matriz do sistema por 3.
(
2x + y z = 1
6x + 3y = 7
2 1 1 1
6 3 0 7
6x + 9y = 15
x + 7y = 1
6x + 3y = 7
2x + y z = 1
6 3 0 7
2 1 1 1
Trocar duas equaes corresponde a trocar duas linhas da

matriz do sistema.
k16
Exemplo: operaes sobre linhas de matrizes
(
I
x + 2y = 3
2x y = 4
(
I
I
x + 2y = 3
2x y 2(x + 2y ) = 4 2 3
x + 2y = 3
5y = 2
1 2 3
2 1 4
3
1
2
2 2 1 1 2 2 4 2 3
Subtrair duas vezes a primeira equao segunda equao

corresponde a subtrair duas vezes a primeira linha da matriz
segunda.
k17
Operaes elementares sobre as linhas de uma matriz
Se numa matriz
I
se substituir uma linha pelo seu produto por um nmero

diferente de zero
se trocar a ordem das linhas
se substituir uma linha pela soma dessa linha com o produto

de outra por qualquer nmero
o sistema correspondente matriz obtida equivalente ao sistema

correspondente matriz inicial.
Diz-se que duas matrizes so equivalentes por linhas sse uma se
obtm da outra por um nmero finito de operaes destes tipos.
k18
Exemplos: sistemas j resolvidos

Sistemas particularmente
1 0
x =1
I
y =2
0 1
z = 3
0 0
determinado)
1 0
x =0
I
y =0 0 1
0=1
0 0
(
I
simples e respectivas matrizes:
0 1
0 2 (sistema possvel e
1 3
0
0 (sistema impossvel)
1
1 0 1 3
x +z =3
(sistema possvel e
0 1 1 5
y z =5
indeterminado: as solues so da forma (3 a, 5 + a, a), com
a R)
k19
Matriz na forma de Gauss
Diz-se que uma matriz est na forma de Gauss sse as condies

seguintes se verificam:
I
a primeira entrada no nula de qualquer linha no nula 1;
a primeira entrada no nula de qualquer linha no nula est

direita da primeira entrada no nula de qualquer linha anterior;
em qualquer coluna que contenha a primeira entrada no nula

de uma linha, todas as outras entradas so nulas;
se existirem linhas nulas, so as ltimas.
k20
Exemplos: matrizes na forma de Gauss

1 0 0 3
0 1 0 2 est na forma de Gauss.

0 0 1 4
1 0 1 0 2
0 1 1 0 3 est na forma de Gauss.

0 0 0 1 4
0 1 2 0 3
0 0 0 1 5
est na forma de Gauss.
1 0 0 3
0 0 1 0 est na forma de Gauss.

0 0 0 0
1
3i 0 3 7i
0 1 12 + 4i est na forma de Gauss.

0
0 0 0
0
k21
Exemplos: sistemas com matrizes na forma de Gauss

Sistemas correspondentes s matrizes anteriores
x =3
I
y = 2 ; nica soluo: (3, 2, 4)
z =4
x +z =2
I
y + z = 3 ; solues: (2 a, 3 a, a, 4), a R
t=4
(
I
y + 2z = 3
; solues: (a, 3 2b, b, 5), a, b R
t=5
x =3
z = 0 ; solues: (3, a, 0), a R
0=0
(
x + 3iy = 3 7i
; solues:
z = 12 + 4i
(3 7i 3ia, a, 12 + 4i), a C
k22
Exemplos: matrizes no na forma de Gauss

3 0 0 2
0 1 5 4 no est na forma de Gauss.

0 0 0 6
0 1 0 1
1 0 0 3
1 0 1
1 0 1
0 0
1 1
1+i
0
0
no est na forma de Gauss.

0
1i
2i
1 + i no est na forma de Gauss.

1 + 2i
k23
Forma de Gauss de uma matriz
Se a matriz de um sistema est na forma de Gauss, ento

muito fcil ver quais so as solues do sistema.
Pode-se mostrar que, dada qualquer matriz M, existe uma

nica matriz na forma de Gauss que equivalente por linhas a
M.
A essa matriz chama-se a forma de Gauss de M.
Conclui-se que se duas matrizes na forma de Gauss so

equivalentes por linhas ento so iguais.
k24
Algoritmo para determinar a forma de Gauss de uma matriz
k25
Exemplo: determinao da forma de Gauss de uma matriz

1.
L2 L2 2L1
L3 L3 + L1
L2 12 L2
L1 L1 + L2
L3 L3 2L2
x y +z =1
2x z = 3
x + 3y = 1
x y +z =1
2y 3z = 1
2y + z = 2
x y +z =1
3
y 2z = 2
2y + z = 2
1
3
x 2z = 2
y 3z =
4z = 1
1
2
1 1 1 1
0 1 3
2
1 3
0 1
1 1 1 1
0 2 3 1
0 2
1 2
1 1 1
0 1 32
0 2
1
1
1
2
1 0 12
0 1 32
0 0 4
3
2
1
2
(continua)
k26
3
1
x 2z = 2
y 3z =
4z = 1
1
2
1
3
x 2z = 2
L3
1
4 L3
L1 L1 + 21 L3
L2 L2 + 23 L3
y 3z =
z= 1
4
13
x = 8
7
y=8
z= 1
4
1
2
1 0 21
0 1 32
0 0 4
3
2
1
2
1 0 21
0 1 32
0 0 1
3
2
1
2
1
4
1 0 0
0 1 0
0 0 1
13
8
7
8
1
4
7 1
Sistema possvel e determinado; soluo: ( 13
8 , 8, 4)
k27

2.
L2 L2 2L1
L3 L3 L1
L2 12 L2
L1 L1 L2
L3 L3 + 2L2
x +y z =1
1 1 1 1
1 3
2 0
1 1 2 2
2x + z = 3
x y + 2z = 2
x +y z =1
1 1 1 1
0 2 3 1
0 2 3 1
2y + 3z = 1
y 3z = 1
2
2
2y + 3z = 1
1
3
x + 2z = 2
y 32 z = 21
0=0
2y + 3z = 1
x +y z =1
1 1 1 1
0 1 32 12
0 2 3
1
1 0 12
0 1 32
0 0 0
3
2
12
0
Sistema possvel e indeterminado; solues:

( 32 12 a, 21 + 32 a, a), a R
k28
3.
3x 6y + 3z 3t + 9w = 18
t w = 2
x 2y + 3z t + 7w = 8
L1 13 L1
x 2y + z t + 3w = 6
t w = 2
x 2y + 3z t + 7w = 8
x 2y + z t + 3w = 6
t w = 2
2z + 4w = 2
x 2y + z t + 3w = 6
2z + 4w = 2
t w = 2
2x 4y + 3z t + 7w = 11
2x 4y + 3z t + 7w = 11
L3 L3 L1
L4 L4 2L1
L2 L3
z + t + w = 1
z + t + w = 1
3 6 3 3 9 18
0 0 0 1 1 2
8
1 2 3 1 7
2 4 3 1 7 11
6
1 2 1 1 3
0 0 0 1 1 2
8
1 2 3 1 7
2 4 3 1 7 11
1 2 1 1 3
6
0 0 0 1 1 2
0 0 2 0
4
2
0 0 1 1
1 1
1 2 1 1 3
6
0 0 2 0
4
2
0 0 0 1 1 2
0 0 1 1
1 1
(continua)
k29
x 2y + z t + 3w = 6
2z + 4w = 2
t w = 2
x 2y + z t + 3w = 6
z + 2w = 1
t w = 2
L1 L1 L2
L4 L4 L2
x 2y t + w = 5
z + 2w = 1
t w = 2
L1 L1 + L3
L4 L4 L3
x 2y = 3
z + 2w = 1
t w = 2
z + t + w = 1
L2 12 L2
z + t + w = 1
t w = 2
0=0
1 2 1 1 3
6
0 0 2 0
4
2
0 0 0 1 1 2
0 0 1 1
1 1
1 2
0
0
0 0
1 1 3
6
1
1 0
2
0 1 1 2
1 1
1 1
1 2 0 1 1
5
0 0 1 0
2
1
0 0 0 1 1 2
0 0 0 1 1 2
1 2
0
0
0 0
0
1
0
0
0 0
3
0 2
1
1 1 2
0 0
0
Sistema possvel e indeterminado; solues:

(3 + 2a, a, 1 2b, 2 + b, b), a, b R)
k30

4.
L3 L3 2L1
L1 L1 L2
L3 L3 + 2L2
x +y +z =1
1 1 1 1
0 1 1 2
2 0 4 0
y z =2
2x + 4z = 0
x +y +z =1
y z =2
2y + 2z = 2
x + 2z = 1
y z =2
0=2
1 1
1
1
0
1
1
2
0 2 2 2
1 0 2 1
0 1 1 2
0 0 0
2
Sistema impossvel
k31
Caracterstica de uma matriz
Chama-se caracterstica de uma matriz ao nmero de linhas

no nulas da sua forma de Gauss.
A caracterstica de uma matriz sempre menor ou igual ao

nmero de linhas da matriz. (porqu?)
A caracterstica de uma matriz sempre menor ou igual ao

nmero de colunas da matriz. (porqu?)
Se a uma matriz se acrescentarem linhas ou colunas, a matriz

obtida tem caracterstica maior ou igual caracterstica da
matriz original. (porqu?)
k32
Exemplos: caracterstica
matriz
1 1 1 1
0 1 3
A= 2
1 3
0 1
forma
0
0
1 1 1 1
1 3
A= 2 0
1 1 2 2
3 6 3 3 9 18
1 1 2
1 7
8
2 4 3 1 7 11
1 1
1 1
1 2
2 0 4 0
1 0
1
5 1
1 11 1
1 1
1
5 0 1 17 1
3 0
A=
1 0
1 2
0
0
0 0
0
1
0
0
1 0
3
2
caracterstica de A
3
21
0
0 0
3
0 2
1
1 1 2
0 0
0
2 0
1 0
0 0 0 1
1 0 0 3 0
2 1
0 0
0 0 0 0 0
A= 0 1
Gauss deA
0 13
8
0 78
1
1 4
1 0 21
0 1 32
0 0 0
0 0 0
A=
1 2 3
de
0
1
0
0 1
0 0 1
0 0 0
k33
Matriz escalonada
Diz-se que uma matriz est escalonada sse as condies seguintes

se verificam:
I
a primeira entrada no nula de qualquer linha no nula est

direita da primeira entrada no nula de qualquer linha anterior;
em qualquer coluna que contenha a primeira entrada no nula

de uma linha, todas as entradas de linhas inferiores so nulas;
se existirem linhas nulas, so as ltimas.
k34
Exemplos: matrizes escalonadas e no escalonadas

2 3 1 5 0
0 0 4 0 2 est escalonada
0 0 0 0 1
1 5 2 3 0 5
0 0 2 4 0 0 est escalonada
0 0 0 3 1 1
2 3 5 2
2 1 0 0 no est escalonada
0 1 3 0
0 3 5
1 0 0 no est escalonada
0 0 0
k35
Caracterstica de uma matriz escalonada
Se duas matrizes so equivalentes por linhas, tm a mesma

forma de Gauss, e portanto a mesma caracterstica.
Se uma matriz est escalonada, a sua caracterstica igual ao

nmero de linhas no nulas. (porqu?)
Duas matrizes escalonadas podem ser equivalentes por linhas

sem serem iguais (exemplo?)
k36
Exemplos: caracterstica de matrizes escalonadas
2 3 1 5 0
car 0 0 4 0 2 = 3
0 0 0 0 1
1 5 2 3 0 5
car 0 0 2 4 0 0 = 3
0 0 0 3 1 1
2 0 3 1
car 0 5 1 2 = 2
0 0 0 0
3 5 1 4
car 0 0 0 0 = 1
0 0 0 0
k37
Discusso de sistemas em funo da caracterstica

I
A caracterstica da matriz de um sistema sempre maior ou

igual caracterstica da matriz dos coeficientes. (porqu?)
Se a caracterstica da matriz de um sistema maior do que a

caracterstica da matriz dos coeficientes, ento o sistema
impossvel. (porqu?)
Se a caracterstica da matriz de um sistema igual

caracterstica da matriz dos coeficientes e igual ao nmero de
incgnitas ento o sistema possvel e determinado.
(porqu?)
Se a caracterstica da matriz de um sistema igual

caracterstica da matriz dos coeficientes e menor do que o
nmero de incgnitas ento o sistema possvel e
indeterminado. (porqu?)
k38
Exemplos: discusso de sistemas

1.
I
a11 x + a12 y + a13 z = b1
a21 x + a22 y + a23 z = b2
a x +a y +a z =b
31
32
33
3
Seja A a matriz dos coeficientes e M a matriz do sistema.
Tem-se car A 3 e car M 3.
Se car A = 3, o sistema possvel e determinado.
2.
(
I
a11 x + a12 y + a13 z + a14 t = b1

a21 x + a22 y + a23 z + a24 t = b2
Seja A a matriz dos coeficientes.
Tem-se car A 2, portanto o sistema no pode ser possvel e

determinado; pode ser impossvel ou possvel e indeterminado.
k39

3.
x + y + z = 2a
x + 2z = 3
y + (a2 5)z = 1
A matriz do sistema
Usando o algoritmo para
L2 L2 L1
L2 L2
L1 L1 L2
L3 L3 L2
1 1
1
2a
1 0
2
3
2
0 1 a 5 1
determinar a forma de Gauss:
1 1
1
2a
0 1
1
3 2a
0 1 a2 5
1
1 1
1
2a
0 1
1
2a 3
0 1 a2 5
1
1 0
2
3
0 1
1
2a 3
0 0 a2 4 4 2a
(continua)
k40

1 caso: a2 4 6= 0, isto , a 6= 2 e a 6= 2
Continuando o algoritmo:
L3
1
L
a2 4 3
L1 L1 2L3
L2 L2 + L3
1
0
0
1
0
0
0
1
0
0
1
0
3
2
1 2a 3
2
1 a+2
3a+10
0 3a+10
x = a+2
a+2
2
2 +a8
+a8
0 2a a+2
y = 2a a+2
2
2
1 a+2
z = a+2
A caracterstica da matriz do sistema 3, a caracterstica da

matriz dos coeficientes 3 e o nmero de incgnitas 3.
Para a R \ {2,
possvel
2}, o sistema
e determinado, e a
3a+10 2a2 +a8
2
nica soluo a+2 , a+2 , a+2 .
(continua)
k41

2 caso: a = 2
Substituindo
a por
2 temos a matriz
1 0 2 3
0 1 1 1
0 0 0 0
que est na forma de Gauss e corresponde ao sistema
x + 2z = 3
y z =1 .
0=0
Para a = 2, o sistema possvel e indeterminado; as solues so
(3 2c, 1 + c, c), c R.
(continua)
k42

3 caso: a = 2
Substituindo
a por
2 temos a matriz
1 0 2
3
0 1 1 7
0 0 0
8
x + 2z = 3
y z = 7 , obviamente
que corresponde ao sistema
0=8
impossvel.
matriz dos coeficientes 2.
Para a = 2, o sistema impossvel.
k43

4.
x + (1 + i)y + (3 + 2i)z = 1
iy + 2z = 0
ix + (1 i)y + (a2 2a + 3i)z = a 1 + 2i
A matriz do sistema
Usando o algoritmo para
L3 L3 iL1
L2
1
i L2
L1 L1 (1+i)L2
1 1 + i
3 + 2i
1
0
i
2
0
2
i 1 i a 2a + 3i a 1 + 2i
determinar a forma de Gauss:
1 1 + i
3 + 2i
1
0
i
2
0
2
0
0
a 2a + 2 a 1 + i
1 1 + i
3 + 2i
1
0
1
2i
0
0
0
a2 2a + 2 a 1+ i
1 0
1
1
0 1
2i
0
2
0 0 a 2a + 2 a 1 + i
(continua)
k44

1 caso: a2 2a + 2 6= 0, isto , a 6= 1 + i e a 6= 1 i
Continuando o algoritmo:
L3
1
L
a2 2a+2 3
L1 L1 L3
L2 L2 + 2iL3
1
0
0
1
0
0
0
1
0
0
1
0
1
1
2i
0
1
1
a1i
a2i
0 a1i
2i
0 a1i
1
1 a1i
a2i
x = a1i
2i
y = a1i
z= 1
a1i

Para a C \ {1 i, 1 + i}, o sistema possvel e determinado, e a
a2+i
2i
1
nica soluo a1+i
, a1+i
, a1+i
.
(continua)
k45

2 caso: a = 1 i
Substituindo
a por1 i temos a matriz
1 0 1 1
0 1 2i 0
0 0 0 0
que est na forma de Gauss e corresponde ao sistema
x +z =1
y 2iz = 0 .
0=0
Para a = 1 i, o sistema possvel e indeterminado; as solues
so (1 c, 2ic, c), c C.
(continua)
k46

3 caso: a = 1 + i
Substituindo
a
1 0 1
0 1 2i
0 0 0
por
1 + i temos a matriz
1
0
2i
x +z =1
y 2iz = 0 , obviamente
que corresponde ao sistema
0 = 2i
impossvel.
matriz dos coeficientes 2.
Para a = 1 + i, o sistema impossvel.
k47
Matrizes
I
Notao: Mm,n (R) =

{matrizes de m linhas e n colunas com entradas em R}
Notao: Mm,n (C) =

{matrizes de m linhas e n colunas com entradas em C}
Observao: Mm,n (R) Mm,n (C)
3 1
2 53
3 1
2 53
7
3+1
M2,3 (R)
!
7
M2,3 (C)
3+1

1
5
4
1+45
1
M5,2 (C)
2 + +1
i
7
4
12 + 2i
0
0
ALGA I(M143) - 2014/2015 k 1.2 Sistemas de equaes lineares e matrizes - Operaes com matrizes
k48
Matriz transposta: definio
I Seja A Mm,n (C), A =
a1n
a2n
..
.
am1 am2
amn
a11
a21
..
.
a12
a22
..
.
I Chama-se transposta de A matriz
que se obtm trocando as linhas de A

I
Notao: At
Se A Mm,n (C) ento At Mn,m (C)
a11 a21 am1

a12 a22 am2
..
..
..
.
.
.
a1n a2n amn
com as colunas.
k49
Matriz transposta: exemplos
I A=
2 + 3i
A= 1
0
2 1
4 3
7 15
2 1
t
, A =
5
0
5 76 i
2 + 3i
5
At =
7 + 2i
2 4 7 2
1 3 15 1
7 + 2i
0 ,
2 + 3i
1
0
7
0 5
6i
0
2 + 3i
k50
Soma de matrizes: definio
Soma de duas matrizes de m linhas e n colunas:
a1n
a2n
..
.
am1 am2
amn
a11
a21
..
.
a12
a22
..
.
b1n
b2n
..
.
bm1 bm2
bmn
b11
b21
..
.
b12
b22
..
.
a1n + b1n
a2n + b2n
..
.
am1 + bm1 am2 + bm2
amn + bmn
a11 + b11
a21 + b21
..
a12 + b12
a22 + b22
..
.
k51
Exemplos: soma de matrizes
2 1 3
4
5 3 2 12
1 2 0
2 1 53
5
4
3 1
3
1
7
13
7 2 5
2

2 0
1
3
3
3

0 2 + 5 1 = 5 3
2 3
3 53
5 14
3
k52
Produto de um nmero por uma matriz: definio
Produto de um nmero por uma matriz:
a1n
a2n
..
.
am1 am2
amn
a11
a21
..
.
a12
a22
..
.
ca1n
ca2n
..
.
cam1 cam2
camn
ca11
ca21
..
.
ca12
ca22
..
.
k53
Exemplos: produto de um nmero por uma matriz
2 1 3
0 1 4
10 5 15
0 5 20
1
1
2
3
1
2
2 3 4 = 1
2
5
6
7
52
1 23
3
2
2
3 27
3+i
1 2i
0 =
(1 + i) 5
5
2 + 3i
2
2 + 4i
3i
5 + 5i
2 3 + ( 2 + 3)i 52 + 52 i
k54
Produto de matrizes
Produto de duas matrizes tais que o nmero de colunas da
primeira igual ao nmero de linhas da segunda (s se define
produto de matrizes neste caso):
a1n
a2n
..
.
am1 am2
amn
a11
a21
..
.
a12
a22
..
.
b11 b12
b21 b22
..
..
.
.
bn1 bn2
b1p
b2p
..
.
bnp
c1p
c2p
..
.
cm1 cm2
cmp
c11
c21
..
.
c12
c22
..
.
onde cij = ai1 b1j + ai2 b2j + ai3 b3j + ain bnj =
n
X
aik bkj .
k=1
k55
Exemplos: produto de matrizes

1 2
3 4
5 6
7 8
15+27 16+28
35+47 36+48
19 22
43 50
2
1
1 3
4
0 5 7
4 1
24+17
1 4 + 3 7
0457
4 4 + 1 7
15
4
4
17
5
2
35 10 0
9 2
8
1 2
2 0
21+12
2 (2) + 1 0
1 1 + 3 2 1 (2) + 3 0
0152
0 (2) 5 0
4 1 + 1 2 4 (2) + 1 0
k56
Produto de matrizes: caso particular

Tem-se
a11
a21
..
.
a12
a22
..
.
a1n
a2n
..
.
am1
am2
amn
x1
x2
..
.
a11 x1 + a12 x2 + + a1n xn

a21 x1 + a22 x2 + + a2n xn
..
.
am1 x1 + am2 x2 + + amn xn
xn
Portanto o sistema
a11 x1 + a12 x2 + + a1n xn = b1
a x + a x + + a x = b
21 1
22 2
2n n
2

am1 x1 + am2 x2 + + amn xn = bm
pode-se escrever na
forma
AX = B,
ondeA a matriz dos
b1
x1
x2
b2
coeficientes, X = . , e B = .
..
..
xn
bm
k57
Produto de matrizes
Sejam A Mm,n (C), B Mn,p (C).
Sejam B1 , B2 , . . . , Bp as colunas
de B, isto ,

B = B1 B2 Bp
Ento as colunas de AB so AB1, AB2 , . . . , ABp , isto ,

AB = AB1 AB2 ABp
k58
Operaes com matrizes: propriedades
Para quaisquer matrizes A, B, C , tem-se

I
I
I
I
I
A+B =B+A
(A + B) + C = A + (B + C )
A(B + C ) = AB + AC
(A + B)C = AC + BC
(AB)C = A(BC )
desde que A, B, C tenham um nmero de linhas e colunas

tais que as operaes sejam possveis.
I
MAS: em geral AB 6= BA
Exerccio (com bastantes clculos)

mostrar estas propriedades
k59
Exemplo: no comutatividade do produto
1 2
0 1
3 1
2 1
3 1
2 1
1 2
0 1
7
1
2 1
3 7
2 3
k60
Matriz identidade
Chama-se matriz identidade de ordem n matriz In , onde
1 0 0
0 1 0
In = . .
..
, In Mn,n (R).
.
.. ..
0 0 1
Para qualquer M Mm,n (C), tem-se Im M = M e MIn = M.
k61
Exemplos: matriz identidade
1 0 0
2 1 3
4
2 1 3
4
0 1 0 5 0 2 6 = 5 0 2 6
0 0 1
7 1 4
3
7 1 4
3
7 1
0
2
4 5
3
6
1 0
0 1
7 1
0
2
4 5
3
6
k62
Inversa de uma matriz

I
Diz-se que M Mm,n (C) tem inversa sse existe uma matriz
M 0 tal que MM 0 e M 0 M so matrizes identidade (se existir,
tem-se M 0 Mn,m (C); porqu?)
Pode-se mostrar que s matrizes quadradas tm inversa (mas

nem todas as matrizes quadradas tm inversa).
Diz-se que M Mn,n (C) singular sse no tem inversa.
Se uma matriz tiver inversa, essa inversa nica; se existir,

designa-se por M 1 a inversa de M.
Pode-se mostrar que se M, M 0 Mn,n (C) e MM 0 = In ou

M 0 M = In , ento M 0 inversa de M.
Se M Mn,n (C), ento M tem inversa sse car M = n.
Exerccio
Dar exemplo de m, n N, M Mm,n (R) e M 0 Mn,m (R) tais que
MM 0 = Im mas M 0 M 6= In .
k63
Demonstrao da unicidade da inversa
Suponhamos que M 0 e M 00 so inversas da matriz M Mm,n (C).

I
M 0 (MM 00 ) = M 0 Im = M 0
(M 0 M)M 00 = In M 00 = M 00
Pela associatividade do produto, M 0 (MM 00 ) = (M 0 M)M 00 .
Portanto M 0 = M 00 .
k64
Demonstrao de que M tem inversa car M = n

Usar-se- a seguinte propriedade no demonstrada: se
M, M 0 Mn,n (C) e MM 0 = In , ento M 0 inversa de M.
Seja M Mn,n (C).
M tem inversa sse existe
a11 a12
a21 a22
..
..
.
.
an1 an2
a1n
a2n
..
.
ann
a11 a12
a21 a22
..
..
.
.
an1 an2
a1n
a2n
..
.
ann
tal que
= In .
k65
Demonstrao de que M tem inversa car M = n (cont)

o mesmo que dizer que existem
a11 , a12 , . . . , a1n , a21 , a22 , . . . , a2n , . . . , an1 , an2 , . . . , ann
tais que M
a1n
a11
a21
..
.
an1

a2n 0

M
.. = ..
. .
ann
1
0
..
.
0
, M
a12
a22
..
.
an2
0
1
..
.
0
, . . . ,
ou seja que os sistemas
x1
x2
..
.
xn
1
0
..
.
0
, M
x1
x2
..
.
xn
0
1
..
.
0
, . . . , M
x1
x2
..
.
xn
0
0
..
.
1
so possveis.
k66
Demonstrao de que M tem inversa car M = n (cont)
Se car M = n, ento todas as caractersticas das matrizes

destes sistemas so iguais a n (porqu?) logo todos os
sistemas so possveis e determinados (porqu?)
Se car M < n, ento cada sistema indeterminado ou
impossvel.
I
I
se algum impossvel, no existe inversa

se todos fossem indeterminados, existiria mais do que uma
inversa de A, o que j se sabe que no pode acontecer;
portanto no se pode dar esta situao.
k67
Exemplo: matrizes inversas
3 2
1 1
1 2
1 3
1 2
1 3
1 2
1 3
3 2
1 1
1 2
1 3
=
!
1 0
0 1
1 0
0 1
,
, portanto
3 2
1 1
so inversas uma da outra.
!1
3 2
1 1
1 2
1 3
3 2
1 1
!1
k68
Exemplo: matrizes inversas
1 1 0
= 0 1 1
0 0
1
1 1 0
0 1 1
0 0
1
1 1
1 1 0
1 0 0
1 1 0 1 1 = 0 1 0 ,
0 1
0 0
1
0 0 1
1 0
1 1 1
1 0 0

1 1 0 1 1 = 0 1 0 , portanto
0
1
0 0 1
0 0 1

1 1
1 1 0

1 1 e 0 1 1 so inversas uma da outra.

0 1
0 0
1
1 1 1
0 1 1
0 0 1
1
0
0
1
0
0
1
0
0
1 1 1
= 0 1 1
0 0 1
k69
Exemplo: Clculo da inversa de
1 5
2 3
x
z
y
t
1 0
0 1
1 5
2 3
x + 5z
2x + 3z
x + 5z = 1
2x + 3z = 0
y + 5t = 0
2y + 3t = 1
(
1 5 1
2 3 0
As matrizes dos dois sistemas so

As formas de Gauss so
(
correspondem a
x = 73
z = 27
1 0 73
0 1 27
(
1 5 0
2 3 1
1 0 57
0 1 17
x + 5z = 1
2x + 3z = 0
y + 5t
2y + 3t
1 0
0 1
y + 5t = 0
2y + 3t = 1
, que
y = 57
t = 17
k70
Exemplo: Clculo da inversa de

Ento
1 5
2 3
!1
37
2
7
5
7
17
1 5
2 3
Em vez de calcular separadamente a forma de Gauss das duas

matrizes, mais!simples calcular a forma de Gauss de
1 5 1 0
2 3 0 1
1 0 73
Obtemos
0 1 27
da matriz inicial.
5
7
17
; a metade da direita a inversa
k71
Clculo de inversa pelo mtodo de Gauss
Queremos a inversa de M Mn,n (C), se existir.

Consideramos a matriz A =
Determinamos a forma de Gauss G de A
Se a metade esquerda de G for In , ento M tem inversa, e

M 1 a metade direita de G
Se a metade esquerda de G no for In , ento car M < n e

M no tem inversa.
M In
Observao: se M Mn,n (R), e M tiver inversa em Mn,n (C),

ento M 1 Mn,n (R). (porqu?)
k72
Determinantes de ordem 2
!
a b
Seja A =
M2,2 (C).
c d
Quando que A tem inversa?
(Quando que car A = 2?)
caso a 6= 0
!
1 ba
1
L1 a L1
c d
!
b
1
a
0 d bc
L2 L2 cL1
a
Concluso: se a 6= 0, ento car A = 2 sse d
ad bc 6= 0
bc
a
6= 0, ou seja,
Exerccio
verificar que mesmo que a = 0,
car A = 2 ad bc 6= 0
ALGA I(M143) - 2014/2015 k 1.3 Sistemas de equaes lineares e matrizes - Determinantes
k73
Determinantes de ordem 2
Definio
Se A =
a b
c d
Notao: det
Temos funes
, o determinante de A ad bc.
a b
c d

a

, det A,
c
b
d

, |A|

det : M2,2 (C)

C
A
7 det A
det : M2,2 (R)
R
A
7 det A
k74
Exemplos: determinantes de ordem 2
det
1 2
3 4
det
1 2
3 6
det
5 2
3 1
= 2
!
=0
= 11
k75
Determinantes de ordem 2: propriedades
det
a + a0 b
c + c0 d
= det
a b
c d
det
a b + b0
c d + d0
= det
a b
c d
det
a + a0 b + b 0
c
d
det
a
b
c + c0 d + d0
+ det
a0 b
c0 d
+ det
a b0
c d0
= det
a b
c d
= det
a b
c d
+ det
a0 b 0
c d
+ det
a b
c0 d0
k76
Exemplos: propriedades dos determinantes
1 2
3 4
det
1 2
0 4
det
1 2
3 4
1 0
3 4
det
det
= det
1+0 2
0+3 4
+ det
0 2
3 4
= det
1+0 0+2
3
4
+ det
0 2
3 4
k77
det
ka b
kc d
det
ka kb
c d
det
b a
d c
det I2 = det
= k det
!
= det
1 0
0 1
= det
a b
c d
= k det
a b
c d
a b
c d
= det
= det
a kb
c kd
a b
kc kd
c d
a b
=1
Exerccio
Mostrar as propriedades dos determinantes (fazer as contas)
k78
Se M tem duas colunas iguais, ento det M = 0.

I
I
Trocando as colunas, o determinante troca de sinal.

Mas trocando as colunas, a matriz fica igual, portanto o
determinante o mesmo.
Se troca de sinal e fica igual, 0.
Se M tem duas linhas iguais, ento det M = 0.
Se uma coluna de M mltipla da outra, ento det M = 0.

(porqu?)
Se uma linha de M mltipla da outra, ento det M = 0.

(porqu?)
k79
det
1 2
3 4
det
1 2
3 4
det
2 2
3 3
det
1 5
1 5
det
1 4
3 12
= det
1 21
3 22
= det
1
5
3
5
2
5
= 2 det
1 1
3 2
!
4
5
= 5 det
1
3
5
4
5
=0
=0
!
=0
k80
Problema: caracterizao do determinante

Exerccio (exigindo alguma imaginao)
Mostrar que a funo determinante a nica funo definida em
M2,2 (C) tal que, para quaisquer a, b, c, d, k C
I
det
a + a0 b
c + c0 d
det
a b + b0
c d + d0
det
ka b
kc d
det
b a
d c
det I2 = det
= det
a b
c d
= det
a b
c d
= k det
a b
c d
= det
a b
c d
1 0
0 1
+ det
a0 b
c0 d
+ det
a b0
c d0
= det
a kb
c kd
=1
k81
Para qualquer matriz A M2,2 (C) tem-se det A = det At .
Para quaisquer matrizes A, A0 M2,2 (C), tem-se

det(AA0 ) = det A det A0 . (exerccio)
A tem inversa sse det A 6= 0, e nesse caso det A1 =
I
I
basta notar que (det A)(det A
) = det(AA
1
det A .
) = det I2 = 1
car A = 2 sse det A 6= 0

Se A =
A1
a b
c d
1
det A
e det A 6= 0, ento
d b
c a
(verificar)
k82
Significado geomtrico do determinante

Consideremos um referencial
ortonormado no plano.
!
a b
Sejam A =
, u = (a, c), v = (b, d)
c d
A rea do paralelograma definido pelos vectores u e v igual ao

mdulo do determinante de A.
k83
Significado geomtrico do determinante - demonstr

Uma demonstrao:
I
A rea do paralelograma definido por u e v igual rea do

rectngulo definido por u e w , onde w a projeco ortogonal
de v sobre um vector ortogonal a u.
Um vector ortogonal a u o vector u 0 = (c, a)
Ento w =
Portanto
rea do rectngulo definido por u e w =
| c 2 + a2 = |ad bc|
kukkw k = a2 + c 2 | bc+ad
c 2 +a2
v |u 0 0
u = (b,d)|(c,a)
(c, a) = bc+ad
(c, a).
ku 0 k2
c 2 +a2
c 2 +a2
kw k = | bc+ad
|k(c, a)k = | bc+ad
| c 2 + a2
c 2 +a2
c 2 +a2
(notao: | designa o produto escalar, kuk designa a norma, ou

comprimento, do vector u)
k84
Significado geomtrico do determinante - demonstr

Outra demonstrao:
A rea do paralelograma definido por u e v igual rea do

rectngulo definido por u e w , onde w a projeco ortogonal
de v sobre um vector ortogonal a u.
kw k
1 cos2
kv k = sen =
cos =
1 cos2 = 1
u|v
kukkv k
ab+cd
a2 +c 2 b 2 +d 2
(ab+cd)2
(a2 +c 2 )(b 2 +d 2 )
(adbc)2
(a2 +c 2 )(b 2 +d 2 )
|adbc|
I sen =
a2 +c 2 b 2 +d 2
I rea=kukkw k = kukkv k sen
a2 d 2 +b 2 c 2 2abcd
(a2 +c 2 )(b 2 +d 2 )
|adbc|
a2 + c 2 b 2 + d 2 a2 +c
= |ad bc|
2 b 2 +d 2
k85

I
det
1 2
3 4
= 2 6= 0, portanto car
1 2
3 4
1 2
3 4
!1
det
=2e
tem inversa;
=
5 2
3 1
12
4 2
3 1
3
2
= 11 6= 0, portanto car
5 2
3 1
5 2
3 1
!1
det
1 2
3 4
1
12
5 2
3 1
=2e
tem inversa;
=
3 1
6 2
3 1
6 2
1
11
1 2
3 5
= 0, portanto car
2
11
5
11
3 1
6 2
1
11
3
11
<2e
no tem inversa.
k86
Determinantes de ordem n
Notao:
I
A = C1 C2 Cn representa a matriz cujas colunas

so C1 , C2 , . . . , Cn
L1
L2
. representa a matriz cujas linhas so L1 , L2 , . . . , Lm
.
.
Lm
k87
Determinantes de ordem n
Proposio
Para cada n N, existe uma nica funo det : Mn,n (C) C que
satisfaz as seguintes propriedades:
I
det
C1
Cj + Cj0
Cn

det C1 Cj Cn + det
para quaisquer C1 , . . . , Cj , . . . , Cn , Cj0
I
det
C1

I
I
kCj
Cn
C1
Cj0
Cn
k det C1 Cj Cn , para quaisquer

C1 , . . . , Cj , . . . , Cn e qualquer k C
Se a matriz B se obtm da matriz A por troca de duas colunas,
ento det B = det A
det In = 1
Exerccio
Mostrar a partir destas propriedades que se A Mn,n (R), ento
det A R.
k88
Determinantes de ordem n: propriedades s/ demonstrao

Pode-se mostrar que:
L1
..
.
I
det Li + L0i
..
det kLi
.
.
.
L1
.
..
= k det
Ln
L1
.
..
= det Li + det
Ln
L1 , . . . , Li , . . . , Lm , L0i
L1
..
I
L0i
..
.
, para quaisquer
Ln
L1
..
.
Li
..
.
, para quaisquer
Ln
Ln
L1 , . . . , Li , . . . , L0m e qualquer k C
Se a matriz B se obtm da matriz A por troca de duas linhas,
ento det B = det A
k89
Determinantes de ordem n: propriedades s/ demonstrao
Pode-se mostrar que, para qualquer A Mn,n (C),

det A = det At
Pode-se mostrar que det(AB) = det A det B, para quaisquer
A, B Mn,n (C)
I
I
I
o que implica que se A tem inversa, ento det A 6= 0; porqu?

se A tem inversa, ento det A1 = det1 A
portanto se car A = n, ento det A 6= 0
A tem inversa det A 6= 0 (ser visto depois)
det A 6= 0 car A = n A tem inversa
k90
Determinantes de ordem n: propriedades
Se uma das colunas de A mltipla de outra, ento det A = 0

(caso particular: duas colunas iguais)
Substituindo uma coluna pela sua soma com um mltiplo de

outra coluna, o determinante no alterado.
Se uma das linhas de A mltipla de outra, ento det A = 0

(caso particular: duas linhas iguais)
Substituindo uma linha pela sua soma com um mltiplo de

outra linha, o determinante no alterado.
k91
Determinantes de ordem n: demonst. das propriedades

I
Se uma das colunas de A mltipla de outra, ento det A = 0

I
Substituindo uma coluna pela sua soma com um mltiplo de

outra coluna, o determinante no alterado.
I

det C1 . . . Cj . . . kCj . . . Cn =
k det C1 . . . Cj . . . Cj . . . Cn
O determinante da segunda matriz 0, porque tem duas
colunas iguais (mesmo raciocnio que para matrizes em
M2,2 (C))

det C1 Ci + kCj Cj Cn =
= det C1 Ci Cj Cn +
det C1 kCj Cj Cn
o determinante da segunda parcela 0, porque uma coluna
mltipla de outra
o raciocnio para as linhas anlogo
k92
Exemplo: clculo de determinante

1
0
1
0
0
3
0
1
2
1
0
1
0
1
2
0
L3 L3 +L1
det
=
det
2
0
1 0 2 0
1 0 2 0
0 3 0 0
0 3 0 1 L2 L2 1 L3
C3 C3 C4
= 2 det
=
det
=
0 0 0 2
0 0 0 2
0 1 1 0
0 1 1 0
1 0 0 0
1 0 0 0
0 3 0 0
0 3 0 0
C3 C3 2C1
C2 C2 C3
=
det
=
det
0 0 0 2
0 0 0 2
0 1 1 0
0 0 1 0
1 0 0 0
1 0 0 0
0 3 0 0
0 1 0 0
C3 C4
= det
= 3 det
0 0 2 0
0 0 2 0
0 0 0 1
0 0 0 1
1 0 0 0
0 1 0 0
= 3 2 det
= 6 det I4 = 6
0 0 1 0
0 0 0 1
1
0
0
0
0
3
0
1
2
1
2
1
k93
Caso n = 3
a11 a12 a13
Seja A = a21 a22 a23 M3,3 (C).

a31 a32 a33
Tem-se
det A =
a11 a22 a33 +a21 a32 a13 +a31 a12 a23 a31 a22 a13 a11 a32 a23 a21 a12 a33
Exerccio
Mostrar esta igualdade a partir das propriedades de definio do
determinante
k94
Caso n = 3: regra de Sarrus
a11 a12 a13
Para calcular o determinante de a21 a22 a23 , escrevemos

a31 a32 a33
a11
a21
a31
a11
a21
a12
a22
a32
a12
a22
a13
a23
a33
a13
a23
somamos os produtos das trs diagonais \ e subtraimos os

produtos das trs diagonais /.
k95
Exemplo: determinantes de ordem 3

1
0 5
det 3 2 4 =?
1 3 0
1
0 5
3 2 4
1 3 0
1
0 5
3 2 4
1
0 5
det 3 2 4 = 1 (2) 0 + 3 (3) 5+

1 3 0
+(1)04(1)(2)51(3)4300 = 43
k96
Notao
I
Notao: Aij designar a matriz que se obtm da matriz A

eliminando a linha i e a coluna j.
1 2 4 3
2 1 1 5
Exemplo: A =
1 3 5 2
2 1 2 1
A11 =
A23 =
A42 =
1 1 5
3 5 2
1 2 1
1 2 3
1 3 2
2 1 1
1
4 3
2 1 5
1 5 2
k97
Determinantes de ordem n: desenvolvimento de Laplace

a11
..
Seja A = .
an1
Pode-se mostrar que
a1n
.. .
.
ann
det A = a11 det A11 a21 det A21 + + (1)n+1 an1 det An1
(desenvolvimento de Laplace ao longo da primeira coluna)
det A = a11 det A11 a12 det A12 + + (1)1+n a1n det A1n
(desenvolvimento de Laplace ao longo da primeira linha)
det A =
(1)1+j a1j det A1j +(1)2+j a2j det A2j + +(1)n+j anj det Anj
(desenvolvimento de Laplace ao longo da coluna j)
det A =
(1)i+1 ai1 det Ai1 + (1)i+2 ai2 det Ai2 + + (1)i+n ain det Ain
(desenvolvimento de Laplace ao longo da linha i)
k98

Desenvolvimento de Laplace ao longo da primeira coluna:
det
1
0
1
0
0
3
0
1
2
1
0
1
0
1
2
0
3 1 1
0
= 1 det 0 0 2 0 det 0
1 1 0
1
0 2 0
+(1) det 3 1 1 0 det

1 1 0
= 4 2 = 6
2
0
1
0
3
0
0
2
0
2
1
0
1
2
k99
2 5 4
2 1 1
2 1 1
det
=3 det 0 2 2 =
0 2 2
0 0 5
0 0 5
!
2 2
3 2 det
= 60
0 5
3
0
0
0
k100
Desenvolvimento
de Laplace
ao longo da primeira coluna:
1 2 4 3
2 1 1 5
det
=
1 3 5 2
2 1 2 1
1 1 5
2 4 3
= det 3 5 2 2 det 3 5 2 +
1 2 1
1 2 1
2 4 3
2 4 3
+(1) det 1 1 5 2 det 1 1 5 = ...

1 2 1
3 5 2
k101

Clculo do mesmo determinante usando algumas propriedades dos
determinantes antes de efectuar o desenvolvimento de Laplace ao
longo da primeira coluna:
det
1
L2 L2 2L1
L3 L3 + L1
2 4 3
L
1 1 5 4 L4 2L2
=
3 5 2
1 2 1
2
4
3
3 9 1
3 9 1
9
5 = ...
= det 5
5
9
5
3 6 7
3 6 5
= det
0
k102
Clculo da inversa de uma matriz
Se A Mn,n (R) tal que det A 6= 0, ento

A1 =
1
det A
det A11
det A12
..
.
det A21
det A22
..
.
(1)n+1 det An1

(1)n+2 det An2
..
.
(1)1+n det A1n (1)2+n det A2n

det Ann
i+j
(Na entrada da linha i, coluna j est (1) det Aji .)
k103
Clculo da inversa de uma matriz: dem. sucinta

Seja A0 =
det A11
det A12
..
.
det A21
det A22
..
.
(1)1+n det A1n (1)2+n det A2n
(1)n+1 det An1

(1)n+2 det An2
..
.
det Ann
Basta mostrar que A det1 A A0 = In , o que equivale a mostrar que
AA0
det A
0
0
det A
..
..
.
.
0
0
0
0
..
.
det A
k104
Clculo da inversa de uma matriz: dem. sucinta (cont)

Seja B = AA0 .
Ento bij =
n
X
aik (1)k+j det Ajk =
k=1
Para i = j, vem bii =
n
X
n
X
(1)k+j aik det Ajk
k=1
(1)k+i aik det Aik , que det A (desenvolvimento de
k=1
Laplace ao longo da linha i).
a11 a12
..
..
.
.
a
i1 ai2
.
..
Para i 6= j, vem bij = det
.
..
ai1
..
.
ai2
..
.
an1 an2
(desenvolvimento ao longo da linha j)
a1n
..
.
linha j
linha i
ain
..
.
ain
..
.
ann
Ento bij = 0, porque o determinante de uma matriz com duas linhas iguais.
Exerccio
Verificar analogamente que
1
0
det A A A
= In
k105
Exemplo: clculo da inversa de uma matriz

1 2 3
1
0 2 , det A = 25 6= 0
A=
5 1 0
det A11 det A21 det A31
1
det A22 det A32 =
A1 = 25
det A12
det A13 det A23 det A33
0 2
2
det
det
1 0
1
1 2
1
1
det
25
det
5 0
5
1 0
1
det
det
5 1
5
3
2 3
det
0
0 2
!
!
3
1 3
det
0
1 2
!
!
2
1 2
det
1
1 0
2
3
4
1
= 25 10 15 5
1 11 2
k106
Regra de Cramer
Seja A a matriz dos coeficientes do sistema de n equaes a n

incgnitas
a11 x1 + a12 x2 + + a1n xn = b1
a x + a x + + a x = b
21 1
22 2
2n n
2
an1 x1 + an2 x2 + + ann xn = bn

Se det A 6= 0, ento o sistema possvel e determinado.
k107
Regra de Cramer
Na situao anterior, a nica soluo do sistema dada por
b1 a12 a1n
.
..
..
det ..
.
.
x1 =
bn an2
ann
det A
x2 =
a11 b1
.
..
det ..
.
an1 bn
...
det A
xn =
a1n
..
.
ann
a11 a12
.
..
det ..
.
an1 an2
det A
b1
..
.
bn
k108
Regra de Cramer: demonstrao sucinta
a11 x1 + a12 x2 + + a1n xn = b1
a x + a x + + a x = b
21 1
22 2
2n n
2
Resolver o sistema
an1 x1 + an2 x2 + + ann xn = bn
o mesmo que resolver

aequao AX = B, onde A a matriz dos
b1
b2
coeficientes e B = .
..
bn
Como det A 6= 0,
AX = B A1 AX = A1 B X = A1 B
k109
Regra de Cramer: demonstrao sucinta

A entrada da linha i de A1 B, que a entrada da linha i de
1
det A
det A11
det A12
..
.
(1)1+n det A1n
det A21
det A22
..
.
(1)2+n det A2n
(1)n+1 det An1

(1)n+2 det An2
..
.
det Ann
b1
b2
..
.
bn
n
1 X
(1)i+k bk det Aki
det A k=1
que
a11
1
..
det .
det A
an1
b1
..
.
a1n
..
.
bn
ann
(onde os bk esto na coluna i)

k110
Exemplo: regra de Cramer
(
I
2x + 3y = 1
5x y = 3
!
2 3
a matriz dos coeficientes A
,e
5 1
det A = 17 6= 0, portanto o sistema possvel e determinado
as
solues so dadas por !
1 3
= 10
x = 17 det 3 1
17
!
1
y = 1 det 2 1
= 17
17
5 3
k111
Exemplo: regra de Cramer

I
x y + 3z = 4
2x + y + z = 2
x 5y = 1
1 1 3
a matriz dos coeficientes A 2 1 1 , e

1 5 0
det A = 29 6= 0, portanto o sistema possvel e determinado
as solues so
dadas por
4
1
3
1
46
x = 29 det 2 1 1 = 29
1 5 0
1 4 3
1
15
y = 29
det 2 2 1 = 29
1 1 0
1
1 4
1
49
2
1 2 = 29
z
=
det
29
1 5 1
k112
Exemplo de espao vectorial real - vectores do plano

Vectores no plano com origem em (0, 0)
Soma de vectores
Produto de um nmero real por um vector
ALGA I(M143) - 2014/2015 k 2.1 Espaos vectoriais reais e complexos - Definio e propriedades
k113
Exemplo de espao vectorial real - R2
R2 = R R = {(x , y ) : x , y R}
I
soma de dois elementos de R2 :

(x , y ) + (z, t) = (x + z, y + t)
produto de um nmero real por um elemento de R2 :

a (x , y ) = (ax , ay )
Observao: Dado um referencial do plano, R2 identifica-se com o

plano, se para cada ponto do plano considerarmos o par formado
pelas suas coordenadas (e com os vectores do plano com origem
em (0, 0), de maneira anloga).
k114
Exemplo de espao vectorial real - vectores do espao
Vectores no espao com origem em (0, 0, 0)
Soma de vectores
Produto de um nmero real por um vector
k115
Exemplo de espao vectorial real - R3
R3 = R R R = {(x , y , z) : x , y , z R}
I
soma de dois elementos de R3 :

(x , y , z) + (t, u, v ) = (x + t, y + u, z + v )
produto de um nmero real por um elemento de R3 :

a (x , y , z) = (ax , ay , az)
Observao: Dado um referencial do espao, R3 identifica-se com

o espao, se para cada ponto do espao considerarmos as suas trs
coordenadas (e com os vectores do espao com origem em
(0, 0, 0), de maneira anloga).
k116
Espao vectorial sobre K: K = R ou K = C
K representar R ou C
K = R espao vectorial real
K = C espao vectorial complexo
k117
Operaes num conjunto

Vamos considerar dois tipos de operaes num conjunto:
I
# operao interna num conjunto E : associa a cada par

ordenado de elementos de E um elemento de E
(u, v ) 7 u#v E
exemplos: soma, subtraco, multiplicao em Z, R, C,
diviso em R+ , composio de funes de R em R
operao externa envolvendo elementos de K (nmeros):

associa a cada par (, u) com K, u E , um elemento de
E
K, u E 7 u E
exemplos: multiplicao de um nmero por um vector, por um
polinmio, por uma matriz
k118
Espao vectorial sobre K
Um espao vectorial sobre K um tripleto (E , #, ), onde

I
E um conjunto no vazio (a cujos elementos se chamam

normalmente vectores)
# uma operao interna (normalmente chamada adio) em

E : a um par ordenado (u, v ) de elementos de E associa um
elemento u#v de E
uma operao envolvendo os elementos de K (normalmente

chamada multiplicao por escalares), que a um elemento
de K e um elemento u de E associa um elemento u de E
as operaes satisfazem determinadas propriedades.
k119
Espao vectorial sobre K - definio
Definio
Seja E um conjunto, # uma operao interna em E , uma
operao externa com os elementos de K; diz-se que (E , #, )
um espao vectorial sobre K sse
1. a operao # associativa, isto , para quaisquer u, v , w E
se tem (u#v )#w = u#(v #w );
2. existe elemento neutro para #, isto , existe 0E E tal que,
para qualquer u E , se tem 0E #u = u#0E = u;
3. para qualquer u E existe u 0 E tal que u#u 0 = u 0 #u = 0E
4. a operao # comutativa, isto , para quaisquer u, v E se
tem u#v = v #u;
k120
Espaos vectoriais reais - definio
5. a operao distributiva relativamente a #, isto , para

quaisquer K, u, v E , se tem (u#v ) = ( u)#( v );
6. a operao distributiva relativamente adio de escalares,
isto , para quaisquer , K, u E , se tem
( + ) u = ( u)#( u);
7. para quaisquer , K, u E , se tem () u = ( u)
(a esta propriedade chama-se associatividade mista);
8. para qualquer u E se tem 1 u = u.
k121
Espaos vectoriais: observaes e notaes
(E , #, ) espao vectorial sobre K

I O elemento neutro para # nico; chama-se vector nulo.
I
Para cada u, s existe um u 0 E tal que u#u 0 = 0e = u 0 #u;

chama-se simtrico de u e designa-se por u
I
se 0E e 00E so elementos neutros para #, ento

0E = 0E #00E = 00E (porqu?)
se u 0 e u 00 so tais que u#u 0 = u 0 #u = 0E e

u#u 00 = u 00 #u = 0E , ento
u 0 = u 0 #0E = u 0 #(u#u 00 ) = (u 0 #u)#u 00 = 0E #u 00 = u 00
Escreve-se u v em vez de u#(v ).
k122
Espaos vectoriais reais - exemplos
Os vectores do plano com origem em (0, 0) e as operaes

vistas anteriormente.
Os vectores do espao com origem em (0, 0, 0) e as operaes

vistas anteriormente.
R2 , com as operaes vistas anteriormente; o vector nulo

(0, 0) e o simtrico de (x , y ) (x , y ).
R3 , com as operaes vistas anteriormente; o vector nulo

(0, 0, 0) e o simtrico de (x , y , z) (x , y , z).
Rn , com as operaes
(x1 , . . . , xn )#(y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn ) e
(x1 , . . . , xn ) = (x1 , . . . , xn ); o vector nulo (0, 0, . . . , 0)
e o simtrico de (x1 , x2 , . . . , xn ) (x1 , x2 , . . . , xn ).
k123

I
M
definida por
m,n (R), com a operao
#
a11 a12 a1n
b11 b12

a21 a22 a2n b21 b22
.
..
..
..
.
# .
.
. ..
.
.
am1 am2 amn
bm1 bm2
a11 + b11 a12 + b12 a1n + b1n
a22 + b22 a2n + b2n

a21 + b21
..
..
..
.
.
.
am1 + bm1 am2 + bm2

e a
operao definida por
a11 a12 a1n
a21 a22 a2n
..
..
..
.
.
.
am1 am2
amn
amn + bmn
b1n
b2n
..
.
bmn
a1n
a2n
..
.
am1 am2
amn
a11
a21
..
.
a12
a22
..
.
k124

I
O conjunto dos polinmios de coeficientes reais, com a adio

usual de polinmios e a multiplicao usual por um nmero
real (notao: R[X ]):
(a0 + a1 X + an X n )#(b0 + b1 X + + bn X n ) =
a0 + b0 + (a1 + b1 )X + + (an + bn )X n
(a0 + a1 X + an X n ) = a0 + a1 X + an X n
O conjunto das funes de R em R, com a adio usual de

funes e a multiplicao usual por um nmero real (notao:
F(R, R)).
Mais geralmente, para A R, o conjunto F(A, R) das

funes de A em R, com as operaes definidas como no
exemplo anterior.
O conjunto das sucesses de nmeros reais, com a adio

usual de sucesses e a multiplicao usual de um nmero real
por uma sucesso.
k125
Espaos vectoriais complexos - exemplos
Cn , com as operaes
(x1 , . . . , xn )#(y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn ) e
(x1 , . . . , xn ) = (x1 , . . . , xn ); o vector nulo (0, 0, . . . , 0)
e o simtrico de (x1 , x2 , . . . , xn ) (x1 , x2 , . . . , xn ).
k126

I
M
definida por
m,n (C), com a operao
#
a11 a12 a1n
b11 b12

a21 a22 a2n b21 b22
.
..
..
..
.
# .
.
. ..
.
.
a
am2 amn
bm1 bm2
m1
a11 + b11 a12 + b12 a1n + b1n
a22 + b22 a2n + b2n

a21 + b21
..
..
..
.
.
.
b1n
b2n
..
.
bmn
am1 + bm1 am2 + bm2 amn + bmn

e a operao definida por
a11 a12 a1n

a11 a12
a21 a22 a2n

a21 a22
.
..
..
..
..
.
=
.
.
.
.
.
am1 am2 amn

am1 am2
a1n
a2n
..
.
amn
k127

I
O conjunto dos polinmios de coeficientes complexos, com a

adio usual de polinmios e a multiplicao usual por um
nmero complexo (notao: C[X ]):
(a0 + a1 X + an X n )#(b0 + b1 X + + bn X n ) =
a0 + b0 + (a1 + b1 )X + + (an + bn )X n
(a0 + a1 X + an X n ) = a0 + a1 X + an X n
O conjunto das funes de C em C, com a adio usual de

funes e a multiplicao usual por um nmero complexo
(notao: F(C, C)).
Mais geralmente, para A C, o conjunto F(A, C) das

funes de A em C, com as operaes definidas como no
exemplo anterior.
O conjunto das sucesses de nmeros complexos, com a

adio usual de sucesses e a multiplicao usual de um
nmero complexo por uma sucesso.
k128
Cn , com as operaes
(x1 , . . . , xn )#(y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn ) e
(x1 , . . . , xn ) = (x1 , . . . , xn ), para qualquer R; o
vector nulo (0, 0, . . . , 0) e o simtrico de (x1 , x2 , . . . , xn )
(x1 , x2 , . . . , xn ).
k129

I
M
definida por
m,n (C), com a operao
#
a11 a12 a1n
b11 b12

a21 a22 a2n b21 b22
.
..
..
..
.
# .
.
.
. ..
.
am1 am2 amn
bm1 bm2
a11 + b11 a12 + b12 a1n + b1n
a22 + b22 a2n + b2n

a21 + b21
..
..
..
.
.
.
b1n
b2n
..
.
bmn
am1 + bm1 am2 + bm2 amn + bmn

e a operao definida por
a11 a12 a1n

a11 a12
a21 a22 a2n

a21 a22
.
..
..
..
..
.
=
.
.
.
.
.
am1 am2 amn

am1 am2
para qualquer R.
a1n
a2n
..
.
amn
k130

I
O conjunto dos polinmios de coeficientes complexos, com a

adio usual de polinmios e a multiplicao usual por um
nmero real (notao: C[X ]):
(a0 + a1 X + an X n )#(b0 + b1 X + + bn X n ) =
a0 + b0 + (a1 + b1 )X + + (an + bn )X n
(a0 + a1 X + an X n ) = a0 + a1 X + an X n
O conjunto das funes de C em C, com a adio usual de

funes e a multiplicao usual por um nmero real (notao:
calF (C, C)).
Mais geralmente, para A C, o conjunto F(A, C) das

funes de A em C, com as operaes definidas como no
exemplo anterior.
O conjunto das sucesses de nmeros complexos, com a

adio usual de sucesses e a multiplicao usual de um
nmero real por uma sucesso.
k131
Espaos vectoriais - exerccios

I
Seja (E , #, ) um espao vectorial complexo; se restringirmos

a operao apenas aos nmeros reais, obtemos uma
estrutura de espao vectorial real.
Seja (E , #, ) um espao vectorial real; seja a operao

externa em E E envolvendo elementos de C definida por
(a + bi) (u, v ) = (a u b v , a v + b u); (E E , #, )
um espao vectorial complexo (onde
E E = {(u, v ), u, v E }).
Sejam A um conjunto, (E , #, ) um espao vectorial qualquer

sobre K e F(A, E ) o conjunto das funes de A em E ; sejam
a operao definida em F(A, E ) por
(f g)(x ) = f (x )#g(x ) e a operao externa definida por
( f )(x ) = (f (x )); (F(A, E ), , ) um espao
vectorial sobre K.
k132
Espaos vectoriais - propriedades bsicas

(E , #, ) espao vectorial sobre K; para quaisquer
u, v , w E , , K
I
(u) = u
u = v u v = 0E
u#v = u#w v = w v #u = w #u
u#v = u v = 0E
u = 0E = 0 ou u = 0E
u = u = 0 ou u = 0E
(u) = () u = ( u)
u = u = ou u = 0E
u = v = 0 ou u = v
(u v ) = u v
( ) u = u u
k133
Espaos vectoriais - notaes
Normalmente escreve-se + em vez de #
Normalmente escreve-se u em vez de u
Fala-se do espao vectorial E em vez do espao vectorial

(E , +, )
Quando falarmos dos espaos vectoriais Rn , R[X ], F(R, R),

ser com as operaes vistas nos exemplos, a menos que seja
dito o contrrio.
Quando falarmos dos espaos vectoriais Cn , C[X ], F(C, C),

ser com as operaes vistas nos exemplos, a menos que seja
dito o contrrio; nestes casos necessrio precisar se se trata
da estrutura de espao vectorial real ou complexo.
k134
Combinaes lineares
(E , +, ) espao vectorial sobre K
Definio
Sejam u1 , . . . , un E ; chamam-se combinaes lineares de
u1 , . . . , un aos elementos da forma 1 u1 + + n un , com
1 , . . . , n K
(diz-se que u combinao linear de u1 , . . . , un com coeficientes
1 , . . . , n sse u = 1 u1 + + n un )
Observao
Para quaisquer u1 , . . . , un E , 0E combinao linear de
u1 , . . . , un .
k135
Combinaes lineares - exemplos
E = R2
I
I
I
(8, 9) = 2(1, 3) + 3(2, 5)

(8, 9) combinao linear de (1, 3) e (2, 5)
I
I
I
I
(2, 1) = a(1, 3) + b(2, 6) (2, 1)= (a + 2b, 3a + 6b)

a + 2b = 2
3a + 6b = 1
a + 2b = 2
0 = 5
No existem a, b tais que (2, 1) = a(1, 3) + b(2, 6)
(2, 1) no combinao linear de (1, 3) e (2, 6).
k136
Combinaes lineares - exemplo
E = R3
I
(3, 4, 1) = 1(1, 1, 1) + 2(1, 2, 1) 3(2, 3, 0)
(3, 4, 1) = 2(1, 1, 1) 1(1, 2, 1) + 0(2, 3, 0)
(3, 4, 1) = 2(1, 1, 1) + 3(1, 2, 1) 4(2, 3, 0)
(3, 4, 1) pode-se escrever como combinao linear de

(1, 1, 1), (1, 2, 1) e (2, 3, 0) de mais do que uma maneira: os
coeficientes no so nicos.
k137
Combinaes lineares - exemplos

Qual o conjunto das combinaes lineares de (1, 2, 1) e (0, 1, 1)?
I
(x , y , z) comb. lin. de (1, 2, 1) e (0, 1, 1)

existem a, b R tais que (x , y , z) = a(1, 2, 1) + b(0, 1, 1)
existem a, b R tais que (x
, y , z) = (a, 2a + b, a + b)
a=x
2a + b = y
existem a, b R tais que
a+b =z
a=x
2a + b = y em a, b possvel
o sistema
a+b =z
a=x
b = 2x + y
o sistema
em a, b possvel
0=x y +z
x +y z =0
Portanto o conjunto das combinaes lineares de (1, 2, 1) e
(0, 1, 1) {(x , y , z) R3 : x y + z = 0}
k138
Subespaos vectoriais
Sejam (E , +, ) um espao vectorial sobre K e F um subconjunto

no vazio de E .
I
Se a soma de quaisquer dois elementos de F pertence a F

(isto , u, v F , u + v F ), ento + define uma operao
em F (diz-se que F estvel ou fechado para +).
Se o produto de qualquer elemento de K por qualquer

elemento de F pertence a F (isto , se
K, u F , u F ), ento define uma operao em F
(diz-se que F estvel ou fechado para ).
ALGA I(M143) - 2014/2015 k 2.2 Espaos vectoriais reais e complexos - Subespaos
k139
Subespaos vectoriais - exemplos

E = R2 , F = {(x , y ) R2 : y 0}
se u = (a, b) F , e v = (c, d) F , ento b 0, d 0
u + v = (a + c, b + d)
de b 0, d 0, deduz-se que b + d 0
ento, se u, v F , tem-se u + v F
F estvel para a soma
k140

E = R2 , F = {(x , y ) R2 : y 0}
(3, 1) F
2(3, 1) = (6, 2) 6 F
F no estvel para o produto por escalares
k141

E = R2 , F = {(x , y ) R2 :
1
2
y
x
3} {(0, 0)}
u = (1, 3) F , v = (2, 1) F
u + v = (1, 2) 6 F
F no estvel para a soma
k142

E = R2 , F = {(x , y ) R2 :
I
I
I
I
I
I
I
1
2
y
x
3} {(0, 0)}
sejam u F , R
se u = (0, 0), bvio que u F
se u = (x , y ) 6= (0, 0), ento x 6= 0
se = 0, ento u = (0, 0) F
se 6= 0, ento u = (x , y ), com x 6= 0
y
1
como nesse caso y
x = x [ 2 , 3], tem-se (x , y ) F
F estvel para o produto por escalares
k143

E = R2 , F = {(x , y ) R2 : y = 3x }
I
se u = (a, b), v = (c, d) F , ento b = 3a e d = 3c
u + v = (a + c, b + d)
b + d = 3a + (3c) = 3(a + c)
ento (a + c, b + d) F , isto u + v F
F estvel para a soma
se u = (a, b) F , ento b = 3a
se R, u = (a, b)
b = (3a) = 3(a)
ento (a, b) F , isto u F
F estvel para o produto
k144
no vazio de E estvel para + e .
(F , +, ) um espao vectorial?
I
propriedades 1, 4, 5, 6, 7, 8 da definio: verificam-se

obviamente
propriedade 2
I
I
I
I
basta ver que 0E F

seja u F (existe porque F 6= )
0 u F (porque F estvel para )
0 u = 0E , portanto 0E F
propriedade 3
I
I
I
basta ver que se u F ento u F

se u F ento (1) u F (porque F estvel para )
como (1) u = (1 u) = u, vem que u F
k145
Definio
no vazio de E estvel para + e ; diz-se que (F , +, ) um
subespao vectorial de (E , +, ) (geralmente diz-se s que F um
subespao vectorial de E ).
Observao
Se F um subespao de E ento 0E F .
k146
Seja (E , +, ) um espao vectorial sobre K.

I
{0E } um subespao de E (subespao trivial)
E um subespao de E
Um subespao diz-se prprio se for diferente de E .
k147

I
{(x , y ) R2 : 2x + 3y = 0} um subespao de R2
{(x , y , z) R3 : x + y + z = 0} um subespao de R3
{(x , y , z) R3 : x + 2y = z x y = 0} um subespao de
R3
{(z, w ) C2 : z + iw = 0} um subespao de C2 com a

estrutura complexa e com a estrutura real
{(z, w ) C2 : Re z = Im w } um subespao de C2 com a

estrutura real mas no com a estrutura complexa.
Exerccio
Se E um espao vectorial complexo e F um subespao vectorial
de E , ento F tambm um subespao vectorial de E quando se
considera a estrutura de espao vectorial real associado.
k148
Subespaos de R2
Seja F um subespao de R2
(0, 0) F
.
&
F = {(0, 0)}
F 6= {(0, 0)}
u F \ {(0, 0)}
F contm todos
os mltiplos de u
.
&
F = {u, R}
(porque que
subespao?)
v F ,
v no mltiplo de u
F contm todas
as combinaes
lineares de u e v
F = R2
(porqu?)
k149
Subespaos de R2
Subespaos de R2 :
I
{(0, 0)}
{u, R}, com u R2 \ {(0, 0)}; se u = (a, b), ento

{u, R} = {(x , y ) R2 : bx = ay } (corresponde no plano
recta que passa pela origem e tem a direco do vector u)
R2
k150
Subespaos de R3
Analogamente verifica-se (exerccio) que os subespaos de R3 so:
I
{(0, 0, 0)}
{u, R}, com u R3 \ {(0, 0, 0)}; (corresponde no espao

recta que passa pela origem e tem a direco do vector u)
{u + v , , R}, com u, v R3 \ {(0, 0, 0)} e u, v no

colineares; (corresponde no espao ao plano que passa pela
origem e contm os vectores u e v )
R3
k151
O conjunto das solues de um sistema homogneo de

equaes lineares de coeficientes reais com n incgnitas um
subespao de Rn .
O conjunto das solues de um sistema homogneo de

equaes lineares de coeficientes complexos com n incgnitas
um subespao de Cn , tanto para a estrutura real como para
a estrutura complexa.
k152
{matrizes
11
0
.
..
diagonais
0
a22
..
.
{matrizes
a11
0
.
..
triangulares superiores}
=
a12 a1n
a22 a2n
M
(R)
um subespao de
..
..
n,n
.
.
0
0
de Mn,n (R)
I
0
Mn,n (R)
}=
0
0
..
.
0
0
..
.
0 ann
ann
Mn,n (R) um subespao
k153

I
Para cada n, {polinmios de coeficientes reais de grau n}

um subespao de R[X ]. (notao: Rn [X ])
Ateno: {polinmios de coeficientes reais de grau n} NO

um subespao de R[X ].
{P R[X ] : P(3) = 0} um subespao vectorial de R[X ].
Para cada n,
{polinmios de coeficientes complexos de grau n}
um subespao de C[X ], tanto para a estrutura real como
para a estrutura complexa. (notao: Cn [X ])
Ateno: {polinmios de coeficientes complexos de grau n}

NO um subespao de C[X ].
R[X ] um subespao vectorial de C[X ] considerando em

C[X ] a estrutura de espao vectorial real, mas no
considerando a estrutura de espao vectorial complexo.
k154

E = F(R, R)
Os seguintes conjuntos so subespaos vectoriais de E :
I
{funes contnuas de R em R}
{funes derivveis de R em R}
{funes limitadas de R em R}
{funes pares de R em R} (f par se

x R, f (x ) = f (x ))
{funes mpares de R em R} (f mpar se

x R, f (x ) = f (x ))
{funes de R em R que se anulam em 3}
{funes de R em R que se anulam em [0, 1]}
k155
Interseco de subespaos
(E , +, ) espao vectorial
Proposio
A interseco de subespaos de E um subespao de E .
Demonstrao
I
Sejam Fi , i I subespaos de E .
0E Fi , para cada i, portanto 0E
Se u, v iI Fi , ento, para cada i I, u, v Fi , logo

u + v Fi (porque Fi estvel para +) portanto
T
T
u + v iI Fi ; ento iI Fi estvel para +.
Se u iI Fi , ento, para cada i I, u Fi , logo, para

qualquer K, u Fi (porque Fi estvel para ) portanto
T
T
u iI Fi ; ento iI Fi estvel para .
iI
Fi , logo
iI
Fi 6=
k156
Reunio de subespaos
A reunio de subespaos de E em geral no um subespao de E
Exemplo: F1 = {(x , y ) R2 : y = x },
F2 = {(x , y ) R2 : y = 2x }
F1 e F2 so subespaos vectoriais de R2 mas F1 F2 no
(porqu?)
Proposio
Se F1 , F2 so subespaos de E , ento F1 F2 um subespao de
E sse F1 F2 ou F2 F1 .
Demonstrao
Exerccio
k157
Soma de subespaos
Definio
Se A1 , . . . , An so subconjuntos de E , chama-se soma de
A1 , . . . , An ao conjunto {u1 + + un , u1 A1 , . . . , un An }
(notao: A1 + + An ).
Proposio
Se A1 , . . . , An so subespaos de E , ento A1 + + An um
subespao de E .
Demonstrao
Exerccio.
k158
Subespao gerado por um conjunto

Proposio (*)
Se A um subconjunto de E , existe um nico subespao vectorial
G(A) de E que contm A e mnimo entre os subespaos de E
que contm A (isto , se F um subespao de E que contm A,
ento G(A) F ) e G(A) a interseco de todos os subespaos
vectoriais de E que contm A.
Definio
Se A um subconjunto de E , chama-se subespao gerado por A
ao menor subespao de E que contm A.
Diz-se que A gera F se F = G(A).
k159
Subespao gerado por um subconjunto - dem

Demonstrao (da proposio *)
I
Seja G(A) =
F.
F subespao de E
AF
I
A G(A)
G(A) subespao de E ( interseco de subespaos)
Se F1 um subespao de E que contm A, ento G(A) F1

(porque a interseco de conjuntos est contida em cada um)
Portanto G(A) mnimo entre os subespaos que contm A.
Unicidade: se houver dois subespaos mnimos, cada um tem

que estar contido no outro (porqu?) portanto so iguais.
k160
Subespao gerado por um subconjunto

Proposio
Se A um subconjunto no vazio de E , ento G(A) o conjunto
de todas as combinaes lineares de elementos de A.
Demonstrao
I
Seja H o conjunto das combinaes lineares de elementos de

A.
H no vazio
H contm A
H estvel para + e , portanto H subespao de E .
Como H um subespao de E que contm A, G(A) H.
Como A G(A) e G(A) estvel para + e , todas as

combinaes lineares de elementos de A esto em G(A), isto
, H G(A).
k161
Subespao gerado por um subconjunto - exemplo
E = R3 , A = {(1, 0, 1), (2, 1, 0)}

I
(x , y , z) G(A) a, b R : a(1, 0, 1) + b(2, 1, 0) = (x , y , z)

a, b R :
a + 2b = x
b=y
a = z
z + 2y = x
I
G(A) = {(x , y , z) R3 : x 2y + z = 0}
k162
Subespao gerado por um conjunto - exemplo

E = C2 , estrutura complexa, A = {(1, i), (1 + i, 0)}
I
(z, w ) G(A) a, b C : (z, w ) = a(1, i) + b(1 + i, 0)

(
a, b C :
a + (1 + i)b = z
ia = w
1 1+i
Como det
= 1 i 6= 0, o sistema sempre
i
0
possvel (e determinado)
Ento qualquer (z, w ) C2 combinao linear de

(1, i), (1 + i, 0).
Portanto G(A) = C2
k163

E = C2 , estrutura real, A = {(1, i), (1 + i, 0)}
(z, w ) G(A) a, b R : (z, w ) = a(1, i) + b(1 + i, 0)
(
a + (1 + i)b = z
ia = w
a + (1 + i)b = Re z + i Im z
ia = Re w + i Im w
a + b + ib = Re z + i Im z
ia = Re w + i Im w
a, b R :
a, b R :
a, b R :
a + b = Re z
b = Im z
a, b R :
0 = Re w
a = Im w
Re w = 0 e Im w + Im z = Re z
k164
E = C2 , estrutura real, A = {(1, i), (1 + i, 0)}

I
(z, w ) G(A) Re w = 0 e Im w + Im z = Re z
Portanto
G(A) = {(z, w ) C2 : Re w = 0 e Im w + Im z = Re z}
Por exemplo, para a estrutura complexa, (0, 1) G(A), mas

para a estrutura real (0, 1) 6 G(A).
k165
Conjunto de geradores de um subespao
(E , +, ) espao vectorial, F subespao de E

I
Diz-se que A um conjunto de geradores de F sse A gera F .
Diz-se geralmente u1 , . . . , un geram F em vez de

{u1 , . . . , un } gera F .
Um subconjunto A de F gera F sse qualquer elemento de F

combinao linear de elementos de A
k166
Conjunto de geradores de um subespao - exemplo

E = C2 , estrutura real, F = {(z, w ) C2 : w = (1 + i)z}
F
= {(z, (1 + i)z), z C}
= {(a + bi, (1 + i)(a + bi)), a, b R}
= {(a + bi, a b + (a + b)i), a, b R}
= {(a + bi, a(1 + i) + b(1 + i)), a, b R}
= {(a, a(1 + i)) + (bi, b(1 + i)), a, b R}
= {a(1, 1 + i) + b(i, 1 + i), a, b R}
= {combinaes lineares de (1, 1 + i) e (i, 1 + i)}
= G({(1, 1 + i), (i, 1 + i)})
k167
Conjunto de geradores de um subespao - exemplo
E = C2 , estrutura complexa F = {(z, w ) C2 : w = (1 + i)z}

F
= {(z, (1 + i)z), z C}
= {z(1, 1 + i), z C}
= {combinaes lineares de (1, 1 + i)}
= G({(1, 1 + i)})
Observao
Tambm verdade que F = G({(1, 1 + i), (i, 1 + i)}
k168
Espaos finitamente gerados
Definio
Diz-se que um espao vectorial (E , +, ) finitamente gerado ou
de dimenso finita sse existe um conjunto finito que o gera; caso
contrrio diz-se que de dimenso infinita.
k169
Espaos finitamente gerados - exemplos

I
I
I
I
I
I
I
I
I
I
Rn finitamente gerado
Cn finitamente gerado (para a estrutura real e complexa)
R[X ] no finitamente gerado
n, Rn [X ] finitamente gerado
C[X ] no finitamente gerado (para a estrutura real e
complexa)
n, Cn [X ] finitamente gerado (para a estrutura real e
complexa)
m, n, Mm,n (R) finitamente gerado
m, n, Mm,n (C) finitamente gerado (para a estrutura real e
complexa)
F(R, R) no finitamente gerado
F(C, C) no finitamente gerado (para a estrutura real e
complexa)
k170
Subespao gerado por um subconjunto - propriedades

Proposio
I
I
I
I
I
I
I
I
G() = {0E }
se A um subespao vectorial de E , ento G(A) = A
G(G(A)) = G(A);
A B G(A) G(B)
Se qualquer elemento de B combinao linear de elementos
de A, ento G(B) G(A); se, alm disso, A B, ento
G(A) = G(B)
G(A B) G(A) G(B);
G(A B) = G(A) + G(B).
Tem-se G({u1 , . . . , un , u}) = G({u1 , . . . , un }) sse
u G({u1 , . . . , un }).
Demonstrao
Exerccio
k171
Dependncia e independncia linear

R2 , u = (1, 2), v = (1, 3)
I
(0, 0) combinao linear de u e v :

(0, 0) = 0(1, 2) + 0(1, 3)
Haver outros coeficientes?
(0, 0) = a(1, 2) + b(1, 3) (0,

( 0) = (a b, 2a + 3b)
ab =0
2a + 3b = 0
(
ab =0
b=0
(
a=0
b=0
I
No h outros coeficientes possveis.
ALGA I(M143) - 2014/2015 k 2.3 Espaos vectoriais reais e complexos - Dependncia e independncia linear
k172
R2 , u = (1, 2), v = (3, 6)

I
(0, 0) = 0(1, 2) + 0(3, 6)
(0, 0) = 3(1, 2) 1(3, 6)
(0, 0) = 4(1, 2) 43 (3, 6)
(0, 0) pode-se escrever como combinao linear de (1, 2) e

(3, 6) de mais do que uma maneira.
k173

Definio
Sejam E um espao vectorial sobre K e u1 , . . . , un E .
1. Diz-se que u1 , . . . , un so linearmente dependentes (ou que
(u1 , . . . , un ) uma famlia ligada) sse existem 1 , . . . , n K,
no todos nulos, tais que 1 u1 + + n un = 0E .
2. Diz-se que u1 , . . . , un so linearmente independentes (ou que
(u1 , . . . , un ) uma famlia livre) sse 1 u1 + + n un = 0E
implica 1 = = n = 0.
Observao
Pode-se generalizar a noo de famlia livre a famlias infinitas:
trata-se de uma famlia tal que qualquer sua subfamlia finita
livre.
k174
Dependncia e independncia linear - exemplo
(0, 0) = 2(4, 1) + 3( 83 , 32 ), portanto (4, 1) e ( 83 , 32 ) so

linearmente dependentes.
(0, 0) = 2(4, 1) + 3( 83 , 32 ) + 0(1, 5), portanto (4, 1),

( 83 , 23 ) e (1, 5) so linearmente dependentes.
(0, 0) = 2(4, 1) + 3( 83 , 32 ) + 0(1, 5) + 0(3, 7), portanto

(4, 1), ( 83 , 32 ), (1, 5) e (3, 7) so linearmente dependentes.
k175

E = R[X ], P1 = 1 + X + X 2 , P2 = 2 + 3X , P3 = 5X + 2X 2
aP1 + bP2 + cP3 = 0R[X ]
a(1 + X + X 2 ) + b(2 + 3X ) + c(5X + 2X 2 ) = 0R[X ]
a + 2b + (a + 3b + 5c)X + (a + 2c)X 2 = 0R(X )
a + 2b = 0
a + 3b + 5c = 0
a + 2c = 0

a=b=c=0
P1 , P2 , P3 so linearmente independentes
k176

E = M2,2 (R) M1 =
4 1
1 2
M4 =
1 0
0 0
, M2 =
2 0
1 1
, M3 =
0 1
1 0
aM1 + bM2 + cM3 + dM4 = 0M2,2 (R)

a
1 0
0 0
+b
a + 2b + 4d
bc +d
2 0
1 1
c +d
b + 2d
+c
0 1
1 0
+d
4 1
1 2
= 0M2,2 (R)
= 0M2,2 (R)
a + 2b + 4d = 0
c +d =0
a=0
b = 2d

bc +d =0
c = d
b + 2d = 0
k177
O sistema tem solues para alm da soluo nula, portanto

M1 , M2 , M3 , M4 so linearmente dependentes.
Por exemplo, escolhendo d = 1, vem
0 M1 2 M2 1 M3 + 1 M4 = 0M2,2 (R)
k178
E espao vectorial sobre K.

I
Um elemento de um espao vectorial linearmente

independente sse no nulo (porqu?).
Se algum dos u1 , . . . , un 0E , ento u1 , . . . , un so

linearmente dependentes (porqu?).
Se u1 , . . . , uk so linearmente dependentes, ento

u1 , . . . , uk , . . . , un so linearmente dependentes (porqu?).
Se u1 , . . . , uk , . . . , un so linearmente independentes, ento

u1 , . . . , uk so linearmente independentes (porqu?).
k179
Dependncia e independncia linear - dem. slide anterior

I Um elemento de um espao vectorial linearmente
independente sse no nulo.
I
se u = 0E , ento 1 u = 0E ; trata-se de combinao linear nula

de u com coeficientes no todos nulos
se u 6= 0E , ento u = 0E = 0 (j foi visto)
Se algum dos u1 , . . . , un 0E , ento u1 , . . . , un so

linearmente dependentes.
I
se ui = 0E , 0u1 + + 0ui1 + 1ui + 0ui+1 + 0un = 0E ;

trata-se de uma combinao linear nula de u1 , . . . , un com
coeficientes no todos nulos.
k180

I Se u1 , . . . , uk so linearmente dependentes, ento
u1 , . . . , uk , . . . , un so linearmente dependentes.
I
Se 1 u1 + + k uk = 0E , com os i no todos nulos, ento

1 u1 + + k uk + 0uk+1 + + 0un uma conbinao
linear nula dos u1 , . . . , un com coeficientes no todos nulos.
Se u1 , . . . , uk , . . . , un so linearmente independentes, ento

u1 , . . . , uk so linearmente independentes (consequncia
imediata do ponto anterior).
k181
(0, 0, 0) = 2(1, 1, 2) + 4(1, 0, 1) + 1(2, 2, 0), portanto

(1, 1, 2), (1, 0, 1) e (2, 2, 0) so linearmente dependentes.
Resolvendo em ordem a (1, 1, 2), vem

(1, 1, 2) = 2(1, 0, 1) + 21 (2, 2, 0), portanto (1, 1, 2)
combinao linear de (1, 0, 1) e (2, 2, 0).

(1, 0, 1) = 21 (1, 1, 2) 14 (2, 2, 0), portanto (1, 0, 1)

(2, 2, 0) = 2(1, 1, 2) 4(1, 0, 1), portanto (2, 2, 0)
k182

I
(0, 0, 0) = 3(1, 0, 2) + 32 (2, 0, 4) + 0(1, 0, 0), portanto

(1, 0, 2), (2, 0, 4), (1, 0, 0) so linearmente dependentes.
(1, 0, 2) = 12 (2, 0, 4) + 0(1, 0, 0), portanto (1, 0, 2)
(2, 0, 4) = 2(1, 0, 2) + 0(1, 0, 0), portanto (2, 0, 4)
(1, 0, 0) combinao linear de (1, 0, 2) e (2, 0, 4)?
a 2b = 1
0=0
(1, 0, 0) = a(1, 0, 2) + b(2, 0, 4)
2a 4b = 0
(
a 2b = 1
a 2b = 0
No existem a, b R tais que
(1, 0, 0) = a(1, 0, 2) + b(2, 0, 4).
(1, 0, 0) no combinao linear de (1, 0, 2) e (2, 0, 4).
k183
Dependncia e independncia linear - propriedades

Proposio
I
Os vectores u1 , . . . , un so linearmente dependentes sse pelo

menos algum deles combinao linear dos restantes.
Se u1 , . . . , un so linearmente independentes e u1 , . . . , un , u
so linearmente dependentes, ento u combinao linear de
u1 , . . . , un .
se u1 6= 0E , ento u1 , . . . , un so linearmente dependentes sse

algum ui combinao linear dos precedentes.
ATENO: u1 , . . . , un linearmente dependentes NO IMPLICA

que cada um deles seja combinao linear dos restantes.
k184
Dependncia e independncia linear - demonstraes

Demonstrao
I
I
Se u1 , . . . , un so linearmente dependentes, ento existem

1 , . . . , n , no todos nulos, tais que 1 u1 + + n un = 0E ; se
k 6= 0, ento de 1 u1 + + k uk + + n un = 0E vem
1
n
uk =
u1 k1
uk1 k+1
uk+1
un
k
k
k
k
Se uk combinao linear de u1 , . . . , uk1 , uk+1 , . . . , un , ento
uk = 1 u1 + + k1 uk+1 + k+1 uk+1 + n un ; conclui-se que
1 u1 + + k1 uk+1 1uk + k+1 uk+1 + n un = 0E , trata-se
de uma combinao linear nula de u1 , . . . , un com coeficientes no
todos nulos.
I
I
Se u1 , . . . , un , u so linearmente dependentes ento existem

1 , . . . , n , , no todos nulos, tais que
1 u1 + + n un + u = 0E ; se = 0, ter-se-ia
1 u1 + + n un = 0E , com os i no todos nulos, e u1 , . . . , un
seriam linearmente dependentes; conclui-se que 6= 0, logo
u = 1 u1 n un , logo u combinao linear de u1 , . . . , un .
k185
Dependncia e independncia linear - demonstraes

I
I
Se algum ui combinao linear dos precedentes, ento

consequncia do que j foi visto que u1 , . . . , un so linearmente
dependentes.
Se u1 , . . . , un so linearmente dependentes, ento existem
1 , . . . , n , no todos nulos, tais que 1 u1 + + n un = 0E ; seja
k tal que k o ltimo coeficiente no nulo; tem-se k > 1
1
u1 k1
uk1 , portanto uk
(porqu?); ento uk =
k
k
combinao linear dos precedentes.
k186
Espao gerado por k elementos - propriedade
Proposio
Se E um espao gerado por k elementos, ento quaisquer k + 1
elementos so linearmente dependentes.
k187
Espao gerado por k elementos - propriedade - demonstr.

Demonstrao
I
I
I
I
I
I
I
I
I
I
Suponhamos que u1 , . . . , uk geram E e que v1 , . . . , vk , vk+1 so

linearmente independentes (em particular, nenhum nulo).
v1 , u1 , . . . , uk geram E
v1 , u1 , . . . , uk so linearmente dependentes, porque v1 combinao
linear dos restantes
ento algum destes combinao linear dos precedentes; trocando a
ordem se necessrio, podemos supor que uk
ento v1 , u1 , . . . , uk1 ainda geram E
v1 , v2 , u1 , . . . , uk1 geram E
v1 , v2 , u1 , . . . , uk1 so linearmente dependentes, porque v2
combinao linear dos restantes
ento algum destes combinao linear dos precedentes; no v2
(porqu?); trocando a ordem se necessrio, podemos supor que
uk1 e retir-lo
repetindo o processo, concluimos que v1 , . . . , vk geram E
ento vk+1 combinao linear de v1 , . . . , vk , portanto
v1 , . . . , vk , vk+1 so linearmente dependentes contradio
k188
Espaos finitamente gerados
Proposio
Um espao vectorial E no finitamente gerado sse existem
famlias livres com qualquer nmero de elementos.
Demonstrao
exerccio
Corolrio
Se E um espao vectorial finitamente gerado, ento qualquer
subespao de E finitamente gerado.
k189
Dependncia e independncia linear - determinantes

Proposio
Seja M Mn,n (K); ento det M = 0 sse as colunas de M (que
podem ser vistas como elementos de Kn ) so linearmente
dependentes em Kn (com a estrutura de espao vectorial sobre K).
Demonstrao
I
Se as colunas so linearmente dependentes, alguma

combinao linear das outras; conclui-se que det M = 0
usando as propriedades dos determinantes relativamente s
colunas.
Se as colunas so linearmente independentes, ento o sistema

homogneo com matriz dos coeficientes M tem uma nica
soluo (por definio de independncia linear) e portanto
car M = n, logo det M 6= 0.
k190
Base de um espao vectorial
Definio
Diz-se que (e1 , . . . , en ) uma base do espao vectorial E sse
e1 , . . . , en so linearmente independentes e geram E .
I
Se (e1 , e2 . . . , en ) uma base de E , (e2 , e1 . . . , en ) tambm

uma base de E (e o mesmo para qualquer outra troca da
ordem dos elementos); no entanto no se trata da mesma
base.
A definio de base pode-se generalizar a famlias infinitas:

diz-se que (ei )iI uma base de E sse {ei , i I} gera E e
(ei )iI uma famlia livre. No entanto, s trabalharemos com
bases finitas.
ALGA I(M143) - 2014/2015 k 2.4 Espaos vectoriais reais e complexos - Bases, coordenadas e dimenso
k191
Base de um espao vectorial
Proposio
(e1 , . . . , en ) uma base do espao vectorial E qualquer
elemento de E pode-se escrever de maneira nica como
combinao linear de e1 , . . . , en
k192
Base de um espao vectorial - demonstrao

Demonstrao
I
qualquer elemento de E pode-se escrever como combinao

linear de e1 , . . . , en porque e1 , . . . , en geram E
se u = 1 e1 + + n en e u = 1 e1 + + n en , ento
(1 1 )e1 + + (n n )en = 0E , portanto (como
e1 , . . . , en so linearmente independentes)
1 1 = 0, . . . , n n = 0, portanto os coeficentes das
combinaes lineares coincidem
Por hiptese, qualquer elemento de E combinao linear de

e1 , . . . , en , portanto e1 , . . . , en geram E .
Qualquer elemento, portanto em particular 0E , combinao
linear de e1 , . . . , en de maneira nica; portanto e1 , . . . , en so
linearmente independentes.
k193
Bases - exemplos
((1, 0), (0, 1)) uma base de R2
((1, 0, 0), (0, 1, 0), (0, 0, 1)) uma base de R3
((1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1)) uma base de Rn
(1, X , . . . , X n ) uma base de Rn [X ]

!
1 0
,
0 0
de M2,2 (R)
0 1
0 0
0 0
1 0
0 0
0 1
!!
uma base
temos bases anlogas em Mm,n (R)
estas bases chamam-se as bases cannicas dos espaos em

questo
k194
Bases - exemplos
Considerando as estruturas de espao vectorial complexo
I
((1, 0), (0, 1)) uma base de C2
((1, 0, 0), (0, 1, 0), (0, 0, 1)) uma base de C3
((1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1)) uma base de Cn
(1, X , . . . , X n ) uma base de Cn [X ]

!
1 0
,
0 0
de M2,2 (C)
0 1
0 0
0 0
1 0
0 0
0 1
!!
uma base
temos bases anlogas em Mm,n (C)

questo
k195
Bases - exemplos
Considerando as estruturas de espao vectorial real
I ((1, 0), (0, 1), (i, 0), (0, i)) uma base de C2
I ((1, 0, 0), (0, 1, 0), , (0, 0, 1), (i, 0, 0), (0, i, 0), (0, 0, i)) uma
base de C3
I ((1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1),
(i, 0, . . . , 0), (0, i, . . . , 0), . . . , (0, 0, . . . , i)) uma base de Cn
I (1, X , . . . , X n , i, iX , . . . , iX n ) uma base de Cn [X ]
I
1 0
0 0
I
I
0 1
0 0
0 0
1 0
0 0
0 1
!!
0 i
0 0
0 0
i 0
,
,
,
uma base de
0 0
0 0
i 0
0 i
M2,2 (C)
temos bases anlogas em Mm,n (C)
questo
k196
Base de um espao vectorial - coordenadas
Definio
Seja b = (e1 , . . . , en ) uma base do espao vectorial E ; para cada
u E , chamam-se coordenadas de u na base b aos (nicos)
1 , . . . , n K tais que u = 1 e1 + + n en ; escreve-se
u = (1 , . . . , n )b .
k197
Bases e coordenadas - exemplos
Se bc = ((1, 0), (0, 1)) a base cannica de R2 , ento, para

(x , y ) R2 , tem-se (x , y ) = x (1, 0) + y (0, 1), portanto
(x , y ) = (x , y )bc .
Se bc = ((1, 0, 0), (0, 1, 0), (0, 0, 1)) a base cannica de R3 ,

ento, para (x , y , z) R3 , tem-se
(x , y , z) = x (1, 0, 0) + y (0, 1, 0) + z(0, 0, 1), portanto
(x , y , z) = (x , y , z)bc .
b = ((0, 1, 0), (0, 0, 1), (1, 0, 0)); b uma base de R3 ; para

(x , y , z) R3 tem-se
(x , y , z) = y (0, 1, 0) + z(0, 0, 1) + x (1, 0, 0),
portanto (x , y , z) = (y , z, x )b .
k198

I
Se b = (1, X , X 2 , . . . , X n ) a base cannica de Rn [X ], ento,

para a0 + a1 X + a2 X 2 + . . . + an X n Rn [X ], tem-se
a0 + a1 X + a2 X 2 + . . . + an X n = (a0 , a1 , a2 , . . . , an )b .
1 0
0 0
Se B =
0 1
0 0
0 0
1 0
tem-se
a
1 0
0 0
portanto
,
a b
c d
base cannica de M2,2 (R), ento, para

a b
c d
0 0
0 1
!!
M2,2 (R),
+b
a b
c d
=
0 1
0 0
+c
0 0
1 0
+d
0 0
0 1
= (a, b, c, d)B .
k199
Seja B = ((1, 2), (1, 3)).

I
a(1, 2) + b(1, 3) = (0, 0) (

(a + b, 2a + 3b) = (0, 0)
a+b =0
2a + 3b = 0
(
a+b =0
b=0
(
a=0
b=0
Conclui-se que (1, 2), (1, 3) so linearmente independentes.
k200
Seja B = ((1, 2), (1, 3)).

I
G({(1, 2), (1, 3)}) =?
(x , y ) G({(1, 2), (1, 3)})

existem a, b R : (
(a + b, 2a + 3b) = (x , y )
a+b =x
existem a, b R :
2a + 3b = y
(
a+b =x
existem a, b R :
b = 2x + y
(
a = 3x y
existem a, b R :
b = 2x + y
k201
Para quaisquer (x , y ) R2 , existem a, b R tais que

(x , y ) = a(1, 2) + b(1, 3):
basta escolher a = 3x y e b = 2x + y ;
tem-se ento (x , y ) = (3x y )(1, 2) + (2x + y )(1, 3).
Ento qualquer (x , y ) pertence a G({(1, 2), (1, 3)}), portanto

G({(1, 2), (1, 3)}) = R2 (ou ainda, (1, 2) e (1, 3) geram R2 ).
Como, alm disso, (1, 2), (1, 3) so linearmente

independentes, conclui-se que B uma base de R2 .
Como (x , y ) = (3x y )(1, 2) + (2x + y )(1, 3), as

coordenadas de (x , y ) na base B so 3x y e 2x + y , isto
, (x , y ) = (3x y , 2x + y )B .
k202

E = {P R3 [X ] : P(1) = 0 e P(1) = 0} (exerccio: trata-se de
um subespao de R[X ])
I
E = {a0 + a1 X + a2 X 2 + a3 X 3 : a0 + a1 + a2 + a3 =
0 e a0 a1 + a2 a3 = 0}
(
matriz do sistema
1 1 1 1 0
1 1 1 1 0
a0 + a1 + a2 + a3 = 0
:
a0 a1 + a2 a3 = 0
!
1 0 1 0 0
0 1 0 1 0
forma de Gauss da matriz:
Ento E = {a0 + a1 X + a2 X 2 + a3 X 3 : a0 = a2 e a1 = a3 }
E = {a2 a3 X + a2 X 2 + a3 X 3 , a2 , a3 R} =
{a2 (1 + X 2 ) + a3 (X + X 3 ), a2 , a3 R}
E = G({1 + X 2 , X + X 3 })
k203
1 + X 2 , X + X 3 so linearmente independentes, porque

a(1 + X 2 ) + b(X + X 3 ) = 0R[X ]
a bX + aX 2 + bX 3 = 0R[X ]
a=b=0
Seja B = (1 + X 2 , X + X 3 ); conclui-se que B uma base

de E .
2 X 2X 2 + X 3 = (2, 1)B
4 + 4X 2 = (4, 0)B
k204
Base obtida a partir de um conjunto de geradores

Proposio
Se E um espao vectorial no nulo e X um conjunto que gera
E , ento existe uma base de E contida em X .
Demonstrao (no caso de X ser finito)

Sejam u1 , . . . , un os elementos de X
I
I
I
I
se u1 , . . . , un so linearmente independentes, formam uma

base de E
se no so, algum combinao linear dos restantes;
retirando esse, os restantes ainda geram E
repete-se o processo at s restarem elementos linearmente
independentes
(o que acontece pelo menos quando s restar um elemento,
caso contrrio esse elemento seria linearmente dependente,
portanto seria 0E , logo E s teria um elemento)
Corolrio
Qualquer espao vectorial no nulo tem uma base.
k205
Base a partir de um conjunto de geradores - exemplo

Vamos obter uma base de R3 contida no conjunto de geradores
{(1, 2, 0), (1, 1, 1), (0, 1, 1), (0, 0, 1)}.
I a(1, 2, 0) + b(1, 1, 1) + c(0, 1, 1) + d(0, 0, 1) = (0, 0, 0)
a+b =0
a+b =0
a+c =0
2a + b + c = 0
b + c = 0
bc =0
bc +d =0
bc +d =0
d =0
I Conclui-se que (1, 2, 0), (1, 1, 1), (0, 1, 1), (0, 0, 1) so
linearmente dependentes: tomando, por exemplo, a = 1,
b = 1, c = 1, d = 0, vem
(1, 2, 0) + (1, 1, 1) + (0, 1, 1) + 0(0, 0, 1) = (0, 0, 0)
I Da igualdade anterior, vem
(1, 2, 0) = (1, 1, 1) + (0, 1, 1) + 0(0, 0, 1), portanto (1, 2, 0)
combinao linear de (1, 1, 1), (0, 1, 1), (0, 0, 1).
I Retirando (1, 2, 0) ficamos com o conjunto de geradores
{(1, 1, 1), (0, 1, 1), (0, 0, 1)}.
I (1, 1, 1), (0, 1, 1), (0, 0, 1) so linearmente independentes.
I ((1, 1, 1), (0, 1, 1), (0, 0, 1)) uma base de R3 .
k206
Base obtida a partir de uma famlia livre

Proposio
Seja E um espao vectorial no nulo finitamente gerado,
u1 , . . . , uk E linearmente independentes, e X um conjunto finito
de geradores de de E ; ento ou (u1 , . . . , uk ) uma base de E ou
existem uk+1 , . . . , un X tais que (u1 , . . . , uk , uk+1 , . . . , un ) uma
base de E
Demonstrao
I
se u1 , . . . , uk geram E , formam uma base de E
caso contrrio, existe uk+1 X que no combinao linear

de u1 , . . . , uk (porqu?)
nesse caso, u1 , . . . , uk , uk+1 so linearmente independentes

(porqu?)
se u1 , . . . , uk+1 geram E , formam uma base de E
caso contrrio, repete-se o processo at obter uma base
k207
Base obtida a partir de uma famlia livre - exemplo

Vamos obter uma base de R3 que contenha (1, 1, 1).
I
G({(1, 1, 1)}) = {(x , y , z) R3 : x = y = z} =

6 R3 (exerccio)
(1, 0, 0) 6 G({(1, 1, 1)}), portanto (1, 1, 1), (1, 0, 0) so

linearmente independentes.
G({(1, 1, 1), (1, 0, 0)}) = {(x , y , z) R3 : y = z} =

6 R3
(exerccio)
(0, 0, 1) 6 G({(1, 1, 1), (1, 0, 0)}), portanto

(1, 1, 1), (1, 0, 0), (0, 0, 1) so linearmente independentes.
G({(1, 1, 1), (1, 0, 0), (0, 0, 1)}) = R3 (exerccio)
((1, 1, 1), (1, 0, 0), (0, 0, 1)) uma base de R3 que contm
(1, 1, 1).
k208

Vamos obter uma base de R3 que contenha (1, 3, 0).
I
Seja X = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}; X gera R3 .
(1, 3, 0), (1, 0, 0) so linearmente independentes: conserva-se o

(1, 0, 0).
(1, 3, 0), (1, 0, 0), (0, 1, 0) so linearmente dependentes:

rejeita-se o (0, 1, 0).
(1, 3, 0), (1, 0, 0), (0, 0, 1) so linearmente independentes:

conserva-se o (0, 0, 1).
J foram analisados todos os elementos de X .
((1, 3, 0), (1, 0, 0), (0, 0, 1)) uma base de R3 que contm
(1, 3, 0).
k209
Vamos obter uma base de

E = {(x , y , z, t) R4 : x + y + z + t = 0} que contenha
(2, 2, 0, 0).
I
E = {(x , y , z, t) R4 : x = y z t}
= {(y z t, y , z, t) R4 }
= {y (1, 1, 0, 0) + z(1, 0, 1, 0) + t(1, 0, 0, 1), y , z, t R}
= G({(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)})
Seja X = {(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)}; X gera E .
k210
Seja X = {(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)}; X gera E .
(2, 2, 0, 0), (1, 1, 0, 0) so linearmente dependentes:

rejeita-se o (1, 1, 0, 0).
(2, 2, 0, 0), (1, 0, 1, 0) so linearmente independentes:

conserva-se o (1, 0, 1, 0).
(2, 2, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1) so linearmente

independentes: conserva-se o (1, 0, 0, 1).
J foram analisados todos os elementos de X .
((2, 2, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)) uma base de E que

contm (2, 2, 0, 0).
k211
Nmero de elementos de uma base
Proposio
Seja E um espao vectorial finitamente gerado; quaisquer duas
bases de E tm o mesmo nmero de elementos.
Demonstrao
I
Suponhamos que b1 uma base com n elementos e b2 uma

base com m elementos.
Como E gerado por n elementos (os de b1 ) e os m elementos

de b2 so linearmente independentes, tem-se m n.
Como E gerado por m elementos (os de b2 ) e os n elementos

de b1 so linearmente independentes, tem-se n m.
k212
Dimenso de um espao vectorial
Definio
Seja E um espao vectorial finitamente gerado; se E = {0E },
diz-se que a dimenso de E 0, caso contrrio chama-se dimenso
de E (dim E ) ao nmero de elementos de qualquer base de E .
k213
Dimenso: exemplos
I
dim Rn = n
dim Rn [X ] = n + 1
dim Mm,n (R) = mn
Para a estrutura complexa

I
dim Cn = n
dim Cn [X ] = n + 1
dim Mm,n (C) = mn
Para a estrutura real

I
dim Cn = 2n
dim Cn [X ] = 2(n + 1)
dim Mm,n (C) = 2mn
k214
Dimenso de um espao vectorial - resultados
Proposio
Seja E um espao vectorial de dimenso n.
I
Qualquer conjunto de geradores tem pelo menos n elementos.
Qualquer famlia livre tem no mximo n elementos.
Qualquer famlia de geradores com n elementos uma base.
Qualquer famlia livre com n elementos uma base.
k215
Dimenso de um espao vectorial - resultados - demonstr.
Resulta do que j foi visto.
Resulta do que j foi visto.
Dada uma famlia de geradores com n elementos, se no fosse

uma base seria possvel extrair dela uma base, que teria
menos de n elementos, o que impossvel.
Dada uma famlia livre com n elementos, se no fosse uma

base seria possvel acrescentar elementos at obter uma base,
que teria mais de n elementos.
k216
Dimenso - exemplos
(1, 2), (3, 4), (5, 6) so linearmente dependentes (em R2 )
Quaisquer 4 elementos em R3 so linearmente dependentes.
(1, 2, 2), ( 3, 53 , ) no geram R3
I
I
(1, 0, 0), (1, 1, 0), (1, 1, 1) so linearmente independentes;

como dim R3 = 3, conclui-se que formam uma base de R3
(1, 0), (1, i), (1 + i, 0), (1 + i, i) so linearmente independentes

para a estrutura real em C2 (exerccio); como dim C2 = 4
(para a estrutura real), conclui-se que formam uma base de C2
1 X + X 2 + X 3 , 1 X X 2 + X 3 so linearmente
independentes e pertencem ao espao
E = {P R3 [X ] : P(1) = P(1) = 0}; como dim E = 2,
conclui-se que formam uma base de E .
k217
Dimenso de um subespao
Corolrio
Se E um espao vectorial finitamente gerado e F um
subespao de E , ento
I
dim F dim E
se dim F = dim E , ento F = E .
k218
Aplicaes lineares - definio
Definio
Sejam E e F espaos vectoriais sobre K e f : E F uma funo;
diz-se que f uma aplicao linear sse
I
para quaisquer u, v E se tem f (u + v ) = f (u) + f (v );
para quaisquer a K, u E , se tem f (au) = af (u).
ALGA I(M143) - 2014/2015 k 3.1 Aplicaes lineares - Definies e propriedades
k219
Aplicaes lineares - propriedades
Proposio
I
Se f : E F uma aplicao linear, tem-se f (0E ) = 0F ;
Se f : E F uma aplicao linear, ento, para quaisquer

u, v E , tem-se f (u v ) = f (u) f (v );
A composta de aplicaes lineares ainda uma aplicao

linear.
Observao
Para qualquer espao E , idE : E
u
so aplicaes lineares.
E
7 u
E
u
E
7 0E
k220
Aplicaes lineares - propriedades - demonstrao
I
I
I
f (0E ) = f (0E + 0E ) = f (0E ) + f (0E )

ento 0F = f (0E ) f (0E ) = f (0E ) + f (0E ) f (0E ) = f (0E )
I
I
I
f (u v ) + f (v ) = f (u v + v ) = f (u)
ento f (u v ) = f (u) f (v )
I
I
I
Sejam f : E F e g : F G aplicaes lineares.

g f (u + v ) = g(f (u + v )) = g(f (u) + f (v )) =
g(f (u)) + g(f (v )) = g f (u) + g f (v )
g f (u) = g(f (u)) = g(f (u)) = g(f (u)) = g f (u)
k221
Aplicaes lineares - exemplos
f :
I
I
I
f :
I
I
I
R2
R2
(x , y ) 7 (x + 1, y )
f ((1, 0) + (1, 0)) = f ((2, 0)) = (3, 0)
f ((1, 0)) + f ((1, 0)) = (2, 0) + (2, 0) = (4, 0)
f no linear
R2
R
(x , y ) 7 xy
f (3(1, 1)) = f ((3, 3)) = 9
3f ((1, 1)) = 3 1 = 3
f no linear.
k222
Aplicaes lineares - exemplo

f :
I
I
I
I
I
I
I
R2
R2
(x , y ) 7 (3x + y , 2x )
u = (x1 , y1 ), v = (x2 , y2 ), u + v = (x1 + x2 , y1 + y2 )
f (u + v ) = f ((x1 , y1 ) + (x2 , y2 )) = f ((x1 + x2 , y1 + y2 ))
= (3(x1 + x2 ) + y1 + y2 , 2(x1 + x2 ))
= (3x1 + 3x2 + y1 + y2 , 2x1 2x2 )
f (u) + f (v ) = (3x1 + y1 , 2x1 ) + (3x2 + y2 , 2x2 )
= (3x1 + y1 + 3x2 + y2 , 2x1 2x2 )
Ento, para quaisquer u, v R2 , tem-se
f (u + v ) = f (u) + f (v ).
u = (x , y ), a R
f (au) = f ((ax , ay ))) = (3ax + ay , 2ax )
af (u) = a(3x + y , 2x ) = (a(3x + y ), 2ax )
Ento, para quaisquer u R2 , a R, tem-se f (au) = af (u).
Conclui-se que f linear.
k223
f : C C
z 7 Re z
I z, w C, Re(z + w ) = Re z + Re w
(se z = a + bi, w = c + di, com a, b, c, d R, ento
Re(z + w ) = a + c)
I
Se z = a + bi, com a, b R, e R, ento z = a + bi,

com a, b R, portanto Re(z) = a = Re z.
Ento f linear relativamente estrutura real.
Para C, em geral Re(a + bi) 6= a

(por exemplo Re(i 1) 6= i Re(1))
Ento f no linear relativamente estrutura complexa.
k224
Aplicaes lineares de R2 em R2
I
Para quaisquer a, b, c, d R, a aplicao

R2
R2
linear (exerccio)
(x , y ) 7 (ax + by , cx + dy )
Reciprocamente, se f : R2 R2 linear, ento

f (x , y ) = f ((x , 0) + (0, y )) = f (x , 0) + f (0, y )
= f (x (1, 0) + y (0, 1)) = xf (1, 0) + yf (0, 1)
portanto, se f (1, 0) = (a, c) e f (0, 1) = (b, d) ento

f (x , y ) = x (a, c) + y (b, d) = (ax + by , cx + dy )
Concluso: As aplicaes lineares de R2 em R2 so as

aplicaes do tipo
R2
R2
, onde
(x , y ) 7 (ax + by , cx + dy )
a, b, c, d R.
k225
Aplicaes lineares - exemplos

I
As aplicaes lineares de R em R so as aplicaes do tipo

R R , onde a R.
x 7 ax
As aplicaes lineares de R3 em R so as aplicaes do tipo

R3
R
, onde a, b, c R.
(x , y , z) 7 ax + by + cz
As aplicaes lineares de R3 em R2 so as aplicaes do tipo

R3
R2
, onde
(x , y , z) 7 (ax + by + cz, px + qy + rz)
a, b, c, p, q, r R.
As aplicaes lineares de R2 em R2 [X ] so as aplicaes do

tipo
R2
R2 [X ]
,
(z, t) 7 az + bt + (cz + dt)X + (pz + qt)X 2
onde a, b, c, d, p, q R.
k226
Aplicaes lineares: exemplo

Grfico da aplicao linear f : R R
x 7 ax
Trata-se de um subespao de R2 .
{(x , f (x )), x R} = {(x , y ) R2 : y = f (x )}

= {(x , y ) R2 : y = ax }
k227

Grfico da aplicao linear f : R2
R
x
7 ax + by
Trata-se de um subespao de R3 .
{(x , y , f ((x , y ))), (x , y ) R2 }

= {(x , y , z) R3 : z = f ((x , y ))}
= {(x , y , z) R3 : z = ax + by }
k228
Seja f : Rn Rm uma aplicao linear.
O grfico de f , que o subconjunto

{(x1 , . . . , xn , y1 , . . . , ym ) Rn+m :
(y1 , . . . , ym ) = f ((x1 , . . . , xn ))}
n+m
de R
, um subespao vectorial de Rn+m .
Mais geralmente, seja f : E F uma aplicao linear.
O grfico de f , que o subconjunto

{(u, v ) E F : v = f (u)} de E F , um subespao
vectorial de E F (exerccio, que inclui comear por definir a
estrutura natural de espao vectorial em E F ).
k229
Aplicaes lineares - espao vectorial - exerccio

Sejam E , F espaos vectoriais sobre K
I
I
Notao: L(E , F ) = {aplicaes lineares de E em F }
Exerccio
L(E , F ), com
I
a soma de aplicaes lineares definida por

(f + g)(u) = f (u) + g(u)
o produto de um escalar por uma aplicao linear definida por
(f )(u) = (f (u))
um espao vectorial ( um subespao do espao F(E , F )

constitudo por todas as funes de E em F )
I
Exerccio
Se dim E = n e dim F = m, determinar uma base de L(E , F ) (e
concluir qual a dimenso de L(E , F )); sugesto: utilizar o
resultado que vem a seguir.
k230
Aplicaes lineares - construo

Proposio
Sejam E , F espaos vectoriais sobre K; se (e1 , . . . , en ) uma base
de E e w1 , . . . , wn so elementos quaisquer de F , existe uma e
uma s aplicao linear f : E F tal que
f (e1 ) = w1 , . . . , f (en ) = wn (ou seja, uma aplicao linear fica
completamente determinada pelas imagens dos elementos de uma
base, e essas imagens podem ser escolhidas arbitrarimente).
Observaes
I
Se e1 , . . . , en E so linearmente independentes e w1 , . . . , wn
so elementos quaisquer de F , existe pelo menos uma
aplicao linear f : E F tal que
f (e1 ) = w1 , . . . , f (en ) = wn
Se e1 , . . . , en geram E e w1 , . . . , wn so elementos quaisquer

de F , existe no mximo uma s aplicao linear f : E F
tal que f (e1 ) = w1 , . . . , f (en ) = wn
k231
Aplicaes lineares - construo - demonstrao

Demonstrao
I
unicidade
I
I
Suponhamos que existe f .

Para cada u E existem a1 , . . . , an K tais que
u = a1 e1 + + an en
Ento f (u) = f (a1 e1 + + an en ) = a1 f (e1 ) + + an f (en ) =
a1 w1 + + an wn
Portanto, se existir f , f (u) est completamente determinado
para cada u .
existncia
I
Para cada u E , seja f (u) = a1 w1 + + an wn , onde

a1 , . . . , an so os nicos elementos de K tais que
u = a1 e1 + + an en
f fica bem definida precisamente porque, para cada u, os
a1 , . . . , an so nicos
falta ver que f linear
k232
Aplicaes lineares - construo - demonstrao

Demonstrao (continuao)
I
f (u + v ) = f (u) + f (v )?
I
I
I
I
I
a1 , . . . , an : u = a1 e1 + + an en
ento f (u) = a1 w1 + + an wn
b1 , . . . , bn : v = b1 e1 + + bn en
ento f (v ) = b1 w1 + + bn wn
f (u) + f (v ) = a1 w1 + + an wn + b1 w1 + + bn wn =
(a1 + b1 )w1 + + (an + bn )wn
u + v = a1 e1 + + an en + b1 e1 + + bn en =
(a1 + b1 )e1 + + (an + bn )en
ento f (u + v ) = (a1 + b1 )w1 + + (an + bn )wn
f (u) = f (u)?
I
I
I
I
I
a1 , . . . , an : u = a1 e1 + + an en
ento f (u) = a1 w1 + + an wn
f (u) = (a1 w1 + + an wn ) = (a1 )w1 + + (an )wn
u = (a1 e1 + + an en ) = (a1 )e1 + + (an )en
ento f (u) = (a1 )w1 + + (an )wn
k233
Aplicaes lineares - construo - exemplo
Determinar f ((x , y )) sabendo que f : R2 R2 linear,

f ((1, 1)) = (2, 5) e f ((1, 1)) = (1, 3) (nota: ((1, 1), (1, 1))
uma base de R2 ).
I
(x , (
y ) = a(1, 1) + b(1,
( 1) (x , y ) = (a b, a + b)
ab =x
a = x +y
2
a+b =y
b = y x
2
x +y
y x
2 (1, 1) + 2 (1, 1)
I f ((x , y )) = f ( x +y (1, 1) + y x (1, 1))
2
2
y x
x +y
= x +y
2 f ((1, 1)) + 2 f ((1, 1)) = 2 (2, 5)
= ( x +3y
2 , 4x y )
I
(x , y ) =
y x
2 (1, 3)
k234
Aplicaes lineares - construo - exemplo

Existe f : R3 M2,2
! (R), linear, tal que !
1 0
1 2
f (1, 1, 1) =
, f (1, 1, 0) =
,
1 0
2 1
f (1, 2, 3) =
I
1 1
0
0
, f (1, 3, 5) =
0 0
3 2
((1, 1, 1), (1, 1, 0), (1, 2, 3)) uma base de R3 (verificar),

3 M (R), linear, tal que
portanto existe f : R!
2,2
!
1 0
1 2
, f (1, 1, 0) =
,
f (1, 1, 1) =
1 0
2 1
f (1, 2, 3) =
1 1
0
0
(x , y , z) =
(3x 3y +z)(1, 1, 1)+(x +2y z)(1, 1, 0)+(x +y )(1, 2, 3)
k235
Aplicaes lineares - construo - exemplo - continuao
1 0
1 0
Ento f (x , y , z) = (3x 3y + z)
(x + 2y z)
=
3x 2y
x +y z
1 2
2 1
+ (x + y )
x + 3y 2z
x + 2y z
9 0
3 2
1 1
0
0
0 0
3 2
Tem-se f (1, 3, 5) =
Conclui-se que no existe uma aplicao linear nas condies

dadas.
6=
k236
Aplicaes lineares - ncleo

Definio
Sejam E , F espaos vectoriais sobre K e f : E F uma aplicao
linear; chama-se ncleo de f ao conjunto {u E : f (u) = 0F }.
(notao: ker f )
Proposio
Se f : E F uma aplicao linear, ento ker f um subespao
de E .
Demonstrao
I
Tem-se 0E ker f (porqu?).
Se u, v ker f , ento f (u) = 0F e f (v ) = 0F , portanto

f (u + v ) = f (u) + f (v ) = 0F + 0F = 0F , isto , u + v ker f .
Se u ker f , ento f (u) = 0F ; ento, para qualquer K

f (u) = f (u) = 0F = 0F , isto , u ker f .
ALGA I(M143) - 2014/2015 k 3.2 Aplicaes lineares - Ncleo e contradomnio
k237
Aplicaes lineares - ncleo - exemplo

Determinar uma base do ncleo de
f:
R4
R1 [X ]
(a, b, c, d) 7 a + 2b + 3c + 4d + (a b c d)X
(a, b, c, d) ker f
f (a, b, c, d) = 0R1 [X ]
a + 2b + 3c + 4d + (a b c d)X = 0R1 [X ]
(
ker f
a + 2b + 3c + 4d = 0

abc d =0
a = 13 c 23 d
b = 43 c 53 d
1
2
4
5
= {(a, b, c, d) R4 : a = c d e b = c d}
3
3
3
3
1
2
4
5
= {( c d, c d, c, d), c, d R}
3
3
3
3
1 4
2 5
= {c( , , 1, 0) + d( , , 0, 1), c, d R}
3 3
3 3
1 4
2 5
= G({( , , 1, 0), ( , , 0, 1)})
3 3
3 3
( 13 , 43 ,
1, 0), ( 23 , 35 ,0, 1) so linearmente
independentes (exerccio)

portanto
13 , 43 , 1, 0 , 32 , 53 , 0, 1
uma base de ker f .
k238
Ncleo e aplicaes lineares injectivas

Proposio
Seja f : E F uma aplicao linear; f injectiva sse
ker f = {0E }.
Demonstrao
I
I
I
I
Suponhamos que f injectiva.

Se u ker f , ento f (u) = 0F = f (0E )
Ento u = 0E
Suponhamos que ker f = {0E }
Sejam u, v tais que f (u) = f (v ); ento f (u) f (v ) = 0F
Conclui-se que f (u v ) = 0F , logo u v ker f , portanto
u v = 0E .
Ento u = v . Conclui-se que f injectiva.
Exerccio
f injectiva sse transforma qualquer famlia de vectores
linearmente independentes numa famlia de vectores linearmente
independentes.
k239
Ncleo e aplicaes lineares injectivas - exemplo
f:
R3
R
(x , y , z) 7 2x + y 3z
I
ker f = {(x , y , z) R3 : 2x + y 3z = 0}
(1, 1, 1) ker f e (1, 1, 1) 6= (0, 0, 0)
f no injectiva.
k240
Ncleo e aplicaes lineares injectivas - exemplo

A aplicao
f:
C2
C2
(z, w ) 7 (Re z + Im w + i(2 Re w + Im w ), Re z + 3 Im w + 2i Im w )
injectiva?
I
I
f linear para a estrutura real (no para a estrutura complexa)

Seja (a + bi, c + di) C2 , com a, b, c, d R
(a + bi, c + di) ker f
f (a + bi, c + di) = (0, 0)

(a + d + (2c + d)i, a + 3d + 2di) = (0, 0)
a+d =0
2c + d = 0
a + 3d = 0
2d = 0
k241
Ncleo e aplicaes lineares injectivas - exemplo - cont.
1 0 0 1
0 0 2 1
A matriz do sistema
1 0 0 3
0 0 0 2
0; conclui-se que o sistema possvel
, cujo determinante
e indeterminado.
Conclui-se que existe (a + bi, c + di) 6= (0, 0) tal que

f (a + bi, c + di) = (0, 0), isto , tal que
(a + bi, c + di) ker f .
Ento f no injectiva.
k242
Aplicaes lineares - contradomnio
Proposio
Seja f : E F uma aplicao linear.
I
Im f um subespao de F
Se A gera E , ento f (A) gera Im f (onde

f (A) = {f (x ), x A}).
(Em particular, se u1 , . . . , uk geram E , ento f (u1 ), . . . , f (uk )
geram Im f )
k243
Aplicaes lineares - contradomnio

Demonstrao
I
I
I
I
I
0F Im f (porqu?)
Se v1 , v2 Im f , ento existem u1 , u2 E tais que f (u1 ) = v1
e f (u2 ) = v2
Ento v1 + v2 = f (u1 ) + f (u2 ) = f (u1 + u2 ), logo
v1 + v2 Im f .
Se v Im f , ento existe u E tal que f (u) = v .
Ento v = f (u) = f (u), logo v Im f .
I
I
I
I
Tem-se f (A) Im f (porqu?), logo G(f (A)) Im f (porqu?)

Seja v Im f ; existe u E tal que f (u) = v .
Existem u1 , . . . , uk A, 1 , . . . , k K tais que
u = 1 u1 + + k uk (porqu?)
Ento
v = f (u) = f (1 u1 + + k uk ) = 1 f (u1 ) + + k f (uk ),
portanto v combinao linear de elementos de f (A), isto ,
v G(f (A)).
k244
Aplicaes lineares - contradomnio - exemplo

Determinar Im f , onde
f:
R3
R3
(x , y , z) 7 (x + y + z, 2x + y z, 3y + z)
I
I
R3 = G({(1, 0, 0), (0, 1, 0), (0, 0, 1)})

Im f = G({f (1, 0, 0), f (0, 1, 0), (0, 0, 1)}) =
G({(1, 2, 0), (1, 1, 3), (1, 1, 1)})
(x , y , z) G({(1, 2, 0), (1, 1, 3), (1, 1, 1)})

a, b, c R : (x , y , z) = a(1, 2, 0) + b(1, 1, 3) + c(1, 1, 1)
a, b, c R :
a+b+c =x
2a + b c = y
3b + c = z
...
a, b, c R :
a+b+c =x
3b + c = 2x + y
0 = 2x y + z
0 = 2x y + z
I
Im f = {(x , y , z) R3 : 2x y + z = 0}
k245
Aplicaes lineares - exerccios

Seja f : E F uma aplicao linear. Mostrar (de preferncia
sem usar combinaes lineares) que
I
Se E1 um subespao de E , ento f (E1 ) um subespao de

F.
Se F1 um subespao de F , ento f 1 (F1 ) um subespao

de E .
Se A um subconjunto de E , ento f (G(A)) = G(f (A)).
Se B um subconjunto de F ento G(f 1 (B)) f 1 (G(B)),

mas no se tem necessariamente a igualdade.
Se E1 um subespao de E , ento f 1 (f (E1 )) = E1 + ker f
Notao: por definio, para qualquer subconjunto Z de F ,

f 1 (Z ) = {x E : f (x ) Z }.
k246
Aplicaes lineares
Proposio (j vista)
Sejam E , F espaos vectoriais sobre K; se (e1 , . . . , en ) uma base
de E e w1 , . . . , wn so elementos quaisquer de F , existe uma e uma
s aplicao linear f : E F tal que f (e1 ) = w1 , . . . , f (en ) = wn .
Proposio
Nas hipteses da proposio anterior,
I
f injectiva sse w1 , . . . , wn so linearmente independentes;
f sobrejectiva sse w1 , . . . , wn geram F .
Demonstrao
Exerccio
k247
Aplicaes lineares - resultado importante
Proposio
Seja f : E F uma aplicao linear; se E tem dimenso finita,
ento dim E = dim ker f + dim Im f .
k248
Aplicaes lineares - resultado importante - demonstrao
Demonstrao
I
Suponhamos que 0 < dim ker f < dim E (exerccio: verificar

no caso em que dim ker f = 0 e no caso em que
dim ker f = dim E )
Seja (e1 , . . . , ek ) uma base de ker f ; como e1 , . . . , ek so

linearmente independentes, existem ek+1 , . . . , en E tais que
e1 , . . . , ek , ek+1 . . . , en uma base de E .
Sejam uk+1 = f (ek+1 ), . . . , un = f (en ); para provar o

resultado basta mostrar que (uk+1 , . . . , un ) uma base de
Im f .
k249
Aplic. lineares - resultado importante - demonst. - cont.

Demonstrao (cont.)
I
uk+1 , . . . , un geram Im f
I
I
I
f (e1 ), . . . , f (ek ), f (ek+1 ), . . . , f (en ) geram Im f

ento 0F , . . . , 0F , uk+1 , . . . , un geram Im f
portanto uk+1 , . . . , un geram Im f
uk+1 , . . . , un so linearmente independentes

I
I
I
Se ak+1 uk+1 + + an un = 0F , ento

ak+1 f (ek+1 ) + + an f (en ) = 0F
Ento f (ak+1 ek+1 + + an en ) = 0F , isto ,
ak+1 ek+1 + + an en ker f
Logo existem a1 , . . . , ak K tais que
ak+1 ek+1 + + an en = a1 e1 + + ak ek
Ento a1 e1 ak ek + ak+1 ek+1 + + an en = 0E
Portanto a1 = = ak = ak+1 = = an = 0 (porqu?)
k250

f:
R3
R2
(x , y , z) 7 (x + y , y + 3z)
I f (x , y , z) = (0, 0) (x + y , y + 3z) = (0, 0)
(
(
x +y =0
x = 3z
y + 3z = 0
y = 3z
I
ker f = {(x , y , z) R3 : x = 3z e y = 3z}

= {(3z, 3z, z), z R} = {z(3, 3, 1), z R}
= G({(3, 3, 1)})
(3, 3, 1) 6= (0, 0, 0), portanto (3, 3, 1) linearmente

independente;
ento ((3,-3,1)) uma base de ker f , logo dim ker f = 1.
Como dim ker f + dim Im f = dim R3 = 3, vem dim Im f = 2.
Como dim Im f = 2 e Im f subespao de R2 (que tem

dimenso 2), conclui-se que Im f = R2 .
Ento f sobrejectiva.
k251
Existe f : R3 R3 ,linear, tal que

ker f = {(x , y , z) R3 : x + y + z = 0} e
Im f = {(x , y , z) R3 : x = 0}?
I
dim{(x , y , z) R3 : x + y + z = 0} = 2 (exerccio)
dim{(x , y , z) R3 : x = 0} = 2 (exerccio)
se existisse f nas condies dadas, ter-se-ia

3 = dim ker f + dim Im f = 2 + 2
Conclui-se que no existe f nas condies dadas.
k252

Existe f : C2 C2 , linear (para a estrutura real), tal que
ker f = Im f = {(z, w ) C2 : w = z}?
I
I
I
I
I
I
I
I
I
I
I
Seja E = {(z, w ) C2 : w = z}
E = {(a + bi, a bi), a, b R} =
{a(1, 1) + b(i, i), a, b R} = G({(1, 1), (i, i)})
(1, 1), (i, i) so linearmente independentes, portanto
((1, 1), (i, i)) uma base de E , e dim E = 2.
Pela equao das dimenses no se conclui que no existe f ;
mas isso no permite concluir que existe
((1, 1), (i, i), (1, 0), (i, 0)) uma base de C2 (verificar)
existe f : C2 C2 , linear, tal que f (1, 1) = (0, 0),
f (i, i) = (0, 0), f (1, 0) = (1, 1), f (i, 0) = (i, i)
tem-se (1, 1), (i, i) ker f , portanto E ker f
tem-se (1, 1), (i, i) Im f , portanto E Im f
ento dim ker f 2 e dim Im f 2
como dim ker f + dim Im f = 4, conclui-se que dim ker f = 2 e
dim Im f = 2, portanto ker f = E e Im f = E
Existe f nas condies dadas.
k253
Aplicaes lineares - exemplo - continuao

Para cada (z, w ) C2 , a que igual f (z, w )?
I
Para a, b, c, d R,
(a +bi, c +di) = c(1, 1)d(i, i)+(a c)(1, 0)+(b +d)(i, 0)
Ento f (a + bi, c + di) =

cf (1, 1) df (i, i) + (a c)f (1, 0) + (b + d)f (i, 0) =
(ac)(1, 1)+(b +d)(i, i) = (ac +(b +d)i, ac (b +d)i)
f (z, w ) = (z w , z w )
Exerccio
Seja E um espao vectorial de dimenso n, F um espao vectorial,
E1 um subespao de E e F1 um subespao de dimenso finita de
F ; se n = dim E1 + dim F1 , ento existe uma aplicao linear de E
em F cujo ncleo E1 e cujo contradomnio F1 .
k254
Seja f : R2 R3 uma aplicao linear.

I
I
I
Tem-se dim R2 = 2 = dim ker f + dim Im f .

Ento dim Im f 2, portanto Im f 6= R3 (dim R3 = 3).
Conclui-se que f no pode ser sobrejectiva.
Seja f : R3 R2 uma aplicao linear.

I
I
I
Tem-se dim R3 = 3 = dim ker f + dim Im f .

Como dim Im f 2, vem dim ker f 1.
Ento ker f 6= {(0, 0, 0)}, portanto f no pode ser injectiva.
k255

Proposio
Seja f : E F uma aplicao linear entre espaos vectoriais de
dimenso finita.
I
Se f sobrejectiva, ento dim E dim F .
Se f injectiva, ento dim E dim F .
Se f bijectiva, ento dim E = dim F .
Demonstrao
Tem-se dim E = dim ker f + dim Im f
I
Se f sobrejectiva, ento Im f = F , portanto vem

dim E = dim ker f + dim F dim F .
Se f injectiva ento dim ker f = 0, portanto vem

dim E = dim Im f dim F .
k256

Proposio
Seja f : E F uma aplicao linear entre espaos vectoriais de
dimenso finita. Se dim E = dim F , ento
I
f injectiva f bijectiva
f sobrejectiva f bijectiva
Demonstrao
Tem-se dim E = dim ker f + dim Im f .
I
Se f injectiva, ento dim ker f = 0, portanto

dim E = dim Im f ; como dim E = dim F , vem
dim Im f = dim F , portanto Im f = F , isto , f sobrejectiva.
Se f sobrejectiva, ento Im f = F , portanto

dim E = dim ker + dim F ; como dim E = dim F , vem
dim ker f = 0, portanto f injectiva.
k257
f : R[X ] R[X ]
P
7
P0
I
f uma aplicao linear sobrejectiva que no injectiva.
f : R[X ] R[X ]
P
7
XP
I
f uma aplicao linear injectiva que no sobrejectiva.
k258
f:
R3
R3
(x , y , z) 7 (x + y + z, y z, 3z)
I (x , y , z) ker f f ((x , y , z)) = (0, 0, 0)
(x + y + z, y z, 3z) = (0, 0, 0)
x =y =z =0
x +y +z =0
y z =0
3z = 0
ker f = {(0, 0, 0)}, portanto f injectiva.
Como dim(domnio) = dim(conjunto de chegada), conclui-se

que f bijectiva.
k259
Aplicaes lineares bijectivas

Proposio
Seja f : E F uma aplicao linear bijectiva; ento
f 1 tambm uma aplicao linear.
Demonstrao
I
Sejam v1 , v2 F ; quer-se mostrar que f 1 (v1 + v2 ) = f 1 (v1 ) + f 1 (v2 )

I
I
I
I
existem u1 , u2 E tais que f (u1 ) = v1 e f (u2 ) = v2

f (u1 + u2 ) = f (u1 ) + f (u2 ) = v1 + v2
ento u1 + u2 = f 1 (v1 + v2 )
o que significa exactamente que
f 1 (v1 ) + f 1 (v2 ) = f 1 (v1 + v2 )
Sejam v F , K; quer-se mostrar que f 1 (v ) = f 1 (v )

I
I
I
I
existe u E tal que f (u) = v

f (u) = f (u) = v
ento u = f 1 (v )
o que significa exactamente que f 1 (v ) = f 1 (v )
ALGA I(M143) - 2014/2015 k 3.3 Aplicaes lineares - Isomorfismos
k260
Aplicaes lineares bijectivas - exemplo

f : R2 [X ]
R3
P
7 (P(0), P(1), P(2))
I
a0 + a1 X + a2 X 2 ker f
(a0 , a0 + a1 + a2 , a0 + 2a1 + 4a2 ) = (0, 0, 0)
a0 = 0
a +a +a =0
0
1
2
a + 2a + 4a = 0
0
1
2
1 0 0
a0 = a1 = a2 = 0 (porque det 1 1 1 =
6 0)
1 2 4
ker f = {0R[X ] }, portanto f injectiva
como dim(domnio) = dim(conjunto de chegada), f

sobrejectiva
k261
Aplicaes lineares bijectivas - exemplo - continuao

I
(, , ) = f (a0 + a1 X + a2 X 2 )
(, , ) = (a0 , a0 + a1 + a2 , a0 + 2a1 + 4a2 )
a0 =
a +a +a =
0
1
2
a + 2a + 4a =
0
1
2
a0 =
a1 = 32 + 2 12
a = +
2
2
2
mas (, , ) = f (a0 + a1 X + a2 X 2 ) a0 + a1 X + a2 X 2 =
f 1 (, , )
ento f 1 (, , ) = + ( 32 + 2 21 )X + ( 2 + 2 )X 2
k262
Aplicaes lineares - isomorfismos
Definio
Sejam E , F espaos vectoriais sobre K.
I
Chama-se isomorfismo entre E e F a uma aplicao linear

bijectiva de E em F .
Diz-se que E e F so isomorfos sse existe um isomorfismo

entre E e F .
Observaes
I
A composta de isomorfismos tambm um isomorfismo.
Se E e F so isomorfos, ento tm a mesma dimenso.
k263
Aplicaes lineares - isomorfismos

Proposio
Se E e F so espaos vectoriais sobre K e dim E = dim F , ento E
e F so isomorfos.
Demonstrao
Basta notar que se (e1 , . . . , en ) uma base de E e (w1 , . . . , wn )
uma base de F , ento existe uma aplicao linear f : E F tal
que, para cada i, se tem f (ei ) = wi , e essa aplicao bijectiva.
Corolrio
I
Qualquer espao vectorial real de dimenso n isomorfo a Rn .
Qualquer espao vectorial complexo de dimenso n isomorfo

a Cn .
k264
Isomorfismos - exemplo
E = {(x , y , z) R3 : x + y + z = 0},
F = {(x , y , z) R3 : y = x + z}
I
((1, 1, 0), (1, 0, 1)) uma base de E (porqu?)
((1, 1, 0), (0, 1, 1)) uma base de F (porqu?)
Existe uma (nica) aplicao linear f : E F tal que

f (1, 1, 0) = (1, 1, 0) e f (1, 0, 1) = (0, 1, 1) e essa aplicao
linear bijectiva (porqu?)
f um isomorfismo entre E e F
se (x , y , z) E , ento (x , y , z) = y (1, 1, 0) + z(1, 0, 1)
portanto
f (x , y , z) = yf (1, 1, 0) + zf (1, 0, 1) = (y , y + z, z)
k265
Aplicaes lineares - matrizes: exemplo
f:
R3
R2
(x , y , z) 7 (2x y + 4z, 3x + y + 5z)
I
2 1 4
3 1 5
y =
z
2x y + 4z
3x + y + 5z
(2, 3) = f ((1, 0, 0)), (1, 1) = f ((0, 1, 0)), (4, 5) = f ((0, 0, 1))
As colunas da matriz so as imagens dos elementos da base

cannica de R3 .
!
2 1 4
matriz
chama-se matriz de f relativamente
3 1 5
s bases cannicas de R3 e R2
ALGA I(M143) - 2014/2015 k 3.4 Aplicaes lineares - Matrizes de aplicaes lineares
k266
Aplicaes lineares - matrizes: exemplo

f:
R4
R3
x
(x , y , z, t) 7 (2x y + t, 2 + 5y , x3 +
2 1
1
5
2
1
3
1
5
x
0 1
y
0 0
z
6 1
t
y
5
6z + t)
2x y + t

x
=
2 + 5y
y
x
+
6z
+
t
3
5
(2, 12 , 31 ) = f ((1, 0, 0, 0)), (1, 5, 51 ) = f ((0, 1, 0, 0)),

(0, 0, 6) = f ((0, 0, 1, 0)), (1, 0, 1) = f ((0, 0, 0, 1))
As colunas da matriz so as imagens dos elementos da base

4
cannica de
R .
2 1 0 1
0 0 chama-se matriz de f
matriz 12 5
1
1
6 1
3
5
relativamente s bases cannicas de R4 e R3
k267
Matriz de uma apl. lin. relativa/ a um par de bases: def.
Definio
Sejam f : E F uma aplicao linear, b = (e1 , . . . , en ) uma
base de E , B = (v1 , . . . , vm ) uma base de F ; chama-se matriz de f
relativamente s bases b, B matriz de Mm,n (R) cujas colunas so
formadas pelas coordenadas dos vectores f (e1 ), . . . , f (en ) na base
B.
(notao: Mb,B (f ))
k268
Matriz de uma apl. linear relativamente a um par de bases

base de E ,
B = (v1 , . . . , vm ) uma base
de F .
a11 a12 a1n
a21 a22 a2n

Mb,B (f ) =
..
..
..
, onde
.
.
.
I
am1 am2 amn

f (e1 ) = (a11 , a21 , . . . , am1 )B
f (e2 ) = (a12 , a22 , . . . , am2 )B
f (en ) = (a1n , a2n , . . . , amn )B
k269
Matriz de uma aplicao linear - exemplo
f:
R2
R3
(x , y ) 7 (2x + y , x , x 3y )
b = ((1, 1), (1, 1)), B = ((1, 0, 0), (1, 1, 0), (1, 1, 1))
I
f ((1, 1)) = (3, 1, 2) = 4(1, 0, 0) + (1, 1, 0) 2(1, 1, 1) =

(4, 1, 2)B
f ((1, 1)) = (1, 1, 4) = 2(1, 0, 0) 5(1, 1, 0) + 4(1, 1, 1) =

(2, 5, 4)B
4
2
Mb,B (f ) = 1 5
2 4
k270
Matriz de uma aplicao linear - exemplo

E = {P R3 [X ] : P(1) = 0}, F = {(z, w ) C2 : w = z}
f : E
F
P 7 (P(i), P(i))
Determinar uma base B1 do domnio, uma base B2 do conjunto de
chegada e MB1 ,B2 (f ).
I E = {a0 + a1 X + a2 X 2 + a3 X 3 : a0 a1 + a2 a3 = 0} =
= G({1 + X 3 , X X 3 , X 2 + X 3 })
I B1 = (1 + X 3 , X X 3 , X 2 + X 3 ) uma base de E (verificar)
I F = {(a + bi, a bi), a, b R} = G({(1, 1), (i, i)})
I B2 = ((1, 1), (i, i)) uma base de F (verificar)
I f (1 + X 3 ) = (1 i, 1 + i) = (1, 1) (i, i) = (1, 1)B
2
I f (X X 3 ) = (2i, 2i) = 2(i, i) = (0, 2)B
2
I f (X 2 +X 3 ) = (1i, 1+i) = (1, 1)(i, i) = (1, 1)B
2
I
MB1 ,B2 (f ) =
1 0 1
1 2 1
k271
Aplicaes lineares - matrizes e coordenadas

Proposio
base de E , B = (v1 , . . . , vm ) uma base de F e u E ; ento
I
multiplicando Mb,B (f ) pela matriz coluna com as coordenadas

de u na base b, obtm-se as coordenadas de f (u) na base B,
isto ,

c1
1

Se u = (1 , . . . , n )b e Mb,B (f ) ... = ... , ento

cm
n
f (u) = (c1 , . . . , cm )B .
Exerccio
Mb,B (f ) a nica matriz que tem esta propriedade
k272
Aplicaes lineares - matrizes e coordenadas - demonst

Demonstrao
a11 a1n
..
.. = M (f )
Seja .
b,B
.
am1 amn
Seja u = (1 , . . . , n )b ; ento u = 1 e1 + + n en
Ento f (u) = 1 f (e1 ) + + n f (en )

= 1 (a11 v1 + + am1 vm ) + + n (a1n v1 + + amn vn )
= (1 a11 + + n a1n )v1 + + (1 am1 + + n amn )vm
= (1 a11 + + n a1n , . . . , 1 am1 + + n amn )B
Ora
a11
..
.
am1
a1n
..
.
amn
1
1 a11 + n a1n
.. =
..
.
.
n
1 am1 + + n amn
k273
Aplicaes lineares - matrizes

Sejam E um espao de dimenso n e F um espao de dimenso m,
b uma base de E e B uma base de F .
I
Para cada aplicao linear f : E F temos a matriz

Mb,B (f ) em Mm,n (K).
Reciprocamente, para cada matriz M Mmn, (K), existe uma

nica aplicao linear f : E F tal que Mb,B (f ) = M.
( consequncia da existncia e unicidade de uma aplicao

linear uma vez definidas as imagens dos elementos de uma
base)
Exerccio
A aplicao b,B : L(E , F ) Mm,n (K)
f
7 Mb,B (f )
um isomorfismo.
k274
Matrizes da aplicao identidade

E espao vectorial de dimenso n, b = (e1 , . . . , en ) base de E ,
idE : E E
u 7 u
I f (e1 ) = e1 = (1, . . . , 0)b
I
f (e2 ) = e2 = (0, 1, . . . , 0)b
f (en ) = en = (0, . . . , 1)b
1 0
0 1
Mb,b (idE ) =
.. ..
. .
0 0
0
0
..
.
= In
k275
Matriz de mudana de base

E espao vectorial de dimenso n, b e b 0 bases de E ,
idE : E E , u E
I
Multiplicando Mb,b 0 (idE ) pelas coordenadas de u na base b,

obtm-se as coordenadas de idE (u) na base b 0 .
Como idE (u) = u, multiplicando Mb,b 0 (idE ) pelas coordenadas

de u na base b, obtm-se as coordenadas de u na base b 0 .
Definio
matriz Mb,b 0 (idE ) chama-se matriz de passagem (ou matriz de
mudana de base) da base b para a base b 0 .
Observao
As colunas de Mb,b 0 (idE ) so formadas pelas coordenadas dos
elementos de b na base b 0 .
k276
Matriz de mudana de base - exemplo
E = R2 , b = ((1, 5), (1, 6)), bc = ((1, 0), (0, 1))

I
(1, 5) = (1, 5)bc , (1, 6) = (1, 6)bc

1 1
5 6
Mb,bc (id) =
Quais so as coordenadas de (3, 4)b na base cannica?

!
1 1
3
Mb,bc (id)
=
4
5 6
(3, 4)b = (1, 9)bc = (1, 9).
3
4
1
9
, portanto
k277
Matriz de mudana de base - exemplo
E = R2 , b = ((1, 5), (1, 6)), bc = ((1, 0), (0, 1))

I
(1, 0) = 6(1, 5) 5(1, 6) = (6, 5)b ,

(0, 1) = (1, 5) + (1, 6) = (1, 1)b
6 1
5 1
Mbc ,b (id) =
Quais so as coordenadas de (3, 2) na base b?

!
6 1
3
Mbc ,b (id)
=
2
5 1
portanto (3, 2) = (16, 13)b .
3
2
16
13
k278
Matriz da composta de aplicaes lineares
Proposio (a matriz da composta o produto das matrizes)

Sejam
I
E1 , E2 , E3 espaos vectoriais
b1 uma base de E1 , b2 uma base de E2 , b3 uma base de E3
f : E1 E2 , g : E2 E3 aplicaes lineares
Ento Mb1 ,b3 (g f ) = Mb2 ,b3 (g)Mb1 ,b2 (f ).

gf
E1
b1
/ E2
b2
/ E3
b3
k279
Matriz da composta de apl. lin. - demonstrao

Demonstrao
I
I
Sejam (u1 , . . . , up ) os elementos de b1 , (v1 , . . . , vn ) os

elementos de b2 e (w1 , . . . , wm ) os elementos de b3 .
Sejam
a11 a1p
b11 b1n
..
..
.. = M
.. = M
.
b2 ,b3 (g)
b1 ,b2 (f ) e
.
.
.
an1 anp
bm1 bmn
g(f (uj ))
= g(a1j v1 + + anj vn )
= a1j g(v1 ) + + anj g(vn )
= a1j (b11 w1 + + bm1 wm ) + + anj (b1n w1 + + bmn wm )
= (a1j b11 + + anj b1n )w1 + + (a1j bm1 + + anj bmn )wm
I
Ento as entradas da j-sima coluna de Mb1 ,b3 (g f ) so

a1j b11 + + anj b1n , . . . , a1j bm1 + + anj bmn
k280
Matriz da composta de apl. lin. - demonstrao - cont.

Demonstrao
c11 c1p
..
.. , onde
Ora Mb2 ,b3 (g)Mb1 ,b2 (f ) = .
.
cn1 cnp
cij = bi1 a1j + + bin anj
Ento as entradas da j-sima coluna de Mb2 ,b3 (g)Mb1 ,b2 (f )
so b11 a1j + + b1n anj , . . . , bm1 a1j + + bmn anj
Conclui-se que as colunas de Mb2 ,b3 (g)Mb1 ,b2 (f ) coincidem
com as de Mb1 ,b3 (g f ), portanto
Mb1 ,b3 (g f ) = Mb2 ,b3 (g)Mb1 ,b2 (f )
I
I
Observao
Resulta deste resultado e da associatividade da composio de
funes que a multiplicao de matrizes associativa. (porqu?)
k281
Matriz da composta - exemplo

f:
R2
R2
,
x
(x , y ) 7 (3x y , 2 + 2y )
g:
R2
R3
,
(x , y ) 7 (x + y , x + 2y , 3x )
bc =base cannica de R2 , Bc =base cannica de R3 .
!
1 1
3 1
I Mb ,b (f ) =
, Mbc ,Bc (g) = 1 2
1
c c
2
2
3 0
gf
R2
bc
/ R2
bc
/ R3
Bc
k282
Matriz da composta - exemplo - continuao
1 1
Mbc ,Bc (g)Mbc ,bc (f ) = 1 2

3 0
7
1
2
2 5
9 3
3 1
1
2
2
Mbc ,Bc (g f ) = 2 5
9 3
g f ((x , y )) = ( 72 x + y , 2x + 5y , 9x 3y )
7
2
k283

I
I
I
b1 = ((1, 3), (1, 0)) base de R2 , b2 = ((1, 1), (2, 1)) base de
R2 , Bc base cannica de R3
f : R2 R2 tal que f ((1, 3)) = (1, 1) e f ((1, 0)) = (2, 1)
g : R2 R3 tal que g((1, 1)) = (3, 1, 2) e
g((2, 1)) = (1, 5, 3)
Mb1 ,b2 (f ) =
1 0
0 1
3 1
, Mb2 ,Bc (g) = 1 5

2 3
gf
R2
b1
/ R2
b2
Bc
3 1
Mb1 ,Bc (g f ) = 1 5
2 3
/ R3
1 0
0 1
3 1
= 1 5
2 3
k284

f:
R2
R3
(x , y ) 7 (2x + y , x , x y )
I
2
1
Mbc ,Bc (f ) = 1 0
1 1
b = ((2, 3), (1, 1)) base de R2
B = ((1, 1, 1), (0, 1, 1), (0, 0, 1)) base de R3
Mb,B (f ) =?
I
I
R2
b
id
/ R2
bc
/ R3
Bc
id
%
/ R3
B
Mb,B (f ) = Mb,B (id f id) = MBc ,B (id)Mbc ,Bc (f )Mb,bc (id)
k285

2 1
3 1
Mb,bc (id) =
(1, 0, 0) = (1, 1, 1) (0, 1, 1) = (1, 1, 0)B
(0, 1, 0) = (0, 1, 1) (0, 0, 1) = (0, 1, 1)B
(0, 0, 1) = (0, 0, 1)B
1
0 0
portanto MBc ,B (id) = 1 1 0

0 1 1
1
0 0
2
1
Mb,B (f ) = 1 1 0 1 0
0 1 1
1 1
7 1
= 9 2
1 3
2 1
3 1
k286

I
1 2 0 1
f :
tal que MBc ,b1 (f ) =

0 1 3 4
2
Bc a base cannica de C e b1 = ((2, 3), (4, 5))
C2
R2
, onde
0
2
g : R2 R2 [X ] tal que Mb2 ,bc (g) = 3 0 , onde

2 1
b2 = ((1, 1), (1, 1)) e bc a base cannica de R2 [X ]
MBc ,bc (g f ) =?
gf
I
I
C2
Bc
/ R2
b1
id
/ R2
b2
&
/ R2 [X ]
bc
MBc ,bc (g f ) = MBc ,bc (g id f ) =

Mb2 ,bc (g)Mb1 ,b2 (id)MBc ,b1 (f )
k287
(2, 3) =
(4, 5) =
5 1
2, 2 b
2
9 1
2, 2 b
2
5
2
I Mb ,b (id) =
1
1 2
2
I portanto
I
9
2
1
2
0
2
MBc ,bc (g f ) = 3 0
2 1
1
3
3
3
81
57
93
= 15
2
2
2
2
9
35
59
51
2
2
2
2
5
2
1
2
9
2
1
2
1 2 0 1
0 1 3 4
k288
Relao entre duas matrizes da mesma aplicao linear
f : E F , E , F de dimenso finita
b, b 0 bases de E
B, B 0 bases de F
f
I
I
b0
id
/E
b
/F
B
id
/ F0
B
Mb 0 ,B 0 (f ) = MB,B 0 (id)Mb,B (f )Mb 0 ,b (id)
k289
Matriz da inversa
I
Seja f : E F linear bijectiva, n = dim E = dim F
f 1 : F E
sejam b uma base de E , B uma base de F

f f 1 =idF
f 1 f =idE
1
/E
/F f
F
B
f 1
/E
b

/F
B
MB,b (f 1 )Mb,B (f ) = Mb,b (f 1 f ) = Mb,b (idE ) = In
Analogamente, Mb,B (f )MB,b (f 1 ) = In
Proposio
As matrizes Mb,B (f ) e MB,b (f 1 ) so inversas uma da outra, isto
, MB,b (f 1 ) = (Mb,B (f ))1 .
k290
Matriz da inversa - exemplo

f:
R2
R2
(x , y ) 7 (3x y , 2x y )
3 1
2 1
Mbc ,bc (f ) =
Mbc ,bc
(f 1 )
det
3 1
2 1
Mbc ,bc
(f 1 )
f 1 ((x , y )) = (x y , 2x 3y )
3 1
2 1
= 1,
1 1
2 3
!1
3 1
2 1
!1
1 1
2 3
k291
Matriz da inversa - caso particular
I
I
b, b 0 bases de E
E
b
id
E
b0
idE bijectiva e id1

E = idE
Mb,b 0 (idE ) = (Mb 0 ,b (idE ))1
As matrizes de passagem de b para b 0 e de b 0 para b so

inversas uma da outra.
k292
Matriz de passagem - exemplo
E = R3 , B = ((1, 0, 1), (0, 1, 1), (1, 1, 0))
1 0 1
MB,Bc (id) = 0 1 1
1 1 0
MBc ,B (id) = (MB,Bc (id))1
1
2
= 21
1
2
12
1
2
1
2
1
2
1
2
21
1 0 1
= 0 1 1
1 1 0
k293
Matrizes da mesma aplicao linear - caso particular

I
I
f : E E (quando o domnio igual ao conjunto de

chegada, diz-se que f um endomorfismo).
b, b 0 bases de E
f
idE
b0
/E
b
/E
b
idE
#
/ E0
b
Mb 0 ,b 0 (f ) = Mb,b 0 (idE )Mb,b (f )Mb 0 ,b (idE ) = Mb,b 0 (idE )Mb,b (f )(Mb,b 0 (idE ))1
Definio
Diz-se que as matrizes A e B so conjugadas sse existe uma matriz
invertvel P tal que A = PBP 1 .
Exerccio
I
I
Se A e B so conjugadas, ento B e A so conjugadas.

Se A e B so conjugadas e B e C so conjugadas, ento A e
C so conjugadas.
Proposio
As matrizes Mb 0 ,b 0 (f ) e Mb,b (f ) so conjugadas.
k294
Exemplo de aplicao linear em R2 - rotaes

Rotao de um ngulo em torno da origem
r (1, 0) = (cos , sen ), r (0, 1) = ( sen , cos )

cos sen
sen cos
Mbc ,bc (r ) =
r (x , y ) = (x cos y sen , x sen + y cos )
k295
Exemplo de aplicao linear em R2 - reflexo num recta

Reflexo num recta que passa na origem
Rr (1, 0) = (cos 2, sen 2), Rr (0, 1) = (sen 2, cos 2)

cos 2 sen 2
sen 2 cos 2
Mbc ,bc (Rr ) =
Rr (x , y ) = (x cos 2 + y sen 2, x sen 2 y cos 2)
k296
Exemplo de aplicao linear em R2 - reflexo num recta

Reflexo num recta que passa na origem - outra abordagem
Seja b = (u, v ) uma base de R2 tal que u um vector da

recta r e v perpendicular a u
u = (cos , sen ), v = ( sen , cos )
Rr (u) = u = (1, 0)b e Rr (v ) = v = (0, 1)b
Mb,b (Rr ) =
1 0
0 1
k297
Exemplo de aplicao linear - reflexo num recta - cont
Mb,bc (id) =
cos sen
sen cos
(id)1
1
cos
1 sen
sen
cos
Mbc ,b (id) = Mb,bc
Mbc ,bc (Rr ) = Mb,bc (id)M

! b,b (Rr )Mbc ,b (id) =
cos 2 sen 2
sen 2 cos 2
Rr (x , y ) = (x cos 2 + y sen 2, x sen 2 y cos 2)
k298
Composta de duas reflexes
cos 21 sen 21
, Mbc ,bc (Rr2 ) =
sen 21 cos 21
Mbc ,bc (Rr2 Rr1 ) =
!
!
cos 21 sen 21
cos 22 sen 22
=
=
sen 21 cos 21
sen 22 cos 22
Mbc ,bc (Rr1 ) =
cos 22 sen 22
sen 22 cos 22
cos 22 cos 21 + sen 22 sen 21 sen 21 cos 22 cos21 sen 22

sen 22 cos 21 cos 22 sen 21 sen 21 sen 22 + cos 22 cos 21
cos(2(2 1 )) sen(2(2 1 ))
sen(2(2 1 )) cos(2(2 1 ))
A composta de duas reflexes uma rotao correspondente a
um ngulo que o dobro do ngulo entre as duas rectas.
Exerccio: interpretar geometricamente
=
I
I
k299
Composta de uma reflexo com uma rotao
cos sen
, Mbc ,bc (Rr ) =
sen cos
Mbc ,bc (Rr r ) =
!
!
cos 2 sen 2
cos sen
=
=
sen 2 cos 2
sen cos
Mbc ,bc (r ) =
cos 2 sen 2
sen 2 cos 2
cos 2 cos + sen 2 sen sen cos 2 + cos sen 2

sen 2 cos cos 2 sen sen sen 2 cos 2 cos
=
cos(2( 2 )) sen(2( 2 ))
sen(2( 2 )) cos(2( 2 ))
A composta de uma reflexo com uma rotao uma reflexo na recta obtida
pela rotao do eixo dos xx em torno da origem por um ngulo de 2 .
Exerccio: interpretar geometricamente e analisar a composta
de uma rotao com uma reflexo.
k300
Exemplo de aplicao linear - homotetias

Homotetia de razo e centro O: h (u) = u
Para qualquer base b, tem-se Mb,b (h ) =
0
0
(porqu?)
I
Para qualquer aplicao linear f : R2 R2 tem-se

f h = h f (porqu? e se f no for linear?)
Exerccio: se g : R2 R2 uma aplicao linear tal que

para qualquer aplicao linear f : R2 R2 se tem
f g = g f , ento g uma homotetia.
k301
Determinante de um endomorfismo
I
Sejam f : E E um endomorfismo e b, b 0 bases de E
Mb 0 ,b 0 (f ) = Mb,b 0 (idE )Mb,b (f )(Mb,b 0 (idE ))1
det Mb 0 ,b 0 (f ) = det Mb,b 0 (idE ) det Mb,b (f ) det(Mb,b 0 (idE )1 )

= det Mb,b 0 (idE ) det(Mb,b 0 (idE )1 ) det Mb,b (f )
= det Mb,b (f )
I
Concluso: det Mb,b (f ) no depende da escolha da base b
Definio
Chama-se determinante de f ao determinante de Mb,b (f ), onde b
qualquer base de E .
(notao: det(f ))
k302
Determinante de um endomorfismo - exemplo
f:
2 1 1
MBc ,Bc (f ) = 1 3 1
0 5 7
2 1 1
det(f ) = det MBc ,Bc (f ) = det 1 3 1 = 30

0 5 7
R3
R3
(x , y , z) 7 (2x y + z, x 3y + z, 5y 7z)
k303
Endomorfismos injectivos e determinantes
Sejam E um espao de dimenso finita, f endomorfismo de E , e b

uma base de E
f injectivo
f um isomorfismo
f tem inversa
Mb,b (f ) tem inversa
det(Mb,b (f )) 6= 0
det(f ) 6= 0
k304
Endomorfismos injectivos e determinantes - exemplo
f:
R2
R2
(x , y ) 7 (3x y , 5x + 2y )
Mbc ,bc (f ) =
3 1
5 2
det(f ) = det Mbc ,bc (f ) = det
f injectiva
f um isomorfismo
3 1
5 2
= 11 6= 0
k305
Endomorfismos injectivos e determinantes - exemplo
f:
1 0 2
MBc ,Bc (f ) = 3 2 4
1 5 7
R3
R3
(x , y , z) 7 (x + 2z, 3x + 2y + 4z, x + 5y 7z)
1 0 2
det(f ) = det MBc ,Bc (f ) = det 3 2 4 = 0

1 5 7
f no injectiva
k306
Valores e vectores prprios
R2
u e v so vectores prprios de f
w no vector prprio de f
ALGA I(M143) - 2014/2015 k 4.1 Valores prprios e vectores prprios - Definies e propriedades
k307
Valores e vectores prprios - exemplo

f:
R2
R2
(x , y ) 7 (3x , 4y )
I f ((1, 0)) = (3, 0) = 3(1, 0)
I
Diz-se que 3 valor prprio de f e que (1, 0) vector prprio

de f (associado ao valor prprio 3).
f ((2, 0)) = (6, 0) = 3(2, 0), f ((5, 0)) = (15, 0) = 3(5, 0),
f ((x , 0)) = (3x , 0) = 3(x , 0)
(2, 0), (5, 0) tambm so vectores prprios de f associados

ao valor prprio 3; (x , 0) vector prprio associado ao valor
prprio 3 DESDE QUE x 6= 0.
f ((0, 1)) = (0, 4) = 4(0, 1)
Diz-se que 4 valor prprio de f e que (0, 1) vector prprio

de f (associado ao valor prprio 4).
(0, y ) vector prprio associado ao valor prprio 4 DESDE

QUE y 6= 0.
k308

f:
R2
R2
(x , y ) 7 (3x , 4y )
I f ((0, 0)) = (0, 0) = a(0, 0), para qualquer a R
I
Haver a R \ {3, 4} e u R2 \ {(0, 0)} tais que f (u) = au?
Isto , haver mais algum valor prprio de f ?

(
f ((x , y )) = a(x , y ) (3x , 4y ) = (ax , ay )

(
3x = ax
4y = ay
(3 a)x = 0
(4 a)y = 0
Se a 6= 3 e a 6= 4, ento f ((x , y )) = a(x , y ) x = y = 0.
No existem mais valores prprios de f .
k309
Valores e vectores prprios - definies

Definio
Seja f : E E um endomorfismo;
I
Diz-se que R um valor prprio de f sse existe

u E \ {0E } tal que f (u) = u.
Diz-se que u E \ {0E } um vector prprio de f sse f (u)

mltiplo de u.
Observaes
I
ATENO: para qualquer R, f (0E ) = 0E ,

mas 0E NO vector prprio de f .
Se u 6= 0E e f (u) = u,
I
I
u um vector prprio associado ao valor prprio

o valor prprio associado ao vector prprio u.
k310
Como determinar os valores prprios do endomorfismo

f : E E ?
valor prprio de f
existe u E \ {0E } tal que f (u) = u
existe u E \ {0E } tal que f (u) u = 0E
existe u E \ {0E } tal que (f idE )(u) = 0E
existe u E \ {0E } tal que u ker(f idE )
f idE no injectivo
det(f idE ) = 0
det(Mb,b (f idE )) = 0, para qualquer base b de E
k311

Seja b uma base de E .
0
I Mb,b ( idE ) = .
.
.
0
0

..
.
0
I portanto, se Mb,b (f ) =
tem-se
0
0
..
.
a11 a12
a21 a22
..
..
.
.
an1 an2
a1n
a2n
..
.
ann
a11
a12
a1n
a
a
21
22
2n
.
Mb,b (f idE ) =
..
..
..
.
.
.
an1
an2
ann
det(f idE ) um polinmio de grau n em (porqu?)
k312
Valores e vectores prprios - polinmio caracterstico
Sejam f : E E um endomorfismo e n = dim E
Definio
Chama-se polinmio caracterstico de f ao polinmio P definido
por P() = det(f idE ).
Proposio
valor prprio de f sse zero do polinmio caracterstico de f
Observao
f tem no mximo n valores prprios (porque um polinmio de grau
n tem no mximo n zeros)
k313
f:
R2
R2
(x , y ) 7 (2y , 2x )
I
Mbc ,bc (f ) =
0 2
2 0
Mbc ,bc (f id) =
2
2
2
2
p() = det
= 2 4
p() = 0 = 2 ou = 2
os valores prprios de f so 2 e 2.
k314
f:
R2
R2
(x , y ) 7 (2y , 2x )
I
Mbc ,bc (f ) =
0 2
2 0
Mbc ,bc (f id) =
2
2
2
2
p() = det
= 2 + 4
p no tem zeros, portanto f no tem valores prprios.
k315
Valores e vectores prprios - subespaos prprios

Proposio
Se valor prprio de f , ento {u E : f (u) = u} um
subespao de E , de dimenso maior ou igual a 1.
Definio
Chama-se subespao prprio associado a ao subespao
{u E : f (u) = u} de E . (notao: E )
Observaes
I
Tem-se E = {u E : f (u) = u}
= {u E : (f idE )(u) = 0E }
= ker(f idE )
E = {vectores prprios de f associados a } {0E }
k316
f:
R3
R3
(x , y , z) 7 (0, x y , z)
I
0
0
0
MBc ,Bc (f ) = 1 1 0
0
0 1
0
0
0
p() = det 1 1
= (1 )2
0
0
1
p() = 0 = 0 ou = 1
os valores prprios de f so 0 e 1.
k317
f:
R3
R3
(x , y , z) 7 (0, x y , z)
I Subespao prprio associado a 0?
I
(x , y , z) ker(f 0 id)
(x
, y , z) ker(f )

0
0
0
x
0
1 1 0 y = 0
0
0 1
z
0
(
x y = 0
z = 0
E0 = {(x , y , z) R3 : x + y = 0 e z = 0}
k318
Valores e vectores prprios - exemplo - continuao
f:
R3
R3
(x , y , z) 7 (0, x y , z)
I Subespao prprio associado a 1?
I
(x , y ,
z) ker(f (1) id)
0 (1)
0
0
x
0
1
1 (1)
0

y = 0
0
0
1 (1)
z
0
(
x =0
x = 0
E1 = {(x , y , z) R3 : x = 0}
k319
Valores e vectores prprios - base de vectores prprios

Sejam f : E E endomorfismo, b = (e1 , . . . , en ) base de E
I
Se todos os elementos da base forem vectores prprios de f ,

como Mb,b (f )?
f (e1 ) = 1 e1 = (1 , 0, . . . , 0)b
f (e2 ) = 2 e2 = (0, 2 , , . . . , 0)b
f (en ) = n en = (0, 0, . . . , n )b
1 0 0
0
0 2
Mb,b (f ) =
..
..
..
.
.
.
Lema
A matriz Mb,b (f ) diagonal sse b uma base de E formada por
vectores prprios de f .
k320
Endomorfismo diagonalizvel
Definio
I
Seja f : E E um endomorfismo; diz-se que f

diagonalizvel sse existe uma base de E formada por vectores
prprios de f .
Diz-se que uma matriz diagonalizvel sse conjugada de

uma matriz diagonal
Observao
Se E tem dimenso finita, f diagonalizvel sse existe uma base
de E tal que a matriz de f relativamente a essa base diagonal.
Exerccio
Uma matriz diagonalizvel sse a matriz de um endomorfismo
diagonalizvel relativamente a alguma base.
k321
Vectores prprios associados a valores prprios distintos
Proposio
Seja f : E E um endomorfismo; ento vectores prprios de f
associados a valores prprios distintos so sempre linearmente
independentes, isto , se 1 , . . . , k so valores prprios de f ,
todos distintos, e u1 , . . . , uk so vectores prprios de f associados
respectivamente a 1 , . . . , k , ento u1 , . . . , uk so linearmente
independentes.
k322
Vectores prprios assoc. a valores prprios distintos - dem
Demonstrao
I
por induo sobre k
k = 1: se u1 um vector prprio de f , ento u1 linearmente

independente (porqu?)
Suponhamos que quaisquer k vectores prprios associados a

valores prprios distintos so linearmente independentes.
Suponhamos que 1 , . . . , k , k+1 so valores prprios de f ,

todos distintos, e u1 , . . . , uk , uk+1 so vectores prprios de f
associados respectivamente a 1 , . . . , k , k+1
k323
Vectores prprios assoc. a valores prprios distintos - dem

Demonstrao (continuao)
I
Suponhamos que 1 u1 + + k uk + k+1 uk+1 = 0E
Ento f (1 u1 + + k uk + k+1 uk+1 ) = 0E
Logo 1 f (u1 ) + + k f (uk ) + k+1 f (uk+1 ) = 0E
isto 1 1 u1 + + k k uk + k+1 k+1 uk+1 = 0E
Por outro lado,

k+1 1 u1 + + k+1 k uk + k+1 k+1 uk+1 = 0E
Subtraindo vem
(k+1 1 )1 u1 + + (k+1 k )k uk = 0E
Por hiptese de induo, e como k+1 i 6= 0, i, vem

1 = = k = 0
Ento k+1 uk+1 = 0E , portanto tambm k+1 = 0
k324
Corolrio
Se dim E = n, ento f : E E no pode ter mais de n valores
prprios distintos
Corolrio
Se dim E = n e f : E E tem n valores prprios distintos, ento
f diagonalizvel.
ATENO: f pode ter menos de n valores prprios e mesmo
assim ser diagonalizvel.
Exemplo: aplicao identidade
k325
Endomorfismos diagonalizveis - exemplo

f:
R2
R2
(x , y ) 7 (x 8y , 4x + 11y )
I
Mbc ,bc (f ) =
1 8
4 11
1
8
p() = det
4
11
= 2 10 + 21
= (1 )(11 ) + 32
p() = 0 = 3 ou = 7
3 e 7 so os valores prprios de f
f tem dois valores prprios distintos e dim R2 = 2, portanto f

diagonalizvel.
base de vectores prprios?
k326

I
Mbc ,bc (f ) =
(x , y ) E3
1 8
4 11
1 3
8
4
11 3
x
y
0
0
4x 8y = 0
x + 2y = 0
4x + 8y = 0
E3 = {(x , y ) R2 : x + 2y = 0} = {(2y , y ), y R}
= G({(2, 1)})
((2, 1)) uma base de E3 .
!
!
!
1 7
8
x
0
=
(x , y ) E7
4
11 7
y
0
I
I
I
8x 8y = 0
x +y =0
4x + 4y = 0
E7 = {(x , y ) R2 : x + y = 0} = {(y , y ), y R}
= G({(1, 1)})
((1, 1)) uma base de E7 .
I
I
k327
b = ((2, 1), (1, 1)) uma base de R2 formada por vectores

prprios de f
Mb,b (f ) =
3 0
0 7
k328
Vect. prp. ass. a val. prp. distintos - generalizao

Proposio
Seja f : E E um endomorfismo; se
I
I
I
I
1 , . . . , k so valores prprios distintos de f ;

u11 , . . . , u1m1 so vectores prprios linearmente independentes
associados a 1
uk1 , . . . , ukmk so vectores prprios linearmente independentes

associados a k
ento u11 , . . . , u1m1 , . . . , uk1 , . . . , ukmk so linearmente independentes.

(juntando famlias livres de vectores em que cada uma composta por
vectores prprios associados ao mesmo valor prprio e cada famlia corresponde
a um valor prprio diferente, o resultado ainda uma famlia livre)
Demonstrao
Exerccio
Corolrio
Sejam E um espao de dimenso finita e f : E E um endomorfismo;
a soma das dimenses dos subespaos prprios de f menor ou igual a dim E .
k329
Endomorfismos diagonalizveis
Proposio
Sejam E um espao de dimenso n, f : E E um
endomorfismo; ento f diagonalizvel sse a soma das dimenses
de todos os subespaos prprios de E n.
k330
Endomorfismos diagonalizveis - demonstrao

Demonstrao
I
se a soma das dimenses dos subespaos prprios n

I
I
I
I
considera-se uma base de cada um dos subespaos

juntando-se os elementos de todas essas bases temos
elementos linearmente independentes (porqu?)
ao todo so n elementos (porqu?)
portanto formam uma base de E (porqu?) e todos so
vectores prprios
se f diagonalizvel
I
I
existe uma base formada por vectores prprios de f

agrupando os elementos da base pelo valor prprio associado,
obtm-se famlias livres em cada subespao prprio
a soma das dimenses dos subespaos prprios maior ou
igual soma dos nmeros de elementos de todas essas famlias
(que a dimenso de E )
k331

f:
R3
R3
(x , y , z) 7 (0, x y , z)
I Foi visto que
I
I
I
I
I
I
I
I
I
os valores prprios de f so 0 e 1
E0 = {(x , y , z) R3 : x + y = 0 e z = 0}
E1 = {(x , y , z) R3 : x = 0}
E0 = {y (1, 1, 0), y R} = G({(1, 1, 0)})

((1, 1, 0)) uma base de E0 , E0 tem dimenso 1
E1 = {0, y , z), y , z R} = {y (0, 1, 0) + z(0, 0, 1), y , z R}
= G({(0, 1, 0), (0, 0, 1)})
((0, 1, 0), (0, 0, 1)) uma base de E1 , E1 tem dimenso 2.
dim E0 + dim E1 = 1 + 2 = 3 = dim R3 , portanto f
diagonalizvel.
b = ((1, 1, 0), (0, 1, 0), (0, 0, 1)) uma base de R3 formada
por vectoresprprios de f .
0 0
0
Mb,b (f ) = 0 1 0
0 0 1
k332
f:
R3
R3
(x , y , z) 7 (0, x y , x + y z)
0
0
0
MBc ,Bc (f ) = 1 1 0
1
1 1
0
0
0
p() = det 1 1
1
1
1
= (1 )(1 )
os valores prprios de f so 0 e 1
k333

0
0
0
x
0
(x , y , z) E0 1 1 0 y = 0
1
1 1
z
0
x y = 0
x +y z =0
x +y =0
z =0
E0 = {(x , x , 0), x R} = G({(1, 1, 0)}), dim E0 = 1

1 0 0
x
0
1 0 0 y = 0
1 1 0
z
0
(x , y , z) E1
(
x = 0
x +y =0
x =0
y =0
E1 = {(0, 0, z), z R} = G({(0, 0, 1)}), dim E1 = 1
dim E0 + dim E1 = 1 + 1 = 2 < 3 = dim R3
f no diagonalizvel
k334
Aplicao - clculo de potncias de uma matriz

a 0
0 b
A=
I A2
= AA =
I A3
A2 A
a 0
0 b
a2 0
0 b2
a 0
0 b
!
a 0
0 b
a2 0
0 b2
=
!
a3 0
0 b3
I An
an 0
0 bn
Analogamente para qualquer matriz diagonal.
E se A no for diagonal?
k335
Aplicao - clculo de potncias de uma matriz
Seja A uma matriz diagonalizvel

I
Existe P tal que PAP 1 uma matriz diagonal.
Seja D = PAP 1 , ento A = P 1 DP
A2 = P 1 DPP 1 DP = P 1 D 2 P
An = P 1 DPP 1 DP P 1 DP = P 1 D n P
k336
Clculo de potncias de uma matriz - exemplo
A=
3 10
3
8
f (x , y ) = (3x 10y , 3x + 8y )
polinmio caracterstico:
!
3 10
p() = det
= 2 5 + 6
3
8
valores prprios: 2, 3
vector prprio associado ao valor prprio 2: (2, 1)
vector prprio associado ao valor prprio 3: (5, 3)
b = ((2, 1), (5, 3)) uma base de R2 formada por vectores

prprios de f
k337
Clculo de potncias de uma matriz - exemplo

I
2 0
0 3
Mb,b (f ) =
2 5
1
3
, Mbc ,b (id) =
Mb,bc (id) =
Mbc ,bc (f ) = Mb,bc (id)Mb,b (f )Mbc ,b (id)
3 10
3
8
3 10
3
8
=
!n
=
!
3 5
1
2
2 5
1
3
2 5
1
3
2 0
0 3
3 2n 5 2n
3n
2 3n
2n 0
0 3n
3 5
1
2
!
3 5
1
2
2 5
1
3
3 2n+1 5 3n 5 2n+1 10 3n
3 2n + 3n+1 5 2n + 2 3n+1
k338
Produto escalar em R2 e R3 - revises

I
u = (u1 , u2 ) R2
kuk =comprimento de u=
u = (u1 , u2 , u3 ) R3
kuk =comprimento de u=
Chama-se norma de u a kuk.
1
Se u 6= 0E , ento kuk
u um vector unitrio, isto , de norma
1, com a direco e sentido de u.
Se v um vector unitrio, ento kav k = |a|, para qualquer

a R.
ALGA I(M143) - 2014/2015 k 5.0 Produto escalar -
u12 + u22
u12 + u22 + u32
k339
Produto escalar em R2 e R3 - revises
u = (u1 , u2 ), v = (v1 , v2 ) R2
u|v = u1 v1 + u2 v2
u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) R3
u|v = u1 v1 + u2 v2 + u3 v3
kuk =
u|v = kukkv k cos , onde o ngulo entre u e v .
u|u
k340
Produto escalar em R2 e R3 - interpretao geomtrica
Suponhamos primeiro que v um vector unitrio; nesse caso

u|v = kukkv k cos = kuk cos .
Se w a projeco ortogonal de u sobre v , como na figura,

ento, como kw k = kuk| cos | = |u|v |, tem-se w = (u|v )v ,
isto , u|v mede o comprimento da projeco de u sobre v

(com sinal positivo se essa projeco tem o mesmo sentido de
v , e com sinal negativo se tem o sentido oposto).
Se v no unitrio, ento w = (u| kv1k v ) kv1k v =
u|v
v.
kv k2
k341
Produto escalar em Rn
Podemos definir um produto escalar em Rn da seguinte maneira:
I
I
I
para quaisquer u, v Rn , se u = (u1 , . . . , un ), v = (v1 , . . . , vn )

ento u|v = u1 v1 + u2 v2 + + un vn
outras notaes: u.v , < u, v >
Proposio
O produto escalar definido desta maneira satisfaz as seguintes
propriedades: para quaisquer u, v , w Rn , R
I
I
I
(u + v )|w = u|w + v |w
u|(v + w ) = u|v + u|w

diz-se que o prod. escalar bilinear
(u)|v = (u|v ) = u|(v )

u|v = v |u (diz-se que o produto escalar simtrico)
u|u 0, e u|u = 0 u = 0Rn (diz-se que o produto escalar
definido positivo)
Demonstrao
Exerccio
k342
Produto escalar
Definio
I
Chama-se produto escalar num espao vectorial real E a uma

aplicao E E R que seja bilinear, simtrica e definida
positiva.
A norma
p associada a um produto escalar definida por
kuk = u|u.
Observao
Tem-se sempre kuk 0, e kuk = 0 sse u = 0E ( consequncia de
o produto escalar ser definido positivo)
k343
Produto escalar - exemplos
(u1 , u2 )|(v1 , v2 ) = u1 v1 + u1 v2 + 3u2 v1 + u2 v2 no define um

produto escalar ( bilinear mas no simtrica) em R2
(u1 , u2 )|(v1 , v2 ) = u1 v1 + u1 v2 + u2 v1 + u2 v2 no define um

produto escalar ( bilinear e simtrica mas no definida
positiva) em R2
(u1 , u2 )|(v1 , v2 ) = u1 v1 + u1 v2 + u2 v1 + 2u2 v2 define um

produto escalar em R2
f |g = 01 f (x )g(x ) dx define um produto escalar no espao

das funes contnuas de [0, 1] em R (e no espao das funes
integrveis?)
Se no for dito nada em contrrio, considera-se em Rn o

produto escalar definido anteriormente.
k344
Produto escalar - propriedades
Proposio
Seja E um espao vectorial real com um produto escalar.
I
Para qualquer u E , u|0E = 0.
Para quaisquer u E , R, kuk = ||kuk.
(desigualdade de Cauchy-Schwarz) Para quaisquer u, v E ,

|u|v | kukkv k, e tem-se a igualdade sse u e v so colineares.
(desigualdade triangular) Para quaisquer u, v E ,

ku + v k kuk + kv k.
(teorema de Pitgoras) Se u|v = 0, ento

ku + v k2 = kuk2 + kv k2 .
k345
Produto escalar - propriedades - demonstrao

Demonstrao
I
I
I
I
I
u|0E = u|(0E + 0E ) = u|0

q E + u|0E
p
kuk = (u)|(u) = 2 (u|u) = || u|u

Se v = 0E , trivial; suponhamos ento v 6= 0E ; para qualquer
R, (u + v )|(u + v ) 0
Ento para qualquer R, (v |v )2 + 2(u|v ) + u|u 0
Portanto o discriminante deste polinmio de segundo grau
sempre 0, isto , (u|v )2 (u|u)(v |v ) 0, ou seja
|u|v | kukkv k
A igualdade tem-se sse o discriminante nulo, ou seja, sse o
polinmio tem um zero, isto , sse existe R tal que
(u + v )|(u + v ) = 0, ou seja tal que u + v = 0E (e isto
equivale a u e v serem colineares, porque v 6= 0E ).
Tem-se ku + v k2 = (u + v )|(u + v ) = u|u + 2u|v + v |v =
kuk2 + 2u|v + kv k2 kuk2 + 2kukkv k + kv k2 = (kuk + kv k)2
Tem-se
ku + v k2 = (u + v )|(u + v ) = u|u + 2u|v + v |v = kuk2 + kv k2
k346
Produto escalar - ngulos
Observao
Resulta da desigualdade de Cauchy-Schwarz que se u, v 6= 0E ,
u|v
ento 1 kukkv
k 1.
Definio
Define-se o ngulo entre u, v E \ {0E } como sendo o nico
u|v
[0, ] tal que cos = kukkv
k.
k347
Produto escalar - exemplo
R4
I
Clculo do ngulo entre (2, 0, 1, 3) e (1, 1, 1, 1):

I
I
I
(2, 0, 1, 3)|(1, 1, 1, 1) = 0
cos = 0
= 2
Clculo do ngulo entre (1, 1, 1, 1) e (1, 0, 1, 0):

I
I
I
I
(1, 1, 1, 1)|(1, 0,
1, 0) = 2
k(1, 1, 1, 1)k = 1 + 1 + 1+ 1 = 2,
k(1, 0, 1, 0)k = 1 + 1 = 2
(1,1,1,1)|(1,0,1,0)
cos = k(1,1,1,1)kk(1,0,1,0)k
= 12
= 3
4
k348
Produto escalar - ortogonalidade e ortonormalidade

Definio
Sejam E um espao vectorial real com produto escalar, u, v E ,
b = (e1 , . . . , en ) uma base de E .
I
Diz-se que u unitrio sse kuk = 1.
Diz-se que u e v so ortogonais sse u 6= 0E , v 6= 0E e u|v = 0.
Diz-se que b uma base ortonormada sse cada ei unitrio e

cada par de vectores distintos ortogonal.
Observaes
I
Dois vectores no nulos so ortogonais sse o ngulo entre eles

2 .
Uma base b = (e1 , . . . , en ) ortonormada sse

(
ei |ei = 1, i = 1 . . . , n
.
ei |ej = 0 se i 6= j
k349
Produto escalar - vectores ortogonais
Proposio
Seja E um espao vectorial real com produto escalar; se u1 , . . . , uk
so vectores de E ortogonais dois a dois (isto , se ui |uj = 0
quando i 6= j) ento u1 , . . . , uk so linearmente independentes.
Demonstrao
I
Suponhamos 1 u1 + + k uk = 0E .
Ento, para cada i, tem-se (1 u1 + + k uk )|ui = 0, logo

1 u1 |ui + + k uk |ui = 0.
Portanto i ui |ui = 0, logo i = 0
k350
Bases ortonormadas - exemplos
A base cannica de R2 uma base ortonormada.
I 1 (1, 1)
2
I
I
I
I
unitrio

uma base ortonormada de R2 .
uma base ortonormada de
1 (1, 1), 1 (1, 1)

2
2
1 (1, 0, 1), (0, 1, 0)

2
{(x , y , z) R3 : x =
z}.
A
base cannica de R3 uma base ortonormada.

1 (1, 1, 1), 1 (1, 0, 1), 1 (1, 2, 1)
3
2
6
ortonormada de R3 .
A base
1 (1, 1, 0), 1 (1, 1, 2) de

2
6
{(x , y , z) R3 : x + y + z = 0} uma
uma base
base ortonormada.
k351
Produto escalar - coordenadas numa base ortonormada
Proposio
Seja E um subespao de Rn e b = (e1 , . . . , ek ) uma base
ortonormada de E .
I
Se u = (u1 , . . . , uk )b , isto u = u1 e1 + + uk ek , ento,

para cada i, ui = u|ei (isto , as coordenadas de u na base b
so os produtos escalares de u pelos elementos da base).
Se u = (u1 , . . . , uk )b e v = (v1 , . . . , vk )b ento

u|v = u1 v1 + + uk vk (isto ,
(u1 e1 + + uk ek )|(v1 e1 + + vk ek ) = u1 v1 + + uk vk ).
k352
Produto escalar - coordenadas numa base ortonormada
Demonstrao
I
Se u = u1 e1 + + uk ek , ento
u|ei = (u1 e1 + + uk ek )|ei =
u1 e1 |ei + + ui ei |ei + + uk ek |ei = ui |ei ei = ui .
(u1 e1 + + uk ek )|(v1 e1 + + vk ek ) =
k X
k
X
up vq ep |eq ;
p=1 q=1
como ep |eq =
k X
k
X
1 se p = q
, tem-se
0 se p 6= q
up vq ep |eq =
p=1 q=1
k
X
up vp .
p=1
k353
Bases ortonormadas - exemplo

E = R2 , b =
I
1 (1, 1), 1 (1, 1)

2
2
Coordenadas de (3, 5) na base b?

(3, 5)| 12 (1, 1) =
1 (3, 5)|(1, 1) = 8 = 4 2
2
2
1
1
I (3, 5)| (1, 1) = (3, 5)|(1, 1) = 2 =
2
2
2
2
1
1

I (3, 5) = (4 2, 2)b (= 4 2 (1, 1) + 2 (1, 1))
2
2
I Coordenadas de (x , y ) na base b?
I
x
+y
2
+y
I (x , y )| 1 (1, 1) = x
2
2

x
+y
x
+y
,
I (x , y ) =
2
2
b
I
(x , y )| 12 (1, 1) =
k354
Bases ortonormadas - exemplo

1 (1, 1, 1), 1 (1, 1, 0)

3
2
{(x , y , z) R3 : x + y = 2z}
b=
I
I
I
I
uma base ortonormada de
Coordenadas de (3, 1, 2) na base b?
(3, 1, 2)| 13 (1, 1, 1) = 63 = 2 3
(3, 1, 2)| 12 (1, 1, 0) = 22 = 2

(3, 1, 2) = (2 3, 2)b = 2 3 13 (1, 1, 1) + 2 12 (1, 1, 0)
Coordenadas de (x , y , x +y
2 ) na base b?
1
(x , y , x +y
2 )| 3 (1, 1, 1) =
1
(x , y , x +y
2 )| 2 (1, 1, 0)
(x , y , x +y
2 )=
3
2 (x
3
2 (x
3
3
x
+
2
2 y
= x y
2
+ y ), 12 (x y )
+ y ) 13 (1, 1, 1) +
1 (x
2

b
y ) 12 (1, 1, 0)
k355
Bases ortonormadas - processo de Gram-Schmidt

Como construir uma base ortonormada (e1 , . . . , en ) de um espao
E com produto escalar a partir de uma base b = (u1 , . . . , un ) de E ?
I
I
I
I
I
e1 = ku11 k u1
v2 = u2 w2 = u2 (u2 |e1 )e1 ; v2 ortogonal a e1
e2 = kv12 k v2
v3 = u3 (u3 |e1 )e1 (u3 |e2 )e2 ; v3 ortogonal a e1 e a e2
e3 = kv13 k v3
...
vn = un (un |e1 )e1 (un |e2 )e2 . . . (un |en1 )en1 ;
vn ortogonal a e1 , . . . , en1
en = kv1n k vn
B = (e1 , . . . , en ) uma base ortonormada de E .
k356
Processo de Gram-Schmidt
Observaes
I
No processo indicado, para cada k, ek G({u1 , . . . , uk }) (a

matriz de passagem de B para b triangular superior).
Nunca se tem vk = 0E : isso implicaria que uk seria

combinao linear de e1 , . . . , ek1 , e portanto de u1 , . . . , uk1
Se u1 , . . . , un gerarem E mas no forem linearmente

independentes, ento acontecer vk = 0E para algum k;
eliminando esses elementos, obtm-se ainda uma base
ortonormada.
k357
Processo de Gram-Schmidt - exemplo
Obter uma base ortonormada de R2 a partir de ((1, 2), (3, 1)).
I k(1, 2)k =
5
1 (1, 2)
5
e1 =
v2 = (3, 1) ((3, 1)| 15 (1, 2)) 15 (1, 2) = (3, 1) (1, 2) =

(2, 1)
k(2, 1)k = 5
e2 =
1 (2, 1)
5
1 (1, 2), 1 (2, 1)

5
5
uma base ortonormada de R2 .
k358

Obter uma base ortonormada de R3 a partir de
((1, 0, 1), (1, 1, 1), (1, 1, 1)).
1
k(1,0,1)k (1, 0, 1)
1 (1, 0, 1)
2
((1, 1, 1)| 12 (1, 0, 1)) 12 (1, 0, 1)
e1 =
v2 = (1, 1, 1)
(1, 1, 1) (1, 0, 1) = (0, 1, 0)
e2 =
v3 = (1, 1, 1) ((1, 1, 1)| 12 (1, 0, 1)) 12 (1, 0, 1)

((1, 1, 1)|(0, 1, 0))(0, 1, 0) = (1, 1, 1) (0, 1, 0) = (1, 0, 1)
e3 =
1
k(0,1,0)k (0, 1, 0)
= (0, 1, 0)
1
k(1,0,1)k (1, 0, 1)
1 (1, 0, 1)
2
1 (1, 0, 1), (0, 1, 0), 1 (1, 0, 1)

2
2
de R3 .
uma base ortonormada
k359

Obter uma base ortonormada de
E = {(x , y , z) R3 : x + y + z = 0}
I
E = {(x , y , x y ), x , y R} = G({(1, 0, 1), (0, 1, 1)})
(1, 0, 1), (0, 1, 1) so linearmente independentes, portanto

((1, 0, 1), (0, 1, 1)) uma base de E .
1 (1, 0, 1)
2
I v2 = (0, 1, 1) (0, 1, 1)| 1 (1, 0, 1) 1 (1, 0, 1)
2
2
= (0, 1, 1) 12 (1, 0, 1) = ( 21 , 1, 21 )
I k( 1 , 1, 1 )k = k 1 (1, 2, 1) = 1 6
2
2
2
2
I e2 = 2 ( 1 , 1, 1 ) = 1 (1, 2, 1)
2
2
6
6
I
e1 =
1
k(1,0,1)k (1, 0, 1)
1 (1, 0, 1), 1 (1, 2, 1)

2
6
uma base ortonormada de E .
k360
Projeco ortogonal sobre um subespao

Proposio
Sejam E um espao vectorial com produto escalar, F um
subespao no nulo de dimenso finita de E e u E .
I
I
I
Existe um nico u0 F tal que ku u0 k ku v k para todo o v F .

Para esse u0 , tem-se (u u0 )|v = 0, para todo o v F .
Se b = (e1 , . . . , ek ) uma base ortonormada de F ento
u0 = (u|e1 )e1 + + (u|ek )ek .
Definio
Sejam E um espao vectorial com produto escalar, F um subespao
no nulo de E e u E . Chama-se projeco ortogonal de u sobre
F ao nico u0 F tal que ku u0 k ku v k para todo o v F .
(notao: proj
F u)
k361
Projeco ortogonal sobre um subespao - demontr.

Demonstrao
Seja b = (e1 , . . . , ek ) uma base ortonormada de F ; seja
u0 = (u|e1 )e1 + + (u|ek )ek .
I
Seja v F , v = 1 e1 + + k ek
(u u0 )|v = (u ((u|e1 )e1 + + (u|ek )ek ))|v

= u|(1 e1 + + k ek ) ((u|e1 )e1 + + (u|ek )ek )|(1 e1 +
+ k ek )
= 1 u|e1 + + k u|ek (1 u|e1 + + k u|ek ) = 0
ku v k2 = k(u u0 ) + (u0 v )k2 = ku u0 k2 + ku0 v k2

(porque (u u0 )|(u0 v ) = 0), portanto
ku v k2 ku u0 k2 , logo ku v k ku u0 k.
Do ponto anterior vem que ku v k = ku u0 k sse

ku0 v k = 0, isto , sse u0 = v , o que mostra a unicidade de
u0 .
k362
Projeco ortogonal sobre um subespao
Proposio
Seja E um espao vectorial com produto escalar e F um subespao
de dimenso finita de E ; a aplicao E
F
linear.
u 7 projF u
Demonstrao
Exerccio
k363
Projeco ortogonal - exemplo

F = {(x , y ) R2 : x + y = 0}
I
proj
F (x , y ) =?
F = {(x , x ), x R} = G({(1, 1)})

1 (1, 1) uma base ortonormada de F

2
I proj (x , y ) = ((x , y )| 1 (1, 1)) 1 (1, 1) = x y (1, 1)
F
2
2
2
I
k364
Projeco ortogonal - exemplo
F = {(x , y , z) R2 : x + y + z = 0}
I
proj
F (x , y , z) =?

1 (1, 0, 1), 1 (1, 2, 1) uma base ortonormada

2
6
I proj (x , y , z) = ((x , y , z)| 1 (1, 0, 1)) 1 (1, 0, 1) +
F
2
2
((x , y , z)| 16 (1, 2, 1)) 16 (1, 2, 1)
x +2y z
= x z
(1,
2, 1)
2 (1, 0, 1) +
6

2x y z x +2y z x y +2z
=
,
,
3
3
3
I
de F
k365
Complemento ortogonal de um subespao

Lema
Sejam E um espao vectorial com produto escalar, A um
subconjunto de E . O conjunto dos elementos de E que so
ortogonais a todos os elementos de A ({u E : v A, u|v = 0})
um subespao de E .
Demonstrao
Exerccio
Definio
Sejam E um espao vectorial com produto escalar, F um
subespao de E ; chama-se complemento ortogonal de F em E ao
conjunto dos elementos de E que so ortogonais a todos os
elementos de F (notao: F ).
F = {u E : v F , u|v = 0}
k366
Complemento ortogonal de um subespao

Proposio
Se F = G({u1 , . . . , uk }), ento
F = {u E : u|u1 = = u|uk = 0}
Demonstrao
Exerccio
Observaes
I
F o ncleo da aplicao linear
E
F
u 7 proj
F u
Qualquer elemento de E soma de um elemento de F com
um elemento de F : u = proj
F u + u projF u (e esta
| {z }
F
{z
decomposio nica: exerccio)

k367
Complemento ortogonal de um subespao - exemplo
E = R3 , F = G({(1, 2, 1)})
I
(x , y , z) F (x , y , z)|(1, 2, 1) = 0 x + 2y + z = 0
F = {(x , y , z) R3 : x + 2y + z = 0}
k368
Complemento ortogonal de um subespao - exemplo

E = R4 , F = {(x , y , z, t) R4 : x + y + 2z = 0 e y 3z + t = 0}
(
I
I
x + y + 2z = 0
y 3z + t = 0
(x , y , z, t)
(
x + 5z t = 0
y 3z + t = 0
F = {(5z + t, 3z t, z, t), z, t R}
= {z(5, 3, 1, 0) + t(1, 1, 0, 1), z, t R}
= G({(5, 3, 1, 0), (1, 1, 0, 1)})
(
(x , y , z, t)|(5, 3, 1, 0) = 0
(x , y , z, t)|(1, 1, 0, 1) = 0
5x + 3y + z = 0
x y +t =0
F = {(x , y , z, t) R4 : 5x + 3y + z = 0 e x y + t = 0}
k369
Teorema espectral
Sejam E um subespao de Rn , f : Rn Rn uma aplicao linear
e b uma base ortonormada de E .
Se Mb,b (f ) simtrica, ento
I
f diagonalizvel;
existe uma base ortonormada de E formada por vectores

prprios de f ;
vectores prprios de f associados a valores prprios distintos

so necessariamente ortogonais;
para obter uma base ortonormada de E formada por vectores

prprios de f , basta tomar uma base ortonormada de cada um
dos subespaos prprios de f e juntar todos os vectores dessas
bases.
k370
Exemplo
f:
R3
R3
(x , y , z) 7 (2x + y z, x + y + 2z, x + 2y + z)
I
2 1 1
Mbc ,bc (f ) = 1 1 2 ; a matriz simtrica

1 2 1
polinmio caracterstico: p() = 3 + 9
valores prprios: 0, 3, 3
subespaos prprios: E0 = G({(1, 1, 1)}),

E3 = G({(0, 1, 1)}), E3 = G({(2, 1, 1)})
base ortonormada de vectores prprios:

( 13 (1, 1, 1), 12 (0, 1, 1), 16 (2, 1, 1))
k371
Produto vectorial em R3 : definio
Sejam e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1), u = (u1 , u2 , u3 ),

v = (v1 , v2 , v3 ), w = (w1 , w2 , w3 )
I
O produto vectorial de u e v , definido por

u v = (u2 v3 u3 v2 , u3 v1 u1 v3 , u1 v2 u2 v1 )
e1 e2 e3
Tem-se u v = det u1 u2 u3 =
v1 v2 v3
(u2 v3 u3 v2 )e1 + (u3 v1 u1 v3 )e2 + (u1 v2 u2 v1 )e3 =
(u2 v3 u3 v2 , u3 v1 u1 v3 , u1 v2 u2 v1 )
k372
Produto vectorial em R3 : propriedades
Sejam u, v R3 .
I
u v o vector nulo sse u e v so colineares.
Se u e v no so colineares, ento u v ortogonal a u e a v .
ku v k = kukkv k sen , onde o ngulo entre u e v .
ku v k a rea do paralelograma definido por u e v .
O sentido de u v dado pela regra do saca-rolhas.
k373
Produto vectorial em R3 : propriedades

Sejam u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ), w = (w1 , w2 , w3 ) R3 .
Tem-se
I
u (v + w ) = u v + u w
(au) v = u (av ) = a(u v )
u v = v u
w1 w2 w3
w |(u v ) = det u1 u2 u3
v1 v2 v3
Se u e v no so colineares, ento (u, v , u v ) uma base de
R3 e a matriz de passagem desta base para a base cannica
tem determinante positivo (diz-se que a base (u, v , w ) tem a
mesma orientao da base cannica).
k374

Teoria Alebra Linear e Geometria Analítica

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Teoria Alebra Linear e Geometria Analítica

Uploaded by

Copyright:

Available Formats

lgebra Linear e Geometria Analtica I (M143)

ALGA I(M143) - 2014/2015 k 0.0 -

Ano lectivo 2014/15

1. Sistemas de equaes lineares e matrizes

ALGA I(M143) - 2014/2015 k 0.0 -

slides das aulas e folhas de exerccios disponveis na internet

Anton, H., Rorres, C. Elementary Linear Algebra

Monteiro, A. lgebra Linear e Geometria Analtica

Mansfield, L. Linear Algebra with Geometric Applications

Edwards jr. C. H. Elementary linear algebra

ALGA I(M143) - 2014/2015 k 0.0 -

Frequncia: os alunos com mais de 4 faltas s aulas TP

Pedidos de dispensa: at 15 de Outubro (email para

primeiro: 27/10, nota mnima 1 valor

Exame final poca normal cotado para 12 valores, nota

Exame da poca de recurso, acessvel a todos os alunos no

Classificaes superiores a 16 valores s sero atribudas aps

ALGA I(M143) - 2014/2015 k 0.0 -

Sistemas de equaes lineares

Sistema de m equaes lineares a n incgnitas:

a11 x1 + a12 x2 + + a1n xn = b1

am1 x1 + am2 x2 + + amn xn = bm

Diz-se que o sistema homogneo sse todos os bj so nulos.

(c1 , . . . , cn ) soluo do sistema se substituindo cada xj por

Dois sistemas dizem-se equivalentes sse tiverem o mesmo

Exemplos: solues de sistemas

(2, 1) uma soluo do sistema

(0, 0) no uma soluo do sistema

Exemplos: sistemas equivalentes

Sistemas (im)possveis, (in)determinados, homogneos

Diz-se que um sistema possvel se tiver pelo menos uma

Diz-se que um sistema possvel e determinado se tiver

Diz-se que um sistema possvel e indeterminado se tiver

Um sistema homogneo sempre possvel (porqu?); pode ser

Exemplos: sistemas (im)possveis, (in)determinados

Matriz dos coeficientes:

Exemplo: matriz dos coeficientes/ sistema

e a matriz dos coeficientes 2 2 47 .

Exemplo: matriz dos coeficientes/ sistema

e a matriz dos coeficientes 2

Operaes que levam a sistemas equivalentes

Se num sistema de equaes

se substituir uma equao pelo seu produto por um nmero

se trocar a ordem das equaes

se substituir uma equao pela soma dessa equao com o

obtm-se um sistema de equaes equivalente.

Exemplos: operaes sobre sistemas

Exemplos: operaes sobre linhas de matrizes

Multiplicar a primeira equao por 3 corresponde a multiplicar

Trocar duas equaes corresponde a trocar duas linhas da

Exemplo: operaes sobre linhas de matrizes

Subtrair duas vezes a primeira equao segunda equao

Operaes elementares sobre as linhas de uma matriz

se substituir uma linha pelo seu produto por um nmero

se trocar a ordem das linhas

se substituir uma linha pela soma dessa linha com o produto

o sistema correspondente matriz obtida equivalente ao sistema

Exemplos: sistemas j resolvidos

simples e respectivas matrizes:

Matriz na forma de Gauss

Diz-se que uma matriz est na forma de Gauss sse as condies

a primeira entrada no nula de qualquer linha no nula 1;

a primeira entrada no nula de qualquer linha no nula est

em qualquer coluna que contenha a primeira entrada no nula