Professional Documents
Culture Documents
Algebra Linear - Prof Sergio Luiz PDF
Algebra Linear - Prof Sergio Luiz PDF
1 Espacos Vetoriais 7
1.1 Introduca o e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Subespacos Vetoriais 15
2.1 Introduca o e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Interseca o e Soma de Subespacos . . . . . . . . . . . . . . . . . . . . . 17
2.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Combinaco es Lineares 23
3.1 Introduca o e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2 Geradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4 Dependencia Linear 31
4.1 Introduca o e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3
4
SUMARIO
6 Mudanca de Base 51
6.1 Introduca o, Exemplos e Propriedades . . . . . . . . . . . . . . . . . . 51
6.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
8 Transformaco es Lineares 71
8.1 Introduca o e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . 71
8.2 O Espaco Vetorial L (U, V ) . . . . . . . . . . . . . . . . . . . . . . . 73
8.3 Imagem e Nucleo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
8.4 Isomorfismo e Automorfismo . . . . . . . . . . . . . . . . . . . . . . . 85
8.5 Matriz de uma Transformaca o Linear . . . . . . . . . . . . . . . . . . 87
8.5.1 Definica o e Exemplos . . . . . . . . . . . . . . . . . . . . . . 87
8.5.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
8.6 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
8.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
10 Diagonalizaca o 115
10.1 Definica o e Caracterizaca o . . . . . . . . . . . . . . . . . . . . . . . . 115
10.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Espacos Vetoriais
7
8
CAPITULO 1. ESPACOS VETORIAIS
2. f + (g + h) = (f + g) + h;
5. (f ) = ()f ;
6. ( + )f = f + f ;
7. (f + g) = f + g;
8. 1f = f.
1. A + B = B + A;
2. A + (B + C) = (A + B) + C;
4. se A = (ai,j )nn entao a matriz A definida por A = (ai,j )nn e tal que
A + (A) = O;
5. (A) = ()A;
6. ( + )A = A + A;
7. (A + B) = A + B;
8. 1A = A.
Podemos ver que tanto o conjuntos das funco es definidas na reta a valores reais
como o das matrizes quadradas quando munidos de somas e multiplicaca o por escala-
res adequadas apresentam propriedades algebricas comuns. Na verdade muitos outros
conjuntos munidos de operaco es apropriadas apresentam propriedades semelhantes a` s
acima. E por isso que ao inves de estudarmos cada um separadamente estudaremos um
conjunto arbitrario e nao vazio, V, sobre o qual supomos estar definidas uma operaca o
de adica o, isto e , para cada u, v V existe um u nico elemento de V associado, chamado
E EXEMPLOS
1.1. INTRODUCAO 9
a soma entre u e v e denotado por u + v, e uma multiplicaca o por escalar, isto e , para
cada u V e R existe um u nico elemento de V associado, chamado de o produto
de u pelo escalar e denotado por u.
Definica o 1.1 Diremos que um conjunto V como acima munido de uma adica o e de
uma multiplicaca o por escalar e um espaco vetorial se para quaisquer u, v e w em V e
para todo , R sao validas as seguintes propriedades:
EV 1 u + v = v + u para quaisquer u, v V ;
EV 2 u + (v + w) = (u + v) + w para quaisquer u, v, w V ;
EV 6 ( + )u = u + u para quaisquer u V
EV 7 (u + v) = u + v para quaisquer u, v V e R;
EV 8 1u = u para qualquer u V.
Um outro exemplo de espaco vetorial, alem dos dois apresentados no incio do texto,
e o conjunto dos vetores como apresentados em Geometria Analtica munido da adica o
e da multiplicaca o por escalar. Dessa forma, o adjetivo vetorial utilizado na definica o
acima deve ser entendido de uma forma mais ampla, sendo uma referencia aos elementos
de V independentemente de serem ou nao vetores.
Talvez o exemplo mais simples de espaco vetorial seja o conjunto dos numeros reais
com a adica o e multiplicaca o usuais. Mais geralmente, para cada n N, podemos trans-
formar o conjunto das n-uplas ordenadas de numeros reais, Rn , em um espaco vetorial
definindo a adica o de duas n-uplas ordenadas, x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ),
adicionando-se coordenada a coordenada, isto e ,
x + y = (x1 + y1 , . . . , xn + yn )
e o produto de uma n-upla x = (x1 , . . . , xn ) por um escalar R por
x = (x1 , , xn ).
E uma rotina bem simples verificar que desse modo Rn e um espaco vetorial. Deixamos
como exerccio esta tarefa.
Verifique tambem que os seguintes exemplos sao espacos vetoriais.
Os espacos vetoriais acima envolvem operaco es com as quais voce ja deve estar
familiarizado. O proximo exemplo e um pouco mais sofisticado do que os anteriores e
por isso mostraremos as oito propriedades. Como conjunto tomaremos V = (0, ), o
semi-eixo positivo da reta real. Este conjunto quando agregado a` s operaco es usuais de
soma e multiplicaca o nao e um espaco vetorial, visto que nao possui elemento neutro
para a adica o. No entanto, se para x, y V e R, definirmos a soma entre x e y
por x y = xy, (o produto usual entre x e y) e o produto de x pelo escalar como
x = x , entao V se torna um espaco vetorial. De fato, verifiquemos uma a uma as
oito propriedades:
1. x, y V temos x y = xy = yx = y x para quaisquer x, y V ;
2. x (y z) = x (yz) = x(yz) = (xy)z = (x y)z = (x y) z para
quaisquer x, y, z V
3. se x V entao, como 1 V, temos 1 x = 1x = x; observe que neste caso, 1 e
o elemento neutro da adica o, o qual denotaremos por o;
4. se x V, isto e , x > 0, entao x1 V e x x1 = xx1 = 1 = o;
5. ( x) = x = (x ) = x = x = () x para quaisquer x V
e , R;
6. ( + ) x = x+ = x x = x x = ( x) ( x) para quaisquer
x V e , R;
7. (x y) = (xy) = (xy) = x y = ( x) ( y) para quaisquer
x, y V e R;
8. 1 x = x1 = x para qualquer x V.
12
CAPITULO 1. ESPACOS VETORIAIS
1.2 Propriedades
Das oito propriedades que definem um espaco vetorial podemos concluir varias outras.
Listaremos algumas destas propriedades na seguinte
1. Para qualquer R, 0 = 0.
2. Para qualquer u V, 0u = 0.
3. Se u = 0 entao = 0 ou u = 0.
6. Se u + w = v + w entao u = v.
Prova:
1.3 Exerccios
Ex. 1.6 Verifique se em cada um dos itens o conjunto V com as operaco es indicadas e
um espaco vetorial sobre R.
Subespacos Vetoriais
SV 2 Se u, v W entao u + v W ;
Observaca o 2.2 Note que todo subespaco vetorial W de um espaco vetorial V e ele
proprio um espaco vetorial. As propriedades comutativa, associativa, distributivas e
EV 8 sao herdadas do proprio espaco vetorial V. O elemento neutro da adica o e um
elemento de W por SV 1. Finalmente, se u W entao u = (1)u W pelo item 4
da proposica o 1.5 e por SV 3.
SV 2 Se u, v W e R entao u + v W.
15
16
CAPITULO 2. SUBESPACOS VETORIAIS
Exemplo 2.9 O conjunto das funco es contnuas da reta na reta, C(R; R), e um subespa-
co vetorial de F (R).
Rb
Exemplo 2.10 O conjunto das funco es f C([a, b]; R) tais que a f (x)dx = 0 e um
subespaco vetorial de C([a, b]; R).
Exemplo 2.11 O conjunto das matrizes simetricas quadradas de ordem m com coefici-
entes reais e um subespaco vetorial de Mm (R).
Prova:
1. Como 0 U e 0 W entao 0 U W ;
2. Se x, y U W e R entao x + y U e x + y W. Portanto, x + y
U W.
U1 + + Un = {u1 + + un ; uj Uj , j = 1, . . . , n}.
Exemplo 2.25 Mostre que P2 e soma direta dos seguintes subespacos vetoriais U1 =
{a0 ; a0 R}, U2 = {a1 x; a1 R} e U3 = {a2 x2 ; a2 R}.
2. Mostremos que U2 (U1 +U3 ) = {0}. Seja p(x) U2 (U1 +U3 ). Entao existem
a0 , a1 , a2 R tais que p(x) = a1 x = a0 + a2 x2 . Se p(x) nao fosse o polinomio
nulo teramos um polinomio de grau 1, a1 x, coincidindo com um de grau 0 (caso
a2 = 0) ou 2, a0 + a2 x2 , (caso a2 6= 0), o que e um absurdo. Logo, p(x) = 0.
3. Mostremos que U3 (U1 +U2 ) = {0}. Seja p(x) U3 (U1 +U2 ). Entao existem
a0 , a1 , a2 R tais que p(x) = a2 x2 = a0 + a1 x. Se p(x) nao fosse o polinomio
nulo teramos um polinomio de grau 2, a2 x2 , coincidindo com um de grau 0 (caso
a1 = 0) ou 1, a0 + a1 x, (caso a1 6= 0), o que e um absurdo. Logo, p(x) = 0.
2.3 Exerccios
Ex. 2.26 Verifique se em cada um dos itens abaixo o subconjunto W e um subespaco
vetorial do espaco vetorial V. Caso nao sejam especificadas, as operaco es sao as usuais.
a b
1. V = M2 (R), W = ; a, b, c, R .
a c
2. V = R4 , W = {(x, x, y, y); x, y R} .
5. V = Rn , W = {(x1 , x2 , , xn ); a1 x1 + + an xn = 0} , onde a1 , . . . , an
R sao dados.
8. V = Mn (R), W = A Mn (R); At = A .
9. V = Mn (R), W = A Mn (R); At = A .
Ex. 2.27 Diga, em cada um dos itens abaixo, se a afirmaca o e verdadeira ou falsa, jus-
tificando sua resposta. isto e , provando se for verdadeira ou dando um contra-exemplo
se for falsa.
1. U = x, y) R2 ; y = 0 , W = (x, y) R2 ; x = 2y , V = R2 .
a 0 0 c
2. U = ; a, b R , W = ; c, d R , V = M2 (R).
0 b 0 d
1. V = R2 , U = (x, y) R2 ; 2x + 3y = 0 , W = (x, y) R2 ; x y = 0 .
22
CAPITULO 2. SUBESPACOS VETORIAIS
a b 0
2. V = M3 (R), U = 0 0 c ; a, b, c, d R ,
0 0 d
0 0 e
W = f g 0 ; e, f, g, h, i R .
h i 0
Ex. 2.30 Em cada um dos itens abaixo, dado U subespaco de V , encontrar o subespaco
suplementar de U , isto e , o subespaco W de V tal que V = U W.
1. V = R3 , U = {(x, y, 0); x, y R} .
3. V = M3 (R), U = A M3 (R); At = A .
1 1
4. V = M21 (R), U = {X M21 (R); AX = 0} , onde A = .
0 1
Captulo 3
Combinaco es Lineares
Precisamos encontrar numeros reais , e tais que p(x) = q1 (x)+q2 (x)+q3 (x).
Ou seja, precisamos encontrar , e satisfazendo
1 + x2 = + (1 + x) + (1 + x + x2 ) = + + + ( + )x + x2 ,
23
24
CAPITULO
3. COMBINACOES LINEARES
3.2 Geradores
Definica o 3.4 Sejam V um espaco vetorial e S um subconjunto nao vazio de V. Usare-
mos o smbolo [S] para denotar o conjunto de todas as combinaco es lineares dos ele-
mentos de S. Em outras palavras, u [S] se existirem 1 , . . . , n R e u1 , . . . , un S
tais que u = 1 u1 + + n un .
Prova:
u + v = 1 u1 + + n un + (1 v1 + + m vm )
= 1 u1 + + n un + 1 v1 + + m vm [S].
Definica o 3.6 Sejam S e V como acima. Diremos que [S] e o subespaco vetorial gerado
por S. Os elementos de S sao chamados de geradores de [S]. Se S = {u1 , . . . , un }
tambem usaremos a notaca o [S] = [u1 , . . . , un ].
1. S [S];
2. Se S T entao [S] [T ];
3. [[S]] = [S];
5. [S T ] = [S] + [T ].
Prova:
3.2. GERADORES 25
1. Se u S entao u = 1u [S];
2. Se u [S] entao existem 1 , . . . , n R e u1 , . . . , un S tais que u = 1 u1 +
+ n un . Como S T temos u1 , . . . , un T e, portanto, u [T ];
3. Pelo item 1 desta proposica o, [S] [[S]]. Seja u [[S]]. Segue da definica o que
u e uma combinaca o linear de elementos de [S], mas como cada elemento de [S] e
uma combinaca o linear de elementos de S resulta que u e uma combinaca o linear
de elementos de S, ou seja, u [S];
4. Pelo item 1, S [S]. Seja u [S]. Entao u e uma combinaca o linear de elementos
de S. Como S e um subespaco vetorial, esta combinaca o linear e um elemento de
S;
5. Seja u [S T ]. Por definica o, existem 1 , . . . , n , 1 , . . . , m R e u1 , . . . ,
un S e v1 , . . . , vm T tais que
u = 1 u1 + + n un + 1 v1 + + m vm
= (1 u1 + + n un ) + (1 v1 + + m vm ) [S] + [T ].
Reciprocamente, se u [S] + [T ] entao u = v + w com v [S] e w [T ]. Dessa
forma, existem 1 , . . . , p , 1 , . . . , q R e v1 , . . . , vp S e w1 , . . . , wq T
tais que
u = v + w = 1 v1 + + p vp + 1 w1 + + q wq [S T ].
Exemplo 3.9 Seja P(R) o espaco vetorial formado por todos os polinomios. Afirma-
mos que P(R) nao e finitamente gerado.
Note que Pn (R) P(R) para todo n N. Se P(R) fosse finitamente gerado existi-
riam polinomios p1 (x), . . . , pn (x) tais que P(R) = [p1 (x), . . . , pn (x)]. Seja N o grau
mais alto dentre os polinomios p1 (x), . . . , pn (x). E evidente que xN +1 nao pode ser es-
crito como combinaca o linear de p1 (x), . . . , pn (x) e, assim, xN +1 6 [p1 (x), . . . , pn (x)]
= P(R). Uma contradica o.
Note que [1, x, x2 , . . . ] = Pn (R).
Exemplo 3.10 Seja V um espaco vetorial gerado por u1 , . . . , un . Mostre que se, por
exemplo, u1 e uma combinaca o linear de u2 , . . . , un entao V e gerado por u2 , . . . , un .
u = 1 (1 u2 + + n1 un ) + 2 u2 + + n un
isto e ,
U = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)].
isto e ,
V = [(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)].
3.3. EXERCICIOS 27
3. Se (x, y, z, t) U V entao
(
xy+t+z =0
x + y t + z = 0,
e, portanto,
Veremos mais adiante que este e o numero mnimo de geradores para o subespaco
U + V.
3.3 Exerccios
Ex. 3.12 Para cada um dos subconjuntos S V , onde V e o espaco vetorial indicado,
encontrar o subespaco gerado por S, isto e , [S].
3. S = 1, t, t2 , 1 + t3 , V = P3 (R).
28
CAPITULO
3. COMBINACOES LINEARES
0 1 0 0
4. S = , , V = M2 (R).
0 0 1 0
Ex. 3.13 Em cada um dos itens abaixo encontrar um subconjunto S, finito, que gera o
subespaco vetorial W do espaco vetorial V.
.
1. W = (x, y, z) V = R3 ; x 2y = 0 .
.
2. W = {p V = P3 (R); p0 (t) = 0, t R} .
.
3. W = A V = M2 (R); At = A .
.
4. W = {X V = M31 (R); AX = 0} , onde
0 1 0
A = 2 1 0 .
1 1 4
Ex. 3.14 Encontrar, em cada um dos itens abaixo, os subconjuntos S do espaco vetorial
V que geram U , W , U W e U + W.
t
1 1
3. U = A M2 (R); A = A , W = [ ], V = M2 (R).
0 1
Ex. 3.15 Encontrar, em cada um dos itens abaixo, os subconjuntos S do espaco vetorial
V que geram U , W , U W e U + W.
1 1
3. U = A M2 (R); At = A , W = [
], V = M2 (R).
0 1
Ex. 3.16 Obtenha o subconjunto formado por vetores do espaco vetorial P3 (R) que
geram os seguintes subespacos;
3. U W.
30
CAPITULO
3. COMBINACOES LINEARES
Captulo 4
Dependencia Linear
Definica o 4.4 Dizemos que uma seque ncia u1 , . . . , un de um espaco vetorial V e line-
armente dependente (l.d., abreviadamente) se nao for linearmente independente.
31
32
CAPITULO
4. DEPENDENCIA LINEAR
Exemplo 4.7 Verifique se a seque ncia (1, 1, 1), (1, 1, 0), (1, 0, 0) e linearmente inde-
pendente em R3 .
que possui como u nica soluca o, = = = 0. Logo, a seque ncia acima e l.i..
possua determinante diferente de zero. Note que as colunas desta matriz sao formadas
pelos coeficientes de u1 , u2 e u3 . O mesmo resultado vale se colocarmos os coeficientes
dos vetores u1 , u2 e u3 como linhas. Por que?
E EXEMPLOS
4.1. INTRODUCAO 33
Procuremos as soluco es de
1 0 1 1 0 1 0 0
+ + = ,
0 1 0 1 0 0 0 0
que equivale a
+ + 0 0
= ,
0 + 0 0
que possui como soluca o (, , ) = (, , ) para qualquer R. Dessa forma,
a seque ncia de matrizes dada e linearmente dependente, bastando tomar, por exemplo,
= 1, = 1 e = 1.
Exemplo 4.11 Verifique se as funco es cos e sen sao l.d. em C 1 (R; R).
cos + sen = 0
Exemplo 4.12 Verifique se as funco es cos2 , sen 2 , 1 sao l.d. em C 1 (R; R).
Como
1 cos2 x sen 2 x = 0, para todo x R,
resulta que as funco es acima sao l.d..
Exerccio 4.13 Sejam f (x) = cos 2x, g(x) = cos2 x e h(x) = sen 2 x, x R. Mostre
que f, g, h sao linearmente dependentes em C 1 (R; R).
34
CAPITULO
4. DEPENDENCIA LINEAR
4.2 Propriedades
Proposica o 4.14 Se u1 , . . . , un sao l.d. em um espaco vetorial V entao pelo menos um
destes vetores se escreve como combinaca o linear dos outros.
uj = 1 u1 + + j1 uj1 + j uj+1 + + n1 un .
Como u1 , . . . , un sao l.d. existem numeros reais 1 , . . . , n nao todos nulos tais que
1 u1 + + n un = 0. Desse modo, existe j {1, . . . , n} tal que j 6= 0 e, assim,
1 j1 j+1 n
uj = u1 uj1 uj+1 un .
j j j j
Proposica o 4.15 Se u1 , . . . , un em V sao l.d. entao qualquer seque ncia finita de vetores
de V que os contenha, tambem sera l.d..
1 u1 + + n un + 0un+1 + + 0um = 0
sendo que nesta u ltima expressao nem todos os coeficientes sao nulos.
1 u1 + + n un = 1 u1 + + n un + 0un+1 + + 0um = 0
4.3 Exerccios
Ex. 4.19 Verifique, em cada um dos itens abaixo, se o subconjunto S do espaco vetorial
V e l.i. ou l.d.
1. S = {(1, 2), (3, 1)} , V = R2 .
2. S = 1 + t t2 , 2 + 5t 9t2 , V = P2 (R).
1 1 2 0
3. S = , , V = M2 (R).
0 0 1 0
4. S = {(1, 2, 2, 3), (1, 4, 2, 0)} , V = R4 .
1 2 0 1 1 1 0 0 0
5. S = 3 0 1 , 0 0 0 , 10 5 7 , V = M3 (R).
0 0 2 1 1 1 1 0 1
36
CAPITULO
4. DEPENDENCIA LINEAR
Captulo 5
5.1 Base
Definica o 5.1 Seja V 6= {0} um espaco vetorial finitamente gerado. Uma base de V e
uma seque ncia de vetores linearmente independentes B de V que tambem gera V.
Exemplo 5.2 Os vetores de B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} formam uma base de R3 .
Ve-se facilmente que os vetores de B sao l.i. e que todo (x, y, z) R3 se escreve como
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).
Ex. Resolvido 5.4 Mostre que (1, 1) e (1, 1) formam uma base de R2 .
Resoluca o: E preciso mostrar que estes vetores sao l.i. e que todo ponto de R2 se
escreve como combinaca o linear de (1, 1) e (1, 1). No entanto, se mostrarmos que todo
ponto de R2 se escreve de maneira u nica como combinaca o linear de (1, 1) e (1, 1) ja
estaremos mostrando as duas propriedades ao mesmo tempo. (Por que?)
Seja (x, y) R2 . O nosso problema se resume em mostrar que existe um u nico
R e um u nico R satisfazendo (x, y) = (1, 1) + (1, 1) = ( + , ).
Esta u ltima expressao e equivalente ao seguinte sistema linear
(
+ =x
= y.
37
38
CAPITULO E COORDENADAS
5. BASE, DIMENSAO
Teorema 5.7 Todo espaco vetorial V 6= {0} finitamente gerado admite uma base. Em
outras palavras, ha uma seque ncia de vetores l.i. de V formada por geradores.
5.2 Dimensao
Teorema 5.8 Em um espaco vetorial V 6= {0} finitamente gerado toda base possui o
mesmo numero de elementos.
uj = 1j v1 + + mj vm .
5.2. DIMENSAO 39
ou ainda,
Xn Xn
xj 1j v1 + + xj mj vm = 0.
j=1 j=1
Definica o 5.10 Se um espaco vetorial nao e finitamente gerado dizemos que V possui
dimensao infinita.
Proposica o 5.11 Todo espaco vetorial de dimensao infinita possui uma infinidade de
vetores linearmente independentes.
Corolario 5.13 Todo subespaco vetorial de um espaco vetorial de dimensao finita tam-
bem tem dimensao finita.
k = 1, . . . , m, l = 1, . . . , n onde
(
k,l 1 se (i, j) = (k, l)
i,j =
0 se (i, j) 6= (k, l)
Prova: Como r < n existe ur+1 V tal que u1 , . . . , ur , ur+1 sao l.i., pois caso
contrario os vetores u1 , . . . , ur formariam uma base de V, o que e impossvel pois
dim V = n > r.
Se r + 1 = n entao u1 , . . . , ur , ur+1 formam uma base de V que contem L.
Se r + 1 < n entao e possvel encontrar ur+2 V tal que u1 , . . . , ur , ur+1 , ur+2
sao l.i., pois caso contrario a seque ncia u1 , . . . , ur , ur+1 seria uma base de V, o que e
impossvel pois dim V = n > r + 1.
Repetindo os argumentos acima, encontramos vetores ur+1 , ur+2 , . . . , ur+k , onde
r + k = n, de forma que
u1 , . . . , ur , ur+1 , . . . , ur+k
sao l.i. e, como dim V = n = r + k, segue que esta seque ncia de vetores e uma base de
V que contem os vetores u1 , . . . , ur .
Exemplo 5.20 Encontre uma base do R3 que contenha o vetor (1, 1, 1).
Como a dimensao de R3 e tres, precisamos encontrar dois vetores, (a, b, c), (x, y, z),
que juntamente com (1, 1, 1) sejam l.i.. Porem, pelo exemplo 4.8, sabemos que isto e
equivalente ao determinante de
1 a x
1 b y
1 c z
que e dado por x(b + c) y(a + c) + z(b a) seja diferente de zero. Ha uma infinidade
de possibilidades para que isto aconteca. Por exemplo, tomando (a, b, c) = (0, 1, 1) e
(x, y, z) = (0, 0, 1).
Prova: Lembre que todo subespaco de um espaco vetorial de dimensao finita tem tam-
bem dimensao finita.
Sejam v1 , . . . , vm elementos de uma base de U W. Como estes vetores sao l.i. e per-
tencem a U, pelo teorema 5.19, existem u1 , . . . , up U tais que u1 , . . . , up , v1 , . . . , vm
42
CAPITULO E COORDENADAS
5. BASE, DIMENSAO
um absurdo.
U : Temos
Desse modo, U = [x2 x, x3 x] e estes polinomios sao l.i. pois como cada um
tem um grau distinto do outro, nenhum pode ser multiplo do outro. Assim, x2 x
e x3 x formam uma base de U.
44
CAPITULO E COORDENADAS
5. BASE, DIMENSAO
V :
p(x) = a0 + a1 x + a2 x2 + a3 x3 V
p(1) = 0 a0 a1 + a2 a3 = 0
p(x) = a0 + (a0 + a2 a3 )x + a2 x2 + a3 x3
U V :
a0 = 0
2 3
p(x) = a0 + a1 x + a2 x + a3 x U V a0 + a1 + a2 + a3 = 0
a0 a1 + a2 a3 = 0
(
a0 = a2 = 0
p(x) = a1 (x3 x).
a1 = a3
Verifiquemos que os geradores acima sao na verdade bases para os respectivos subespa-
cos vetoriais. Para tanto basta verificar que cada seque ncia de vetores acima e l.i..
Analisemos primeiramente para U : se
entao
(, + + , , ) = (0, 0, 0, 0)
que implica em = = = 0.
Vejamos agora o caso do subespaco V : se
entao
(, , , + + ) = (0, 0, 0, 0)
que implica em = = = 0.
Passemos agora a U V : se
que implica em = = 0.
Pela proposica o 5.21 temos dim (U + V ) = 3 + 3 2 = 4. Como (0, 1, 1, 0),
(0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1) geram U + V segue-se do fato da dimensao deste
subespaco ser quatro que formam uma base para U +V. Como a dimensao de R4 tambem
e U + V R4 , temos pela proposica o 5.25 que U + V = R4 . Note que esta soma nao
e direta.
5.4 Coordenadas
Sejam V um espaco vetorial finitamente gerado e B uma base de V formada pelos ve-
tores u1 , . . . , un . Como B e uma base de V, todo elemento de u V se escreve como
1 u1 + + n un , com os coeficientes 1 , . . . , n R. Pela proposica o 4.18, os co-
eficientes 1 , . . . , n sao unicamente determinados pelo vetor u. Estes coeficientes sao
denominados coordenas de u com relaca o a` base B. Representaremos as coordenadas
de u com relaca o a` base como
1
..
uB = .
n B
ou, simplesmente, por
1
..
.
n
46
CAPITULO E COORDENADAS
5. BASE, DIMENSAO
Exemplo 5.29 Mostre que os vetores (1, 1, 1), (0, 1, 1) e (0, 0, 1) formam uma base de
R3 . Encontre as coordenadas de (1, 2, 0) R3 com relaca o a` base B formada pelos
vetores acima.
Ja sabemos que dim R3 = 3. Para verificar se os vetores acima formam uma base de V,
basta verificar se eles sao l.i.. Utilizando o exemplo 4.8 vemos que estes vetores sao de
fato l.i. pois a matriz
1 0 0
1 1 0
1 1 1
possui determinante igual a 1 6= 0.
Agora,
Pa verificar que 1, x, x2 x formam uma base de P2 (R) basta mostrar cada p(x) =
a0 + a1 x + a2 x2 P2 (R) se escreve de maneira u nica como combinaca o linear de 1, x
5.5. EXERCICIOS 47
a0 + a1 x + a2 x2 = + ( )x + x2 ,
5.5 Exerccios
Ex. 5.31 Verificar em cada um dos casos se o subconjunto B do espaco vetorial V e
uma base para V.
1. B = 1, 1 + t, 1 t2 , 1 t t2 t3 , V = P3 (R).
1 1 2 1 0 1 0 0
2. B = , , , , V = M2 (R).
0 0 0 0 1 0 0 2
Ex. 5.32 Encontrar em cada um dos itens abaixo uma base e a dimensao do subespaco
W do espaco vetorial V.
1. W = (x, y, z, t) R4 ; x y = 0 e x + 2y + t = 0 , V = R4 .
48
CAPITULO E COORDENADAS
5. BASE, DIMENSAO
1 2
2. W = {X M2 (R); AX = X} , onde A = , V = M2 (R).
0 1
1. base canonica
1. base canonica
2. 1, 1 + t, 1 + t + t2 , 1 + t + t2 + t3
3. 4 + t, 2, 2 t2 , t + t3
5.5. EXERCICIOS 49
2 5
Ex. 5.36 Determinar as coordenadas do vetor M2 (R) em relaca o as
8 7
seguintes bases de M2 (R);
1. base canonica
1 0 1 1 1 1 1 1
2. , , ,
0 0 0 0 1 0 1 1
50
CAPITULO E COORDENADAS
5. BASE, DIMENSAO
Captulo 6
Mudanca de Base
c1 = 11 b1 + + n1 bn
..
.
cn = 1n b1 + + nn bn .
n1 B nn B
Reunimos estas informaco es sobre as coordenadas dos vetores da base C com relaca o a`
51
52
CAPITULO 6. MUDANCA DE BASE
Exemplo 6.1 Considere a base B em R3 formada pelos vetores (1, 0, 1), (1, 1, 1) e
(1, 1, 2). Considere tambem a base C formada pelos vetores (1, 0, 0), (0, 1, 0) e (0, 0, 1).
Encontre MBC .
Precisamos resolver
(1, 0, 0) = 11 (1, 0, 1) + 21 (1, 1, 1) + 31 (1, 1, 2)
(0, 1, 0) = 12 (1, 0, 1) + 22 (1, 1, 1) + 32 (1, 1, 2)
(0, 0, 1) = 13 (1, 0, 1) + 23 (1, 1, 1) + 33 (1, 1, 2)
Como a dimensao de R2 e dois basta mostrar que u1 e u2 sao l.i.. Se (cos , sen )
+( sen , cos ) = (0, 0) entao
(
cos sen = 0
= = 0,
sen + cos = 0
pois
cos sen
det = 1 6= 0.
sen cos
que e equivalente a
Assim,
n n
n ! n n
X X X X X
dk = jk cj = jk ij bi = ij jk bi ,
j=1 j=1 i=1 i=1 j=1
Resta apenas lembrar que o lado direito da expressao acima representa o elemento da
i-esima linha e da k-esima coluna da matriz MBC MCD . Portanto, MBD = MBC MCD .
56
CAPITULO 6. MUDANCA DE BASE
Prova: Pela proposica o anterior temos MBC MCB = MBB e MCB MBC = MCC . resta mostrar
que MBB = MCC = I = (ij ), onde
(
1 se i = j
ij =
0 caso contrario,
e a matriz identidade de ordem n. E claro que basta mostrar que MBB = I e isto e
bem simples,
Pn pois se u1 , . . . , un sao os vetores da base B entao MBB = (ij ) satisfaz
uj = i=1 ij ui , j = 1, . . . , n. Ora, como u1 , . . . , un sao l.i., para cada j = 1, . . . , n,
a u nica soluca o de cada uma destas equaco es e dada por
(
1 se i = j
ij =
0 caso contrario,
ou seja, ij = ij .
6.2 Exerccios
Ex. 6.9 Considere as bases B = {e1 , e2 , e3 } e C = {g1 , g2 , g3 } de um espaco vetorial
V relacionadas da seguinte forma
g1 = e1 + e2 e3
g2 = 2e2 + 3e3
g3 = 3e1 + e3
P2 (R).
1. Mostre que
1 1 1 0 0 0
B= , ,
0 0 1 0 0 1
e
1 0 0 1 0 0
C= , ,
1 0 1 0 0 1
sao bases de W.
Ex. Resolvido 7.2 Seja A Mn (R) uma matriz quadrada de ordem n. Verifique se
W = {X Mn1 (R); AX = 0} e um subespaco vetorial de Mn1 (R), com as
operaco es usuais.
Resoluca o:
A(X + Y ) = AX + A(Y ) = AX + AY = O + O = O.
Portanto X + Y W.
59
60
CAPITULO
7. EXERCICIOS
RESOLVIDOS UMA REVISAO
Ex. Resolvido 7.3 Encontre o subespaco vetorial de P3 (R) gerado por S = {1, t,
t2 , 1 + t3 }.
onde
0 1 0
A = 2 1 0 .
1 1 4
Resoluca o:
0 1 0 0
X = W 2 1 0 = 0
1 1 4 0
1 1 4 0 1 1 4 0
2 1 0 = 0 0 1 4 = 0
0 1 0 0 0 1 0 0
1 1 4 0 1 1 4 0
0 1 4 = 0 0 1 4 = 0
0 1 0 0 0 0 4 0
61
1 1 4 0
0 1 4 = 0 = = = 0,
0 0 1 0
portanto,
0
W = 0 .
0
onde
1 1 1 0
2 0 1 1
A=
3 1
.
0 1
0 2 3 1
Resoluca o:
1 1 1 0 0
2 0 1 1 0
X= W 3 1 =
0 1 0
0 2 3 1 0
1 1 1 0 0 1 1 1 0 0
0 2 3 1 0
0 2 3 1 0
= =
0 2 3 1 0 0 0 0 0 0
0 2 3 1 0 0 0 0 0 0
1 1 1 0 0
0 1 3/2 1/2 0
0 0
=
0 0 0
0 0 0 0 0
1 0 1/2 1/2 0
0 1 3/2 1/2 0
0 0
=
0 0 0
0 0 0 0 0
62
CAPITULO
7. EXERCICIOS
RESOLVIDOS UMA REVISAO
(
= /2 /2
,
= 3/2 + /2
isto e ,
/2 /2 1/2 1/2
3/2 + /2
= 3/2 + 1/2 ,
X=
1 0
0 1
portanto,
1/2 1/2
3/2 1/2
1 , 0 .
W =
0 1
Ex. Resolvido 7.7 Encontre uma base para o subespaco vetorial de R3 dado por U =
[(1, 0, 1), (1, 2, 0), (0, 2, 1)].
1 1 0 x 1 1 0 x
0 1 1 = y/2 0 1 1 = y/2
0 1 1 zx 0 0 0 z x + y/2
1 0 1 x y/2
0 1 1 = y/2
0 0 0 z x + y/2
63
( + , 2 + 2, ) = (0, 0, 0)
+ = 0
+ = 0 = = ,
=0
ou seja, os vetores
(1, 0, 1), (1, 2, 0), (0, 2, 1)
sao l.d.. Portanto,
(1, 0, 1), (1, 2, 0) (7.9)
formam uma base de U.
Embora as bases 7.8 e 7.9 nao coincidam, ambas estao corretas. Basta observar que
1 1
Ex. Resolvido 7.10 Dados U = {A M2 (R) : At
= A} e W = , em
0 1
M2 (R), encontre uma base para U, W, U W e U + W, no caso em que nao se reduzam
a {0}.
Resoluca o:
64
CAPITULO
7. EXERCICIOS
RESOLVIDOS UMA REVISAO
U:
a b
A= c = b,
c d
portanto, A U se e somente se existirem , , R tais que
1 0 0 1 0 0
A= + + .
0 0 1 0 0 1
sao l.i. e, portanto, como geram U, formam uma base de U. Note que dim U = 3.
W : Como a matriz
1 1
0 1
gera W e e nao nula, ela serve de base para W. Note que dim W = 1.
U W :
t
A U W A = A e existe R tal que A = ,
0
isto e , se e somente se existir R tal que
0
= ,
0
U + W : Temos
65
U:
p(t) = a0 + a1 t + a2 t2 U p0 (t) = a1 + 2a2 t = 0
a1 = a2 = 0 p(t) = a0 p(t) [1].
Logo, 1 e uma base de U e dim U = 1.
W : (
p(0) = a0 = 0
p(t) = a0 + a1 t + a2 t2 U
p(1) = a0 + a1 + a2 = 0
p(t) = a1 t a1 t2 = a1 (t t2 ),
isto e , p(t) [t t2 ]. Assim t t2 e uma base de W e dim W = 1.
U W : p(t) U W = [1] [t t2 ] se e somente se existem , R tais que
p(t) = = (t t2 ). Claramente, isto so e possvel quando = = 0, ou seja,
quando p(t) = 0. Assim, U W = {0} e dim U W = 0.
U + W : Temos
dim (U + W ) = dim U + dim W dim (U W ) = 1 + 1 0 = 2
e como a soma e direta podemos tomar 1, t t2 como base de U W.
3.
Se as coordenadas
do vetor v em relaca o a base C, isto e , vC , sao dadas por
2
3 encontre as coordenadas de v em relaca o a base B, isto e , vB .
1
Resoluca o:
1. Temos
1 0 3
MBC = 1 2 0 .
1 3 1
1
Como MCB = MBC , passemos a encontrar a inversa de MBC :
. .
1 0 3 .. 1 0 0 1 0 3 .. 1 0 0
.. ..
1 2 0 . 0 1 0 0 2 3 . 1 1 0
. .
1 3 1 .. 0 0 1 0 3 4 .. 1 0 1
.. ..
1 0 3 . 1 0 0 1 0 3 . 1 0 0
3 ..
..
0 1 2 . 21 1
2 0
3
0 1 2 . 21 1
0
2
.. 17 .. 5
0 3 4 . 1 0 1 0 0 2 . 2 32 1
.. .
1 0 3 . 1 0 0 1 0 0 .. 17
2 9
17
6
17
.. .
3
0 1 2 . 21 1
0 0 1 0 .. 17
1 4 3
2 17 17
.. 5 .
0 0 1 . 17 3
17 2
17 0 0 1 .. 17
5
173 2
17
Portanto,
2 9 6
17 17 17
1 4 3
MCB = 17 17 17
5 3 2
17 17 17
2. Como vC = MCB vB ,
2 9 6
17 17 17 1 1
1 4 3
vC = 17 17 17
3 = 1 .
5 3 2
17 17 17 2 0
67
3. Como vB = MBC vC ,
1 0 3 2 1
vB = 1 2 0 3 = 8 .
1 3 1 1 6
sao bases de W.
Resoluca o:
a)
x y
A= W x = y + z.
z t
68
CAPITULO
7. EXERCICIOS
RESOLVIDOS UMA REVISAO
isto e ,
1 1 1 0 0 0
W = , , .
0 0 1 0 0 1
A equaca o 7.14 tomada com A = O mostra que as matrizes acima que geram W
sao de fato l.i. e, portanto, formam uma base de W. Alem do mais, dim W = 3.
Como C e formado por tres vetores de W e a dimensao de W e tres, basta verificar
que tais vetores sao l.i.. De fato,
1 0 0 1 0 0 0 0
+ + =
1 0 1 0 0 1 0 0
0 0
= = = = 0.
+ 0 0
B =
c) Procuremos D1 , D2 e D3 em W de modo que formem uma base W tal que MD
P. Isto ocorre se e somente se
B1 = 1D1 + 0D2 + 0D3 = D1
B2 = 1D1 + 0D2 + 3D3 = D1 + 3D3 ,
B3 = 0D1 + 2D2 + 1D3 = 2D2 + D3
Transformaco es Lineares
71
72
CAPITULO
8. TRANSFORMACOES LINEARES
T (a0 + a1 x + + an xn ) = (a0 , . . . , an ).
Ex. Resolvido 8.5 Encontre uma transformaca o linear T : R2 R2 tal que T (1, 2) =
(3, 1) e T (0, 1) = (1, 2).
Resoluca o: Note que (1, 2) e (0, 1) formam uma base de R2 . Se (x, y) R2 entao, como
e facil verificar, temos (x, y) = x(1, 2) + (y 2x)(0, 1). Deste modo, a transformaca o
T deve satisfazer
Prova: Fixemos duas bases, uma formada por vetores u1 , . . . , un de U e outra formada
por v1 , . . . , vm , vetores de V.
Para cada 1 i n e 1 j m defina
Tij (x1 u1 + + xn un ) = xi vj , x1 , . . . , xn R.
Note que (
vj se i = k
Tij (uk ) = .
0 se i 6= k
Verifiquemos que Tij L (U, V ):
= xi vj = Tij (x1 u1 + + xn un ).
Mostremos que Tij , 1 i n e 1 j m, formam uma base de L (U, V ).
Se ni=1 m
P P
ao, para cada 1 k n,
j=1 aij Tij = 0 ent
X m
n X X n
m X m
X m
X
0= aij Tij (uk ) = aij Tij (uk ) = akj Tkj (uk ) = akj vj
i=1 j=1 j=1 i=1 j=1 j=1
T (ui ) = 1i v1 + + mi vm .
= x1 (11 v1 + + m1 vm ) + + xn (1n v1 + + mn vm )
= 11 x1 v1 + + m1 x1 vm + + 1n xn v1 + + mn xn vm
= 11 T11 (u) + + m1 T1m (u) + + 1n T1n (u) + + mn Tnm (u),
ou seja
Corolario 8.10 Se V e um espaco de dimensao n entao o seu dual tambem tem di-
mensao n.
Pelo corolario 8.10, se U tem dimensao n entao o seu dual, U 0 , tem a mesma
dimensao. Seguindo os passos da demonstraca o do teorema 8.9, se u1 , . . . , un for-
mam uma base B de U entao os funcionais lineares f1 , . . . , fn : U R dados por
fj (u) = fj (x1 u1 + + xn un ) = xj , j = 1, . . . , n, formam uma base de U 0 . Esta base
e chamada de base dual da base B.
76
CAPITULO
8. TRANSFORMACOES LINEARES
Note que T S 6= S T.
= S(T (u)) + S(T (v)) = S(T (u)) + S(T (v)) = S T (u) + S T (v).
e
T IU (u) = T (IU (u)) = T (u).
Definica o 8.21 Diremos que T L (U, V ) possui inversa se existir S : V U tal que
S T (u) = u para todo u U e T S(v) = v para todo v V. Em outras palavras,
T S = IV e S T = IU , onde IU : U U e a identidade em U e IV : V V e a
identidade em V.
Proposica o 8.22 Se T L (U, V ) possui uma inversa entao esta inversa e u nica.
78
CAPITULO
8. TRANSFORMACOES LINEARES
Prova: Suponha que T seja injetora. Se T (u) = 0 entao T (u) = T (0) e como T e
injetora, segue-se que u = 0.
Reciprocamente suponha que a u nica soluca o de T (u) = 0 seja u = 0. Se T (u) =
T (v) entao T (u v) = 0 e, por hipotese, u v = 0, isto e , u = v.
T 1 (1 v1 + 2 v2 ) = T 1 (1 T (u1 ) + 2 T (u2 )) = T 1 (T (1 u1 + 2 u2 ))
= 1 u1 + 2 u2 = 1 T 1 (v1 ) + 2 T 1 (v2 ).
8.3 Imagem e Nucleo
Definica o 8.27 Seja T : U V uma transformaca o linear.
1. Se X U, definimos a imagem de X por T como sendo o conjunto T (X) =
{T (x); x X}.
2. Se Y V, definimos a imagem inversa de Y por T como sendo o conjunto
T 1 (Y ) = {u U ; T (u) Y }.
Ex. Resolvido 8.28 Seja V um espaco de dimensao 1. Mostre que qualquer transforma-
ca o linear nao nula T : U V e sobrejetora.
Resoluca o: Como T e nao nula existe uo U tal que T (uo ) 6= 0. Ja que V tem
dimensao 1 entao qualquer base de V e constituda por um elemento e como T (uo ) V
e nao nulo (portanto, l.i.), ele proprio forma uma base de V. Assim, dado v V existe
R tal que v = T (uo ) = T (uo ), ou seja, T e sobrejetora.
Teorema 8.34 (Teorema do Nucleo e da Imagem) Sejam U e V espacos vetoriais de
dimensao finita e T : U V uma transformaca o linear. Temos
1 u1 + + p up 1 v1 q vq = 0.
u = 1 u1 + + p up + 1 v1 + + q vq
e da,
v = T (u) = T (1 u1 + + p up + 1 v1 + + q vq )
= 1 T (u1 ) + + p T (up ) + 1 T (v1 ) + + q T (vq ) = 1 T (v1 ) + + q T (vq ),
ja que u1 , . . . , up N (T ).
Corolario 8.35 Se U e V sao espacos vetoriais de dimensao finita tais que dim U =
dim V e se T : U V e uma transformaca o linear entao as seguintes condico es sao
equivalentes:
1. T e sobrejetora;
2. T e injetora;
3. T e bijetora;
82
CAPITULO
8. TRANSFORMACOES LINEARES
Ex. Resolvido 8.36 Mostre que toda transformaca o linear bijetora T : R2 R2 leva
retas em retas, isto e , a imagem de uma reta por T e uma reta.
Resoluca o: Dada uma reta r no plano usaremos a equaca o vetorial para representar seus
pontos, isto e , um ponto P r e da forma Po + ~v , onde Po e um ponto sobre a reta,
~v e um vetor direca o da reta e R. A imagem de r por T e T (r) = {T (P ); P r}.
Assim, todo ponto em T (r) e da forma T (P ) = T (Po ) + T (~v ), R. Como T e
injetora e ~v 6= ~0 temos que T (~v ) 6= ~0, ou seja, T (r) e uma reta que passa por T (Po ) e
tem direca o T (~v ).
Ex. Resolvido 8.37 Sejam a1 , . . . , an R nao todos nulos. Mostre que o subespaco
H = {(x1 , . . . , xn ) Rn ; a1 x1 + + an xn = 0} tem dimensao n 1.
8.3. IMAGEM E NUCLEO 83
ou seja, dim H = n 1.
isto e ,
a + 2c b + 2d a 2a + b
=
c d c 2c + d
que equivale a
a + 2c = a
b + 2d = 2a + b
c = 0 e a = d.
c=c
d = 2c + d
Portanto,
a b 1 0 0 1
X= =a +b .
0 a 0 1 0 0
84
CAPITULO
8. TRANSFORMACOES LINEARES
Dessa forma, o nucleo de T e o subespaco vetorial gerado pela base (note que as matrizes
sao l.i.) formada pelas matrizes
1 0 0 1
e .
0 1 0 0
se e somente se existir
a b
X=
c d
tal que Y = AX XA, isto e ,
x y 1 2 a b a b 1 2
=
z t 0 1 c d c d 0 1
a + 2c b + 2d a 2a + b 2c 2d 2a
= =
c d c 2c + d 0 2c
1 0 0 1
= 2c + 2(d a) ,
0 1 0 0
ou seja, a imagem de T e gerada pela base (note que as matrizes sao l.i.) formada pelas
matrizes
1 0 0 1
e .
0 1 0 0
Uma outra maneira para encontrar uma base para a imagem de T e fazer uso da
prova do teorema 8.34. Isto e , sabemos que
1 0 0 1
e
0 1 0 0
formam uma base do nucleo de T e, como no referido teorema, a completamos ate uma
base de M2 (R) como, por exemplo,
1 0 0 1 0 0 0 0
, , e
0 1 0 0 1 0 0 1
8.4. ISOMORFISMO E AUTOMORFISMO 85
Note que
T 2 (x, y) = T (x, 0) = (x, 0) = T (x, y).
U = T (U ) N (T ).
u = T (u) + (u T (u)).
ou seja, T (U ) N (T ) = {0}.
3. T : Mmn (R) Rmn que associa a cada matriz A = (aij ) de Mmn (R) o
seguinte elemento de Rn
Logo, T e nao e injetora, pois T (1, 1, 1) = (0, 0, 0). Assim, T nao e um isomorfismo.
T (x1 u1 + + xn un ) = x1 v1 + + xn vn , x1 , . . . , xn R,
Prova: Primeiramente, note que T, de fato, define uma funca o pois as coordenadas de
um vetor com relaca o a uma base sao unicamente determinadas por ele e pela base.
Verifiquemos que T e linear.
Se w1 , w2 U entao podemos escrever w1 = ni=1 xi ui e w2 = ni=1 yi ui , onde
P P
xi , yi R, i = 1, . . . , n. Se 1 , 2 R, temos
n ! n
X X
T (1 w1 + 2 w2 ) = T (1 xi + 2 yi )ui = (1 xi + 2 yi )vi
i=1 i=1
n
X n
X
= 1 xi vi + 2 yi vi = 1 T (w1 ) + 2 T (w2 ).
i=1 i=1
Corolario 8.48 Se dois espacos tem a mesma dimensao finita entao eles sao isomorfos.
Prova: Note que tanto L (U, V ) como Mmn (R) tem a mesma dimensao: mn.
A matriz
a11 a12 ... a1n
a21 a22 ... a1n
.. Mmn (R)
.. .. ..
. . . .
am1 am2 . . . amn
e chamada de matriz da transformaca o T com relaca o a` s bases B e C e e denotada por
[T ]B,C . No caso em que U = V e B = C usaremos a notaca o [T ]B .
Resoluca o: Temos
T (1, 0, 0) = (1, 1) = 1(1, 0) + 1(0, 1),
T (0, 1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) e
T (0, 0, 1) = (0, 1) = 0(1, 0) 1(0, 1).
Assim,
1 1 0
[T ]B,C = .
1 0 1
Resoluca o: Temos
T (1, 0, 0) = (1, 1) = 1(1, 1) + 0(0, 1),
T (0, 1, 0) = (1, 0) = 1(1, 1) 1(0, 1) e
T (0, 0, 1) = (0, 1) = 0(1, 1) 1(0, 1).
Assim,
1 1 0
[T ]B,C 0 = .
0 1 1
LINEAR
8.5. MATRIZ DE UMA TRANSFORMACAO 89
8.5.2 Propriedades
Proposica o 8.52 Sejam U e V espacos vetorial de dimensao finita com bases B e C,
respectivamente. Se T, S L (U, V ) e , R entao
uj = I(uj ) = 1j v1 + + nj vn
m
p ! p
m !
X X X X
= ij ki wk = ki ij wk .
i=1 k=1 k=1 i=1
Portanto, m !
X
[S T ]B,D = ki ij = [S]C,D [T ]B,C .
i=1
Portanto, [T 1 ]C,B = [T ]1
B,C .
T (u)C = [T ]B,C uB .
Temos
T (u) = T (a1 u1 + + an un ) = a1 T (u1 ) + + an T (un )
= a1 (11 v1 + + m1 vm ) + + an (1n v1 + + mn vm )
= (a1 11 + + an 1n )v1 + + (a1 m1 + + an mn )vm ,
ou seja,
a1 11 + + an 1n 11 1n a1
.
.. . .. .. .. ,
T (u)C = = ..
. . .
a1 m1 + + an mn m1 mn an
Prova: Se T e um isomorfismo entao pela proposica o 8.56 [T ]B,C possui inversa dada
por [T 1 ]C,B .
Reciprocamente, suponha que [T ]B,C possua inversa. Pelo corolario 8.35, basta
mostrar que T e injetora. Se T (u) = 0 entao
uB = [T ]1 1
B,C T (u)C = [T ]B,C 0 = 0.
Ex. Resolvido 8.61 Considere, B, a base de R2 formada pelos vetores (1, 1) e (1, 1).
Seja T L (R2 ) tal que
1 0
TB,B = .
0 5
Encontre [T ]C,C , onde C e a base canonica de R2 .
Resoluca o: Como
1 1 1 1
(1, 0) = (1, 1) + (1, 1) e (0, 1) = (1, 1) (1, 1),
2 2 2 2
obtemos 1 1
1 1 1
MBC MCB MBC
= 2 2 e = = .
1
2 12 1 1
Assim,
[T ]C,C = MCB [T ]B,B MBC =
1 1
1 1 1 0 2 2 3 2
1 1 = .
1 1 0 5 2 2 2 3
Note que
Ex. Resolvido 8.63 Encontre uma base para o nucleo e outra para a imagem de T :
M2 (R) M2 (R) dada por T (X) = AX + X, onde
1 4
A= .
2 3
M1 + M2 + M3 + M4 = 0
seja a trivial.
Colocando
a b x y
M3 = e M4 =
c d z t
obtemos
2 0 0 2 a b x y 0 0
+ + + = ,
1 0 0 1 c d z t 0 0
0 1 d t 0
Ex. Resolvido 8.65 Determinar um T L (P3 (R), P2 (R)) cujo nucleo seja gerado
pelos polinomios 1 + x3 e 1 x2 .
1 + x + (1 + x3 ) + (1 x2 ) = + + + x x2 + x3 = 0
se e somente se = = = = 0.
Assim, a imagem dos polinomios 1 e x, pela transformaca o procurada precisam
necessariamente ser linearmente independentes. Para isto, o que faremos e definir T :
P3 P2 tal que T (1) = 1, T (x) = x, T (1 + x3 ) = 0 e T (1 x2 ) = 0.
Dado p(x) = a0 + a1 x + a2 x2 + a3 x3 , reescrevemos p(x) = a0 + a2 a3 + a1 x +
a3 (1 + x3 ) a2 (1 x2 ) e colocamos
T (p(x)) = T (a0 + a2 a3 + a1 x + a3 (1 + x3 ) a2 (1 x2 ))
= (a0 + a2 a3 )1 + a1 x = a0 + a2 a3 + a1 x,
que e uma transformaca o linear cujo nucleo e gerado por 1 + x3 e 1 x2 .
R1
Ex. Resolvido 8.66 Seja T : P2 (R) R dado por T (p(x)) = 0 p(x)dx. Encontre a
matriz de T com relaca o a` s bases canonicas de P2 (R) e R.
96
CAPITULO
8. TRANSFORMACOES LINEARES
Resoluca o: Temos
1 1
T (1) = 1, T (x) = , T (x2 ) = .
2 3
Assim, a matriz de T com relaca o a` s bases canonicas e dada por
1
1 .
2
1
3
Ex. Resolvido 8.67 Seja T : P3 (R) P3 (R) dado por T (p(x)) = p0 (x). Encontre
a matriz de T com relaca o a` s bases canonicas de P3 (R) e P2 (R).
Resoluca o: Temos
T (x, y, z) = (x + z, y + z, x + y + 2z).
Resoluca o: Com relaca o a` base canonica e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1),
temos
T (e1 ) = T (1, 0, 0) = (1, 0, 1) = e1 + 0e2 + e3
T (e2 ) = T (0, 1, 0) = (0, 1, 1) = 0e1 + e2 + e3
T (e3 ) = T (0, 0, 1) = (1, 1, 2) = e1 + e2 + 2e3
8.7. EXERCICIOS 97
e, portanto,
1 0 1
[T ]C = 0 1 1 .
1 1 2
Com relaca o a` base B, temos
8.7 Exerccios
Ex. 8.70 Verifique se as transformaco es abaixo sao lineares;
1. T : R3 R, T (x, y, z) = x + 5y z, (x, y, z) R3 .
98
CAPITULO
8. TRANSFORMACOES LINEARES
2. T : R3 R, T (x, y, z) = x + 5y z + 1, (x, y, z) R3 .
3. T : R3 R, T (x, y, z) = x2 + 5y z, (x, y, z) R3 .
Ex. 8.71 Determinar o nucleo das transformaco es lineares abaixo e descreva-os geo-
metricamente.
Ex. 8.72 Determinar bases para o nucleo e para a imagem das transformaco es lineares
abaixo.
T ((1, 0, 0)) = (2, 3, 1), T ((1, 1, 0)) = (5, 2, 7), e T ((1, 1, 1)) = (2, 0, 7).
onde pi (t) = ti , i = 0, 1, 2.
Ex. 8.76 Determinar um operador linear em R4 cujo nucleo e gerado pelos vetores
(1, 1, 0, 0), (0, 0, 1, 0).
Ex. 8.77 Determinar um operador linear em R4 cujo nucleo e a imagem sejam gerados
pelos vetores (1, 1, 0, 0), (0, 0, 1, 0).
Ex. 8.79 Determinar um operador linear em R3 cujo nucleo e gerado pelos vetores
(1, 1, 0), (0, 0, 1) e a imagem gerado pelo vetor (1, 1, 1).
Ex. 8.80 Determinar T L (R3 , R4 ) tal que T (R3 ) = [(2, 2, 3, 2), (3, 2, 0, 2)].
T (R5 ) = [(1, 0, 0), (0, 1, 0), (1, 1, 1)] e N (T ) = [(1, 1, 1, 1, 1), (1, 1, 1, 1, 0)].
Ex. 8.84 Determinar uma aplicaca o linear T : R3 R4 tal que N (T ) = [(1, 0, 1)].
Ex. 8.86 Determinar uma aplicaca o linear T : R2 R3 tal que T (R2 ) = [(1, 1, 1),
(1, 2, 0)].
Ex. 8.87 Determinar uma aplicaca o linear T : R2 R3 tal que T (R2 ) = [(1, 1, 1)] e
N (T ) = [(1, 1)].
Ex. 8.90 Verifique, em cada um dos itens abaixo, se os espacos vetoriais U e V sao
isomorfos, justificando a resposta.
1. U = R2 , V = (x, y, z) R3 ; z = 0 .
3. U = R3 , V = A M2 (R); At = A .
a 0
4. U = ; a R , V = {p P3 (R); p0 (t) = 0, t R} .
0 0
Ex. 8.91 Considere T : R2 R2 dada por T (x, y) = (y, x), (x, y) R2 . Determine
T n (x, y), onde n N e (x, y) R2 .
Ex. 8.92 Mostre que T, R, S L (R2 ), dados por T (x, y) = (x, 2y), R(x, y) =
(x, x + y), S(x, y) = (0, x), (x, y) R2 formam um subconjunto l.i. em L (R2 ).
a) B = 1, t, t2 , C = {1} . b) B = 1, 1 + t, 1 + t + t2 , C = {2} .
P2 (R) operador
Ex. 8.99 Seja T : P2 (R) linear (T (p))(t) = p(t)p(1),
dado por
p P2 (R). Se B = 1, t 1, (t 1)2 e C = 1, t, t2 encontrar [T ]B,C , [T ]B e
[T ]C .
Ex. 8.101 Sejam U = R3 , V = R2 , B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e C = {(1, 0),
(0, 1)} bases de U e V , respectivamente. Encontrar, em cada um dos itens abaixo,
T L (U, V ) tal que [T ]B,C seja a matriz;
1 2 3 0 0 1 10 5 3
a) b) c)
4 5 1 0 1 0 2 1 4
8.7. EXERCICIOS 103
Autovalores e Autovetores
105
106
CAPITULO 9. AUTOVALORES E AUTOVETORES
Ex. Resolvido 9.7 Seja T : R2 R2 dada por T (x, y) = (y, 4x). Encontre os auto-
valores de T, os respectivos subespacos proprios e a multiplicidade geometrica de cada
autovalor.
Resoluca o: R e um autovalor de T se e somente se existir (x, y) 6= (0, 0) tal que
T (x, y) = (x, y), ou seja, se e somente se existir (x, y) 6= (0, 0) tal que (y, 4x) =
(x, y). Isto equivale a que o sistema
(
y x = 0
4x y = 0
possua uma soluca o nao trivial. Isto acontece se e somente se o determinante da matriz
1
4
for igual a zero. Como este determinante e 2 4, vemos que os u nicos autovalores de
T sao 1 = 2 e 2 = 2. Temos
V (2) = {(x, y) R2 ; (y, 4x) = 2(x, y)} = {(x, y) R2 ; 2x = y} = [(1, 2)].
Assim, a multiplicidade geometrica de 2 e um.
Tambem,
V (2) = {(x, y) R2 ; (y, 4x) = 2(x, y)} = {(x, y) R2 ; 2x = y} = [(1, 2)].
Assim, a multiplicidade geometrica de 2 e um.
Note que (1, 2) e um autovetor associado ao autovalor 2 e e (1, 2) e um autovetor
associado ao autovalor 2.
Ex. Resolvido 9.8 Ainda com relaca o ao exerccio anterior, encontre a matriz de T com
relaca o a` base (1, 2) e (1, 2) formada pelos autovetores de T.
Resoluca o: Temos
T (1, 2) = (2, 4) = 2(1, 2) + 0(1, 2)
.
T (1, 2) = (2, 4) = 0(1, 2) + 2(1, 2)
Logo, a matriz de T com relaca o a esta base e a matriz diagonal
2 0
.
0 2
EXEMPLOS E GENERALIDADES
9.1. DEFINICAO, 107
Ex. Resolvido 9.9 Faca o mesmo o que se pede no exerccio 9.7 para a transformaca o
T (x, y) = (y, x).
Resoluca o: R e um autovalor de T se e somente se existir (x, y) 6= (0, 0) tal que
T (x, y) = (x, y), ou seja, se e somente se existir (x, y) 6= (0, 0) tal que (y, x) =
(x, y). Isto equivale a que o sistema
(
x + y = 0
x y = 0
possua uma soluca o nao trivial. Isto acontece se e somente se o determinante da matriz
1
1
for igual a zero. Como este determinante e 2 1 < 0, vemos que nao existem
autovalores associados a` transformaca o T.
Ex. Resolvido 9.10 Seja T : Pn (R) Pn (R) dada por T (p(x)) = p0 (x). Verifique
que 0 e o u nico autovalor desta transformaca o. Encontre V (0).
Resoluca o: Note que R e um autovalor de T se e somente se existir p(x) 6= 0 tal
que p0 (x) = p(x). Se 6= 0 esta equaca o so e verdadeira para o polinomio nulo, posto
que para qualquer outro polinomio os graus de p0 (x) e p(x) sao distintos. Desta forma,
6= 0 nao e autovalor de T.
Agora, se = 0, entao p0 (x) = 0 apresenta como soluca o todos os polinomios
constantes. Logo, = 0 e um autovalor associado, por exemplo, ao autovetor p(x) = 1.
Quanto a V (0), basta ver que V (0) = N (T ) = [1], isto e , o subespaco gerado pelo
polinomio 1.
Ex. Resolvido 9.11 Seja T : R3 R3 dada por T (x, y, z) = (x, y, x). Encontre os
autovalores de T e os respectivos subespacos proprios e a multiplicidade geometrica de
cada autovalor.
Resoluca o: R e um autovalor de T se e somente se existir (x, y, z) 6= (0, 0, 0) tal
que T (x, y, z) = (x, y, z), isto e , se e somente se existir (x, y, z) 6= (0, 0, 0) tal que
(x, y, x) = (x, y, z). Isto equivale a que o sistema
(1 )x = 0
(1 )y = 0
z x = 0
108
CAPITULO 9. AUTOVALORES E AUTOVETORES
possua uma soluca o nao trivial. Isto acontece se e somente se o determinante da matriz
1 0 0
0 1 0
1 0
for igual a zero. Como este determinante e (1 )2 , vemos que os u nicos autovalores
de T sao 1 = 0 e 2 = 1.
Quanto aos subespacos proprios, temos
= [(1, 0, 1)].
Assim, a multiplicidade geometrica de 1 e um.
T (1 u1 + 2 u2 ) = 1 T (u1 ) + 2 T (u2 ) = 1 1 u1 + 2 2 u2 = 0.
deles se escreveria como combinaca o linear dos outros. Para simplificar a notaca o, su-
ponhamos que
u1 = 2 u2 + + n un (9.13)
entao
T (u1 ) = T (2 u2 + + n un ) = 2 T (u2 ) + + n T (un )
1 u1 = 2 2 u2 + n n un , (9.14)
De 9.13 e 9.14 resulta que
0 = 2 (2 1 )u2 + + n (n 1 )un
2 (2 1 ) = = n (n 1 ) = 0,
2 = = n = 0.
Prova: A prova sera por induca o sobre o numero de autovalores. Primeiramente, mostre-
(1) (1) (2) (2)
mos que V (1 ) V (2 ) = {0}. Fixe v1 , . . . , vm1 uma base de V (1 ) e v1 , . . . , vm2
uma base de V (2 ). Se u V (1 ) V (2 ) entao
(1) (1) (1) (1) (2) (2)
(2) (2)
u = 1 v1 + + m v = 1 v1 + + m
1 m1
v .
2 m2
(9.16)
Logo, T (u) e dado por
ou seja,
(1) (1) (1) (2) (2)
1 1 v1 + + m 1 1 m1
(2)
v (1) = 1 2 v1 + + m v (2) .
2 2 m2
(9.17)
u V (j ) (V (1 ) + + V (j1 ) + V (j+1 ) + + V (n )) ,
entao
(j) (j) (j) (j) (1) (1)
u = 1 v1 + + m v = 1 v1 +
j mj
isto e ,
(j) (j) (j) (1) (1)
1 j v1 + + m v (j) = 1 1 v1 +
j j mj
Definica o 9.21 Sejam A, B Mnn (R). Dizemos que A e B sao semelhantes se existir
M Mnn (R) invertvel tal que A = M 1 BM.
Proposica o 9.22 Se A, B Mnn (R) sao matrizes semelhantes entao seus polinomios
caractersticos sao iguais.
Prova: Temos
pA () = det (A I) = det (M 1 BM M 1 IM )
pT () = p[T ]B (),
Encontre pT ().
Exerccio 9.25 Refaca os exerccios resolvidos 9.7, 9.9, 9.10 e 9.11 tendo como base a
proposica o anterior.
pT () = 2 (a + d) + ad bc.
e esta equaca o possui soluca o (real) se e somente se (a + d)2 4(ad bc) 0. Quando
(a+d)2 = 4(adbc) vemos que T apresenta somente um autovalor, dado por (a+d)/2;
quando (a + d)2 4(ad bc) > 0, T apresenta dois autovalores distintos dados por
p p
a + d + (a + d)2 4(ad bc) a + d (a + d)2 4(ad bc)
e .
2 2
9.3 Exerccios
Ex. 9.29 Encontrar os autovalores e autovetores do operador linear T : V V nos
seguintes casos:
a) V = R2 , T (x, y) = (x + y, x y).
b) V = R3 , T (1, 0, 0)= (2, 0, 0), T (0,
1, 0) = (2, 1, 2), T (0, 0, 1) = (3, 2, 1).
3 1 0 0
0 3 0 0
c) V = R4 e [T ]B = 4
0 0 4 0 , onde B e base canonica de R .
0 0 0 3
Ex. 9.30
a) Seja A Mn (R) uma matriz triangular, isto e , A = (aij ) onde aij = 0, sempre que
i > j (ou sempre que i < j). Qual o polinomio caracterstico de A?
b) Sejam A, B Mn (R) matrizes triangulares com a mesma diagonal principal. Existe
alguma relaca o entre seus polinomios caractersticos? Qual?
c) Mostre que se e autovalor de T L (V ) entao n e autovalor de T n .
d) Mostre que se p = p(t) e um polinomio e e autovalor de T L (V ) entao p() e
autovalor de p(T ), onde p(T ) = ao I + a1 T + + an T n , com p(t) = a0 + a1 t + +
an tn .
Captulo 10
Diagonalizaca o
ou seja, [T ]B e uma matriz diagonal, isto e , uma matriz quadrada (aij ) tal que aij = 0
se i 6= j.
Reciprocamente, se existir uma base C : v1 , . . . , vn de U com relaca o a qual a matriz
de T L (U ) e diagonal, entao T e diagonalizavel. De fato, se
1 0 0
0 2 0
[T ]C = .
.. . . ..
..
. . .
0 0 n
115
116
CAPITULO
10. DIAGONALIZACAO
entao, pela propria definica o de matriz de uma transformaca o linear, vemos que T (v1 ) =
1 v1 , . . . , T (vn ) = n vn , ou seja, a base C e formada por autovetores de T. Resumire-
mos este fato no seguinte
Teorema 10.2 Sejam U um espaco vetorial de dimensao finita e T L (U ). Entao T
e diagonalizavel se e somente se existir uma base de U com relaca o a qual a matriz de
T e diagonal.
Note que se T L (U ) e diagonalizavel entao existe uma base B formada por
autovetores de T com relaca o a qual a matriz de T e diagonal. Se C e uma outra base de
U sabemos que [T ]B = (MCB )1 [T ]C MCB . Esta u ltima igualdade nos sugere a seguinte
Definica o 10.3 Dizemos que uma matriz A Mnn (R) e diagonalizavel se existir
M Mnn (R) invertvel tal que M 1 AM seja uma matriz diagonal.
Prova: Se
U = V (1 ) V (n )
entao podemos formar uma base B de U formada por bases Bj de V (j ), j = 1, . . . , n.
Como cada elemento de Bj e um autovetor de T, segue-se, pelo teorema 10.2 que T e
diagonalizavel.
Reciprocamente, se T for diagonalizavel existe uma base B de U formada por auto-
vetores de T. Como cada autovetor esta associado a algum autovalor de T, vemos que
cada elemento de B esta contido em algum V (j ). Desta forma, a soma de todos os
subespacos proprios de T contem B e, portanto, e o proprio U. Pelo teorema 9.15 esta
soma e direta, ou seja,
U = V (1 ) V (n ).
que a soma destes subespacos e direta. Como com relaca o a uma tal base a matriz de T
e da forma
1 0
0 0
.. . . ..
. .
.
0 1
r1 r1
..
.
n 0
0 0
.. . . .
.
. . .
0 n r r
n n mm
Prova: Como os autovalores de T sao dois a dois distintos, ve-se que as razes de pT (),
sao todas simples, isto e , tem multiplicidade um. Desta forma, se e um autovalor de
T entao a sua multiplicidade geometrica e um. Pela proposica o 9.27, a multiplicidade
geometrica de e menor do que ou igual a um. Como dim V () 1, segue-se que a a
multiplicidade geometrica de e um, ou seja, igual a` sua multiplicidade algebrica.
E CARACTERIZACAO
10.1. DEFINICAO 119
T (x, y, z) = (x + z, y + z, x + y + 2z)
e diagonalizavel.
Assim,
1 0 1
pT () = det 0 1 1 = (1 )((1 )(2 ) 1) + 1((1 ))
1 1 2
= (1 )(2 3) = (1 )( 3).
Desta forma, vemos que PT () apresenta todas as razes reais e simples e, pelo corolario
10.11, segue-se que T e diagonalizavel.
Ex. Resolvido 10.13 Encontre uma base de autovetores para o operador do exerccio
anterior. Encontre tambem a matriz de T com relaca o a esta base.
Resoluca o: autovalor 0: Precisamos encontrar (x, y, z) nao nulo tal que T (x, y, z) =
(0, 0, 0). Temos
x + z = 0
(
x = y = z
y+z =0 x = y = z,
x + y + 2z = 0
x + y + 2z = 0
assim, podemos tomar como autovetor associado ao autovalor 0, o vetor u = (1, 1, 1).
autovalor 1: Precisamos encontrar (x, y, z) nao nulo tal que T (x, y, z) = (x, y, z).
Temos
x + z = x
(
z=0
y+z =y ,
x = y
x + y + 2z = z
120
CAPITULO
10. DIAGONALIZACAO
assim, podemos tomar como autovetor associado ao autovalor 1, o vetor v = (1, 1, 0).
autovalor 3: Precisamos encontrar (x, y, z) 6= (0, 0, 0) satisfazendo T (x, y, z) =
(3x, 3y, 3z). Temos
x + z = 3x
y + z = 3y z = 2x = 2y,
x + y + 2z = 3z
assim, podemos tomar como autovetor associado ao autovalor 3, o vetor v = (1, 1, 2).
E claro que a matriz de T com relaca o a` base formada por u, v e w e dada por
0 0 0
0 1 0 .
0 0 3
Ex. Resolvido 10.14 Seja T : R2 R2 cuja matriz com relaca o a alguma base e dada
por
a b
A= .
b c
Mostre que T diagonalizavel.
pT () = 2 (a + c) + ac b2 .
Vemos que pT () apresenta duas razes reais simples, isto e , com multiplicidade um, se
e somente se o discriminante (a + c)2 4(ac b2 ) for positivo. Assim,
e diagonalizavel.
T (x, y, z, t) = (x + y, y, 2z + t, 2z + t)
= (1 )2 (2 3) = ( 3)(1 )2 .
(i) autovalor 0:
x+y =0
y = 0
(x, y, z, t) V (0) (x + y, y, 2z + t, 2z + t) = (0, 0, 0, 0)
2z + t = 0
2z + t = 0
(
x=y=0
(x, y, z, t) = z(0, 0, 1, 2).
t = 2z
Logo, V (0) = [(0, 0, 1, 2)].
(ii) autovalor 3:
Ex. Resolvido 10.17 Ainda com relaca o ao operador do exerccio anterior, encontre
a matriz de T com relaca o a` base B formada pelos vetores u = (0, 0, 1, 2), v =
(0, 0, 1, 1), w = (1, 0, 0, 0) e p = (0, 1, 0, 0).
10.2. EXERCICIOS 123
vemos que
0 0 0 0
0 3 0 0
[T ]B =
0
.
0 1 1
0 0 0 1
10.2 Exerccios
Ex. 10.18 Determinar M M2 (R), se existir, de modo que M 1 AM seja uma matriz
diagonal nos seguintes casos:
2 4 3 2
a) A = b) A =
3 13 2 1
Ex. 10.19 Verificar em cada um dos itens abaixo se o operador T L (R3 ) dado pela
sua matriz com relaca o a` base canonica e diagonalizavel.
1 2 2 1 0 0
a) [T ]C = 2 1 2 b) [T ]C = m 2 0
2 2 3 n 0 2
Ex. 10.20 Verificar em cada um dos itens abaixo se o operador T L (R4 ) dado pela
sua matriz com relaca o a` base canonica e diagonalizavel.
1 4 2 2 1 1 1 1
4 1 2 2 1 1 1 1
c) [T ]C =
2
d) [T ] C =
1 1 1 1
2 1 4
2 2 4 1 1 1 1 1
124
CAPITULO
10. DIAGONALIZACAO
Captulo 11
1 0 0
0 1 0
J(; r) = 0 0 0
.. .. .. . . ..
. . . . .
0 0 0 rr
125
126
CAPITULO
11. FORMA CANONICA DE JORDAN
1 0 0 0 0 1 0 0
0 1 0 0 0 0 1 0
= 0 0 1 0 + 0 0 0 0 = I + N,
.. .. .. . . .. .. .. .. . . ..
. . . . . . . . . .
0 0 0 1 rr 0 0 0 0 rr
onde I e a matriz identidade de ordem r e
0 1 0 0
0 0
1 0
N = 0 0
0 0 .
.. .. .. . . ..
. . . . .
0 0 0 0 rr
Note que N r e a matriz nula, isto e , N e uma matriz nilpotente.
Se + i e uma raiz complexa de pT () e r e um numero par, definimos
1 0 0 0
0 1 0 0
0 0 0 0
0 0 0 0
R(, ; r) = .
.. .. .. .. . . .. ..
.
. . . . . .
0 0 0 0
0 0 0 0 rr
Se B1 , . . . , Bk sao matrizes quadradas, nao necessariamente de ordens iguais, de-
finimos diag (B1 , . . . , Bk ) como sendo a matriz quadrada de ordem igual a` soma das
ordens de B1 , . . . , Bk dada por
B1 0 0
0 B2 0
.. ,
.. .. ..
. . . .
0 0 Bk
por exemplo, se
3 4 1 0
2 1 0 4 3 0 1
B1 = 0 2 1 , B2 =
0
0 3 4
0 0 2
0 0 4 3
127
entao
2 1 0 0 0 0 0
0 2 1 0 0 0 0
0 0 2 0 0 0 0
0
diag (B1 , B2 ) = 0 0 3 4 1 0
.
0
0 0 4 3 0 1
0 0 0 0 0 3 4
0 0 0 0 0 4 3
Observaca o 11.3 A matriz 11.2 e u nica a menos de permutaco es dos seus blocos que
compoem a sua diagonal.
Observaca o 11.4 Se e um autovalor de T entao a soma das ordens dos blocos J(; s)
e igual a` multiplicidade algebrica de .
pT () = (1 )m1 (n )mn
Observaca o 11.8 O teorema de Jordan diz que a matriz de um operador T com relaca o
a uma base arbitraria e semelhante a uma matriz da forma 11.2
Ex. Resolvido 11.9 Encontre as possveis matrizes na forma canonica de Jordan para
a um operador cujo polinomio caracterstico e dado por pT () = (2 )3 (1 ).
0 0 0 2
0 0 0 2
Ex. Resolvido 11.10 Encontre as possveis matrizes na forma canonica de Jordan para
a um operador cujo polinomio caracterstico e dado por pT () = (1 )2 (4 + 2 ).
Utilizando a notaca o do teorema 11.1 temos 1 = 1, = 0 e = 2. Como 0 + i2 tem
multiplicidade um (como raiz de pT ()), existe apenas um bloco da forma
0 2
R(0, 2; 2) = .
2 0
Se a multiplicidade geometrica do autovalor 1 for dois entao existem apenas dois
blocos associados a este autovalor e sao iguais a (1). Neste caso, a matriz da forma
canonica de Jordan para este operador e
1 0 0 0
0 1 0 0
0 0 0 2 .
0 0 2 0
Se a multiplicidade geometrica do autovalor 1 for um entao existe apenas um bloco
de ordem dois associado a este autovalor que e dado por
1 1
J(1; 2) = .
0 1
Neste caso, a matriz da forma canonica de Jordan para este operador e
1 1 0 0
0 1 0 0
0 0 0 2 .
0 0 2 0
Ex. Resolvido 11.11 Encontre uma base de R4 com relaca o a qual a matriz da trans-
formaca o
T (x, y, z, t) = (2x + y + z + t, 2y z t, 3z t, 4t)
esta na forma canonica de Jordan.
130
CAPITULO
11. FORMA CANONICA DE JORDAN
Vejamos qual a dimensao de dim V (2). Temos que (x, y, z, t) V ((2) se e somente se
0 1 1 1 x 0
0
0 1 1 y 0
= ,
0 0 1 1 z 0
0 0 0 2 t 0
0 0 0 4
cuja soluca o geral e da forma (a, 1, 0, 0). Tomamos, por exemplo, u2 = (0, 1, 0, 0) e isto
nos fornece a base procurada.
11.1. EXERCICIO 131
11.1 Exerccio
Ex. 11.12 Se uma matriz 3 3 tem os auto-valores 3, 3 e 3, quais sao as possveis
formas canonicas de Jordan dessa matriz?
132
CAPITULO
11. FORMA CANONICA DE JORDAN
Captulo 12
Espacos Euclidianos
133
134
CAPITULO 12. ESPACOS EUCLIDIANOS
hx, yi = x1 y1 + + xn yn (12.3)
Ex. Resolvido 12.4 Com relaca o ao exemplo anterior, calcule o produto interno entre
os vetores (1, 1, 1), (0, 2, 4) R3 .
Ex. Resolvido 12.5 Com relaca o ao produto interno dado por 12.3, calcule hu, vi onde
u = (cos , sen ) e v = (cos , sen ).
Resoluca o: Temos
xx0 yy 0 zz 0
h(x, y, z), (x0 , y 0 , z 0 )i = + + .
2 3 4
E facil verificar que a expressao acima define um produto interno em R3 .
Ex. Resolvido 12.7 Com relaca o ao produto interno apresentado no exemplo anterior,
calcule h(1, 1, 1), (0, 2, 4)i.
Resoluca o:
1 0 1 2 1 4 1
h(1, 1, 1), (0, 2, 4)i = + + = .
2 3 4 3
12.1. PRODUTO INTERNO 135
Ex. Resolvido 12.10 Com relaca o ao produto interno apresentado no exemplo anterior,
calcule o produto interno entre sen , cos C([0, 2]; R).
Resoluca o:
2
2
sen 2 x
Z
h sen , cos i = sen x cos x dx = = 0.
0 2 0
Ex. Resolvido 12.12 Com relaca o ao produto interno apresentado no exemplo anterior,
calcule o produto interno entre
1 1 2 0
A= e B= .
0 2 1 1
Resoluca o:
hA, Bi = 1 (2) + 1 0 + 0 1 + 2 1 = 0.
Exerccio 12.13 O traco de uma matriz quadrada A e a soma dos elementos da diago-
nal da matriz e e denotado por tr A. Mostre que se A, B Mn (R) entao
hA, Bi = tr (B t A)
12.2 Norma
o 12.14 Se V e um espaco euclidiano, definimos para cada u o numero
Definicap
||u|| = hu, ui. Este valor e chamado de norma de u.
Observaca o 12.15 Note que e possvel extrair a raiz quadrada de hu, ui pois este nu-
mero e nao negativo.
Exemplo 12.16 Em Rn , com o produto interno dado por 12.3, a norma de x = (x1 , . . . ,
xn ) e dada por q
||x|| = x21 + + x2n .
Note que a norma de x representa o comprimento deste vetor.
Exemplo 12.17 Em C([a, b]; R) com o produto interno definido por 12.9, a norma de
f C([a, b]; R) e dada por
s
Z b
||f || = [f (x)]2 dx.
a
1. ||u|| = ||||u||, u V, R;
2. ||u|| 0 u V ;
3. ||u|| = 0 se e somente se u = 0;
Prova:
p p p
1. ||u|| = hu, ui = 2 hu, ui = || hu, ui = || ||u||.
2. Obvio pois a raiz quadrada e nao negativa.
p
3. Se u = 0 entao kuk = h0, 0i = 0.
p
Reciprocamente, se u 6= 0 entao hu, ui > 0 e kuk = hu, ui > 0.
12.2. NORMA 137
Prova:
ku + vk2 + ku vk2 = hu + v, u + vi + hu v, u vi
= hu, ui + hv, vi + 2hu, vi + hu, ui + hv, vi 2hu, vi
= 2hu, ui + 2hv, vi = 2(kuk2 + kvk2 ).
A proxima proposica o mostra como se pode obter o produto interno entre dois veto-
res a partir das normas de suas soma e diferenca.
138
CAPITULO 12. ESPACOS EUCLIDIANOS
Prova:
ku + vk2 ku vk2 = hu + v, u + vi hu v, u vi
= hu, ui + hv, vi + 2hu, vi hu, ui hv, vi + 2hu, vi
= 4hu, vi.
Resoluca o: Temos
1
hu, vi = (ku + vk2 ku vk2 ) = 0.
4
12.3 Distancia
Definica o 12.22 Num espaco euclidiano V definimos a distancia entre u, v V como
d(u, v) = ku vk.
2. d(u, v) = 0 se e somente se u = v;
Ex. Resolvido 12.24 Com relaca o ao produto interno 12.3 calcule a distancia entre os
pontos u = (1, 1, 3, 2) e v = (2, 2, 1, 0) de R4 .
12.4. ANGULO 139
Resoluca o: Temos
p
d(u, v) = (1 2)2 + (1 2)2 + (3 1)2 + (2 0)2 = 10
Ex. Resolvido 12.25 Com relaca o ao produto interno 12.9 calcule a distancia entre as
funco es sen e cos de C([0, 2]; R)
Resoluca o: Temos
Z 2
2
d( sen , cos) = [ sen x cos x]2 dx
0
Z 2 Z 2
= [ sen 2 x + cos2 x 2 sen x cos x] dx = [1 2 sen x cos x] dx =
0 0
2
= x sen 2 x0 = 2.
Portanto, d( sen , cos) = 2.
12.4 Angulo
Sejam V um espaco euclidiano e u, v V ambos nao nulos. Pela desigualdade de
Cauchy-Schwarz (veja proposica o 12.18) temos
ou ainda,
hu, vi
1 1.
kuk kvk
Desta forma, existe um u nico numero real [0, ] tal que
hu, vi
cos = .
kuk kvk
Este numero e chamado de a ngulo entre os vetores u e v.
Ex. Resolvido 12.26 Calcule o a ngulo entre as funco es seno e co-seno definidas em
[0, 2] com o produto interno dado por 12.9.
140
CAPITULO 12. ESPACOS EUCLIDIANOS
Resoluca o:
2
2
1
Z
2
h sen , cos i = sen x cos x dx = sen x = 0.
0 2 0
4 = ku vk2 = hu v, u vi
hu, vi
cos = = 1,
kuk kvk
ou seja, = .
12.5 Ortogonalidade
Definica o 12.28 Seja V um espaco euclidiano. Dizemos que u, v V sao ortogonais
se hu, vi = 0 e, neste caso, denotaremos uv.
Diremos que um conjunto S = {u1 , . . . , un } V e ortogonal se ui uj quando
i 6= j.
Diremos que um conjunto ortogonal S = {u1 , . . . , un } V e ortonormal se
kuj k = 1, j = 1, . . . , n.
Diremos que u V e ortogonal a um subconjunto nao vazio S de V se u for
ortogonal a todos os elementos de S. Neste caso usaremos a definica o uS.
Exemplo 12.29 S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} R3 e um conjunto ortonormal com
relaca o ao produto interno dado por 12.3.
Prova: Se
1 u1 + + n un = 0 (12.33)
entao, tomando o produto interno do vetor acima com u1 e lembrando que hu1 , u1 i =
ku1 k2 = 1 e huj , u1 i = 0, se j = 2, . . . , n, obtemos
2 u2 + + n un = 0.
Tomando o produto interno do vetor acima com u2 , obtemos, como acima, que 2 = 0.
Repetindo o processo chegamos a` conclusao que a u nica possibilidade para 12.33 e
1 = = n = 0.
Proposica o 12.36 Sejam V um espaco euclidiano que possui uma base ortonormal
dada por u1 , . . . , un . Entao, se u V temos
u = 1 u1 + + n un .
Ex. Resolvido
12.37 Encontre
as coordenadas de (1, 1) R2 com relaca o a` base for-
mada por ( 22 , 22 ) e ( 22 , 22 ).
Resoluca o: Como a base em questao e ortonormal, pela proposica o anterior, temos que
2 2 2 2 2 2 2 2
(1, 1) = h(1, 1), ( , )i( , ) + h(1, 1), ( , )i( , )
2 2 2 2 2 2 2 2
2 2 2 2
= 2( , ) + 0( , ).
2 2 2 2
Desta forma as coordenadas de (1, 1) com relaca o a` base acima sao
2
.
0
Pn
Prova: Seja w U.PPodemos escreverPw = j=1 j uj . Precisamos mostrar que
n n
hw, vi = 0, isto e , h j=1 j uj , vi = j=1 j huj , vi = 0. Portanto, basta verificar
que huj , vi = 0 para cada j = 1, . . . , n. Como u1 , . . . , un formam um conjunto orto-
normal, temos
huj , vi = huj , u hu, u1 iu1 hu, un iun i
= huj , ui hu, u1 ihuj , u1 i hu, un ihuj , un i
= huj , ui hu, uj ihuj , uj i = huj , ui hu, uj i = 0
e
u2 = u (hu, v1 iv1 + + hu, vn ivn ) .
Pela proposica o 12.38, u1 , u2 U. Logo, para todo w U, temos hu1 u2 , wi =
hu1 , wi hu2 , wi = 0, isto e , (u1 u2 )U.
Note tambem que
Ex. Resolvido 12.43 Com relaca o ao produto interno usual de R3 , verifique que os
vetores u1 = ( 13 , 13 , 13 ) e u2 = ( 12 , 12 , 0) formam um conjunto ortonormal e
encontre a projeca o ortogonal de u = (2, 3, 1) sobre o subespaco gerado por u1 e u2 .
Resoluca o: Claramente,
1 1 1
ku1 k2 = + + =1
3 3 3
e
1 1
ku2 k2 = + = 1.
2 2
Tambem,
1 1 1 1 1
hu1 , u2 i = + 0 = 0.
3 2 3 2 3
Assim, a projeca o ortogonal de u = (2, 3, 1) sobre [u1 , u2 ] e
1 1 1 1 1 1
= h(2, 3, 1), ( , , )i( , , )
3 3 3 3 3 3
1 1 1 1 5 5
+ h(2, 3, 1), ( , , 0)i( , , 0) = ( , , 0).
2 2 2 2 2 2
DE GRAM-SCHMIDT
12.6. PROCESSO DE ORTONORMALIZACAO 145
Ex. Resolvido 12.44 Considere P3 (R) com o produto interno dado por
Z 1
hp, qi = p(x)q(x) dx.
0
Resoluca o: Temos
1 1
1
x7 x3 2x5
Z Z
2 3 2 6 2 4
kqk = (x x) dx = (x + x 2x ) dx = +
0 0 7 3 5 0
1 1 2 8
+ = = ;
7 3 5 105
Z 1
2 3 3
hp, qi = h1 + x + x + x , x xi = (1 + x + x2 + x3 )(x3 x) dx
0
Z 1
= (x x2 + x5 + x6 ) dx = 11/21.
0
Assim a projeca o ortogonal de p(x) sobre q(x) e
11 105 3 55
r(x) = (x x) = (x3 x).
21 8 8
Teorema 12.45 Todo espaco euclidiano de dimensao finita possui uma base ortonor-
mal.
e, dessa forma, {u1 } e um conjunto ortonormal e V = [u1 ], ou seja, u1 forma uma base
ortonormal de V.
Se dim V = 2 entao existem v1 , v2 V tais que V = [v1 , v2 ]. Coloque
v1
u1 = .
kv1 k
u02
u2 =
ku02 k
e entao
v1 v2 hv2 , u1 iu1
u1 = e u2 =
kv1 k kv2 hv2 , u1 iu1 k
formam uma base ortonormal de V.
Dado n N, suponha que tenhamos provado o teorema para todos os espacos eucli-
dianos de dimensao n 1. Queremos provar que o mesmo e verdade para todo espaco
euclidiano de dimensao n.
Se dim V = n 2 entao existem v1 , . . . , vn que formam uma base de V. Note que
U = [v1 , . . . , vn1 ] e um subespaco de V de dimensao n 1. Desse modo, usando a
nossa hipotese de induca o, e possvel tomar uma base ortonormal de U. Chamemos estes
vetores da base ortonormal de U por u1 , . . . , un1 . Como vn 6 U entao, pela proposica o
12.38, o vetor
u0n = vn hvn , u1 iu1 hvn , un1 iun1
e nao nulo e ortogonal a todos os elementos de U (portanto, ortogonal a u1 , , un1 ).
Para finalizar, tomamos como base de V os vetores
u1 , , un1 , un
onde
u0n vn hvn , u1 iu1 hvn , un1 iun1
un = 0
= .
kun k kvn hvn , u1 iu1 hvn , un1 iun1 k
DE GRAM-SCHMIDT
12.6. PROCESSO DE ORTONORMALIZACAO 147
Ex. ResolvidoR12.47 Encontre uma base ortonormal de P2 (R) munido do produto in-
1
terno hp, qi = 0 p(x)q(x) dx.
x hx, 1i1
p2 (x) = ,
kx hx, 1i1k
onde
1 1
1 1 1
Z Z
2
hx, 1i = x dx = e kx hx, 1i1k = (x )2 dx = .
0 2 0 2 12
Assim, p2 (x) = 12(x 21 ) = 3(2x 1). Por fim, colocamos
x2 hx2 , 1i1 hx2 , 3(2x 1)i 3(2x 1)
p3 (x) = ,
kx2 hx2 , 1i1 hx2 , 3(2x 1)i 3(2x 1)k
onde
2
Z 1
2 1 2
Z 1
2 3
hx , 1i = x dx = , hx , 3(2x 1)i = 3 x (2x 1) dx =
0 3 0 6
e
1
kx2 hx2 , 1i1 hx2 , 3(2x 1)i 3(2x 1)k2 = kx2 x + k2 =
6
Z 1
1 1
= (x2 x + )2 dx = .
0 6 180
148
CAPITULO 12. ESPACOS EUCLIDIANOS
Assim,
1
p3 (x) =180(x2 x + ) = 5(6x2 6x + 1).
6
Desta forma, uma base ortonormal para P2 (R) e dada por
p1 (x) = 1, p2 (x) = 3(2x 1) e p3 (x) = 5(6x2 6x + 1).
(x, y, z, t) = (y z t, y, z, t)
(1, 1, 0, 0) 1 1
u1 = = ( , , 0, 0).
k(1, 1, 0, 0)k 2 2
12.7. COMPLEMENTO ORTOGONAL 149
( 12 , 21 , 1, 0) 1
= 1 1 = (1, 1, 2, 0).
k( 2 , 2 , 1, 0)k 6
(1, 0, 0, 1) h(1, 0, 0, 1), u1 iu1 h(1, 0, 0, 1), u2 iu2
u3 =
k(1, 0, 0, 1) h(1, 0, 0, 1), u1 iu1 h(1, 0, 0, 1), u2 iu2 k
onde
1 1 1
h(1, 0, 0, 1), u1 i = h(1, 0, 0, 1), ( , , 0, 0)i =
2 2 2
1 1
h(1, 0, 0, 1), u2 i = h(1, 0, 0, 1), (1, 1, 2, 0)i = .
6 6
Assim,
(1, 0, 0, 1) h(1, 0, 0, 1), u1 iu1 h(1, 0, 0, 1), u2 iu2
1 1 1 1 1
= (1, 0, 0, 1) ( , , 0, 0) (1, 1, 2, 0)
2 2 2 6 6
1 1 1 1 1 1 1 1
= (1, 0, 0, 1) + ( , , 0, 0) + ( , , , 0) = ( , , , 1).
2 2 6 6 3 3 3 3
Desta forma,
( 31 , 13 , 31 , 1) 1 1 1 1
u3 = 1 1 1 = 3( , , , 1)
k( 3 , 3 , 3 , 1)k 2 3 3 3
U = {v V ; hu, vi = 0, u U }.
hv + w, ui = hv, ui + hw, ui = 0.
Portanto, v + w U .
ou seja, (
x+y =0
(x, y, z) = x(1, 1, 1).
x+z =0
Assim,
U = [(1, 1, 1)].
12.8 Isometria
Definica o 12.55 Sejam U e V espacos euclidianos. Dizemos que T L (U, V ) e uma
isometria se hT (u1 ), T (u2 )i = hu1 , u2 i para todo u1 , u2 U.
12.8. ISOMETRIA 151
Observaca o 12.56 Note que os produtos internos acima, embora representados pelo
mesmo smbolo, sao produtos internos de V e de U, respectivamente.
De fato,
hT (x1 , y1 ), T (x2 , y2 )i
= h(x1 cos y1 sen , x1 sen + y1 cos ), (x2 cos y2 sen , x2 sen + y2 cos )i
1. T e uma isometria;
Prova: (1 = 2) Como T e uma isometria temos que hT (u), T (v)i = hu, vi para todo
u, v U. Em particular, tomando u = v, obtemos
(3 = 1) Note que
kT (u) + T (v)k = kT (u) T (v)k = ku (v)k = ku + vk.
Pela proposica o 12.20, temos
1
hT (u), T (v)i = (kT (u) + T (v)k2 kT (u) T (v)k2 )
4
1
= (ku + vk2 ku vk2 ) = hu, vi.
4
(1 = 4) Se {u1 , . . . , un } e um conjunto ortonormal de U entao, como T e uma
isometria, temos
(
1, se i = j
hT (ui ), T (uj )i = hui , uj i =
0, se i 6= j,
ou seja, {T (u1 ), . . . , T (un )} e um conjunto ortonormal.
(4 = 1) Seja u1 , . . . , un uma base ortonormal de U. Por hipotese, T (u1 ), . . . ,
T (un ) formam um conjunto ortonormal. Dados u, v U, escrevemos
u = 1 u1 + + n un
e
v = 1 u1 + + n un
e obtemos
n
X n
X n X
X n
hT (u), T (v)i = h i T (ui ), j T (uj )i = i j hT (ui ), T (uj )i
i=1 j=1 i=1 j=1
n
X
= i i .
i=1
Por outro lado,
n
X n
X n X
X n
hu, vi = h i ui , j uj i = i j hui , uj i
i=1 j=1 i=1 j=1
n
X
= i i .
i=1
Comparando as expressoes acima, conclumos que T e uma isometria.
12.9. OPERADOR AUTO-ADJUNTO 153
Ex. Resolvido 12.61 Seja T R2 tal que a matriz de T som relaca o a uma base orto-
normal de R2 e dada por
1 2
.
2 1
T e uma isometria?
e a matriz de uma isometria S com relaca o a esta base entao pelo teorema anterior
kS(u)k = kS(v)k = 1. Alem do mais, hS(u), S(v)i = 0. Como S(u) = au + cv e
S(v) = bu + dv, teramos
a2 + c2 = 1
b2 + d2 = 1 .
ab + cd = 0
Ex. Resolvido 12.63 Seja T L (R2 ) dado por T (x, y) = (ax+by, bx+cy). Verifique
que T e um operador auto-adjunto.
154
CAPITULO 12. ESPACOS EUCLIDIANOS
Resoluca o: Temos
hT (x, y), (z, t)i = h(ax + by, bx + cy), (z, t)i = axz + byz + bxt + cyt.
h(x, y), T (z, t)i = h(x, y), (az + bt, bz + ct)i = axz + bxt + byz + cyt.
Note que a matriz do operador do exemplo anterior com relaca o a` base canonica
e uma matriz simetrica. Isto, como diz o proximo teorema, nao e uma simples coin-
cidencia.
Prova: Suponha que T seja auto-adjunto e seja A = (aij ) a matriz de T com relaca o a
alguma base ortonormal de U. Queremos mostrar que aij = aji . Se u1 , . . . , un sao os
vetores de uma tal base, temos
e
v = 1 u1 + + n un ,
entao, como o produto interno e linear em cada variavel e a base acima e ortonormal,
temos
n
X n
X Xn X n
hT (u), vi = h i T (ui ), j uj i = i j hT (ui ), uj i
i=1 j=1 i=1 j=1
e, analogamente,
n
X
hu, T (v)i = i j hui , T (uj )i.
j=1
Desta forma, basta mostrar que hT (ui ), uj i = hui , T (uj )i. Como (aij ) e a matriz de T
com relaca o a esta base, temos por 12.65 que aij = hui , T (uj )i e aji = hT (ui ), uj i e
como a matriz e simetrica obtemos que
como queramos.
pT () = 2 (a + c) + ac b2 .
Como
12.10 Exerccios
Ex. 12.69 Verifique em cada um dos itens abaixo se a funca o h , i e um produto interno
no espaco vetorial V.
1. V = R2 , u = (x1 , y1 ), w = (x2 , y2 ) e hu, wi = 2x1 x2 + 4y1 y2 .
Ex. 12.73 Com relaca o ao exerccio anterior, quais conjuntos sao ortonormais?
Ex. 12.74 Determinar uma base ortonormal para cada um dos subespacos vetoriais W
do espaco com produto interno V abaixo, utilizando o processo de Gram-Schmidt.
Ex. 12.76 Determinar uma isometria em P2 (R) cuja matriz em relaca o a base canoni-
1
1 0
2 2
ca e 0 0 1 (onde x, y, z R devem ser determinados).
x y z
Ex. 12.77 Verifique se T : M2 (R) M2 (R) dada por T (A) = At , A M2 (R), e uma
isometria.
Referencias Bibliograficas
[CDC]
Callioli, C. A., Domingues, H. H., Costa, R. C. F., Algebra Linear e
a
Aplicaco es, 2 edica o, Atual Editora Ltda, 1978.
[L]
Lima, E. L., Algebra Linear, Coleca o Matematica Universitaria, IMPA,
CNPq, Rio de Janeiro, 1995.
12.9
159
Indice Remissivo
automorfismo, 85 imagem, 79
autovalor, 105 imagem inversa, 79
autovetor, 105 isometria, 150
isomorfismo, 85
base, 37
dual, 75 matriz
ortonormal, 141 de mudanca de base, 52
diagonal, 115
complemento ortogonal, 149 diagonalizavel, 116
composta, 76 semelhante, 111
conjunto multiplicidade
ortogonal, 140 algebrica, 112
ortonormal, 140 geometrica, 105
coordenada, 45
nucleo, 80
dimensao norma, 136
da soma de subespacos, 41
de um espaco vetorial, 39 operador
distancia, 138 auto-adjunto, 153
ortogonalidade, 140
espaco
dual, 74 polinomio caracterstico, 111
vetorial, 9 de uma transformaca o linear, 111
espacos produto interno, 133
isomorfos, 85 projeca o ortogonal, 144
160
INDICE REMISSIVO 161
vetorial
definica o, 15
gerador, 24
soma de, 17
soma direta de, 18
teorema
do completamento, 40
do nucleo e da imagem, 81
transformaca o
bijetora, 78
diagonalizavel, 115
idempotente, 85
injetora, 78
linear, 71
matriz de uma, 88
nilpotente, 76
sobrejetora, 78