Sie sind auf Seite 1von 199

 Algebra Linear

Srgio Lus Zani e  Departamento de Matemtica a ICMC { USP 2007

Sumrio a
1 Espaos Vetoriais c 7

1.1 Introdu~o e Exemplos . . . . . . . . . . . . . . . . . . . . . 7 ca 1.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15  2.1 Introdu~o e Exemplos . . . . . . . . . . . . . . . . . . . . . 17 ca 2.2 Interse~o e Soma de Subespaos . . . . . . . . . . . . . . . 20 ca c 2.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25  3.1 Introdu~o e Exemplos . . . . . . . . . . . . . . . . . . . . . 29 ca 3.2 Geradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35  4.1 Introdu~o e Exemplos . . . . . . . . . . . . . . . . . . . . . 37 ca 4.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . 41 4.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43  5.1 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 5.2 Dimens~o . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 a 3
45 37 29 17

2 Subespaos Vetoriais c

3 Combinaoes Lineares c

4 Dependncia Linear e

5 Base, Dimenso e Coordenadas a

 SUMARIO 5.3 Dimens~o de Soma de Subespaos Vetoriais . . . . . . . . . 51 a c 5.4 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . 56 5.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 

6 Mudana de Base c

6.1 Introdu~o, Exemplos e Propriedades . . . . . . . . . . . . . 61 ca 6.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 


71

61

7 Exerc cios Resolvidos Uma Reviso a 8 Transformaes Lineares co

8.1 8.2 8.3 8.4 8.5

Introdu~o e Exemplos . . . . . . . . . ca O Espao Vetorial L (U, V) . . . . . . c Imagem e Ncleo . . . . . . . . . . . . u Isomor smo e Automor smo . . . . . Matriz de uma Transforma~o Linear . ca 8.5.1 De ni~o e Exemplos . . . . . ca 8.5.2 Propriedades . . . . . . . . . . 8.6 Exerccios Resolvidos . . . . . . . . . .  8.7 Exerccios . . . . . . . . . . . . . . . . 

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

85 88 95 103 106 106 108 113 119


127

85

9 Autovalores e Autovetores

9.1 De ni~o, Exemplos e Propriedades . . . . . . . . . . . . . 127 ca 9.2 Polin^mio Caracterstico . . . . . . . . . . . . . . . . . . . . 135 o  9.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139  10.1 De ni~o e Caracteriza~o . . . . . . . . . . . . . . . . . . . 141 ca ca 10.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153  11.1 Introdu~o e Exemplos . . . . . . . . . . . . . . . . . . . . . 155 ca

10 Diagonalizao ca

141

11 Forma Cannica de Jordan o

155

 SUMARIO

11.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162 


12 Espaos Euclidianos c

12.1 Produto Interno . . . . . . 12.2 Norma . . . . . . . . . . . . 12.3 Dist^ncia . . . . . . . . . . a ^ 12.4 Angulo . . . . . . . . . . . . 12.5 Ortogonalidade . . . . . . . 12.6 Processo de Gram-Schmidt 12.7 Complemento Ortogonal . . 12.8 Isometria . . . . . . . . . . 12.9 Operador Auto-adjunto . . 12.10Exerccios . . . . . . . . . . 

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

163

163 167 170 171 172 178 183 184 189 192

 SUMARIO

Cap tulo 1 Espaos Vetoriais c


1.1 Introduo e Exemplos ca

este captulo introduziremos o conceito de espao vetorial que ser  c a usado em todo o decorrer do curso. Porm, antes de apresentarmos a de ni~o de espao vetorial, passee ca c mos a analisar em paralelo dois objetos: o conjunto formado pelas fun~es co f : R R, denotado por F (R; R) e o conjunto das matrizes quadradas de ordem n com coe cientes reais que denotaremos por Mn (R), ou simplesmente, por Mn . A soma de duas fun~es f e g de F (R; R)  de nida como sendo a co e fun~o f + g F (R; R) dada por (f + g)(x) = f(x) + g(x). ca Note tambm que se R podemos multiplicar a fun~o f pelo escalar e ca , da seguinte forma (f)(x) = (f(x)), resultando num elemento de F (R). Com rela~o a Mn podemos somar duas matrizes quadradas de ordem ca n, A = (aij )nn e B = (bij )nn , colocando A + B = (aij + bij )nn , que  e um elemento de Mn . Com a rela~o  multiplica~o de A = (aij )nn por um escalar R, ca a ca  natural de nirmos A = (aij )nn , o qual tambm pertence a Mn . e e O que estes dois conjuntos acima, com estas estruturas de adi~o de ca 7

CAPTULO 1. ESPACOS VETORIAIS I 

seus elementos e multiplica~o de seus elementos por escalares, t^m coca e mum? Vejamos: Veri ca-se facilmente a partir das propriedades dos nmeros reais que, u com rela~o a quaisquer fun~es f, g e h em F (R; R) e para todo , R, ca co s~o vlidos os seguintes resultados: a a 1. f + g = g + f; 2. f + (g + h) = (f + g) + h; 3. se O representa o fun~o nula, isto , O(x) = 0 para todo x R ca e ent~o O + f = f; a 4. a fun~o f de nida por (f)(x) = [f(x)] para todo x R  tal ca e que f + (f) = O; 5. (f) = ()f; 6. ( + )f = f + f; 7. (f + g) = f + g; 8. 1f = f. Agora, com rela~o a quaisquer matrizes A, B e C em Mn e para todo ca , R, tambm s~o vlidos os seguintes resultados: e a a 1. A + B = B + A; 2. A + (B + C) = (A + B) + C; 3. se O representa o fun~o nula, isto , O = (0)nn ent~o O + A = A; ca e a 4. se A = (ai,j )nn ent~o a matriz A de nida por A = (ai,j )nn  a e tal que A + (A) = O; 5. (A) = ()A;

1.1. INTRODUCAO E EXEMPLOS ~ 6. ( + )A = A + A; 7. (A + B) = A + B; 8. 1A = A.

Podemos ver que tanto o conjuntos das fun~es de nidas na reta a valoco res reais como o das matrizes quadradas quando munidos de somas e multiplica~o por escalares adequadas apresentam propriedades algbricas ca e comuns. Na verdade muitos outros conjuntos munidos de opera~es aproco priadas apresentam propriedades semelhantes s acima. a  por isso que ao invs de estudarmos cada um separadamente estudaE e remos um conjunto arbitrrio e n~o vazio, V, sobre o qual supomos estar a a de nidas uma opera~o de adi~o, isto , para cada u, v V existe um ca ca e unico elemento de V associado, chamado a soma entre u e v e denotado  por u + v, e uma multiplica~o por escalar, isto , para cada u V e R ca e existe um unico elemento de V associado, chamado de produto de u pelo  escalar e denotado por u.

Diremos que um conjunto V como acima munido de uma adi~o e de uma multiplica~o por escalar  um espao vetorial ca ca e c se para quaisquer u, v e w em V e para todo , R s~o vlidas as a a seguintes propriedades:
Denio 1.1 ca

(ev1) (ev2)

u+v=v+u

para todo u, v V; para todo u, v, w V;

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

(ev3) existe um elemento 0 V tal que 0 + u = u para todo u V; (ev4) para cada u V existe v V tal que u + v = 0; (ev5) (ev6)
(u) = ()u

para todo u V e , R; para todo u V, , R;

( + )u = u + u

10

CAPTULO 1. ESPACOS VETORIAIS I 


(u + v) = u + v 1u = u

(ev7) (ev8)

para todo u, v V e R;

para todo u V.

Observao 1.2 ca

 E comum chamarmos os elementos de um espao vec torial de vetores, independentemente da natureza dos mesmos. Tambm chamamos de escalares os nmeros reais quando estes desempee u nham o seu papel na a~o de multiplicar um vetor. ca

Observao 1.3 O elemento 0 na propriedade ev3  unico, pois qualca e quer outro 0 V satisfazendo a mesma propriedade ev3 ent~o, pelas a propriedades ev3 e ev1 teramos 0 = 0 + 0 = 0 + 0 = 0, isto , 0 = 0 .  e Observao 1.4 Em um espao vetorial, pela propriedade ev4, para ca c cada u V existe v V tal que u + v = 0. Na verdade, para cada u V existe somente um elemento v V com esta propriedade. De fato, dado u V se v e v em V s~o tais que u + v = 0 e u + v = 0 a

ent~o, combinando estas equa~es com as propriedades ev1,ev2 e a co ev3, obtemos v = v + 0 = v + (u + v ) = (v + u) + v = (u + v) + v = 0 + v = v , isto  v = v . Denotaremos v por u e u v por u + (v). e As quatro primeiras propriedades referem-se apenas a  opera~o de adi~o e s~o conhecidas, respectivamente, por proprieca ca a dade comutativa, propriedade associatividade, exist^ncia do elemento e neutro e exist^ncia do elemento inverso. e A quinta e a oitava propriedades s~o exclusivas da multiplica~o a ca por escalar e tambm podem ser chamadas de associatividade e elee mento neutro da multiplica~o, respectivamente. ca A sexta e a stima propriedades relacionam as duas opera~es e e co s~o ambas conhecidas por distributividade. a
Observao 1.5 ca

A rigor, a de ni~o de espao vetorial que demos ca c acima se refere a espaos vetoriais reais visto que estamos permitindo c
Observao 1.6 ca

1.1. INTRODUCAO E EXEMPLOS ~

11

que os escalares sejam apenas nmeros reais. A no~o de espao u ca c vetorial complexo pode ser feita naturalmente a partir da de ni~o acima ca

com as devidas mudanas. Mais precisamente, pedimos que seja satisfeitas c as propriedades ev1 a ev4 e ev8 enquanto que as propriedades ev5 a ev7 devem valer para todo , C. No entanto, embora importante, n~o a usaremos o conceito de espao vetorial complexo. c

Um outro exemplo de espao vetorial, alm dos dois apresentados no c e incio do texto,  o conjunto dos vetores como apresentados em Geometria  e Analtica munido da adi~o e da multiplica~o por escalar. Dessa forma,  ca ca o adjetivo vetorial utilizado na de ni~o acima deve ser entendido de uma ca forma mais ampla, sendo uma refer^ncia aos elementos de V independene temente de serem ou n~o vetores. a Talvez o exemplo mais simples de espao vetorial seja o conjunto dos c nmeros reais com a adi~o e multiplica~o usuais. Mais geralmente, para u ca ca cada n N, podemos transformar o conjunto das n-uplas ordenadas de nmeros reais, Rn , em um espao vetorial de nindo a adi~o de duas u c ca 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 veri car que desse modo Rn  um espao vee c torial. Deixamos como exerccio esta tarefa.  Veri que tambm que os seguintes exemplos s~o espaos vetoriais. e a c 1. Sejam n N e V = Pn (R) o conjunto formado pelo polin^mio nulo e o por todos os polin^mios de grau menor ou igual a n com coe cientes o reais. De nimos a adi~o e a multiplica~o por escalar da seguinte ca ca maneira:

12

CAPTULO 1. ESPACOS VETORIAIS I  Se p(x) = a0 + a1 x + + an xn e q(x) = b0 + b1 x + + bn xn s~o elementos de Pn (R) ent~o a a


p(x) + q(x) = (a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn .

Se p(x) = a0 + a1 x + + an xn  um elemento de Pn (R) e e R ent~o a


p(x) = (a0 ) + (a1 )x + + (an )xn .

2. Sejam A R e F (A; R) o conjunto de todas as fun~es f : A R. co Se f, g F (A; R) e R de na f + g : A R por (f + g)(x) = f(x)+g(x) e (f)(x) = f(x), x A. Ent~o, F (A; R) com esta adi~o a ca e produto por escalar  um espao vetorial. e c 3. O conjunto das fun~es contnuas de nidas num intervalo I R co  munido das opera~es de adi~o e multiplica~o usuais (como aquelas co ca ca de nidas em F (I; R)). Nota~o: C(I; R). ca 4. O conjunto das fun~es com derivadas contnuas at ordem k N, (k co  e  xo) de nidas num intervalo aberto I R munido das opera~es de e co adi~o e multiplica~o usuais (como aquelas de nidas em F (I; R)). ca ca k Nota~o: C (I; R). ca 5. O conjunto das fun~es com todas as derivadas contnuas de nico  das num intervalo aberto I R munido das opera~es de adi~o e co ca multiplica~o usuais (como aquelas de nidas em F (I; R)). Nota~o: ca ca
C (I; R).

6. O conjunto das matrizes m por n com coe cientes reais: Mmn (R) munido de opera~es anlogas quelas de nidas em Mn (R). co a a Os espaos vetoriais acima envolvem opera~es com as quais voc^ j c co e a deve estar familiarizado. O prximo exemplo  um pouco mais so sticado o e

1.2. PROPRIEDADES

13

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 s opera~es usuais de soma e multiplica~o a co ca n~o  um espao vetorial, visto que n~o possui elemento neutro para a a e c a adi~o. No entanto, se para x, y V e R, de nirmos a soma entre x ca e y por x y = xy, (o produto usual entre x e y) e o produto de x pelo escalar como x = x , ent~o V se torna um espao vetorial. De fato, a c veri quemos 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 ent~o, como 1 V, temos 1 x = 1x = x; observe que neste a caso, 1  o elemento neutro da adi~o, o qual denotaremos por o; e ca 4. se x V, isto , x > 0, ent~o x1 V e x x1 = xx1 = 1 = o; e a 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 = ( quaisquer x, y V e R; 8. 1 x = x1 = x para qualquer x V.
x) ( y)

para

1.2

Propriedades

Das oito propriedades que de nem um espao vetorial podemos concluir c vrias outras. Listaremos algumas destas propriedades na seguinte a

14
Proposio 1.7 ca

CAPTULO 1. ESPACOS VETORIAIS I 

Seja V um espao vetorial. Temos c

1. Para qualquer R, 0 = 0. 2. Para qualquer u V, 0u = 0. 3. Se u = 0 ent~o = 0 ou u = 0. a 4. Para quaisquer R e u V, ()u = (u) = (u). 5. Para qualquer u V, (u) = u. 6. Se u + w = v + w ent~o u = v. a 7. Se u, v V ent~o existe um unico w V tal que u + w = v. a 
Prova:

1. Temos 0 = (0 + 0) = 0 + 0 pelas propriedades ev3 e ev7. Utilizando as propriedades ev1 a ev4 e a nota~o da observa~o ca ca 1.4, obtemos 0 = 0 + ((0)) = (0 + 0) + ((0)) = 0 + (0 + ((0))) = 0 + 0 = 0, isto  0 = 0. e 2. Temos 0u = (0 + 0)u = 0u + 0u, pela propriedade ev6. Utilizando as propriedades ev1 a ev4 e a nota~o da observa~o 1.4, obtemos ca ca
0 = 0u + ((0u)) = (0u + 0u) + ((0u)) = 0u + (0u + ((0u)) = 0u + 0 = 0u, isto , 0u = 0. e

3. Se = 0 ent~o pelas propriedades ev8 e ev5 e pelo item 1 desta a proposi~o, u = 1u = (1 )u = 1 (u) = 1 0 = 0. ca 4. Utilizando a propriedade ev6 e o item 2 desta proposi~o, obtemos ca u + ()u = ( + ())u = 0u = 0. Pela observa~o 1.4, (u) = ca ()u. Analogamente, utilizando-se a propriedade ev7, mostra-se que (u) = (u).

1.3. EXERCCIOS I A prova dos outros resultados  deixada como exerccio. e 


Ex. Resolvido 1.8 Seja V um espao c ent~o V tem in nitos elementos. a

15

vetorial. Mostre que se V = {0}

Resoluo: Note que se encontrarmos uma fun~o f : R V que seja injeca ca tora ent~o V ter in nitos elementos, pois para cada R corresponder a a a um elemento distinto f() de V. Tome v V, v = 0. De na f : R V por f() = v. Para mostrar que f  injetora, tomemos , R tais que f() = f(). Devemos mostrar e que = . Como v = f() = f() = v, obtemos v (v) = 0. Pelo item 4 da proposi~o 1.7 temos 0 = v (v) = v + ()v = ( )v. ca Como v = 0, pelo item 3 da mesma proposi~o, segue que = 0, isto ca , = . e

1.3
Ex. 1.9

Exerc cios
V

Veri que se em cada um dos itens o conjunto opera~es indicadas  um espao vetorial sobre R. co e c
(x, y, z).

com as

1. V = R3 , (x1 , y1 , z1 )+(x2 , y2 , z2 ) = (x1 +x2 , y1 +y2 , z1 +z2 ); (x, y, z) = 2. V =


a b b a ; a, b R ,

opera~es usuais de M2 . co

3. V = (x, y) R2 ; 3x 2y = 0 , opera~es usuais de R2 . co 4. V = {f : R R; f(x) = f(x), x R}, opera~es usuais de fun~es. co co 5. V = P(R) = { polin^mios com coe cientes reais } , opera~es usuais o co de fun~es. co

16

CAPTULO 1. ESPACOS VETORIAIS I  6. V = R2 , (x1 , y1 )+(x2 , y2 ) = (2x1 2y1 , y1 x1 ), (x, y) = (3x, x.) 7. V = R2 , (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ), (x, y) = (x, 0). 8. V = (x, y, z, w) R4 ; y = x, z = w2 , opera~es usuais de R4 . co 9. V = R R , (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 y2 ), (x, y) = (x, y ), onde R = R \ {0}.

Ex. 1.10

Termine a demonstra~o da proposi~o 1.7. ca ca

Cap tulo 2 Subespaos Vetoriais c


2.1

M
(sv1)

Introduo e Exemplos ca

uitas vezes nos depararemos com certos subconjuntos de um espao c vetorial que possuem a propriedade de que a soma de dois de seus elementos  um elemento do prprio subconjunto bem como quando mule o tiplicamos um elemento do subconjunto por um escalar, o resultado continua pertencendo ao subconjunto.
Denio 2.1 ca 0 W;

Seja V um espao vetorial. Dizemos que W V  um c e subespao vetorial de V se forem satisfeitas as seguintes condi~es: c co

(sv2) Se u, v W ent~o u + v W; a (sv3) Se u W ent~o u W para todo R. a


tiva, associativa, distributivas e ev8 s~o herdadas do prprio espao a o c vetorial V. O elemento neutro da adi~o  um elemento de W por ca e
17
Observao 2.2 Note que todo subespao vetorial W de um espao ca c c vetorial V  ele prprio um espao vetorial. As propriedades comutae o c

18

CAPTULO 2. SUBESPACOS VETORIAIS I 


u = (1)u W

sv1. Finalmente, se u W ent~o a proposi~o 1.7 e por sv3. ca

pelo item 4 da

Observao 2.3 Obviamente {0} e V s~o subespaos vetoriais do espaca a c o vetorial V. S~o chamados de subespaos vetoriais triviais. c a c

Note que W  subespao vetorial de V se e somente e c se s~o vlidas as seguintes condi~es: a a co


Observao 2.4 ca

(sv1')

0 W;

(sv2') Se u, v W e R ent~o u + v W. a
Vejamos alguns outros exemplos:
Exemplo 2.5
Seja Pn Pn , dado por Pn = {p(x) Pn ; p(0) = 0}.

Veri quemos que Pn , de fato, um subespao vetorial de Pn . e c 1. O polin^mio nulo se anula em x = 0, logo, pertence a Pn . o 2. Se p(x), q(x) Pn ent~o p(0) + q(0) = 0 e, portanto, p(x) + q(x) a Pn .

3. Se p(x) Pn ent~o p(0) = 0 para qualquer R. Assim, p(x) a Pn .

Exemplo 2.6

Veri quemos que S = {(x, y, z) R3 ; x + y + z = 0}  um e 3 subespao vetorial de R . c


 1. E claro que (0, 0, 0) satisfaz 0 + 0 + 0 = 0. 2. Se (x, y, z), (u, v, w) S ent~o (x + u) + (y + v) + (z + w) = (x + y + a z) + (u + v + w) = 0 e, portanto, (x, y, z) + (u, v, w) S.

2.1. INTRODUCAO E EXEMPLOS ~

19

3. Se (x, y, z) S ent~o x + y + z = (x + y + z) = 0 para qualquer a R. Assim, (x, y, z) S.


Exemplo 2.7 Considere o seguinte conjunto S = {y C2 (R; R); y y = 0} onde y representa a derivada de segunda ordem de y. Veri quemos que S  um subespao vetorial de C2 (R; R). e c

1. Claramente a fun~o nula satisfaz 0 0 = 0; ca 2. Se y1 , y2 S ent~o (y1 + y2 ) (y1 + y2 ) = (y1 y1 ) + (y2 y2 ) = 0. a Logo, y1 + y2 S. 3. Se y S e R ent~o (y) y = (y y) = 0. Portanto, a
y S.

Deixamos como exerccio a veri ca~o de que os seguintes exemplos  ca s~o subespaos vetoriais dos respectivos espaos vetoriais. a c c
Exemplo 2.8 Sejam a1 , . . . , an R e S = {(x1 , . . . , xn ) Rn ; a1 x1 + + an xn = 0}. Mostre que S  um subespao vetorial de Rn . e c Exemplo 2.9 O conjunto notado por C(R; R),  um e Exemplo 2.10

das fun~es contnuas da reta na reta, deco  subespao vetorial de F (R; R). c
b

O conjunto das fun~es f C([a, b]; R) tais que co


f(x)dx = 0
a

 um subespao vetorial de C([a, b]; R). e c


Exemplo 2.11 O conjunto das matrizes simtricas quadradas de ordem e n com coe cientes reais  um subespao vetorial de Mn (R). e c Exemplo 2.12 Sejam m, n N bespao de Pn . c

com

m n.

Ent~o a

Pm

 um sue

20

CAPTULO 2. SUBESPACOS VETORIAIS I 

2.2

Interseo e Soma de Subespaos ca c


subespa-

Proposio 2.13 (Interseo de subespaos) Sejam U e W ca ca c os vetoriais de V. Ent~o U W  subespao vetorial de V. c a e c Prova:

1. Como 0 U e 0 W ent~o 0 U W; a 2. Se x, y U W e R ent~o x + y U e x + y W. Portanto, a


x + y U W. Questo: Com a nota~o da proposi~o acima, podemos a rmar que a ca ca U W  subespao vetorial de V? e c Resposta : N~o. Basta considerar V = R2 , U = {(x, y) R2 ; x + y = 0} a e W = {(x, y) R2 ; x y = 0}. Note que (1, 1) U U W e (1, 1) W U W mas (1, 1) + (1, 1) = (2, 0) U W. Se U e W s~o subespaos vetoriais de um espao vetorial V e V  um a c c e subespao de V que contenha U e W, isto , U W V ent~o V ter c e a a que conter todos os vetores da forma u + w, u U e w W. Isto motiva

a seguinte

Denio 2.14 Sejam U e W subespaos vetoriais de um espao veca c c torial V. De nimos a soma de U e W como U+W = {u+w; u U, w W}. Proposio 2.15 (Soma de subespaos) Sejam U, W e V como na ca c de ni~o acima. Ent~o U + W  um subespao vetorial de V. Alm ca a e c e do mais, U W U + W. Prova:

Veri quemos que U + W  subespao vetorial de V. e c

1. Como 0 U e 0 W ent~o 0 = 0 + 0 U + W; a

2.2. INTERSECAO E SOMA DE SUBESPACOS ~ 

21

2. Sejam x1 , x2 U + W ent~o xj = uj + wj , uj U, wj W, j = 1, 2. a Agora, se R ent~o x1 + x2 = u1 + w1 + (u2 + w2 ) = (u1 + a u2 ) + (w1 + w2 ) U + W, pois U e W s~o subespaos vetoriais. a c Mostremos que U W U + W. Seja v U W. Se v U ent~o a v = v + 0 U + W. Se v W ent~o v = 0 + v U + W. Ou seja, a Ainda usando a nota~o acima, suponha que V seja um subespao ca c de V que contenha U e W. Neste caso, para todo u U V e todo w W V temos u + w V , ou seja, U + W V . Esta observa~o ca nos permite registrar a seguinte
Proposio 2.16 Sejam V um espao vetorial e U e W subespaos ca c c vetoriais de V. Ent~o U + W  o menor subespao vetorial de V que a e c contm U W. Em outras palavras, se V  um subespao vetorial de e e c V que contm U W ent~o U W U + W V . e a Denio 2.17 Sejam U e W subespaos vetoriais de um espao veca c c torial V. Dizemos que U + W  a soma direta de U e W se U W = {0}. e Neste caso usaremos a nota~o U W para representar U + W. ca Observao 2.18 ca U W U + W.

Note que trivialmente subespaos vetoriais. c

{0} U W

se

s~o a

Proposio 2.19 (Soma direta de subespaos vetoriais) Sejam U e ca c W subespaos vetoriais de um espao vetorial V. Temos V = U W se c c e somente se para cada v V existirem um unico u U e um unico   w W satisfazendo v = u + w. Prova:

Suponha que V = U W, isto , V = U + W e U W = {0}. e Ent~o, dado v V existem u U e w W satisfazendo v = u + w. a Queremos mostrar que tal decomposi~o  unica. Suponha que existam ca e  u U e w W tais que v = u + w . Ent~o, u + w = u + w , o que a

22

CAPTULO 2. SUBESPACOS VETORIAIS I 

implica em u u = w w. Mas u u U e w w W e, portanto, u u = w w U W = {0}, ou seja u = u e w = w . Suponha agora que para cada v V existam um unico u U e um   claro que V = U + W. Resta unico w W satisfazendo v = u + w. E  mostrar que U W = {0}. Obviamente, 0 U W. Seja v U W, isto , v U e v W. Ent~o, existem um unico u U e um unico w W e a   satisfazendo v = u + w. Observe que v = u + w = (u + v) + (w v) com u + v U e w v W e, pela unicidade da decomposi~o, devemos ter ca u = u + v e w = w v, isto , v = 0. Logo, U W = {0}. e Alternativamente, poderamos supor a exist^ncia de v = 0 em U W  e e da obteramos v = 2v v = 4v 3v, duas decomposi~es distintas para   co v j que 2v, 4v U, 2v = 4v e v, 3v W. a
Exemplo 2.20 Veri que que R3  a soma direta e 3 R ; x + y + z = 0} e W = {(x, y, z) R3 ; x = y = 0}.

de

U = {(x, y, z)

Note que W  de fato um subespao vetorial de R3 pois W = {(x, y, z) e c 3 3 R ; x = 0}{(x, y, z) R ; y = 0} ou, alternativamente, se u1 = (x1 , y1 , z1 ), u2 = (x2 , y2 , z2 ) W ent~o x1 = y1 = x2 = y2 = 0 e u1 +u2 = (0, 0, z1 +z2 ) a  claramente um elemento de W. e Se R ent~o a
u1 = (0, 0, z1 ) = (0, 0, z1 ) = (0, 0, z1 ) W.

Finalmente, (0, 0, 0) W, o que conclui a prova de que W  um sue bespao vetorial. c Prosseguindo, dado (x, y, z) R3 podemos escrever
(x, y, z) = (x, y, x y) + (0, 0, z + x + y)

e como (x, y, x y) U e (0, 0, z + x + y) W obtemos R3 = U + W.

2.2. INTERSECAO E SOMA DE SUBESPACOS ~ 


x + y + z = 0 x=0 y = 0 Ex. Resolvido 2.21

23

Resta agora mostrar que U W = {0}. Seja (x, y, z) U W. Temos


(x, y, z) = (0, 0, 0).

Considere os subespaos de R3 dados por c e


V = {(x, y, z) R3 ; y = 0}.

U = {(x, y, z) R3 ; x = 0}

Mostre que R3 = U + V, mas a soma n~o  direta. a e


Resoluo: ca

Dado (x, y, z) R3 podemos escrever


(x, y, z) = (0, y, z) + (x, 0, 0) U + V,

pois (0, y, z) U e (x, 0, 0) V. Portanto, R3 = U + V. No entanto, a soma n~o  direta pois U V = {(0, 0, 0)}, pois, por a e exemplo, (0, 0, 1) U V.
Denio 2.22 Sejam U1 , . . . , Un subespaos vetoriais ca c vetorial V. A soma de U1 a Un  de nida por e

de um espao c

U1 + + Un = {u1 + + un ; uj Uj , j = 1, . . . , n}. Denio 2.23 Sejam U1 , . . . , Un subespaos vetoriais de um espao ca c c vetorial V. Dizemos que a soma de U1 a Un  uma soma direta se e Uj U1 + + Uj + + Un = {0}, j = 1, . . . n,

em que o termo Uj deve ser omitido da soma. Neste caso usaremos a nota~o U1 Un para denotar a soma de U1 a Un . ca

24
Observao 2.24 ca

CAPTULO 2. SUBESPACOS VETORIAIS I 

o E bvio que
0 Uj U1 + + Uj + + Un

se U1 , . . . , Un s~o subespaos vetoriais. a c Proposio 2.25 Sejam U1 , . . . , Un subespaos vetoriais de um espao ca c c vetorial V. Ent~o V = U1 Un se e somente se para cada v V a existe, para cada j = 1, . . . , n, um unico uj Uj tal que v = u1 + +un . 
Prova:

A prova  anloga  da proposi~o 2.19. e a a ca

Exemplo 2.26 Mostre que P2  soma direta dos seguintes subespaos e c 2 vetoriais U1 = {a0 ; a0 R}, U2 = {a1 x; a1 R} e U3 = {a2 x ; a2 R}.

Dado p(x) P2 , temos p(x) = a0 + a1 x + a2 x2 , para certos coe cientes a0 , a1 , a2 R. Assim, P2 = U1 + U2 + U3 . Veri quemos que a soma  direta. e 1. Mostremos que U1 (U2 + U3 ) = {0}. Seja p(x) U1 (U2 + U3 ). Ent~o existem a0 , a1 , a2 R tais que p(x) = a0 = a1 x + a2 x2 . Se a p(x) n~o fosse o polin^mio nulo teramos um polin^mio de grau 0, a o  o a0 , coincidindo com um de grau no mnimo 1, a1 x + a2 x2 , o que   e um absurdo. Logo, p(x) = 0. 2. Mostremos que U2 (U1 + U3 ) = {0}. Seja p(x) U2 (U1 + U3 ). Ent~o existem a0 , a1 , a2 R tais que p(x) = a1 x = a0 + a2 x2 . Se a p(x) n~o fosse o polin^mio nulo teramos um polin^mio de grau 1, a o  o a1 x, coincidindo com um de grau 0 (caso a2 = 0) ou 2, a0 + a2 x2 , (caso a2 = 0), o que  um absurdo. Logo, p(x) = 0. e 3. Mostremos que U3 (U1 + U2 ) = {0}. Seja p(x) U3 (U1 + U2 ). Ent~o existem a0 , a1 , a2 R tais que p(x) = a2 x2 = a0 + a1 x. Se a p(x) n~o fosse o polin^mio nulo teramos um polin^mio de grau 2, a o  o 2 a2 x , coincidindo com um de grau 0 (caso a1 = 0) ou 1, a0 + a1 x, (caso a1 = 0), o que  um absurdo. Logo, p(x) = 0. e

2.3. EXERCCIOS I

25

2.3

Exerc cios

Veri que se em cada um dos itens abaixo o subconjunto subespao vetorial do espao vetorial V. Caso n~o sejam c c a especi cadas, considere as opera~es usuais. co
Ex. 2.27 W  um e

1. V = M2 , W =

a b a c

; a, b, c, R .

2. V = R4 , W = {(x, x, y, y); x, y R} . 3. V = Pn (R), W = {p Pn (R); p(0) = p(1)} . 4. V = Mn , dada B Mn , de na W = {A Mn ; BA = 0} . 5. V = Rn , W = {(x1 , x2 , , xn ); a1 x1 + + an xn = 0} , onde a1 , . . . , an R s~o dados. a 6. V = Mn1 , W = {X Mn1 ; AX = 0} , onde A Mmn  dada. e 7. V = Pn (R), W = {p Pn (R); p (t) = 0, t R} . 8. V = Mn , W = {A Mn ; At = A} . 9. V = Mn , W = {A Mn ; At = A} . 10. V = C (R; R), W = {f C (R; R); limx+ f(x) = 0} . 11. V = F (R; R), W = {f F (R; R); f(x0 ) = 0} , x0 R.
Ex. 2.28

Diga, em cada um dos itens abaixo, se a a rma~o  verca e dadeira ou falsa, justi cando sua resposta. isto , provando se for e verdadeira ou dando um contra-exemplo se for falsa.
1. Se W1 e W2 s~o susbespaos de um espao vetorial V ent~o W1 W2 a c c a  subespao de V. e c

26

CAPTULO 2. SUBESPACOS VETORIAIS I  2. Sejam W1 e W2 subespaos de um espao vetorial V. Ent~o W1 W2  c c a e subespao de V se, e somente se, W1 W2 ou W2 W1 . (Sugest~o: c a mostre que se W  subespao de V e x0 , y0 V s~o tais que x0 W e c a e y0 W ent~o x0 + y0 W e use-o.) a /

Ex. 2.29 Em cada item abaixo encontrar os subespaos U+W c onde U, W s~o subespaos do espao vetorial V indicado. a c c

e UW ,
V = R2 .

1. U = (x, y) R2 ; y = 0 , W = (x, y) R2 ; x = 2y , 2. U =
M2 . a 0 0 b ; a, b R , W = 0 c 0 d

; c, d R , V =

3. V = P3 (R), U = {p(t) V; p (t) = 0} , W = {q(t) V; q (t) = 0} .


Ex. 2.30

Veri que, em cada um dos itens abaixo, se V = U W.


V = R2 , U = (x, y) R2 ; 2x + 3y = 0 , W = (x, y) R2 ; x y = 0 .

1.

2.

a b 0 V = M3 , 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 V = P3 (R), U = {p(t) P3 (R); p(1) = p(0) = 0} ,

3.

W = {q(t) P3 (R); q (t) = 0, t R} .

2.3. EXERCCIOS I
Ex. 2.31

27

Em cada um dos itens abaixo, dado U subespao de V , enc contrar o subespao suplementar de U, isto , o subespao W de V c e c tal que V = U W.
1. V = R3 , U = {(x, y, 0); x, y R} . 2. V = P3 (R), U = {p(t) P3 (R); p (t) = 0, t R} . 3. V = M3 , U = {A M3 ; At = A} . 4. V = M21 , U = {X M21 ; AX = 0} , onde A =
1 1 0 1 .

28

CAPTULO 2. SUBESPACOS VETORIAIS I 

Cap tulo 3 Combinaes Lineares co


3.1

Introduo e Exemplos ca

imos no captulo anterior que um subespao vetorial  um subcon c e junto de um espao vetorial que  fechado com rela~o  adi~o de c e ca a ca vetores e tambm com rela~o  multiplica~o por escalar. Em outras pae ca a ca lavras, quando somamos dois vetores de um subespao vetorial ou multic plicamos um vetor do subespao por um escalar, o resultado  um elemento c e deste subespao. Quando combinamos repetidas vezes estas a~es temos c co o que chamamos de combina~o linear entre vetores. Mais precisamente, ca

Denio 3.1 Sejam u1 , . . . , un elementos de um ca Dizemos que u  combina~o linear de u1 , . . . , un se e ca reais 1 , . . . , n tais que u = 1 u1 + + n un

espao vetorial V. c existirem nmeros u

Observao 3.2 Sejam U um espao vetorial e V U um subespao ca c c vetorial. Se u1 , . . . , un V e 1 , . . . , n R ent~o a combina~o linear a ca 1 u1 + + n un pertence a V. Exemplo 3.3

Em P2 , o polin^mio p(x) = 2 + x2  uma combina~o o e ca 2 dos polin^mios p1 (x) = 1, p2 (x) = x e p3 (x) = x . o


29

30

CAPTULO 3. COMBINACOES LINEARES I ~

Basta ver que p(x) = 2p1 (x) + 0p2 (x) + p3 (x).

Veri que que em P2 , o polin^mio p(x) = 1 + x2  uma o e combina~o dos polin^mios q1 (x) = 1, q2 (x) = 1+x e q3 (x) = 1+x+x2 . ca o
Exemplo 3.4

Precisamos encontrar nmeros reais , e tais que p(x) = q1 (x) + u q2 (x) + q3 (x). Ou seja, precisamos encontrar , e satisfazendo
1 + x2 = + (1 + x) + (1 + x + x2 ) = + + + ( + )x + x2 ,

que  equivalente ao sistema e


+ + = 1 +=0 = 1 = 1, = 1

e = 1.

3.2

Geradores

Denio 3.5 Sejam V um espao vetorial e S um subconjunto n~o ca c a vazio de V. Usaremos o smbolo [S] para denotar o conjunto de todas as  combina~es lineares dos elementos de S. Em outras palavras, u [S] co se existirem 1 , . . . , n R e u1 , . . . , un S tais que u = 1 u1 + + n u n . Proposio 3.6 Sejam V um espao vetorial e S um ca c vazio de V. Ent~o [S]  um subespao vetorial de V. a e c Prova:

subconjunto n~o a

1. Como S = existe u S. Logo, 0 = 0u [S].

3.2. GERADORES

31

2. Se u, v [S] ent~o existem 1 , . . . , n , 1 , . . . , m R e u1 , . . . , un , a v1 , . . . , vm S tais que u = 1 u1 + +n un e v = 1 v1 + +m vm . Assim, para todo R, temos


u + v = 1 u1 + + n un + (1 v1 + + m vm ) = 1 u1 + + n un + 1 v1 + + m vm [S].

Denio 3.7 ca

Sejam S e V como acima. Diremos que [S]  o sue bespao vetorial gerado por S. Os elementos de S s~o chamados de c a geradores de [S]. Se S = {u1 , . . . , un } tambm usaremos a nota~o e ca
[S] = [u1 , . . . , un ].

Proposio 3.8 Sejam S ca vetorial V. Temos

subconjuntos n~o-vazios de um espao a c

1. 3. 5.

S [S];

2. Se S T ent~o [S] [T ]; a
[[S]] = [S];

4. Se S  um subespao vetorial ent~o S = [S]; e c a


[S T ] = [S] + [T ]. Prova:

1. Se u S ent~o u = 1u [S]; a 2. Se u [S] ent~o existem 1 , . . . , n R e u1 , . . . , un S tais que a u = 1 u1 + +n un . Como S T temos u1 , . . . , un T e, portanto,
u [T ];

32

CAPTULO 3. COMBINACOES LINEARES I ~ 3. Pelo item 1 desta proposi~o, [S] [[S]]. Seja u [[S]]. Segue da ca de ni~o que u  uma combina~o linear de elementos de [S], mas ca e ca como cada elemento de [S]  uma combina~o linear de elementos de e ca S resulta que u  uma combina~o linear de elementos de S, ou seja, e ca
u [S];

4. Pelo item 1, S [S]. Seja u [S]. Ent~o u  uma combina~o linear a e ca de elementos de S. Como S  um subespao vetorial, esta combina~o e c ca linear  um elemento de S; e 5. Seja u [S T ]. Por de ni~o, existem 1 , . . . , n , 1 , . . . , m R e ca 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 ] ent~o u = v + w com v [S] e w a [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 ].

Dizemos que um espao vetorial V  nitamente gerado c e se existir um subconjunto nito S V tal que V = [S].
Denio 3.9 ca

S~o exemplos de espaos vetoriais nitamente gerados: a c 1. Pn (R) = [1, x, . . . , xn ]; 2. Rn  gerado por e
e1 = (1, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), . . . , en = (0, . . . , 0, 1).

3.2. GERADORES

33

3. Mmn  gerado pelas matrizes Ekl = ((k,l) ), k = 1, . . . , m, l = e i,j 1, . . . n, onde 1 se (i, j) = (k, l) (k,l) i,j = 0 caso contrrio . a

Seja P(R) o espao vetorial formado por todos os poc lin^mios. A rmamos que P(R) n~o  nitamente gerado. o a e
Exemplo 3.10

Note que Pn (R) P(R) para todo n N. Se P(R) fosse nitamente gerado existiriam polin^mios p1 (x), . . . , pn (x) tais que o
P(R) = [p1 (x), . . . , pn (x)].

 Seja N o grau mais alto dentre os polin^mios p1 (x), . . . , pn (x). E evidente o N+1 que x n~o pode ser escrito como combina~o linear de p1 (x), . . . , pn (x) a ca N+1 e, assim, x [p1 (x), . . . , pn (x)] = P(R). Uma contradi~o. ca 2 Note que [1, x, x , . . . ] = P(R).
Exemplo 3.11

Seja V um espao vetorial gerado por u1 , . . . , un . Mosc tre que se, por exemplo, u1  uma combina~o linear de u2 , . . . , un e ca ent~o V  gerado por u2 , . . . , un . a e

Devemos mostrar que qualquer u V se escreve como uma combina~o ca linear de u2 , . . . , un . Sabemos que existem 1 , . . . , n R tais que u = 1 u1 + +n un e existem tambm 1 , . . . , n1 satisfazendo u1 = 1 u2 + e + n1 un . Combinando estas informa~es, obtemos co
u = 1 (1 u2 + + n1 un ) + 2 u2 + + n un = (1 1 + 2 )u2 + + (1 n1 + n )un [u2 , . . . , un ]. Exemplo 3.12 Sejam U = {(x, y, z, t) R4 ; x y + t + z = 0} e V = {(x, y, z, t) R4 ; x + y t + z = 0}. Encontre um conjunto nito de geradores para os seguintes subespaos vetoriais: U, V, U V e U + V. c

34

CAPTULO 3. COMBINACOES LINEARES I ~ 1. Se (x, y, z, t) U ent~o y = x + z + t e, portanto, a


(x, y, z, t) = (x, x + z + t, z, t) = x(1, 1, 0, 0) + z(0, 1, 1, 0) + t(0, 1, 0, 1),

isto , e
U = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)].

2. Se (x, y, z, t) V ent~o t = x + y + z e, portanto, a


(x, y, z, t) = (x, y, z, x+y+z) = x(1, 0, 0, 1)+y(0, 1, 0, 1)+z(0, 0, 1, 1),

isto , e
V = [(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)].

3. Se (x, y, z, t) U V ent~o a
xy+t+z=0 x + y t + z = 0,

que implica em x = z e y = t. Deste modo, (x, y, z, t) = (x, y, x, y) = x(1, 0, 1, 0) + y(0, 1, 0, 1) e, portanto,


U V = [(1, 0, 1, 0), (0, 1, 0, 1)].

4. Como U + V = [U] + [V] = [U V], temos que


U + V = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)] = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)].

Observe que
(1, 1, 0, 0) = (1, 0, 0, 1) + (0, 1, 1, 0) (0, 0, 1, 1)

e, portanto,
U + V = [(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)].

Veremos mais adiante que este  o nmero mnimo de geradores para e u  o subespao U + V. c

3.3. EXERCCIOS I

35

3.3

Exerc cios

Ex. 3.13

Para cada um dos subconjuntos S V , onde V  o espao e c vetorial indicado, encontrar o subespao gerado por S, isto , [S]. c e
1. S = {(1, 0), (2, 1)} , V = R2 . 2. {(1, 1, 1), (2, 2, 0)} , V = R3 . 3. S = 1, t, t2 , 1 + t3 , V = P3 (R). 4. S =
0 1 0 0 , 0 0 1 0 , V = M2 .

Ex. 3.14

Em cada um dos itens abaixo encontrar um subconjunto S, nito, que gere o subespao vetorial W do espao vetorial V. c c
. 1. W = (x, y, z) V = R3 ; x 2y = 0 . . 2. W = {p V = P3 (R); p (t) = 0, t R} . . 3. W = {A V = M2 ; At = A} . . 4. W = {X V = M31 ; AX = 0} , onde 0 1 0 A = 2 1 0 . 1 1 4

Encontrar, em cada um dos itens abaixo, os subconjuntos S do espao vetorial V que geram U, W , U W e U + W. c
Ex. 3.15

1. U = [(1, 0, 0), (1, 1, 1)], W = [(0, 1, 0), (0, 0, 1)], V = R3 . 2. U = (x, y, z) R3 ; x + y = 0 , W = [(1, 3, 0), (0, 4, 6)], V = R3 .

36

CAPTULO 3. COMBINACOES LINEARES I ~ 3. U = {A M2 ; At = A} , W =


P3 (R). 1 1 0 1 , V = M2 .

4. U = [t3 + 4t2 t + 3, t3 + 5t2 + 5, 3t3 ], W = [t3 + 4t2 , t 1, 1], V =


Ex. 3.16 Obtenha o subconjunto formado por vetores torial P3 (R) que geram os seguintes subespaos; c

do espao vec

1. U = {p P3 (R); p(1) = p(0) = 0} , 2. W = {p P3 (R); p (t) = 0, t R} , 3. U W.


Ex. 3.17 Ex. 3.18

Mostre que 1, cos 2x [ sen 2 x, cos2 x]. Veri que se P2 (R)  gerado por 1 + x, x + 2x2 e 1 x2 . e

Cap tulo 4 Dependncia Linear e


4.1

Introduo e Exemplos ca

o captulo anterior ao estudarmos os geradores de um espao vetorial  c procuramos encontrar um determinado conjunto de vetores de modo que qualquer vetor do espao em quest~o pudesse ser escrito como comc a bina~o linear dos vetores deste conjunto. Por exemplo, se v e w geram ca um espao V ent~o para qualquer u V  possvel encontrar escalares c a e  e satisfazendo u = v + w, ou seja
v + w 1u = 0.

Note que a combina~o linear acima  nula, embora nem todos os escalares ca e que aparecem na sua forma~o s~o nulos. ca a Vejamos agora a seguinte situa~o: ser possvel encontrar escalares ca a  3 , e , n~o todos nulos, de modo que, em R tenhamos a
(1, 0, 0) + (0, 1, 0) + (0, 0, 1) = (0, 0, 0)?

A resposta , obviamente n~o. Isto signi ca que n~o  possvel escrever e a a e  nenhum dos vetores acima como combina~o linear dos outros dois. Isto ca contrasta com o que ocorre com os vetores u, v e w do exemplo anterior. 37

38

^ CAPTULO 4. DEPENDENCIA LINEAR I

Num certo sentido, os vetores do primeiro exemplo guardam uma certa depend^ncia entre um e outro enquanto que, no segundo, os tr^s vetores e e s~o independentes. a Vejamos, com as de ni~es e exemplos que seguem como podemos co tornar estes conceitos mais precisos.
Denio 4.1 ca

Dizemos que uma seq^ncia de vetores u1 , . . . , un de ue um espao vetorial V  linearmente independente (l.i., abreviadac e mente) se a combina~o linear 1 u1 + + n un = 0 s for satisfeita ca o quando 1 = = n = 0.

Observao 4.2 Note que se 1 = = n = 0 ent~o 1 u1 + + ca a n un = 0, porm, a recproca nem sempre  vlida. Basta ver que, e  e a 2 por exemplo, em R temos (0, 0) = 1(1, 1) + 1(1, 1). Observao 4.3 A no~o de independ^ncia linear para a seq^ncia ca ca e ue u1 , . . . , un equivale a dizer que se i = 0 para algum i {1, . . . , n} ent~o 1 u1 + + n un = 0. a Denio 4.4 Dizemos que uma seq^ncia u1 , . . . , un de um espao ca ue c vetorial V  linearmente dependente (l.d., abreviadamente) se n~o for e a

linearmente independente.

Observao 4.5 A de ni~o de depend^ncia linear para a seq^ncia ca ca e ue u1 , . . . , un  equivalente a dizer que  possvel encontrar nmeros e e  u reais 1 , . . . , n n~o todos nulos tais que 1 u1 + + n un = 0. a Exemplo 4.6 O, u1 , . . . , un V

 uma seq^ncia l.d., onde e ue elemento neutro do espao vetorial V. c


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

o e

Basta veri car que 1O + 0u1 + + 0un = O.

Veri que se a seq^ncia ue 3 armente independente em R .


Exemplo 4.7

 linee

4.1. INTRODUCAO E EXEMPLOS ~  E preciso veri car quais s~o as possveis solu~es de a  co
(1, 1, 1) + (1, 1, 0) + (1, 0, 0) = (0, 0, 0).

39

Isto equivale a resolver o sistema

+ + = 0 +=0 = 0,

que possui como unica solu~o, = = = 0. Logo, a seq^ncia acima  ca ue  l.i.. e


Exemplo 4.8

Considere os vetores em R3 dados por


u2 = (x2 , y2 , z2 )

u1 = (x1 , y1 , z1 ),

u3 = (x3 , y3 , z3 ).

Encontre uma condi~o necessria e su ciente para que os vetores ca a u1 , u2 , u3 sejam linearmente independentes.
Vejamos, os vetores acima ser~o l.i. se e somente se 1 u1 +2 u2 +3 u3 = 0 a apresentar como unica solu~o 1 = 2 = 3 = 0. Isto  equivalente a que  ca e o sistema
1 x1 + 2 x2 + 3 x3 = 0 y + 2 y 2 + 3 y 3 = 0 1 1 z + z + z = 0
1 1 2 2 3 3

possua solu~o unica e, como se sabe, isto  equivalente que a matriz ca  e


x1 x2 x3 y1 y2 y3 z1 z2 z3

possua determinante diferente de zero. Note que as colunas desta matriz s~o formadas pelos coe cientes de u1 , u2 e u3 . O mesmo resultado vale se a colocarmos os coe cientes dos vetores u1 , u2 e u3 como linhas. Por qu^? e

40
Exerc cio 4.9

^ CAPTULO 4. DEPENDENCIA LINEAR I

Enuncie e demonstre um resultado anlogo ao exemplo a n anterior para uma seq^ncia com n vetores do R . ue
Exemplo 4.10

Veri que se as matrizes


1 0 1 1 0 1 , , 0 1 0 1 0 0

s~o linearmente independentes em M2 . a


Procuremos as solu~es de co
1 0 0 1 + 1 1 0 1 + 0 1 0 0 = 0 0 , 0 0

que equivale a
+ + 0 + = 0 0 , 0 0

que possui como solu~o (, , ) = (, , ) para qualquer R. Dessa ca forma, a seq^ncia de matrizes dada  linearmente dependente, bastando ue e tomar, por exemplo, = 1, = 1 e = 1.
Exemplo 4.11

Veri que se as fun~es cos e sen s~o l.d. em C1 (R; R). co a


cos + sen = 0

Como cos e sen s~o fun~es de nidas em R, a combina~o nula a co ca signi ca que cos x + sen x = 0 para todo x R. Em particular, para x = 0 vemos que = 0 e para x = /2, vem = 0. Portanto, cos e sen s~o l.i.. a
Exemplo 4.12

Veri que se as fun~es cos2 , sen 2 , 1 s~o linearmente co a 1 dependentes em C (R; R).

4.2. PROPRIEDADES Como


1 cos2 x

41 sen 2 x = 0, para todo x R,

resulta que as fun~es acima s~o l.d.. co a


Exerc cio 4.13 Sejam f(x) = cos 2x, g(x) = cos2 x e h(x) = sen 2 x, x R. Mostre que f, g, h s~o linearmente dependentes em C1 (R; R). a

4.2

Propriedades

Proposio 4.14 ca

Se u1 , . . . , un s~o l.d. em um espao vetorial V a c ent~o pelo menos um destes vetores se escreve como combina~o lia ca near dos outros.

Prova: Precisamos mostrar que se u1 , . . . , un s~o linearmente dependentes a ent~o existem j {1, . . . , n} e nmeros reais 1 , . . . , n1 tais que a u uj = 1 u1 + + j1 uj1 + j uj+1 + + n1 un .

Como u1 , . . . , un s~o l.d. existem nmeros reais 1 , . . . , n n~o todos a u a nulos tais que 1 u1 + + n un = 0. Desse modo, existe j {1, . . . , n} tal que j = 0 e, assim,
uj = j1 j+1 n 1 u1 uj1 uj+1 un . j j j j

Proposio 4.15 ca

Se u1 , . . . , un em V s~o l.d. ent~o qualquer seq^na a ue cia nita de vetores de V que os contenha, tambm ser l.d.. e a

Prova: Vamos mostrar que se u1 , . . . , un , un+1 , . . . , um V s~o tais que a u1 , . . . , un s~o l.d. ent~o u1 , . . . , un , un+1 , . . . , um tambm s~o linearmente a a e a

dependentes.

42

^ CAPTULO 4. DEPENDENCIA LINEAR I

Como existem nmeros reais 1 , . . . , n n~o todos nulos tais que 1 u1 + u a + n un = 0, podemos escrever
1 u1 + + n un + 0un+1 + + 0um = 0

sendo que nesta ultima express~o nem todos os coe cientes s~o nulos.  a a
Proposio 4.16 ca

Se u1 , . . . , un , un+1 , . . . , um s~o linearmente indepena dentes em um espao vetorial V ent~o qualquer subseq^ncia destes c a ue vetores tambm  linearmente independente. e e

Prova:

Basta mostrar que se u1 , . . . , un , un+1 , . . . , um s~o linearmente ina dependentes ent~o u1 , . . . , un tambm s~o. a e a Suponha que 1 u1 + + n un = 0. Mas como
1 u1 + + n un = 1 u1 + + n un + 0un+1 + + 0um = 0

e estes vetores s~o l.i., segue que 1 = = n = 0. a


Proposio 4.17 Se u1 , . . . , un s~o l.i. em um espao vetorial V e ca a c u1 , . . . , un , un+1 s~o l.d. ent~o un+1  combina~o linear de u1 , . . . , un . a a e ca Prova:

Existem 1 , . . . , n+1 n~o todos nulos tais que a


1 u1 + n un + n+1 un+1 = 0.

Agora, se n+1 = 0 ent~o a express~o acima caria a a


1 u1 + n un = 0.

Ora, os vetores u1 , . . . , un s~o l.i. e, assim, deveramos ter tambm 1 = a  e = n = 0. Uma contradi~o. ca
Proposio 4.18 Sejam u1 , . . . , un vetores l.i. em um espao vetorial ca c V. Ent~o cada vetor v [u1 , . . . , un ] se escreve de maneira unica como a  v = 1 u 1 + + n u n .

4.3. EXERCCIOS I
Prova:

43

Basta mostrar que se 1 u1 + + n un = 1 u1 + + n un ent~o a Temos


(1 1 )u1 + + (n n )un = 0

j = j , j = 1, . . . , n.

e como u1 , . . . , un s~o l.i. ent~o j j = 0, isto  j = j , para todo a a e


j = 1, . . . , n.

4.3

Exerc cios

Veri que, em cada um dos itens abaixo, se o subconjunto S do espao vetorial V  l.i. ou l.d. c e
Ex. 4.19

1. S = {(1, 2), (3, 1)} , V = R2 . 2. S = 1 + t t2 , 2 + 5t 9t2 , V = P2 (R). 3. S =


1 1 0 0 , 2 0 1 0 , V = M2 .

4. S = {(1, 2, 2, 3), (1, 4, 2, 0)} , V = R4 . 5.

1 2 0 1 1 1 0 0 0 S = 3 0 1 , 0 0 0 , 10 5 7 , V = M3. 0 0 2 1 1 1 1 0 1

6. S = {1, sen x, cos x} , V = C (R, R). 7. S = 1, sen 2 x, cos2 x , V = C (R, R). 8. S = {ex , ex } , V = C (R, R). 9. S = {xex , x} , V = C (R, R).

44
Ex. 4.20

^ CAPTULO 4. DEPENDENCIA LINEAR I


V.

Seja S = {u, v, w} um conjunto l.i. em conjuntos abaixo s~o l.i. ou l.d.. a 1. 2. 3.


S1 = {u, u + v, u + v + w}; S2 = {u v, v w, w u}; S3 = {u + v, u + v + w, w}.

Veri que se os

Ex. 4.21 Sejam f, g C1 ((a, b); R). Mostre que que f(x)g (x) = f (x)g(x) ent~o f e g s~o l.i.. a a

se existir x (a, b) tal

Cap tulo 5 Base, Dimenso e Coordenadas a


5.1

no~o de base de um espao vetorial  muito simples. Ela consiste ca c e em escolher um conjunto de geradores que seja o menor possvel, isto  , um conjunto que gere o espao, mas que se deste conjunto for subtrado e c  qualquer elemento, o que resta n~o gera mais o espao todo. a c Vejamos a de ni~o precisa de base. ca
Denio 5.1 Seja V = {0} um espao vetorial nitamente gerado. ca c Uma base de V  uma seq^ncia de vetores linearmente independentes e ue B de V que tambm gera V. e Exemplo 5.2 Os ma base de R3 .

Base

vetores de

B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

formam u-

V^-se facilmente que os vetores de B s~o l.i. e que todo (x, y, z) R3 se e a escreve como (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).
Exemplo 5.3 Os vetores e1 , . . . , en Rn onde e1 = (1, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), . . . , en = (0, . . . , 0, 1) formam uma base de Rn .

45

46

~ CAPTULO 5. BASE, DIMENSAO E COORDENADAS I

Ex. Resolvido 5.4 R2 .

Mostre que

(1, 1)

(1, 1)

formam uma base de

Resoluo: E preciso mostrar que estes vetores s~o l.i. e que todo ponto ca  a 2 de R se escreve como combina~o linear de (1, 1) e (1, 1). No entanto, ca se mostrarmos que todo ponto de R2 se escreve de maneira unica como  combina~o linear de (1, 1) e (1, 1) j estaremos mostrando as duas proca a

priedades ao mesmo tempo. (Por qu^?) e 2 Seja (x, y) R . O nosso problema se resume em mostrar que existe um unico R e um unico R satisfazendo (x, y) = (1, 1) + (1, 1) =   ( + , ). Esta ultima express~o  equivalente ao seguinte sistema  a e linear
+=x = y.

Resolvendo o sistema obtemos uma unica solu~o dada por = (x + y)/2  ca e = (x y)/2.
Exemplo 5.5

As matrizes em
B= 1 0 0 1 0 0 0 0 , , , 0 0 0 0 1 0 0 1

formam uma base de M2 . Veri que se os elementos de formam uma base de P2 (R).
Exerc cio 5.6 Proposio 5.7 ca B = {1 + x, 1 x, 1 x2 }

Seja {u1 , . . . , un } uma base de V. Ent~o {u1 , . . . , un1 } a n~o  uma base de V. a e
fosse uma base de V ent~o existiriam j R, a

Prova: Se {u1 , . . . , un1 } j = 1, . . . , n 1 tais que

un = 1 u1 + + n1 un1 ,

~ 5.2. DIMENSAO isto , e


1 u1 + + n1 un1 un = 0,

47

contradizendo o fato de que u1 , . . . , un s~o linearmente independentes. a

Todo espao vetorial V = {0} nitamente gerado admite c uma base. Em outras palavras, h uma seq^ncia de vetores l.i. de a ue V formada por geradores.
Teorema 5.8 Prova: Como V = {0}  nitamente gerado existem u1 , . . . , un V tais e que V = [u1 , . . . , un ]. Se u1 , . . . , un forem l.i., ent~o esta seq^ncia  uma a ue e base de V e n~o h nada mais a ser provado. a a Suponhamos que u1 , . . . , un sejam l.d.. Como V = {0}, existe j {1, . . . , n} tal que uj = 0. Por simplicidade, podemos supor que u1 = 0. Agora, se todo uj , j = 2, . . . , n puder se escrever como combina~o linear ca de u1 ent~o V = [u1 ] e u1  uma base de V. Caso isto n~o ocorra,  porque a e a e existe algum uj , com 2 j n tal que u1 , uj s~o l.i.. Por simplicidade, a suponhamos que seja o u2 , isto , u1 , u2 s~o l.i.. Bem, se todos os vetores e a u3 , . . . , un forem combina~es lineares de u1 e u2 ent~o V = [u1 , u2 ] e co a u1 , u2 formam uma base de V. Podemos repetir este processo e como o nmero de elementos de L = {u1 , . . . , un }  nito, ele nda. Desse modo, u e existe uma seq^ncia de vetores l.i. dentre os vetores L que gera V. Esta ue seq^ncia forma uma base de V. ue

5.2

Dimenso a

Teorema 5.9

Em um espao vetorial V = {0} nitamente gerado toda c base possui o mesmo nmero de elementos. u

Prova: Sejam u1 , . . . , un e v1 , . . . , vm bases de um espao vetorial nitac mente gerado V. Suponhamos que n > m e mostremos que isto implicar a que u1 , . . . , un s~o l.d., o que contraria o fato de formarem uma base. a

48
j n,

~ CAPTULO 5. BASE, DIMENSAO E COORDENADAS I Como os vetores v1 , . . . , vm geram V podemos escrever para cada 1
uj = 1j v1 + + mj vm .

Assim, a combina~o linear nula x1 u1 + + xn un = 0  equivalente a ca e


m m

x1
i=1

i1 vi

+ + xn
i=1

in vi

= 0,

ou ainda,

xj 1j v1 + +
j=1 j=1

xj mj vm = 0.

Como v1 , . . . , vm s~o l.i. ent~o n xj ij = 0 para todo 1 i m. Estas a a j=1 m equa~es representam um sistema linear homog^neo com n incgnitas. co e o Como n > m, existe uma solu~o n~o trivial, isto , uma solu~o x1 , . . . , xn ca a e ca onde pelo menos um xj  diferente de zero. Assim, u1 , . . . , un s~o l.d., uma e a contradi~o. ca
Denio 5.10 Seja V um espao vetorial nitamente gerado. Se ca c V = {0} de nimos a dimens~o de V como sendo 0. Se V = {0} de nimos a a dimens~o de V como sendo o nmero de elementos de uma base a u qualquer de V. Usaremos o smbolo dim V para designar a dimens~o  a de V. Denio 5.11 Se um espao vetorial ca c mos que V possui dimens~o in nita. a Proposio 5.12 ca

n~o  nitamente gerado dizea e

Todo espao vetorial de dimens~o in nita possui c a uma in nidade de vetores linearmente independentes.

Prova: Seja V um espao vetorial de dimens~o in nita. Claramente V = c a {0}. Selecione u1 V, u1 = 0. Como V n~o  nitamente gerado, V = [u1 ]. a e

~ 5.2. DIMENSAO

49

Assim, podemos tomar u2 V tal que u2 [u1 ]. Desta forma, os vetores u1 e u2 s~o linearmente independentes. a Suponha que tenhamos encontrado vetores u1 , . . . , un V linearmente independentes. Como V n~o  nitamente gerado, V = [u1 , . . . , un ] e, a e e assim,  possvel escolher un+1 V tal que un+1 [u1 , . . . , un ], isto , os e  vetores u1 , . . . , un , un+1 V s~o linearmente independentes. a Em resumo, existe em V uma seq^ncia in nita de vetores linearmente ue independentes. A seguinte proposi~o  um resultado da prova do teorema 5.9. ca e
Proposio 5.13 ca

Em um espao vetorial de dimens~o m qualquer c a seq^ncia de vetores com mais de m elementos  linearmente deue e pendente.

Todo subespao vetorial de um espao vetorial de dic c mens~o nita tambm tem dimens~o nita. a e a
Corolrio 5.14 a

Seja V um espao vetorial de dimens~o nita e W um subespao c a c vetorial de V. Se W tivesse dimens~o in nita, pela proposi~o 5.12, exisa ca tiria uma in nidade de vetores linearmente independentes em W. Como estes vetores tambm s~o linearmente independentes em V, o nmero deles e a u deveria ser menor do que a dimens~o de V (pela proposi~o 5.13). Uma a ca contradi~o. ca
Prova:

Se V  um espao vetorial n-dimensional e u1 , . . . , un e c s~o vetores de V linearmente independentes ent~o estes vetores fora a mam uma base de V.
Corolrio 5.15 a Exemplo 5.16 Exemplo 5.17 Exemplo 5.18

dim Rn = n.

A dimens~o de P(R)  in nita. Veja o exemplo 3.10. a e


dim Pn (R) = n + 1.

50

~ CAPTULO 5. BASE, DIMENSAO E COORDENADAS I

Basta notar que os polin^mios 1, x, . . . , xn formam uma base de Pn (R). o


Exemplo 5.19

dim Mmn = mn.


Ak,l = (k,l )1im , i,j
1jn

Note que as matrizes


k = 1, . . . , m, l = 1, . . . , n

onde
1

k,l = i,j

se (i, j) = (k, l) 0 se (i, j) = (k, l)

formam uma base de Mmn .

A dimens~o do espao das matrizes quadradas e sia c mtricas de ordem n  n(n + 1)/2. e e
Exerc cio 5.20 Teorema 5.21 (Completamento) Seja V um espao vetorial de dic mens~o n. Se os vetores u1 , . . . , ur s~o l.i. em V com r < n ent~o a a a existem ur+1 , . . . , un tais que u1 , . . . , ur , ur+1 , . . . , un formam uma base de V. Prova:

Como r < n existe ur+1 V tal que u1 , . . . , ur , ur+1 s~o l.i., pois a caso contrrio os vetores u1 , . . . , ur formariam uma base de V, o que  a e impossvel pois dim V = n > r.  Se r + 1 = n ent~o u1 , . . . , ur , ur+1 formam uma base de V. a Se r+1 < n ent~o  possvel encontrar ur+2 V tal que u1 , . . . , ur , ur+1 , a e  ur+2 s~o l.i., pois caso contrrio a seq^ncia u1 , . . . , ur , ur+1 seria uma base a a ue de V, o que  impossvel pois dim V = n > r + 1. e  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

s~o l.i. e, como dim V = n = r + k, segue que esta seq^ncia de vetores  a ue e uma base de V que contm os vetores u1 , . . . , ur . e

~ 5.3. DIMENSAO DE SOMA DE SUBESPACOS VETORIAIS 


Exemplo 5.22

51

Encontre uma base do R3 contendo o vetor (1, 1, 1).

Como a dimens~o de R3  tr^s, precisamos encontrar dois vetores, (a, b, c), a e e (x, y, z), que juntamente com (1, 1, 1) sejam l.i.. Porm, pelo exemplo e 4.8, sabemos que isto  equivalente ao determinante de e
1 a x 1 b y 1 c z

que  dado por x(b + c) y(a + c) + z(b a) seja diferente de zero. H e a uma in nidade de possibilidades para que isto acontea. Por exemplo, c tomando (a, b, c) = (0, 1, 1) e (x, y, z) = (0, 0, 1).

5.3

Dimenso de Soma de Subespaos Vetoa c riais


de dimens~o nita. Se a
(5.24)

Proposio 5.23 Seja V um espao vetorial ca c U e W s~o subespaos vetoriais de V ent~o a c a

dim U W + dim (U + W) = dim U + dim W


Prova:

Lembre que todo subespao de um espao vetorial de dimens~o c c a nita tem tambm dimens~o nita. e a Sejam v1 , . . . , vm elementos de uma base de U W. Como estes vetores s~o l.i. e pertencem a U, pelo teorema 5.21, existem u1 , . . . , up U a tais que u1 , . . . , up , v1 , . . . , vm formam uma base de U. Por outro lado, os vetores v1 , . . . , vm tambm pertencem a W e pelo mesmo teorema  e e possvel encontrar w1 , . . . , wq W de modo que w1 , . . . , wq , v1 , . . . , vm  formem uma base de W. Com a nota~o usada, temos dim U W = m, dim U = m + p e ca dim W = m + q. Sendo assim, a m de mostrarmos que 5.24  vlida,  e a e

52

~ CAPTULO 5. BASE, DIMENSAO E COORDENADAS I

necessrio e, na verdade, su ciente mostrar que dim (U + W) = m + p + q. a Para tanto, basta mostrarmos que os vetores
u1 , . . . , u p , w 1 , . . . , w q , v 1 , . . . , v m

(5.25)

formam uma base de U + W. Mostremos primeiramente que eles geram U + W : dado v U + W existem u U e w W tais que v = u + w. Como u  uma come bina~o linear de u1 , . . . , up , v1 , . . . , vm e w  uma combina~o linear de ca e ca w1 , . . . , wq , v1 , . . . , vm segue que v = u + w  uma combina~o linear de e ca u1 , . . . , up , v1 , . . . , vm ,1 , . . . , wq . Portanto,
U + W = [u1 , . . . , up , v1 , . . . , vm ,1 , . . . , wq ].

Veri quemos que os vetores em 5.25 s~o l.i.. Suponha que a


1 u1 + + p up + 1 w1 + + q wq + 1 v1 + + m vm = 0,

(5.26)

ou seja
U 1 u1 + + p up + 1 v1 + + m vm = 1 w1 q wq W. 1 w1 q wq U W = [v1 , . . . , vm ].

Logo, Conseqentemente, existem 1 , . . . , m tais que u


1 w1 q wq = 1 v1 + + m vm ,

ou seja,
1 w1 + + q wq + 1 v1 + + m vm = 0.

Como w1 , . . . , wq , v1 , . . . , vm s~o l.i., pois formam uma base de W, segue-se a que 1 = = m = 1 = = q = 0. Assim, a equa~o 5.26 se reduz a ca
1 u1 + + p up + 1 v1 + + m vm = 0

~ 5.3. DIMENSAO DE SOMA DE SUBESPACOS VETORIAIS 

53

e como u1 , . . . , up , v1 , . . . , vm s~o l.i., pois formam uma base de U, segue-se a que


1 = = p = 1 = = m = 0,

ou seja, os vetores de 5.25 s~o linearmente independentes. a

Seja U um subespao vetorial de um espao vetorial c c de dimens~o nita V. Se dim U = dim V ent~o U = V. a a
Corolrio 5.27 a Prova: Suponha que exista u1 V com u1 U. Coloque W = [u1 ]. Como U W = {0} e dim W = 1, segue da proposi~o 5.23 que ca

dim (U + W) = dim U + 1 = dim V + 1 > dim V. Um absurdo pois dim (U + W) dim V.

Note que se V, U e W s~o como na proposi~o 5.23 a ca e se alm do mais tivermos V = U + W e dim U + dim W > dim V e ent~o U W = {0}, isto , a soma U + W n~o  direta. a e a e
Observao 5.28 ca

Bem, se fosse U W = {0} ent~o pela proposi~o 5.23 teramos a ca 


0=

dim U W = dim U + dim W dim (U + W)


=

dim U + dim W dim V > 0,

um absurdo.
Exemplo 5.29 Sejam U = {p(x) P3 (R); p(0) = p(1) = 0} e V = {p(x) P3 (R); p(1) = 0}. Encontre uma base de U, V, U V e U + V. U:

Temos
p(x) = a0 + a1 x + a2 x2 + a3 x3 U p(0) = p(1) = 0

54

~ CAPTULO 5. BASE, DIMENSAO E COORDENADAS I


a0 = 0 a0 + a1 + a2 + a3 = 0

p(x) = (a2 + a3 )x + a2 x2 + a3 x3 = a2 (x2 x) + a3 (x3 x).

Desse modo, U = [x2 x, x3 x] e estes polin^mios s~o l.i. pois como o a cada um tem um grau distinto do outro, nenhum pode ser mltiplo u do outro. Assim, x2 x e x3 x formam uma base de U.
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 = a0 (1 + x) + a2 (x2 + x) + a3 (x3 x).

Desse modo, V = [1 + x, x2 + x, x3 x] e estes polin^mios s~o l.i. o a pois como cada um tem um grau distinto do outro, nenhum pode ser uma combina~o linear dos outros dois. Portanto, 1 + x, x2 + x e ca 3 x x formam uma base de V.
UV : p(x) = a0 +a1 x+a2 x2 +a3 x3 UV a0 = 0 a0 + a1 + a2 + a3 = 0 a0 a1 + a2 a3 = 0

a0 = a2 = 0 a1 = a3

p(x) = a1 (x3 x).

Logo, x3 x  uma base de U V. e


U+V :

Temos dim (U + V) = 2 + 3 1 = 4 = dim P3 (R). Pela proposi~o ca 5.27 temos que U + V = P3 (R) e podemos tomar como base os polin^mios 1, x, x2 e x3 . o

~ 5.3. DIMENSAO DE SOMA DE SUBESPACOS VETORIAIS 


Exemplo 5.30 U V UV U+V

55

Voltemos ao exemplo 3.12. Sabemos que


= = = = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)] [(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)] [(1, 0, 1, 0), (0, 1, 0, 1)] [(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)]

Veri quemos que os geradores acima s~o na verdade bases para os respeca tivos subespaos vetoriais. Para tanto basta veri car que cada seq^ncia c ue de vetores acima  l.i.. e Analisemos primeiramente para U: se
(1, 1, 0, 0) + (0, 1, 1, 0) + (0, 1, 0, 1) = (0, 0, 0, 0)

ent~o a
(, + + , , ) = (0, 0, 0, 0)

que implica em = = = 0. Vejamos agora o caso do subespao V : se c


(1, 0, 0, 1) + (0, 1, 0, 1) + (0, 0, 1, 1) = (0, 0, 0, 0)

ent~o a
(, , , + + ) = (0, 0, 0, 0)

que implica em = = = 0. Passemos agora a U V : se


(1, 0, 1, 0) + (0, 1, 0, 1) = (, , , ) = (0, 0, 0, 0)

que implica em = = 0. Pela proposi~o 5.23 temos dim (U + V) = 3 + 3 2 = 4. Como ca (0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1) geram U + V segue-se do fato da dimens~o deste subespao ser quatro que formam uma base de U + V. a c Como a dimens~o de R4 tambm e U + V R4 , temos pela proposi~o a e ca 4 5.27 que U + V = R . Note que esta soma n~o  direta. a e

56

~ CAPTULO 5. BASE, DIMENSAO E COORDENADAS I

5.4

Coordenadas

Sejam V um espao vetorial nitamente gerado e B uma base de V formada c pelos vetores u1 , . . . , un . Como B  uma base de V, todo elemento de u V e se escreve como 1 u1 + + n un , com os coe cientes 1 , . . . , n R. Pela proposi~o 4.18, os coe cientes 1 , . . . , n s~o unicamente determica a nados pelo vetor u. Estes coe cientes s~o denominados coordenas de u a com rela~o  base B. Representaremos as coordenadas de u com rela~o ca a ca  base como a
1 . uB = . . . n

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 rela~o  base B formada pelos vetores acima. ca a
Exemplo 5.31

J sabemos que dim R3 = 3. Para veri car se os vetores acima formam a uma base de V, basta veri car se eles s~o l.i.. Utilizando o exemplo 4.8 a vemos que estes vetores s~o de fato l.i. pois a matriz a
1 0 0 1 1 0 1 1 1

possui determinante igual a 1 = 0. Agora,


(1, 2, 0) = (1, 1, 1) + (0, 1, 1) + (0, 0, 1) = (, + , + + )

que  equivalente ao sistema e

= 1 +=2 + + = 0

5.4. COORDENADAS

57

cuja (nica) solu~o  = 1, = 1 e = 2. Desse modo, as coordenadas u ca e de (1, 2, 0) com rela~o  base B s~o dadas por ca a a
1 1 . 2 Exemplo 5.32 Mostre que os polin^mios 1, x, x2 x formam uma base, o B, de P2 (R). Encontre as coordenadas de 1 + x + x2 com rela~o  ca a base B. Encontre tambm as coordenadas deste mesmo polin^mio com e o 2 rela~o  base C formada pelos polin^mios 1, x e x . ca a o

Para veri car 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 unica como  2 combina~o linear de 1, x e x x. Isto  equivalente a mostrar que a ca e 2 equa~o p(x) = 1+x+(x x) possui uma unica solu~o (, , ) R3 . ca  ca A equa~o acima se escreve como ca
a0 + a1 x + a2 x2 = + ( )x + x2 ,

que  equivalente ao sistema e


= a0 = a1 = a , 2

que possui uma unica solu~o dada por = a0 , = a1 + a2 , e = a2 .  ca Com isso em m~os, vemos que as coordenadas de 1+x+x2 com rela~o a ca  base B s~o dadas por a a
1 2 . 1

58

~ CAPTULO 5. BASE, DIMENSAO E COORDENADAS I

Note que com rela~o  base C formada por 1, x e x2 as coordenadas de ca a 2 1 + x + x s~o dadas por a
1 1 . 1

5.5

Exerc cios
B

Ex. 5.33

Veri car em cada um dos casos se o subconjunto espao vetorial V  uma base de V. c e
1. B = 1, 1 + t, 1 t2 , 1 t t2 t3 , V = P3 (R). 2. B =
1 1 0 0 , 2 1 0 0 , 0 1 1 0 , 0 0 0 2 , V = M2 .

do

3. B = {(1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0)} , V = R4 .


Ex. 5.34

Encontrar em cada um dos itens abaixo uma base e a dimens~o do subespao W do espao vetorial V. a c c
1. W = (x, y, z, t) R4 ; x y = 0 e x + 2y + t = 0 , V = R4 . 2. W = {X M2 ; AX = X} , onde A =
1 2 0 1 , V = M2 .

3. W = {p P2 (R); p (t) = 0, t R} , V = P2 (R). 4. W = {X M2 ; AX = XA} , onde A =


Ex. 5.35 1 0 1 1 , V = M2 .

Dados U, W subespaos do espao vetorial V determinar; c c

i) uma base e a dimens~o de U. a

5.5. EXERCCIOS I

59

ii) uma base e a dimens~o de W. a iii) uma base e a dimens~o de U + W. a iv) uma base e a dimens~o de U W. nos seguintes casos; a 1. 2. 3.
U = R3 . (x, y, z) R3 ; x + y + z = 0 , W = {(x, y, 0); x, y R} , V =

 a soma dos elementos da diagonal principal de A, chamado e de trao de A c


U = {p(t) V; p (t) = 0} , W = {p(t) V; p(0) = p(1)} , V = P2 (R).

U = {A M2 ;

tr (A) = 0} , W = {A M2 ; At = A} , V = M2 . tr (A)

Ex. 5.36

Determinar as coordenadas do vetor u = (1, 8, 5) R3 em rela~o a cada uma das bases de R3 abaixo; ca 1. base can^nica o 2. 3.
{(0, 0, 1), (0, 1, 1), (1, 1, 1)} {(1, 2, 1), (0, 3, 2), (1, 1, 4)}

Determinar as coordenadas do polin^mio p(t) P3 (R), o 2 3 dado por p(t) = 10 + t + 2t , t R em rela~o as seguintes bases ca de P3 (R); 1. base can^nica o
Ex. 5.37

2. 3.

1, 1 + t, 1 + t + t2 , 1 + t + t2 + t3 4 + t, 2, 2 t2 , t + t3

Ex. 5.38

Determinar as coordenadas do vetor

rela~o as seguintes bases de M2 ; ca

2 5 8 7

M2

em

60

~ CAPTULO 5. BASE, DIMENSAO E COORDENADAS I

1. base can^nica o 2.
Ex. 5.39 1 0 0 0 , 1 1 0 0 , 1 1 1 0 , 1 1 1 1

Encontre uma base de M2 que contenha


1 0 1 0 , 1 1 0 0 .

Ex. 5.40 Veri que que a  base B = {1, x, . . . , xn }

as coordenadas de p(x) Pn (R) com rela~o ca  e


, . . . 1 p(n) (0) n! p(0) p (0) 1 p (0) 2!

onde p(k) (0) representa a k-sima derivada de p em x = 0. e


Ex. 5.41

Se {u1 , . . . , un }  uma base de V mostre que e  um base de V; e

1.

{u1 , u1 + u2 , u1 + u2 + u3 , . . . , u1 + , un }

2. se j = 0, j = 1, . . . , n ent~o {1 u1 , . . . , n un }  uma base de V. a e

Cap tulo 6 Mudana de Base c


6.1

omo vimos no exemplo 5.32 as coordenadas de um elemento de um espao vetorial podem variar quando se consideram bases distintas. c O que passaremos a estudar agora  como esta mudana ocorre, ou seja, e c como  possvel encontrar as coordenadas de um vetor com rela~o a uma e  ca base sabendo-se suas coordenadas com rela~o a uma outra. ca Seja V um espao vetorial nitamente gerado. Sejam B e C bases de c V formadas pelos vetores b1 , . . . , bn e c1 , . . . , cn , respectivamente. Como B  uma base, existem ij R, 1 i, j n tais que e
c1 = 11 b1 + + n1 bn

Introduo, Exemplos e Propriedades ca

. . .

cn = 1n b1 + + nn bn .

Desta forma, as coordenadas de c1 , . . . , cn , com rela~o  base B s~o, resca a a pectivamente,


c1B = 11

. , ,c = . . . . nB . .
nn

1n

n1

61

62

CAPTULO 6. MUDANCA DE BASE I 

Reunimos estas informa~es sobre as coordenadas dos vetores da base C co com rela~o  base B na seguinte matriz ca a
MC = B 11

. . .

...

1n

. , . .

n1

nn

cujas colunas s~o formadas pelas coordenas de c1 , . . . , cn com rela~o  a ca a C base B. A matriz MB  chamada de matriz mudana de base da base B e c para a base C. Antes de mostrarmos a rela~o que existe entre MC e as coordenadas ca B de um dado vetor com rela~o s bases B e C, vejamos como podemos ca a encontrar a matriz de mudana de base em um exemplo no R3 . c
Exemplo 6.1 Considere a base B de R3 formada pelos vetores (1, 0, 1), (1, 1, 1) e (1, 1, 2). Considere tambm a base C formada pelos vetores e (1, 0, 0), (0, 1, 0) e (0, 0, 1). Encontre MC . B

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) (11 + 21 + 31 , 21 + 31 , 11 + 21 + 231 ) = (1, 0, 0) (12 + 22 + 32 , 22 + 32 , 12 + 22 + 232 ) = (0, 1, 0) (13 + 23 + 33 , 23 + 33 , 13 + 23 + 233 ) = (0, 0, 1).

Um momento de re ex~o nos poupar um pouco de trabalho neste ponto. a a Note que cada linha acima representa um sistema de tr^s equa~es com e co tr^s incgnitas e que a matriz associada a cada um destes sistemas  a e o e mesma. O que muda s~o os nomes das variveis e o segundo membro. a a Utilizando como variveis x, y e z, basta resolvermos o seguinte sistema a
a 1 1 1 x 0 1 1 y = b c 1 1 2 z

6.1. INTRODUCAO, EXEMPLOS E PROPRIEDADES ~ onde a, b, c R. O sistema acima  equivalente a e


1 1 1 x a 0 1 1 y = b 0 0 1 z ca

63

cuja unica solu~o  dada por x = a b, y = a + b c e z = c a.  ca e Tomando (a, b, c) = (1, 0, 0) obtemos (11 , 21 , 31 ) = (1, 1, 1). Tomando (a, b, c) = (0, 1, 0) obtemos (12 , 22 , 32 ) = (1, 1, 0). Tomando (a, b, c) = (0, 0, 1) obtemos (13 , 23 , 33 ) = (0, 1, 1). Desta forma, obtemos
MC B 1 1 0 = 1 1 1 . 1 0 1

Exerc cio 6.2

Com as nota~es do exemplo acima, encontre MB . co C

Vejamos agora como as coordenadas de um vetor se relacionam com respeito a duas bases de um espao vetorial de dimens~o nita. c a Sejam B e C bases de um espao vetorial de dimens~o nita V formadas, c a respectivamente, pelos vetores b1 , . . . , bn e c1 , . . . , cn . Dado um vetor v em V sejam
vB = x1

. . .

vC =

y1

. . .

xn

yn

as suas coordenadas com rela~o s bases B e C, respectivamente. Se ca a C MB = (ij ) representa a matriz de mudana da base B para base C, ent~o c a n como cj = i=1 ij bi , j = 1, . . . , n, obtemos
n n n n n n

v=
i=1

xi bi =
j=1

y j cj =
j=1

yj
i=1

ij bi

=
i=1 j=1

ij yj

bi

64

CAPTULO 6. MUDANCA DE BASE I 

onde na ultima igualdade invertemos a ordem da soma. Como os vetores  b1 , . . . , bn s~o l.i., segue-se que xi = n ij yj , i = 1, . . . , n. Porm, estas a e j=1 ultimas n equa~es podem ser escritas na seguinte frmula matricial  co o
11 12

. . .

. . .

... . . .

1n nn

y1

. = . , . . . .
xn

x1

n1 n2

yn

ou mais simplesmente,

vB = MC vC . B

Resumiremos este resultado na seguinte


Proposio 6.3 Sejam B e C bases de um espao vetorial de dimens~o ca c a nita V. Se vB e vC representam as coordenadas de um dado vetor v V com rela~o s bases B e C, respectivamente e se MC  a ca a B e matriz de mudana de base da base B para a base C ent~o c a vB = MC vC . B Exemplo 6.4

Fixado R, considere os vetores


sen )

u1 = (cos ,

u2 = ( sen , cos )

em R2 . Mostre que estes vetores formam uma base, B, de R2 e encontre a matriz de mudana desta base para a base C formada pelos vetores c e1 = (1, 0) e e2 = (0, 1). Encontre as coordenadas do vetor u = ae1 +be2 com rela~o  base B. ca a
Como a dimens~o de R2  dois basta mostrar que u1 e u2 s~o l.i.. Se a e a
(cos ,

sen ) + ( sen , cos ) = (0, 0)


= = 0,

ent~o a

cos sen = 0

sen + cos = 0

6.1. INTRODUCAO, EXEMPLOS E PROPRIEDADES ~ pois det cos sen = 1 = 0. sen cos sen ) + 21 ( sen , cos ) sen ) + 22 ( sen , cos ),

65

A matriz MC ser dada por (ij ), onde a B


(1, 0) = 11 (cos , (0, 1) = 12 (cos ,

que  equivalente a e
(1, 0) = (11 cos 21 sen , 11 sen + 21 cos ) (0, 1) = (12 cos 22 sen , 12 sen + 22 cos ),

e como j visto antes, basta resolver o sistema a cos sen sen cos cuja solu~o  dada por ca e
x y = x y =

cos sen sen cos

cos + sen . cos sen

Fazendo (, ) = (1, 0) obtemos (11 , 21 ) = (cos , sen ). Colocando (, ) = (0, 1), temos (12 , 22 ) = ( sen , cos ). Assim,
MC = B

cos sen . sen cos

Agora, se uB representa as coordenadas de u = ae1 + be2 com rela~o  ca a base B e uC as coordenadas do mesmo vetor com rela~o  base C, pela ca a proposi~o 6.3 temos ca
uB = M C uC = B

cos sen sen cos

a b

a cos + b sen . b cos a sen

66

CAPTULO 6. MUDANCA DE BASE I 


B, C

Sejam mensional. Temos


Proposio 6.5 ca

bases de um espao vetorial c

die e

MD = MC MD . B B C

Prova: Sejam b1 , . . . , bn os vetores de B, c1 , . . . , cn os vetores de C d1 , . . . , dn os vetores de D. Usando a nota~o MC = (ij ), MD = (ij ) ca B C D MB = (ij ) vemos que
n n n

cj =
i=1

ij bi ,

dk =
j=1

jk cj ,

dk =
i=1

ik bi .

(6.6)

Assim,
n n n n n

dk =
j=1

jk cj =
j=1

jk
i=1

ij bi

=
i=1 j=1

ij jk

bi ,

como b1 , . . . , bn s~o l.i., comparando com a ultima express~o de 6.6, oba  a temos n
ik =
j=1

ij jk ,

1 i, k n.

MD = MC MD . B B C

Resta apenas lembrar que o lado direito da express~o acima representa o a elemento da i-sima linha e da k-sima coluna da matriz MC MD . Portanto, e e B C
Proposio 6.7 Sejam B e C bases em um espao vetorial de n dica c C mensional V. Ent~o a matriz MB possui inversa e esta inversa  dada a e B por MC , a matriz de mudana da base C para a base B. c Prova:

Pela proposi~o anterior temos MC MB = MB e MB MC = MC . ca B C B C B C B C Resta mostrar que MB = MC = I = (ij ), onde


ij = 1 0

se i = j caso contrrio, a

6.2. EXERCCIOS I

67

  a matriz identidade de ordem n. E claro que basta mostrar que MB = I e e B isto  bem simples, pois se u1 , . . . , un s~o os vetores da base B ent~o MB = e a a B (ij ) satisfaz uj = n ij ui , j = 1, . . . , n. Ora, como u1 , . . . , un s~o l.i., a i=1 para cada j = 1, . . . , n, a unica solu~o de cada uma destas equa~es   ca co e dada por 1 se i = j ij = 0 caso contrrio, a ou seja, ij = ij .
Exerc cio 6.8

Utilize a proposi~o acima para refazer o exerccio 6.2. ca 

6.2
Ex. 6.9

Exerc cios
{g1 , g2 , g3 }

Considere as bases B = {e1 , e2 , e3 } e C = espao vetorial V relacionadas da seguinte forma c


g1 = e1 + e2 e3 g = 2e2 + 3e3 2 g = 3e + e 3 1 3

de um

1. Determine as matrizes mudana da base B para a base C, isto c C , MB , e da base C para a base B, isto , MB . e e C 2. Se a matriz das coordenadas do vetor
1 isto , vB ,  dada por 3 encontre e e 2 de v em rela~o a base C, isto , vC . ca e 2 3 1 v

em rela~o a base B, ca

a matriz das coordenadas

3. Se a matriz das coordenadas do vetor v em rela~o a base C, isto ca , e


vC ,

 dada por e

encontre a matriz das coordenadas

68

CAPTULO 6. MUDANCA DE BASE I 

de v em rela~o a base B, isto , vB . ca e


Ex. 6.10 Considere 1, t, t2 de P2 (R).

as bases ordenadas

B =

1, 1 + t, 1 + t2

C =

1. Encontre as matrizes de mudana da base B para a base C, isto c C  MB , e da base C para a base B, isto  MB . e e C 2. Se
1 vB = 4 6 8 vC = 1 3

encontre vC .

3. Se

encontre vB .

4. Se D = 1, t, t2  a base can^nica de P2 (R), encontre as mae o trizes de mudana da base B para a base D e da base D para a c base C, isto , MD e MC , respectivamente. e B D
Ex. 6.11

Considere o seguinte subespao de M2 ; c


W= x y z t M2 ; x y z = 0 .

1. Mostre que
B= 1 1 0 0 1 0 1 0 , 1 0 1 0 0 1 1 0 , 0 0 0 1 0 0 0 1

e
C=

s~o bases de W. a

6.2. EXERCCIOS I

69

2. Encontre as matrizes de mudana da base B para a base C e da c C base C para a base B, isto , MB e MB , respectivamente. e C 3. Encontre uma base D de W , tal que a matriz
1 1 0 P= 0 0 2 0 3 1 D

seja a matriz de mudana da base c


P= MB . D

para a base B, isto , e

70

CAPTULO 6. MUDANCA DE BASE I 

Cap tulo 7 Exerc cios Resolvidos Uma Reviso a

este captulo apresentamos uma srie de exerccios resolvidos bus e  cando fazer um resumo do que vimos at agora. e
= x, z = w2 }

Veri que se V = {(x, y, z, w) R4 ; y com as opera~es usuais de R4  um espao vetorial. co e c


Ex. Resolvido 7.1

Resoluo: Note que (0, 0, 1, 1) V mas 1(0, 0, 1, 1) = (0, 0, 1, 1) ca V. Assim, V n~o  um espao vetorial. a e c Ex. Resolvido 7.2 Seja A Mn uma matriz quadrada de ordem n. Veri que se W = {X Mn1 ; AX = 0}  um subespao vetorial de e c Mn1 , com as opera~es usuais. co Resoluo: ca

1. Seja O = (0) a matriz n 1 nula. Como AO = O, temos que O W. 2. Se X, Y W e R, ent~o, pelas propriedades da soma e da multia plica~o por escalar usuais entre as matrizes e, tambm, pelas proca e priedades do produto entre matrizes, temos
A(X + Y) = AX + A(Y) = AX + AY = O + O = O.

71

72

~ CAPTULO 7. EXERCCIOS RESOLVIDOS { UMA REVISAO I I Portanto X + Y W.

Conclumos que W  um subespao vetorial de Mn1 .  e c


Ex. Resolvido 7.3 Encontre por S = {1, t, t2 , 1 + t3 }.

o subespao vetorial de c

P3 (R)

gerado

Resoluo: Note que t3 = (t3 +1)1. Assim, dado p(t) = a0 +a1 t+a2 t2 + ca 3 a3 t P3 (R) podemos escrever p(t) = (a0 a3 )+a1 t+a2 t2 +a3 (t3 +1) [S]. Logo, P3 (R) = [S]. Ex. Resolvido 7.4

Encontre o subespao vetorial de M2 gerado por c


S= 0 1 0 0 , 0 0 1 0

Resoluo: ca

Temos que A [S] se e somente se existem , R tais que


A= 0 1 0 0 + 0 0 1 0 = 0 0 ,

ou seja, A [S] se e somente se os elementos da diagonal principal de A s~o nulos. a


Ex. Resolvido 7.5

Encontre um conjunto nito de geradores para


W = {X M31 : AX = 0},

onde

0 1 0 A = 2 1 0 . 1 1 4

73
Resoluo: ca 0 0 1 0 X = W 2 1 0 = 0 0 1 1 4 1 2 0 1 0 0 0 1 1 4 0 1 4 1 0 = 0 0 1 4 = 0 0 1 0 0 0 1 0 0 1 4 0 1 1 4 1 4 = 0 0 1 4 = 0 0 1 0 0 0 0 4 1 1 4 0 0 1 4 = 0 = = = 0, 0 0 1 0 0 W = 0 . 0

portanto,

Ex. Resolvido 7.6

Encontre um conjunto nito de geradores para


W = {X M41 : AX = 0},

onde

A=

1 1 1 0 2 0 1 1 . 3 1 0 1 0 2 3 1

74

~ CAPTULO 7. EXERCCIOS RESOLVIDOS { UMA REVISAO I I


1 1 1 0 0 1 1 0 2 0 X = W = 0 1 0 3 1 0 2 3 1 0 1 1 1 0 0 0 2 3 1 0 = 0 2 3 1 0 0 2 3 1 0 0 1 1 1 0 0 2 3 1 0 = 0 0 0 0 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 = /2 /2 = 3/2 + /2 ,

Resoluo: ca

isto , e

/2 /2 1/2 1/2 3/2 + /2 3/2 1/2 X= = + , 1 0 0 1

75 portanto,
1/2 1/2 3/2 1/2 W = , . 1 0 0 1

Ex. Resolvido 7.7 Encontre uma base do dado por U = [(1, 0, 1), (1, 2, 0), (0, 2, 1)].

subespao vetorial de c

R3

Resoluo: Primeiro Modo: (x, y, z) U se e somente se existem , , ca R tais que (1, 0, 1) + (1, 2, 0) + (0, 2, 1) = (x, y, z),

ou seja, (x, y, z) U se e somente se o sistema abaixo admite solu~o ca


1 1 0 x 1 1 0 x 2 = y 0 2 2 = y 0 2 1 0 1 z 0 1 1 zx 1 1 0 x 0 1 1 = y/2 0 1 1 zx 1 1 0 x 0 1 1 = y/2 0 0 0 z x + y/2 x y/2 1 0 1 0 1 1 = y/2 z x + y/2 0 0 0

76

~ CAPTULO 7. EXERCCIOS RESOLVIDOS { UMA REVISAO I I

que possui solu~o, e esta  dada por = + x y/2, = + y/2, ca e R, se e somente se z = x y/2. Dessa forma,
(x, y, z) = ( + x y/2)(1, 0, 1) + ( + y/2)(1, 2, 0) + (0, 2, 1) = = (x, y, x y/2) = x(1, 0, 1) + y(0, 1, 1/2)

e como
(1, 0, 1), (0, 1, 1/2)

(7.8)

s~o l.i., segue-se que formam uma base de U. a Segundo Modo: Note que os vetores (1, 0, 1) e (1, 2, 0) s~o l.i. e pertencem a a U. Vejamos se estes vetores juntamente com (0, 2, 1) s~o l.d. ou l.i.: a
(1, 0, 1) + (1, 2, 0) + (0, 2, 1) = (0, 0, 0) ( + , 2 + 2, ) = (0, 0, 0) + = 0 + = 0 = = , = 0

ou seja, os vetores
(1, 0, 1), (1, 2, 0), (0, 2, 1)

s~o l.d.. Portanto, a


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

(7.9)

formam uma base de U. Embora as bases 7.8 e 7.9 n~o coincidam, ambas est~o corretas. Basta a a observar que
(1, 2, 0) = (1, 0, 1) + 2(0, 1, 1/2).

77
Ex. Resolvido 7.10

Dados os subespaos c e
W= 1 1 0 1

U = {A M2 : At = A}

em M2 , encontre uma base de U, W, U W e U + W, no caso em que n~o se reduzam a {0}. a


Resoluo: ca U: A= a b c d = At c = b,

portanto, A U se e somente se existirem , , R tais que


A= 1 0 0 0 + 0 1 1 0 + 0 0 . 0 1

A mesma equa~o acima tomada com A = 0, mostra que as matrizes ca


1 0 0 1 0 0 , , 0 0 1 0 0 1

s~o l.i. e, portanto, como geram U, formam uma base de U. Note a que dim U = 3.
W:

Como a matriz

1 1 0 1

gera W e  n~o nula, ela serve como base de W. Note que dim W = 1. e a
UW : A U W A = At , 0

e existe R tal que A =

78

~ CAPTULO 7. EXERCCIOS RESOLVIDOS { UMA REVISAO I I isto , se e somente se existir R tal que e
0 = 0 ,

que  satisfeita se e somente se = 0, ou seja, A = O. Desse modo, e U W = {O} e dim U W = 0.


U+W :

Temos dim (U + W) = dim U + dim W dim U W = 4 = dim M2 ; portanto, U + W = M2 e uma base pode ser dada por
0 1 0 0 0 0 1 0 , , , . 0 0 0 0 1 0 0 1

Ex. Resolvido 7.11 Sejam U = {p P2 (R) : p (t) = 0, t R}, W = {p P2 (R) : p(0) = p(1) = 0} subespaos vetoriais de V = P2 (R). c Encontre uma base de U, W, U W e U + W, no caso em que n~o se a reduzam a {0}. U: p(t) = a0 + a1 t + a2 t2 U p (t) = a1 + 2a2 t = 0 a1 = a2 = 0 p(t) = a0 p(t) [1].

Logo, 1  uma base de U e dim U = 1. e


W: p(t) = a0 + a1 t + a2 t2 U p(0) = a0 = 0 p(1) = a0 + a1 + a2 = 0

p(t) = a1 t a1 t2 = a1 (t t2 ),

isto , p(t) [t t2 ]. Assim t t2  uma base de W e dim W = 1. e e

79
U W : p(t) U W = [1] [t t2 ] se e somente se existem , R tais que p(t) = = (tt2 ). Claramente, isto s  possvel quando = = 0, oe  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  direta podemos tomar 1, t t2 como base de U W. e

Ex. Resolvido 7.12 Seja V um espao c ses de V formadas pelos vetores e1 , e2 , e3

relacionados da seguinte forma:

vetorial. Sejam B e C bae g1 , g2 , g3 , respectivamente,

g1 = e1 + e2 e3 g = 2e2 + 3e3 2 g = 3e + e 3 1 3

1. Determine as matrizes de mudana da base B para a base C, c C isto , MB , e da base C para a base B, isto , MB . e e C 2. Se as coordenadas do vetor
1 s~o dadas por 3 a 2 a base C, isto , vC . e v

em rela~o a base B, isto , ca e

vB ,

encontre as coordenadas de v em rela~o ca em rela~o a base C, isto , ca e


vC ,

3. Se as coordenadas do vetor s~o dadas por a a base B, isto


Resoluo: ca 2 3 1 , vB . e

encontre as coordenadas de v em rela~o ca

80

~ CAPTULO 7. EXERCCIOS RESOLVIDOS { UMA REVISAO I I 1. Temos


1 0 3 MC = 1 2 0 . B 1 3 1
1

Como MB = MC C B
1 0 3

passemos a encontrar a inversa de MC : B

. . . 1 0 0 1 0 3 . 1 0 0 . . 1 2 0 . 0 1 0 0 2 3 . 1 1 0 . . . . . . . 0 0 1 . 1 0 1 0 3 4 . 1 3 1 . 0 1 3 2 0 3 1 0 3 0 1 3 2 0 0 1 4 1 0 3 . . 1 0 0 . 1 0 3 . 1 1 . . 2 2 0 0 1 3 2 . 17 . 1 0 1 . 0 0 2 . . 1 0 0 . . 1 1 . . 2 2 0 . 5 3 . . 2 2 1

. 2 . 9 6 . 1 0 0 1 0 0 . 17 . 17 . 17 . 1 1 0 1 0 . 1 4 3 . . . 17 17 17 . 2 2 0 . 5 . 5 3 2 3 2 . . . 17 17 17 0 0 1 . 17 17 17 MB = C
2 17 1 17 5 17 9 17 4 17 3 17 6 17 3 17 2 17

Portanto,

2. Como vC = MB vB , C
vC =
2 17 1 17 5 17 9 17 4 17 3 17 6 17 3 17 2 17

1 1 3 = 1 . 0 2

81 3. Como vB = MC vC , B
1 0 3 2 1 vB = 1 2 0 3 = 8 . 1 3 1 1 6

Ex. Resolvido 7.13 W=

Considere o seguinte subespao de M2 : c


x y z t M2 ; x y z = 0 .

a) Mostre que B dada pelas matrizes


B1 = 1 1 0 0 , B2 = 1 0 1 0 , B3 = 0 0 0 1

e C dada pelas matrizes


C1 = 1 0 1 0 , C2 = 0 1 1 0 , C3 = 0 0 0 1

s~o bases de W. a b) Encontre as matrizes de mudana da base B para a base C e da c base C para a base B. c) Encontre uma base D de W , tal que a matriz
1 1 0 P= 0 0 2 0 3 1 D

seja a matriz de mudana da base c


P= MB . D

para a base B, isto , e

82 a)

~ CAPTULO 7. EXERCCIOS RESOLVIDOS { UMA REVISAO I I

Resoluo: ca x y z t

A=

W x = y + z.

Assim, A W se e somente se existirem x, y, z R tais que


A=y 1 1 0 0 +z 1 0 1 0 +t 0 0 , 0 1

(7.14)

isto , e
W= 1 1 1 0 0 0 , , 0 0 1 0 0 1 .

A equa~o 7.14 tomada com A = O mostra que as matrizes acima ca que geram W s~o de fato l.i. e, portanto, formam uma base de W. a Alm do mais, dim W = 3. e Como C  formado por tr^s vetores de W e a dimens~o de W  tr^s, e e a e e basta veri car que tais vetores s~o l.i.. De fato, a
1 0 1 0 + 0 1 1 0 = + 0 0 0 0 0 0 0 1 = 0 0 0 0

= = = 0.

b) Basta notar que

C 1 = B2 C2 = B1 + B2 C 3 = B3 0 1 0 MC = 1 1 0 . B 0 0 1

e da, 

83 Quanto a MB , vemos que C


B1 = C1 C2 B2 = C1 B3 = C3

e assim,

1 1 0 MB = 1 0 0 . C 0 0 1

c) Procuremos D1 , D2 e D3 em W de modo que formem uma base W tal que MB = P. Isto ocorre se e somente se D
B1 = 1D1 + 0D2 + 0D3 = D1 B2 = 1D1 + 0D2 + 3D3 = D1 + 3D3 , B3 = 0D1 + 2D2 + 1D3 = 2D2 + D3

ou seja, D1 = B1 , D3 = (B2 B1 )/3 e D2 = (B3 (B2 B1 )/3)/2 = (3B3 + B1 B2 )/6. Assim, a base D formada por D1 , D2 e D3  dada e pelas matrizes
1 1 0 1/6 0 1/3 , , . 0 0 1/6 1/2 1/3 0

84

~ CAPTULO 7. EXERCCIOS RESOLVIDOS { UMA REVISAO I I

Cap tulo 8 Transformaoes Lineares c


8.1 Introduo e Exemplos ca

t agora estudamos os espaos vetoriais e seus subespaos, introduzie c c mos os conceitos como depend^ncia e independ^ncia linear e, a partir e e disto, pudemos descrev^-los de maneira mais simples usando para isto gee radores e, mais especi camente, bases. De certa forma j temos em m~os a a tudo o que precisamos para trabalhar com espaos vetoriais. No captulo c  12 voltaremos a estudar espaos vetoriais que possuem uma estrutura mais c rica. O leitor j deve estar familiarizado com o conceito de fun~es, prina co cipalmente com aquelas que est~o de nidas em um subconjunto da reta a e tomam seus valores tambm no conjunto dos nmeros reais. Nosso e u prximo passo  estudar fun~es que t^m como domnio um espao vetoo e co e  c rial e que tomam seus valores em um outro espao vetorial. Note que os c valores tomados s~o, na verdade, vetores. No entanto, vamos nos restringir a a apenas alguns tipos especiais dentre estas fun~es. Estamos interessaco dos em fun~es que preservem as opera~es existentes no espao vetorial co co c que atua como o seu domnio e aquelas do espao vetorial que age como  c contra-domnio. Por exemplo, por preservar a adi~o de vetores entende ca 85

86

CAPTULO 8. TRANSFORMACOES LINEARES I ~

mos que ao tomar dois vetores no domnio da fun~o o valor que esta deve  ca ter para a soma destes dois vetores  a soma dos valores que ela possui e para cada um dos vetores. De maneira semelhante a fun~o deve preservar ca o produto por escalar. Fun~es com estas propriedades s~o chamadas de co a transforma~es lineares. Mais precisamente, temos. co
Denio 8.1 Sejam U e V espaos vetoriais. Dizemos que uma ca c fun~o T : U V  uma transforma~o linear se forem veri cadas ca e ca u, v U; R.

as seguintes condi~es: co 1. T (u + v) = T (u) + T (v), 2.


T (u) = T (u),

u U,

Observao 8.2 Note que T : U V  uma transforma~o linear se ca e ca e somente se T (u + v) = T (u) + T (v), para todo u, v U, , R. Observao 8.3 ca

Note que pela propriedade 2 temos


T (0) = T (00) = 0T (0) = 0.

Ou seja, toda transforma~o linear de U em V leva o elemento neutro ca de U no elemento neutro de V.


A seguir listamos alguns exemplos de transforma~es lineares de nidas co em vrios espaos vetoriais que j tratamos no decorrer do curso. a c a 1. T : U V dada por T (u) = 0, para todo u U. T  chamada de e transforma~o nula. ca 2. T : U U dada por T (u) = u, para todo u U. T  chamada de e transforma~o identidade. ca 3. T : Pn (R) Rn+1 dada por
T (a0 + a1 x + + an xn ) = (a0 , . . . , an ).

8.1. INTRODUCAO E EXEMPLOS ~ 4. Se A Mmn  uma matriz dada, de nimos e


T : Mn1 Mm1

87

por T (X) = AX, o produto de A com X, para todo X Mn1 . 5. T : C([0, 1]; R) R dada por
1

T (f) =
0

f(x) dx,

para toda fun~o f C([0, 1]; R). ca 6. T : C1 ([0, 1]; R) C([0, 1]; R) dada por T (f) = f , a derivada de f, para toda f C1 ([0, 1]; R). Os exemplos abaixo s~o de fun~es entre espaos vetoriais que n~o s~o a co c a a transforma~es lineares. co 1. T : R3 R dada por T (x, y, z) = x + y + z + 1. Note que T (0, 0, 0) =
1 = 0.

2. T : C([0, 1]; R) R dada por


1

T (f) =
0

|f(x)| dx,

para toda fun~o f C([0, 1]; R). ca Se T fosse linear deveramos ter por 2, T (f) = T (f) para toda  fun~o f C([0, 1]; R). Para ver que isto n~o ocorre, basta tomar ca a f como sendo a fun~o constante igual a 1. Temos neste caso que ca
T (1) = 1 = T (1).

3. T : R R dada por T (x) = x2 . Observe que T (1) = 1 = T (1). Logo, n~o temos T (1) = T (1). a

88
Proposio 8.4 ca

CAPTULO 8. TRANSFORMACOES LINEARES I ~

Seja U um espao vetorial com base u1 , . . . , un . Toda c transforma~o linear T : U V ca determinada por T (u1 ), . . . , T (un ), ca ou seja, conhecidos estes vetores, conhece-se T (u) para qualquer u
U. Prova: J que u1 , . . . , un formam uma base de U, dado u U a 1 , . . . , n R tais que u = 1 u1 + + n un . Deste modo, T (u) = T (1 u1 + + n un ) = 1 T (u1 ) + + n T (un ).

existem

Ex. Resolvido 8.5 Encontre uma transforma~o ca tal que T (1, 2) = (3, 1) e T (0, 1) = (1, 2).

linear

T : R2 R2

Resoluo: Note que (1, 2) e (0, 1) formam uma base de R2 . Se (x, y) R2 ca ent~o, como  fcil veri car, temos (x, y) = x(1, 2) + (y 2x)(0, 1). Deste a e a modo, a transforma~o T deve satisfazer ca T (x, y) = T (x(1, 2) + (y 2x)(0, 1)) = xT (1, 2) + (y 2x)T (0, 1) = x(3, 1) + (y 2x)(1, 2) = (x + y, 2y 5x).

Veri ca-se facilmente que a transforma~o T de nida como acima  linear ca e e satisfaz as condi~es pedidas. co

8.2

O Espao Vetorial L (U, V) c

Sejam U e V espaos vetoriais. O conjunto de todas as transforma~es c co lineares T : U V  denotado por L (U, V). Quando U = V usamos a e . nota~o L (U) = L (U, U). ca Dadas T, S L (U, V) podemos de nir T + S : U V por (T + S)(u) = T (u) + S(u), u U. V^-se claramente que T + S L (U, V). e

8.2. O ESPACO VETORIAL L (U, V) 

89

Se T L (U, V) e R de nimos T : U V como (T )(u) = (T (u)). Tambm, T L (U, V). e  E um simples exerccio de veri ca~o o fato de L (U, V) com as opera ca ~es de nidas acima ser um espao vetorial. Note que o elemento neutro da co c adi~o  a transforma~o nula, isto , T L (U, V) de nida por T (u) = 0, ca e ca e
u U.

Registraremos isto na seguinte

Proposio 8.6 L (U, V) ca

rial.

com as opera~es acima  um espao vetoco e c

Denio 8.7 Se U  um espao vetorial, de nimos o espao dual ca e c c . de U como sendo U = L (U, R), isto , U  formado pelas transe e forma~es lineares T : U R. Estas transforma~es lineares tambm co co e s~o chamadas de funcionais lineares de nidos em U. a

Se U  um espao vetorial de dimens~o n e V  um e c a e espao vetorial de dimens~o m ent~o L (U, V) tem dimens~o mn. c a a a
Teorema 8.8 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 de na
Tij (x1 u1 + + xn un ) = xi vj , x1 , . . . , xn R.

Note que

se i = k 0 se i = k Veri quemos que Tij L (U, V):


Tij (uk ) = vj

Tij ((x1 u1 + + xn un ) + (y1 u1 + + yn un )) = Tij ((x1 + y1 )u1 + + (xn + yn )un ) = (xi + yi )vj = xi vj + yi vj

90

CAPTULO 8. TRANSFORMACOES LINEARES I ~


= Tij (x1 u1 + + xn un ) + Tij (y1 u1 + + yn un ).

Tambm, para todo R, e


Tij ((x1 u1 + + xn un )) = Tij (x1 u1 + + xn un ) = 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

n i=1 n m

m j=1

aij Tij = 0

ent~o, para cada 1 k n, a


m n m m

0=
i=1 j=1

aij Tij (uk ) =


j=1 i=1

aij Tij (uk ) =


j=1

akj Tkj (uk ) =


j=1

akj vj

e como v1 , . . . , vm s~o linearmente independentes, segue-se que ak1 = = a akm = 0. Portanto T11 , . . . , Tnm s~o linearmente independentes. a Seja T L (U, V). Se u U ent~o u = x1 u1 + + xn un , para certos a nmeros reais x1 , . . . , xn . Como T  linear u e
T (u) = x1 T (u1 ) + + xn T (un ).

Como T (ui ) V, podemos escrever, para cada 1 i n,


T (ui ) = 1i v1 + + mi vm .

Porm, como para cada 1 j m, 1 i n, Tij (u) = xi vj , obtemos e


T (u) = x1 T (u1 ) + + xn T (un ) = 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
T = 11 T11 + + m1 T1m + + 1n T1n + + mn Tnm .

8.2. O ESPACO VETORIAL L (U, V) 

91
n

Se V  um espao de dimens~o e c a tambm tem dimens~o n. e a


Corolrio 8.9 a

ent~o o seu dual a

Pelo corolrio 8.9, se U tem dimens~o n ent~o o seu dual, U , tem a a a a mesma dimens~o. Seguindo os passos da demonstra~o do teorema 8.8, se a ca u1 , . . . , un formam uma base B de U ent~o os funcionais lineares f1 , . . . , fn : a U R dados por fj (u) = fj (x1 u1 + + xn un ) = xj , j = 1, . . . , n, formam uma base de U . Esta base  chamada de base dual da base B. e
Ex. Resolvido 8.10 (1, 1, 1), u2 = (1, 1, 0) Resoluo: ca

Considere a base B de R3 formada por u1 e u3 = (1, 0, 0). Encontre a base dual de B.

Dado (x, y, z) R3 , temos

(x, y, z) = z(1, 1, 1) + (y z)(1, 1, 0) + (x y)(1, 0, 0).

Deste modo, a base dual de B,  dada pelos funcionais lineares f1 , f2 e f3 e onde


f1 (x, y, z) = z, f2 (x, y, z) = y z

f3 (x, y, z) = x y.

Denio 8.11 ca S L (V, W) de u U.

Sejam U, V e W espaos vetoriais. Se T L (U, V) e c nimos a composta ST : U W por ST (u) = S(T (u)), por T (x, y) = (x + y, 0) e

Exemplo 8.12 Considere T, S L (R2 ) dadas S(x, y) = (x, 2y). Encontre T S e S T.

T S(x, y) = T (S(x, y)) = T (x, 2y) = (x + 2y, 0). S T (x, y) = S(T (x, y)) = S(x + y, 0) = (x + y, 0).

Note que T S = S T.

92
Denio 8.13 ca n 2.

CAPTULO 8. TRANSFORMACOES LINEARES I ~

Se

T L (U),

de nimos

T1 = T

T n = T T n1

para

Denio 8.14 T L (U)  chamada de nilpotente se existir ca e inteiro positivo n tal que T n = 0, a transforma~o nula. ca

algum

Obviamente a transforma~o nula  um exemplo de uma transforma~o ca e ca nilpotente.

Mostre que T : R2 R2 dada por T (x, y) = (0, x)  um e operador nilpotente.


Exemplo 8.15

Vejamos: T 2 (x, y) = T (T (x, y)) = T (0, x) = (0, 0). Assim, T 2 = 0.


Proposio 8.16 ca L (U, W). Prova:

Sejam

T L (U, V)

S L (V, W).

Ent~o a

ST

Dados u, v U e , R temos
S T (u + v) = S(T (u + v)) = S(T (u) + T (v))

= S(T (u)) + S(T (v)) = S(T (u)) + S(T (v)) = S T (u) + S T (v).

Proposio 8.17 ca onde U, V, W e X Prova:

Sejam T L (U, V), S L (V, W) e R L (W, X), s~o espaos vetoriais. Ent~o (R S) T = R (S T ). a c a

Para todo u U, temos


(R S) T (u) = (R S)(T (u)) = R(S(T (u)))

e por outro lado


R (S T )(u) = R((S T )(u)) = R(S(T (u))).

Comparando as express~es chegamos ao resultado desejado. o

8.2. O ESPACO VETORIAL L (U, V) 


Proposio 8.18 ca R S + R T. Prova:

93

Se S, T

L (U, V), R L (V, W)

ent~o R (S + T ) = a

Dado u U, temos
= R S(u) + R T (u) = (R S + R T )(u).

R (S + T )(u) = R((S + T )(u)) = R(S(u) + T (u)) = R(S(u)) + R(T (u))

Proposio 8.19 Se T L (U, V) e IV L (V)  a identidade ca e isto , I(v) = v, v V, e IU L (U)  a identidade em U, e e IV T = T e T IU = T. Prova:

em V, ent~o a

Dado u U, temos
IV T (u) = IV (T (u)) = T (u)

e
T IU (u) = T (IU (u)) = T (u). Denio 8.20 Diremos que T L (U, V) possui inversa se existir ca 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  a identidade em V. e Proposio 8.21 ca

versa  unica. e

Se

T L (U, V)

possui uma inversa ent~o esta ina

Suponha que T possua inversas R, S L (V, U). Como IV = T R e IU = S T, temos


S = S IV = S (T R) = (S T ) R = IU R = R.

Denotaremos a inversa de T por T 1 .

94
Denio 8.22 ca

CAPTULO 8. TRANSFORMACOES LINEARES I ~

Uma transforma~o linear T : U V  ca e

1. injetora se T (u) = T (v) implicar em u = v; 2. sobrejetora se para todo v V existir u U tal que T (u) = v; 3. bijetora se for injetora e sobrejetora.
Proposio 8.23 Uma transforma~o linear T : U V ca ca e somente se T (u) = 0 implicar em u = 0. Prova: como T

 injetora se e

Suponha que T seja injetora. Se T (u) = 0 ent~o T (u) = T (0) e a  injetora, segue-se que u = 0. e Reciprocamente suponha que a unica solu~o de T (u) = 0 seja u = 0.  ca Se T (u) = T (v) ent~o T (u v) = 0 e, por hiptese, u v = 0, isto , u = v. a o e

A m de que T L (U, V) possua inversa  necese srio e su ciente que T seja bijetora. a
Proposio 8.24 ca Prova: Suponha que T possua inversa. Se T (u) = T (v) ent~o u = T 1 (T (u)) = T 1 (T (v)) = v a

injetora. Dado v V vemos que T (T 1 (v)) = v e, portanto, T tambm  sobree e jetora. Assim, T  bijetora. e Suponha agora que T seja bijetora. Dado v V existe um unico uv U  tal que v = T (uv ). De na S : V U por S(v) = uv . Mostremos que S  a e inversa de T. Se v V ent~o T (S(v)) = T (uv ) = v. a Se u U ent~o S(T (u)), pela de ni~o de S,  o unico elemento u a ca e  em U tal que T (u ) = T (u). Como T  injetora, temos u = u e, assim, e
S(T (u)) = u.

e, portanto, T  e

 8.3. IMAGEM E NUCLEO


Proposio 8.25 ca 1 T L (V, U). Prova:

95

Se

T L (U, V)

possui inversa

T 1 : V U

ent~o a

Devemos mostrar que T 1 : V U  linear. e Sejam v1 , v2 V e 1 , 2 R. Como T  sobrejetora existem u1 , u2 U e tais que T (u1 ) = v1 e T (u2 ) = v2 . Assim,
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 N cleo u
Seja T : U V uma transforma~o linear. ca

Denio 8.26 ca

1. Se X U, de nimos a imagem de X por T como sendo o conjunto


T (X) = {T (x); x X}.

2. Se Y V, de nimos a imagem inversa de Y por T como sendo o conjunto T 1 (Y) = {u U; T (u) Y}.
Ex. Resolvido 8.27

Seja V um espao de dimens~o 1. Mostre que c a qualquer transforma~o linear n~o nula T : U V  sobrejetora. ca a e

Como T  n~o nula existe uo U tal que T (uo ) = 0. J que V e a a tem dimens~o 1 ent~o qualquer base de V  constituda por um elemento a a e  e como T (uo ) V  n~o nulo (portanto, l.i.), ele prprio forma uma base e a o de V. Assim, dado v V existe R tal que v = T (uo ) = T (uo ), ou seja, T  sobrejetora. e
Resoluo: ca Proposio 8.28 ca

Seja T : U V uma transforma~o linear. Temos ca

96

CAPTULO 8. TRANSFORMACOES LINEARES I ~

1. Se W  um subespao vetorial de U ent~o T (W)  um subespao e c a e c vetorial de V. 2. Se W  um subespao vetorial de V ent~o T 1 (W)  um subespao e c a e c vetorial de U.
Prova:

Como 0 W vemos que 0 = T (0) T (W). Se x, y T (W) ent~o existem u, w W tais que x = T (u) e y = a T (w). Como W  um subespao vetorial, temos que, para qualquer R, e c u + w W. Desse modo
x + y = T (u) + T (w) = T (u) + T (w) = T (u + w) T (W).

1. Seja W um subespao vetorial de U. c

Como T (0) = 0 W, segue-se que 0 T 1 (W). Se x, y T 1 (W) ent~o T (x), T (y) W. Como W  um subespaa e o vetorial temos que, para qualquer R, T (x) + T (y) W. Mas c T (x + y) = T (x) + T (y) W e, portanto, x + y T 1 (W).

2. Seja W um subespao vetorial de V. c

O ncleo de uma transforma~o linear T : U V  u ca e 1 o subespao vetorial de U dado por T ({0}), ou seja,  o conjunto c e {u U; T (u) = 0}. Denotaremos o ncleo de T por N (T ). u
Denio 8.29 ca Proposio 8.30 ca

Seja T : U V uma transforma~o linear. ca injetora se e somente se N (T ) = {0}.

 e

Prova: Pela proposi~o 8.23 T  injetora se e somente se a equa~o T (u) = ca e ca 0 possui como unica solu~o u = 0. Isto  o mesmo que dizer que o conjunto  ca e N (T )  formado somente pelo elemento 0. e Ex. Resolvido 8.31 se T (U) N (T ).

Seja T L (U). Mostre que T 2 = 0 se e somente

 8.3. IMAGEM E NUCLEO

97

Resoluo: Suponha que T 2 = 0. Se v T (U) ent~o existe u U tal que ca a 2 v = T (u) e, portanto, T (v) = T (u) = 0. Logo, v N (T ). Suponha agora que T (U) N (T ). Dado u U, como T (u) T (U) N (T ), temos T 2 (u) = T (T (u)) = 0. Ex. Resolvido 8.32 Seja R. linear T : R2 R2 dada por

Encontre o ncleo da transforma~o u ca

T (x, y) = (x cos y sen , x sen + y cos ).

Por de ni~o, (x, y) N (T ) se e somente se T (x, y) = (0, 0), ca isto , se e somente se e


Resoluo: ca (x cos y sen , x sen + y cos ) = (0, 0) x cos y sen = 0 x sen + y cos = 0 (x, y) = (0, 0).

Portanto, N (T ) = {(0, 0)}.


Teorema 8.33 (Teorema do N cleo e da Imagem) Sejam U e V esu paos vetoriais T : U V uma transforma~o linear. Suponha que U c ca

tenha dimens~o nita. Temos a

dim U = dim N (T ) + dim T (U).


Prova:

Seja p = dim N (T ). Se p 1, tome B1 uma base de N (T ) formada pelos vetores u1 , . . . , up . Pelo teorema do completamento, existem vetores v1 , . . . , vq U tais que u1 , . . . , up , v1 , . . . , vq formam uma base de U. Se dim N (T ) = 0, tomamos os vetores v1 , . . . , vq de modo a formarem uma base de U. Note que com esta nota~o temos dim U = p + q. Resta ca mostrar que dim T (U) = q e, para isto, mostraremos que T (v1 ), . . . , T (vq ) formam uma base de T (U).

98

CAPTULO 8. TRANSFORMACOES LINEARES I ~

Se 1 T (v1 ) + + q T (vq ) = 0 ent~o T (1 v1 + + q vq ) = 0, isto , a e 1 v1 + + q vq N (T ). Desta forma, existem 1 , . . . , p R tais que 1 v1 + + q vq = 1 u1 + + p up , isto , e
1 u1 + + p up 1 v1 q vq = 0.

Como u1 , . . . , up , v1 , . . . , vq formam uma base de U, segue-se que 1 = = q = 1 = = p = 0 e, portanto, T (v1 ), . . . , T (vq ) s~o linearmente a independentes. Mostremos que T (v1 ), . . . , T (vq ) geram T (U). Seja v T (U). Logo, existe u U tal que T (u) = v. Como u1 , . . . , up , v1 , . . . , vq formam uma base de U, existem 1 , . . . , q , 1 , . . . , p R tais que
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 ),

j que u1 , . . . , up N (T ). a
Corolrio 8.34 Se U e V a tais que dim U = dim V e

s~o espaos vetoriais de dimens~o nita a c a se T : U V  uma transforma~o linear e ca ent~o as seguintes condi~es s~o equivalentes: a co a 1. 2. 3. 4.
T T T T

 sobrejetora; e  injetora; e  bijetora; e

leva bases de U em bases de V, isto , se u1 , . . . , un  uma base e e de U ent~o T (u1 ), . . . , T (un )  uma base de V. a e

 8.3. IMAGEM E NUCLEO


Prova:

99

= (2): Se T  sobrejetora ent~o T (U) = V e pelo teorema e a anterior, dim U = dim N (T ) + dim V. Mas como dim U = dim V segue que dim N (T ) = 0, isto , N (T ) = {0}. Pela proposi~o 8.30, T  injetora. e ca e (2) = (3): Se T  injetora ent~o dim N (T ) = 0. Pelo teorema e a anterior segue-se que dim U = dim T (U). Como dim U = dim V seguese que T (U)  um subespao de V com a mesma dimens~o de V. Logo, e c a T (U) = V, isto , T  sobrejetora. Dessa forma, T  bijetora. e e e (3) = (4): Suponha que T seja bijetora. Considere uma base de U formada por vetores u1 , . . . , un . Precisamos mostrar que T (u1 ), . . . , T (un ) formam uma base de V. Se 1 T (u1 ) + + n T (un ) = 0 ent~o T (1 u1 + + n un ) = 0, isto a , 1 u1 + + n un N (T ). Como T  injetora temos N (T ) = {0} e, e e conseqentemente, 1 u1 + + n un = 0. Como u1 , . . . , un formam uma u base de U temos 1 = = n = 0 e, portanto, T (u1 ), . . . , T (un ) s~o a

(1)

linearmente independentes. Seja v V. Como T  sobrejetora, existe u U tal que v = T (u). e Escrevendo u como 1 u1 + + n un vemos que
v = T (1 u1 + + n un ) = 1 T (u1 ) + + n T (un ),

isto , T (u1 ), . . . , T (un ) geram V. Observe que j havamos provado isto e a  na proposi~o 8.4 ca (4) = (1): Seja u1 , . . . , un uma base de U. Por hiptese, T (u1 ), . . . , o T (un ) formam uma base de V. Assim, dado v V existem 1 , . . . , n R tais que v = 1 T (u1 )+ +n T (un ). Deste modo, v = T (1 u1 + +n un ), isto , T  sobrejetora. e e
Ex. Resolvido 8.35 Mostre que toda transforma~o linear bijetora ca 2 2 T : R R leva retas em retas, isto , a imagem de uma reta por T e Resoluo: ca

 uma reta. e

Dada uma reta r no plano usaremos a equa~o vetorial para ca representar seus pontos, isto , um ponto P r  da forma Po + v, onde e e

100
Po

CAPTULO 8. TRANSFORMACOES LINEARES I ~

 um ponto sobre a reta, v  um vetor dire~o da reta e R. A e e ca imagem de r por T  T (r) = {T (P); P r}. Assim, todo ponto em T (r)  e e da forma T (P) = T (Po ) + T (v), R. Como T  injetora e v = 0 temos e que T (v) = 0, ou seja, T (r)  uma reta que passa por T (Po ) e tem dire~o e ca
T (v). Ex. Resolvido 8.36 Sejam a1 , . . . , an R n~o todos nulos. Mostre a n que o subespao H = {(x1 , . . . , xn ) R ; a1 x1 + + an xn = 0} tem c dimens~o n 1. a Resoluo: Note que H  o n cleo da transforma~o linear T : Rn R ca e u ca dada por T (x1 , . . . , xn ) = a1 x1 + + an xn . Como nem todos os aj s~o a nulos, segue-se que T  n~o nula e pelo exerccio 8.27, T  sobrejetora. e a  e n=

Deste modo, pelo teorema 8.33, temos ou seja, dim H = n 1.


Ex. Resolvido 8.37

dim Rn = dim H + dim T (Rn ) = dim H + 1,

Sejam
A= 1 2 0 1

e T : M2 M2 dada por imagem de T.


Resoluo: ca

T (X) = AX XA.

Encontre o ncleo e a u

mos

Ncleo: u

X N (T ) X=

se e somente se AX = XA. Se denotara b , c d

vemos que X N (T ) se e somente se


1 2 0 1 a b c d = a b c d 1 2 , 0 1

 8.3. IMAGEM E NUCLEO isto , e


a + 2c b + 2d c d = a 2a + b c 2c + d

101

que equivale a
a + 2c = a b + 2d = 2a + b c = c d = 2c + d

c = 0

e a = d.

Portanto,
X= a b 0 a =a 1 0 0 1 +b 0 1 . 0 0

Dessa forma, o ncleo de T  o subespao vetorial gerado pela base (note u e c que as matrizes s~o l.i.) formada pelas matrizes a
1 0 0 1

0 1 . 0 0

Imagem de T : Temos que


Y= x y z t T (M2 )

se e somente se existir
X=

a b c d

tal que Y = AX XA, isto , e


x y z t = 1 2 0 1 a b c d a b c d 1 2 0 1

102
=

CAPTULO 8. TRANSFORMACOES LINEARES I ~


a + 2c b + 2d c d = 2c a 2a + b c 2c + d + 2(d a) = 2c 2d 2a 0 2c

1 0 0 1

0 1 , 0 0

ou seja, a imagem de T  gerada pela base (note que as matrizes s~o l.i.) e a formada pelas matrizes
1 0 0 1

0 1 . 0 0

Uma outra maneira para encontrar uma base da imagem de T  fazer e uso da prova do teorema 8.33. Isto , sabemos que e
1 0 0 1

0 1 0 0

formam uma base do ncleo de T e, como no referido teorema, a compleu tamos at uma base de M2 como, por exemplo, e
1 0 0 1 0 0 , , 0 1 0 0 1 0

0 0 0 1

e, pelo mesmo teorema,


T 0 0 1 0 = 2 0 0 2

eT

0 0 0 1

0 1 0 0

formam uma base da imagem de T.


Denio 8.38 ca

Dizemos que T L (U)  idempotente se T 2 = T. e a identidade de U  idempotente. e

Exemplo 8.39 I : U U,

8.4. ISOMORFISMO E AUTOMORFISMO


Exemplo 8.40 T : R2 R2

103

dada por T (x, y) = (x, 0)  idempotente. e

Note que
Proposio 8.41 ca

T 2 (x, y) = T (x, 0) = (x, 0) = T (x, y).

Mostre que se T L (U)  idempotente ent~o e a


U = T (U) N (T ).

Prova:

Dado u U podemos escrever


u = T (u) + (u T (u)).

Claramente, T (u) T (U) e T (uT (u)) = T (u)T 2 (u) = T (u)T (u) = 0. Logo, U = T (U) + N (T ) e resta mostrarmos que a soma  direta. e Se u T (U) N (T ) ent~o existe v U tal que u = T (v) e T (u) = 0. a 2 Porm, como T = T , temos e
u = T (v) = T 2 (v) = T (T (v)) = T (u) = 0,

ou seja, T (U) N (T ) = {0}.

8.4

Isomorsmo e Automorsmo

Dizemos que uma transforma~o linear T : U V  ca e isomor smo quando ela for bijetora. No caso em que U = V diremos que T  um automor smo. e
Denio 8.42 ca Denio 8.43 ca

Dizemos que os espaos vetoriais U e V s~o isomorfos c a se existir um isomor smo T : U V.

As seguintes transforma~es s~o exemplos de isomor smos e, portanto, co a os respectivos espaos vetoriais s~o isomorfos. c a

104

CAPTULO 8. TRANSFORMACOES LINEARES I ~

1. T : U U dada por T (u) = u. 2. T : Rn Pn1 (R) dada por T (x1 , . . . , xn ) = x1 + x2 t + + xn tn1 . 3. T : Mmn Rmn que associa a cada matriz A = (aij ) de Mmn o seguinte elemento de Rn
(a11 , . . . , a1n , . . . , am1 , . . . , amn ). Ex. Resolvido 8.44 Veri automor smo de R3 . Resoluo: ca

que se T (x, y, z) = (x y, x z, z y)  um e

Se T (x, y, z) = (0, 0, 0) ent~o a


x y = 0 xz=0 z y = 0 x = y = z.

Logo, T n~o  injetora, pois T (1, 1, 1) = (0, 0, 0). Assim, T n~o  um a e a e isomor smo.
Proposio 8.45 ca

nita ent~o a

:UV dim U = dim V.

Se T

 um isomor smo e U tem dimens~o e a

Prova: Como T  injetora, N (T ) = {0} e, portanto, dim N (T ) = 0. Como e T  sobrejetora, T (U) = V. Segue do teorema do n cleo e da imagem 8.33, e u

que

dim U = dim N (T ) + dim T (U) = dim V.

Corolrio 8.46 a

nita ent~o a

T :UV dim U = dim V.

Se

 um isomor smo e e

tem dimens~o a

8.4. ISOMORFISMO E AUTOMORFISMO


Prova:

105

Note que T 1 : V U  um isomor smo e dim V  nita. Assim, e e pela proposi~o 8.45 temos que ca dim U = dim V.

Proposio 8.47 Sejam U e V espaos de dimens~o n. Se u1 , . . . , un ca c a e v1 , . . . , vn formam bases de U e V, respectivamente, ent~o a T (x1 u1 + + xn un ) = x1 v1 + + xn vn , x1 , . . . , xn R,

de ne um isomor smo entre U e V. Note que T (uj ) = vj , j = 1, . . . , n.


Primeiramente, note que T, de fato, de ne uma fun~o pois as ca coordenadas de um vetor com rela~o a uma base s~o unicamente deterca a minadas por ele e pela base. Veri quemos que T  linear. e Dados w1 , w2 U, podemos escrever
Prova:
n

w1 =
i=1

x i ui

w2 =
i=1

y i ui ,

com xi , yi R, i = 1, . . . , n. Se 1 , 2 R, temos
n n

T (1 w1 + 2 w2 ) = T
i=1 n

(1 xi + 2 yi )ui
n

=
i=1

(1 xi + 2 yi )vi

= 1
i=1

xi vi + 2
i=1

yi vi = 1 T (w1 ) + 2 T (w2 ).

Seja w = n xi ui tal que T (w) = 0. Mas T (w) = x1 v1 + +xn vn = 0 i=1 e, portanto, x1 = = xn = 0, ou seja, w = 0. Portanto, T  injetora e e e pelo corolrio 8.34, segue-se que T  um isomor smo. a As ultimas proposi~es resultam no seguinte  co

106
Corolrio 8.48 a

CAPTULO 8. TRANSFORMACOES LINEARES I ~

Dois espaos vetoriais de dimens~o nita s~o isomorc a a fos se e somente se t^m a mesma dimens~o. e a
Combinando o corolrio acima com a proposi~o 8.45 vemos que dois a ca espaos de dimens~o nita s~o isomorfos se e somente se eles possuem a c a a mesma dimens~o. a

Se U  um espao vetorial de dimens~o n e V  um e c a e espao vetorial de dimens~o m ent~o L (U, V)  isomorfo a Mmn . c a a e
Corolrio 8.49 a Prova: mn.

Note que tanto L (U, V) como Mmn t^m a mesma dimens~o: e a

8.5
8.5.1

Matriz de uma Transformao Linear ca


Denio e Exemplos ca

Sejam U e V espaos vetoriais de dimens~o nita. Fixemos uma base B de c a U formada por vetores u1 , . . . , un e uma base C de V formada por vetores v1 , . . . , vm . Se T L (U, V) podemos escrever
T (uj ) = a1j v1 + + amj vm , = 1, . . . , n.

A matriz

a11 a12 . . . a1n a21 a22 . . . a1n . . . . . . Mmn . . . . . . am1 am2 . . . amn

 chamada de matriz da transforma~o T com rela~o s bases B e C e  e ca ca a e denotada por [T ]B,C . No caso em que U = V e B = C usaremos a nota~o ca
[T ]B .

8.5. MATRIZ DE UMA TRANSFORMACAO LINEAR ~

107

Ex. Resolvido 8.50 Encontre a matriz de T : R3 R2 dada por T (x, y, z) = (x + y, x z) com rela~o s bases can^nicas de R3 e R2 . ca a o Resoluo: ca

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)

T (0, 0, 1) = (0, 1) = 0(1, 0) 1(0, 1).

Assim,
[T ]B,C = 1 1 0 . 1 0 1

Ex. Resolvido 8.51 Encontre a matriz de T : R3 R2 dada por T (x, y, z) = (x+y, xz) com rela~o s bases B{(1, 0, 0), (0, 1, 0), (0, 0, 1)} ca a 3 2 de R e D = {(1, 1), (0, 1)} de R Resoluo: ca

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)

T (0, 0, 1) = (0, 1) = 0(1, 1) 1(0, 1).

Assim,
[T ]B,D = 1 1 0 . 0 1 1

108

CAPTULO 8. TRANSFORMACOES LINEARES I ~

Ex. 8.52 Sejam U e V espaos vetoriais com bases B = {u1 , . . . , un } e c C = {v1 , . . . , vm }, respectivamente. Fixe i {1, . . . , n} e j {1, . . . , m} e de na Tij L (U, V) como na prova do teorema 8.8, isto , Tij  dada e e

por

Tij (x1 u1 + + xn un ) = xi vj ,

x1 , . . . , xn R.

Note que
Tij (uk ) =

se i = k 0 se i = k
vj

0v1 + + 0vj1 + 1vj + 0vj+1 + + 0vn 0

se i = k
1 0

se i = k

Assim [Tij ]B,C = Eji = ((j,i) ), onde k,l


k,l =
(j,i)

se (j, i) = (k, l) caso contrrio , a

ou seja, a matriz Eji possui todos os coe cientes nulos com exce~o ca daquele que ocupa a j-sima linha e da i-sima coluna cujo valor  1. e e e
8.5.2 Propriedades

Proposio 8.53 ca com bases B e C,

Sejam U e V espaos vetoriais de dimens~o nita c a respectivamente. Se T, S L (U, V) e , R ent~o a


[T + S]B,C = [T ]B,C + [S]B,C .

Prova: Colocando B = {u1 , . . . , un }, C = {v1 , . . . , vm }, [T ]B,C = (ij ) [S]B,C = (ij ) temos (T + S)(uj ) = T (uj ) + S(uj ) = (1j v1 + + mj vm ) + (1j v1 + + mj vm )

8.5. MATRIZ DE UMA TRANSFORMACAO LINEAR ~


= (1j + 1j )v1 + + (mj + mj )vm

109

e, desse modo,
[T + S]B,C = 11 + 11

. . .

...

1n + 1n

= [T ]B,C + [S]B,C .

. . .

m1 + m1

mn + mn

Corolrio 8.54 Sejam U e V espaos vetoriais de a c com bases B e C, respectivamente. Se T L (U, V)  e nula ent~o [T ]B,C = 0. a

dimens~o nita a a transforma~o ca di-

Proposio 8.55 Se B e C s~o bases de um espao vetorial V de ca a c mens~o nita e I L (V)  a identidade de V ent~o [I]B,C = MB . a e a C Prova:

Sejam B = {u1 , . . . , un }, C = {v1 , . . . , vn } e [I]B,C = (ij ). Como


uj = I(uj ) = 1j v1 + + nj vn

v^-se que [I]B,C = MB . e C


Proposio 8.56 Sejam U, V e W espaos vetoriais de dimens~o nica c a ta. Sejam T L (U, V) e S L (V, W). Se B, C e D s~o bases de U, V a e W, respectivamente, ent~o a [S T ]B,D = [S]C,D [T ]B,C . Prova: Coloquemos B = {u1 , . . . , un }, C = {v1 , . . . , vm } e D = {w1 , . . . , wp }. Se [T ]B,C = (ij ) e [S]C,D = (kl ) ent~o a
m m

S T (uj ) = S(T (uj )) = S


i=1

ij vi

=
i=1

ij S(vi )

110
m

CAPTULO 8. TRANSFORMACOES LINEARES I ~


p p m

=
i=1

ij
k=1

ki wk

=
k=1 i=1

ki ij

wk .

Portanto,
[S T ]B,D =

ki ij
i=1

= [S]C,D [T ]B,C .

Proposio 8.57 Sejam U e V espaos vetoriais de dimens~o nita ca c a com bases B e C, respectivamente. Se T L (U, V) possui inversa T 1 ent~o [T 1 ]C,B = [T ]1 . a B,C Prova:

Seja n = dim U = dim V. Temos


[T ]B,C [T 1 ]C,B = [T T 1 ]C,C = [I]C,C = In

onde In  a matriz identidade de ordem n. Analogamente, e


[T 1 ]C,B [T ]B,C = [T 1 T ]B,B = [I]B,B = In .

Portanto, [T 1 ]C,B = [T ]1 . B,C


Proposio 8.58 Seja V um espao ca c e B e C s~o bases de V ent~o a a

de dimens~o nita. Se T L (V) a

[T ]C,C = MB [T ]B,B MC . C B Prova:

Como [I]B,C = MB e [I]C,B = MC , temos C B


MB [T ]B,B MC = [I]B,C [T ]B,B [I]C,B = [I]B,C [T ]C,B = [T ]C,C . B C

8.5. MATRIZ DE UMA TRANSFORMACAO LINEAR ~


Ex. Resolvido 8.59 Considere, B, a base de R2 (1, 1) e (1, 1). Seja T L (R2 ) tal que TB,B = 1 0 . 0 5

111

formada pelos vetores

Encontre [T ]C,C , onde C  a base can^nica de R2 . e o


Resoluo: ca

Como e (0, 1) = (1, 1) (1, 1),


1

1 1 (1, 0) = (1, 1) + (1, 1) 2 2

1 2

1 2

obtemos
MC = B
1 2 1 2

1 2

1 2

e MB = MC C B

1 1 . 1 1

Assim,
1 1 1 1

[T ]C,C = MB [T ]B,B MC = C B 1 0 0 5
1 2 1 2

1 2

1 2

3 2 . 2 3

Note que
T (x, y) = T (x(1, 0) + y(0, 1)) = xT ((1, 0)) + yT ((0, 1)) = x(3(1, 0) 2(0, 1)) + y(2(1, 0) + 3(0, 1)) = = x(3, 2) + y(2, 3) = (3x 2y, 3y 2x). Proposio 8.60 Sejam U e V espaos vetoriais de dimens~o nita ca c a com bases B e C, respectivamente. Se T L (U, V) e u U ent~o, a representando por T (u)C e uB as coordenadas dos vetores T (u) e u,

respectivamente, temos

T (u)C = [T ]B,C uB .

112
Prova:

CAPTULO 8. TRANSFORMACOES LINEARES I ~ Coloque B = {u1 , . . . , un }, C = {v1 , . . . , vm }, [T ]B,C = (ij ) e


uB = a1

. . . .

an

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,
T (u)C = . . . = . . ... . . , . . a1 m1 + + an mn m1 mn an a1 11 + + an 1n

. . .

11

1n

a1

isto , T (u)C = [T ]B,C uB . e


Proposio 8.61 ca com bases B e C, Prova:

Sejam U e V espaos vetoriais de dimens~o nita c a respectivamente. Ent~o T L (U, V)  um isomora e smo se e somente se [T ]B,C possui inversa.

Se T  um isomor smo ent~o pela proposi~o 8.57 [T ]B,C possui e a ca 1 inversa dada por [T ]C,B . Reciprocamente, suponha que [T ]B,C possua inversa. Pelo corolrio a 8.34, basta mostrar que T  injetora. Se T (u) = 0 ent~o e a
uB = [T ]1 T (u)C = [T ]1 0 = 0. B,C B,C

Como todas as coordenadas de u s~o iguais a zero, obtemos u = 0 e, a portanto, T  injetora. e

8.6. EXERCCIOS RESOLVIDOS I


Ex. Resolvido 8.62 Veri a + (a + b)x  um isomor e

113
T : R2 P1 (R)

que se smo.

dada por

T (a, b) =

Resoluo: Consideremos as bases can^nicas de R2 e P1 (R). Como T (1, 0) ca o = 1 + x e T (0, 1) = x, a matriz de T com rela~o a estas bases  dada por ca e 1 0 . 1 1

Como a matriz acima possui inversa, segue-se que T  um isomor smo. e

8.6

Exerc cios Resolvidos

Ex. Resolvido 8.63 Encontre uma base do ncleo e outra para a imau gem de T : P2 (R) P2 (R) dada por T (p) = p + p . Resoluo: Note que p(x) = a0 + a1 x + a2 x2 N (T ) se e somente se ca (a1 + 2a2 x) + 2a2 = 0, isto , se e somente se a1 = a2 = 0. Desta forma, e p(x) N (T ) se e somente se p(x) = a0 . Desta forma o polin^mio 1  uma o e base de N (T ). Como 1, x, x2  uma base de P2 (R) que completa a base de N (T ), e vemos que pela demonstra~o do teorema 8.33, T (x) = 1 e T (x2 ) = 2x + 2 ca formam uma base da imagem de T. Ex. Resolvido 8.64 Encontre uma base do ncleo e outra u de T : M2 (R) M2 (R) dada por T (X) = AX + X, onde A= Resoluo: ca 1 4 . 2 3

da imagem

Observe que se T (X) = (A + I)X, onde I  a matriz identidade e de ordem dois.

114 Se

CAPTULO 8. TRANSFORMACOES LINEARES I ~


a b c d

X=

vemos que X N (T ) se e somente se


2 4 2 4 a b c d = 0 0 0 0 1 2 0 0 a b c d 2 0 1 0 = 0 0 0 0 0 2 . 0 1

a + 2c = 0 b + 2d = 0

X =

2c 2d c d

=c

+d

V^-se claramente que e


M1 = 2 0 1 0

e M2 =

0 2 0 1

formam uma base de N (T ). A seguir, procuraremos matrizes M3 e M4 tais que M1 , . . . , M4 formem uma base de M2 (R). Isto , equivalente a encontrar M2 e M3 tais que a e unica solu~o de  ca
M1 + M2 + M3 + M4 = 0

seja a trivial. Colocando


M3 = a b c d

e M4 =

x y z t

obtemos
2 0 1 0 + 0 2 0 1 + a b c d + x y z t = 0 0 , 0 0

8.6. EXERCCIOS RESOLVIDOS I que equivale  equa~o a ca


2 0 a 0 c 1 0 2 b 0 1 d x 0 z 0 = y 0 t 0

115

que apresenta uma unica solu~o se e somente se o determinante da matriz  ca de ordem quatro acima for diferente de zero. Como este determinante  e
= (2c + a)(2t + y) + (2z + x)(2d + b),

vemos que = 0 se e somente se


(2z + x)(2d + b) = (2c + a)(2t + y).

Dessa forma podemos tomar


M3 = a b c d = 1 2 0 1

e M4 =

x y z t

1 1 . 2 0

Segue da demonstra~o do teorema 8.33 que ca


T 1 2 0 1 = 2 0 2 0

e T

1 1 2 0

6 2 6 2

formam uma base da imagem de T.


Ex. Resolvido 8.65 Determinar uma transforma~o linear T : R3 ca 3 R cuja imagem seja gerada pelos vetores (1, 2, 0) e (1, 1, 1). Resoluo: Como (1, 2, 0) e (1, 1, 1) s~o linearmente independentes, o ca a subespao gerado por estes vetores tem dimens~o dois. Logo, a transc a forma~o procurada dever ter necessariamente ncleo unidimensional. ca a u

116

CAPTULO 8. TRANSFORMACOES LINEARES I ~

O que faremos  de nir uma transforma~o tal que T (1, 0, 0) = (1, 2, 0), e ca T (0, 1, 0) = (1, 1, 1) e T (0, 0, 1) = (0, 0, 0), ou seja,
T (x, y, z) = x(1, 2, 0) + y(1, 1, 1) = (x + y, 2x + y, y)

assim de nida,  linear e satisfaz a propriedade desejada. e


Ex. Resolvido 8.66

Determinar uma T L (P3 (R), P2 (R)) cujo nu 3 2 cleo seja gerado pelos polin^mios 1 + x e 1 x . o

dim P3 = 4 e o subespao gerado por 1+x3 e 1x2 tem c dimens~o dois, vemos que a imagem da transforma~o procurada dever a ca a ter necessariamente dimens~o dois. a O primeiro passo  completar a seq^ncia de vetores 1 + x3 e 1 x2 a e ue uma base de P3 (R). Para isto, basta acrescentarmos os polin^mios 1 e x, o como se v^: e
1 + x + (1 + x3 ) + (1 x2 ) = + + + x x2 + x3 = 0

Resoluo: Como ca

se e somente se = = = = 0. Assim, as imagens dos polin^mios 1 e x, pela transforma~o procurada o ca precisam necessariamente ser linearmente independentes. Para isto, o que faremos  de nir T : P3 P2 tal que T (1) = 1, T (x) = x, T (1 + x3 ) = 0 e 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  uma transforma~o linear cujo ncleo  gerado por 1 + x3 e 1 x2 . e ca u e

8.6. EXERCCIOS RESOLVIDOS I

117

Ex. Resolvido 8.67 Considere T : P2 (R) R dado por T (p(x)) = 1 p(x)dx. Encontre a matriz de T com rela~o s bases can^nicas de ca a o 0 P2 (R) e R. Resoluo: ca

Temos
T (1) = 1, 1 T (x) = , 2 1
1 1 2 3

Assim, a matriz de T com rela~o s bases can^nicas  dada por ca a o e


.

1 T (x2 ) = . 3

Ex. Resolvido 8.68 Seja T : P3 (R) P2 (R) dado por T (p(x)) = p (x). Encontre a matriz de T com rela~o s bases can^nicas de ca a o P3 (R) e P2 (R). Resoluo: ca

Temos
T (x) = 1 = 1 + 0x + 0x2 , T (x3 ) = 3x2 = 0 + 0x + 3x2

T (1) = 0 = 0 + 0x + 0x2 , T (x2 ) = 2x = 0 + 2x + 0x2 ,

e a matriz de T com rela~o s bases can^nicas  dada por ca a o e


0 1 0 0 0 0 2 0 . 0 0 0 3

Ex. Resolvido 8.69

por

Seja

T : R3 R3

a transforma~o linear dada ca


C,

T (x, y, z) = (x + z, y + z, x + y + 2z).

Encontre as matrizes de T com rela~o  base can^nica, ca a o rela~o  base B formada pelos vetores ca a
u = (1, 1, 2), v = (1, 1, 0), w = (1, 1, 1).

e com

118

CAPTULO 8. TRANSFORMACOES LINEARES I ~  base can^nica e1 = (1, 0, 0), e2 = (0, 1, 0) e a o

Resoluo: Com rela~o ca ca 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

e, portanto,

1 0 1 [T ]C = 0 1 1 . 1 1 2

Com rela~o  base B, temos ca a


T (u) = T (1, 1, 2) = (3, 3, 6) = 3u = 3u + 0v + 0w T (v) = T (1, 1, 0) = (1, 1, 0) = v = 0u + v + 0w T (w) = T (1, 1, 1) = (0, 0, 0) = 0u + 0v + 0w

e, portanto,

3 0 0 [T ]B = 0 1 0 . 0 0 0

Ex. Resolvido 8.70 Sejam U um espao vetorial de dimens~o nita c a e T uma transforma~o idempotente de nida em U (Cf. 8.38). Sabeca mos, pela proposi~o 8.41, que U = N (T ) T (U). Seja B uma base de ca U formada pelos vetores u1 , . . . , up , que formam uma base de N (T ), juntamente com v1 , . . . , vq , que formam uma base de T (U). Encontre [T ]B . Resoluo: Como T (u1 ) = = T (up ) = 0, pois uj N (T ) e T (vj ) = ca 1j v1 + + qj vq , j que T (vj ) T (U), vemos que [T ]B tem a seguinte a

8.7. EXERCCIOS I forma


0 0 0 0

119

. .. . . . . . ... . . . . . . . 0 0 0 0 0 0 11 1q . .. . . ... . . . . . . . . . . 0 0 q1 qq

8.7
1. 2. 3. 4. 5. 6. 7.

Exerc cios
Veri que se as transforma~es abaixo s~o lineares. co a
T : R3 R, T (x, y, z) = x + 5y z, (x, y, z) R3 . T : R3 R, T (x, y, z) = x + 5y z + 1, (x, y, z) R3 . T : R3 R, T (x, y, z) = x2 + 5y z, (x, y, z) R3 . T : Mn1 Mn1 , T (X) = AX + X, X Mn1

Ex. 8.71

com A Mn xa.

T : Pn (R) Pn (R), T (p) = p + p , p Pn (R). T : M2 M2 , T (X) = AX, X M2 ,

onde A M2 est xada. a e q(t) = t2 +1, t R.

T : P2 (R) P2 (R), T (p) = p+q, p P2 (R)

Ex. 8.72

Determinar o ncleo das transforma~es lineares abaixo e u co descreva-os geometricamente. 1. 2. 3.


T : R2 R, T (x, y) = y + 2x, (x, y) R2 . T : R3 R, T (x, y, z) = z 2x, (x, y, z) R3 . T : R2 R2 , T (x, y) = (2x + 2y, x + y), (x, y) R2 .

120

CAPTULO 8. TRANSFORMACOES LINEARES I ~


T : R2 R2 , T (x, y) = (x + y, x y), (x, y) R2 . T : R3 R3 , T (x, y, z) = (z x, z 2x, z 3x), (x, y, z) R3 .

4. 5.

Ex. 8.73

Determinar bases para o ncleo e para a imagem das transu forma~es lineares abaixo. co 1. T : R3 R3 , T (x, y, z) = (x + y, 2x + y, 3x + y), (x, y, z) R3 . 2. 3. 4. 5. 6.
T : R2 R, T (x, y) = y + 2x, (x, y) R2 . T : M2 M2 , T (X) = AX, X M2 ,

onde A =

1 2 2 4

T : P2 (R) P2 (R), T (p) = p , p P2 (R). T : P2 (R) P2 (R), T (p) = p + p , p P2 (R). T : M2 M2 , T (X) = AX + X, X M2 ,

onde A =

1 4 2 3

Ex. 8.74

Seja T : R3 R3 um operador linear tal que


T ((1, 1, 0)) = (5, 2, 7), e T ((1, 1, 1)) = (2, 0, 7).

T ((1, 0, 0)) = (2, 3, 1),

1. Encontre T ((x, y, z)) para (x, y, z) R3 . 2. 3. 4.


T T T

 sobrejetora? Justi que sua resposta. e  injetora? Justi que sua resposta. e  bijetora? Justi que sua resposta. e Seja T : P2 (R) P2 (R) um operador linear tal que
(T (p1 ))(t) = t + t2

Ex. 8.75

(T (p0 ))(t) = 1 + t,

(T (p2 ))(t) = 1 + t 2t2 ,

onde pi (t) = ti , i = 0, 1, 2.

8.7. EXERCCIOS I

121

1. Encontre T (p) para p P2 (R). 2. 3. 4.


T T T

 sobrejetora? Justi que sua resposta. e  injetora? Justi que sua resposta. e  bijetora? justi que sua resposta. e Seja T : M2 M2 um operador linear tal que
1 0 0 0 T 0 0 1 0 = 1 4 2 3 0 0 2 1 , T 1 1 0 0 T 0 0 0 1 = 1 0 0 3 1 0 2 0 ,

Ex. 8.76 T

1. Encontre T (X) para X M2 . 2. 3. 4.


T T T

 sobrejetora? Justi que sua resposta. e  injetora? Justi que sua resposta. e  bijetora? Justi que sua resposta. e

Ex. 8.77

Determinar um operador linear em R4 cujo ncleo  gerado u e pelos vetores (1, 1, 0, 0), (0, 0, 1, 0). Determinar um operador linear em R4 cujo ncleo e a imau gem sejam gerados pelos vetores (1, 1, 0, 0), (0, 0, 1, 0). um operador linear em R3 cujo ncleo tem diu

Ex. 8.78

Ex. 8.79 Determinar mens~o 1. a Ex. 8.80

Determinar um operador linear em R3 cujo ncleo  gerado u e pelos vetores (1, 1, 0), (0, 0, 1) e a imagem gerado pelo vetor (1, 1, 1).

122
Ex. 8.81

CAPTULO 8. TRANSFORMACOES LINEARES I ~

Determinar T L (R3 , R4 ) tal que


T (R3 ) = [(2, 2, 3, 2), (3, 2, 0, 2)].

Ex. 8.82

Determinar uma transforma~o linear T : R5 R3 tal que ca e N (T ) = [(1, 1, 1, 1, 1), (1, 1, 1, 1, 0)]. Determinar uma transforma~o linear T : R3 R2 tal que ca
T (0, 1, 0) = (3, 4), T (0, 0, 1) = (0, 0).

T (R5 ) = [(1, 0, 0), (0, 1, 0), (1, 1, 1)] Ex. 8.83

T (1, 0, 0) = (1, 2),

Ex. 8.84 Determinar uma transforma~o ca 5 dim N (T ) = 2, dim T (R ) = 3. Ex. 8.85 Determinar N (T ) = [(1, 0, 1)].

linear

T : R5 R3

tal que tal que tal que tal que tal que

uma transforma~o linear ca linear

T : R3 R4

Ex. 8.86 Determinar uma transforma~o ca 4 N (T ) = T (R ) = [(1, 0, 1, 0)]. Ex. 8.87 Determinar uma T (R2 ) = [(1, 1, 1), (1, 2, 0)].

T : R4 R4

transforma~o linear ca linear

T : R2 R3

Ex. 8.88 Determinar uma transforma~o ca 2 T (R ) = [(1, 1, 1)] e N (T ) = [(1, 1)]. Ex. 8.89

T : R2 R3

Veri que se os operadores lineares em R3 abaixo s~o isoa mor smos e em caso a rmativo determinar o isomor smo inverso. a) b)
T (x, y, z) = (x 3y 2z, y 4z, z) T (x, y, z) = (x, x y, 2x + y z)

8.7. EXERCCIOS I
Ex. 8.90

123

Considere o operador linear em R3 tal que


T (0, 0, 1) = (1, 0, 1), F(0, 1, 2) = (0, 0, 4).

T (1, 0, 0) = (1, 1, 1),

Pergunta-se: T  um isomor smo? Em caso a rmativo, obtenha o e isomor smo inverso.


Ex. 8.91 toriais U

Veri que, em cada um dos itens abaixo, se os espaos vec e V s~o isomorfos, justi cando a resposta. a

1. 2. 3. 4.

U = R2 , V = (x, y, z) R3 ; z = 0 . U = M23 , V = {p P4 (R); p (t) = 0, t R} . U = R3 , V = {A M2 ; At = A} . U= a 0 0 0 ; a R , V = {p P3 (R); p (t) = 0, t R} .

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 Ex. 8.93 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 ). Ex. 8.94 Sejam U, V, W espaos vetoriais, T L (U, V) e S L (V, W) c tais que N (T ) = {0} e N (S) = {0} . Mostre que N (S T ) = {0} . Ex. 8.95

Determinar as matrizes das seguintes transforma~es lineco ares em rela~o as bases can^nicas dos respectivos espaos vetoriais. ca o c 1. 2.
T : R3 R2 , T (x, y, z) = (x + y, z), (x, y, z) R3 . T : R4 R, T (x, y, z, t) = 2x + y z + 3t, (x, y, z, t) R4 .

124

CAPTULO 8. TRANSFORMACOES LINEARES I ~


T : R R3 , T (x) = (x, 2x, 3x), x R.

3.

Ex. 8.96

Considere
M=

1 2 0 1

Determinar a matriz do operador linear T : M2 M2 dado por T (X) = MX XM, X M2 em rela~o  base can^nica de M2 . ca a o
Ex. 8.97

Seja

T : R2 R2

operador linear cuja matriz em rela~o  ca a


1 1 5 1 2 R . .

base

B = {(1, 0), (1, 4)}

 e

[T ]B =

Determinar a matriz de

em rela~o  base can^nica de ca a o


Ex. 8.98

Seja T : P2 (R) R transforma~o linear de nida por ca


1

T (p) =
1

p(t) dt,

p P2 (R).

Determine a matriz de T em rela~o as seguintes bases. ca


a) B = 1, t, t2 , C = {1} . Ex. 8.99 b) B = 1, 1 + t, 1 + t + t2 , C = {2} . T : R3 R3

Se a matriz de um operador linear a base can^nica  dada por o e


1 1 0 A= 0 1 0 0 1 1

em rela~o ca

e se S : R3 R3  dado por S = I + T + 2T 2 , determinar a matriz e de S em rela~o  base can^nica de R3 . Encontre tambm S(x, y, z), ca a o e
(x, y, z) R3 .

8.7. EXERCCIOS I
Ex. 8.100

125

Seja T : P2 (R) P2 (R) o operador linear dado por


T (p(t)) = p(t) p(1) p(t) P2 (R).

Se B =

1, t 1, (t 1)2

e C=

1, t, t2

encontrar [T ]B,C , [T ]B e [T ]C . vetorial


V.

c Ex. 8.101 Seja B = {e1 , e2 , e3 } uma base de um espao T, S : V V s~o operadores lineares em V tais que a
T (e1 ) = 2e1 3e2 + e3 T (e2 ) = e1 + e2 T (e3 ) = e2 + e3

Se

S(e1 ) = 3e1 + 2e2 S(e2 ) = e1 e2 e3 S(e3 ) = e1 + e2 2e3

Determine as seguintes matrizes [T ]B , [S]B , [ST ]B , [S2 +I]B e [T 3 S2 ]B .


Ex. 8.102 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; a) Ex. 8.103 1 2 3 4 5 1 b) 0 0 1 0 1 0 c) 10 5 3 2 1 4

Sejam V espao vetorial e T : V V um operador linear c 2 idempotente, isto , T = T. Mostrar que V = N (T ) T (V). e
Ex. 8.104

Seja T : R3 R3 o operador linear dado por


(x, y, z) R3 .

T (x, y, z) = (3x, x y, 2x + y + z),

Mostre que (T 2 I) (T 3I) = 0.

126

CAPTULO 8. TRANSFORMACOES LINEARES I ~

Cap tulo 9 Autovalores e Autovetores


9.1

Denio, Exemplos e Propriedades ca

onsidere um operador linear T L (V) e um subespao U V. Se a c imagem de U por T for um subconjunto (na verdade  um subespao e c vetorial) de U dizemos que U  um subespao invariante por T, isto , e c e T (U) U. Desta forma, a restri~o de T ao subespao U, denotada por ca c T|U , pertence a L (U). Como veremos no prximo captulo, isto facilitar o  a muitas vezes a compreens~o de como age um operador linear, pois, sem a dvida,  mais simples estud-lo em subespaos de dimens~es mais baixas. u e a c o  o E bvio que os subespaos {0} e V s~o invariantes por qualquer T c a L (V). Vejamos o que  preciso acontecer para que exista um subespao e c invariante de dimens~o um. Obviamente precisamos que V = {0}. Como a todo subespao de dimens~o um  gerado por um vetor n~o nulo, vemos c a e a . que U = [u] V, u = 0  invariante por T se e somente se para todo R e tivermos T (u) [u], ou seja, se existir R tal que T (u) = u, que para = 0  equivalente a existir tal que T (u) = (/)u, para algum e u = 0. Isto sugere a seguinte de ni~o: ca

Sejam U um espao vetorial e T L (U). Dizemos que c um vetor n~o nulo u U  um autovetor de T se existir R tal que a e
Denio 9.1 ca

127

128
T (u) = u.

CAPTULO 9. AUTOVALORES E AUTOVETORES I

Observao 9.2 Se u = 0  tal que T (u) = u = u ent~o = . De ca e a fato, esta igualdade implica que ( )u = 0, ou seja, = 0. Denio 9.3 Sejam U um espao vetorial, T L (U) e u um autoca c vetor de T. O nmero tal que T (u) = u  chamado de autovalor de u e T associado ao autovetor u. Denio 9.4 Sejam U um ca valor de T. Seja I : U U a

espao vetorial, T L (U) e um autoc identidade. O subespao vetorial c

V() = {u U; T (u) = u} = N (T I)

 chamado de subespao prprio do autovalor . Se U tem dimens~o e c o a nita, diremos que a dimens~o de V()  a multiplicidade geomtrica a e e de . Note que todo u V(), u = 0,  um autovetor de T e associado ao autovalor .
Observao 9.5 ca Observao 9.6 V() ca

 um subespao invariante por T, isto , e c e


T (V()) V().

Basta notar que se u V() ent~o T (u) = u V(). a Seja T : R2 R2 dada por T (x, y) = (y, 4x). Encontre os autovalores de T, os respectivos subespaos prprios e a c o multiplicidade geomtrica de cada autovalor. e
Ex. Resolvido 9.7 Resoluo: R  um autovalor de T se e somente se existir (x, y) = ca e (0, 0) tal que T (x, y) = (x, y), ou seja, se e somente se existir (x, y) = (0, 0) tal que (y, 4x) = (x, y). Isto equivale a que o sistema y x = 0 4x y = 0

9.1. DEFINICAO, EXEMPLOS E PROPRIEDADES ~

129

possua uma solu~o n~o trivial. Isto acontece se e somente se o determica a nante da matriz
1 4

for igual a zero. Como este determinante  2 4, vemos que os unicos e  autovalores de T s~o 1 = 2 e 2 = 2. Temos a
V(2) = {(x, y) R2 ; (y, 4x) = 2(x, y)} = {(x, y) R2 ; 2x = y} = [(1, 2)].

Assim, a multiplicidade geomtrica de 2  um. e e Tambm, e


V(2) = {(x, y) R2 ; (y, 4x) = 2(x, y)} = {(x, y) R2 ; 2x = y} = [(1, 2)].

Assim, a multiplicidade geomtrica de 2  um. e e Note que (1, 2)  um autovetor associado ao autovalor 2 e e (1, 2)  e e um autovetor associado ao autovalor 2.
Ex. Resolvido 9.8 Ainda com rela~o ao exerccio anterior, enconca  tre a matriz de T com rela~o  base (1, 2) e (1, 2) formada pelos ca a autovetores de T. Resoluo: ca

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 rela~o a esta base  a matriz diagonal ca e


2 0 . 0 2

130

CAPTULO 9. AUTOVALORES E AUTOVETORES I

Ex. Resolvido 9.9 Faa o mesmo c a transforma~o T (x, y) = (y, x). ca

que se pede no exerccio 9.7 para 

Resoluo: R  um autovalor de T se e somente se existir (x, y) = ca e (0, 0) tal que T (x, y) = (x, y), ou seja, se e somente se existir (x, y) = (0, 0) tal que (y, x) = (x, y). Isto equivale a que o sistema x + y = 0 x y = 0

possua uma solu~o n~o trivial. Isto acontece se e somente se o determica a nante da matriz
1 1

for igual a zero. Como este determinante  2 1 < 0, vemos que n~o e a existem autovalores associados  transforma~o T. a ca
Ex. Resolvido 9.10 Seja T : Pn (R) Pn (R) p (x). Veri que que 0  o unico autovalor desta e  contre V(0).

dada por T (p(x)) = transforma~o. Enca

Resoluo: Note que R  um autovalor de T se e somente se existir ca e p(x) = 0 tal que p (x) = p(x). Se = 0 esta equa~o s  verdadeira ca o e

para o polin^mio nulo, posto que para qualquer outro polin^mio os graus o o de p (x) e p(x) s~o distintos. Desta forma, = 0 n~o  autovalor de T. a a e Agora, se = 0, ent~o p (x) = 0 apresenta como solu~o todos os poa ca lin^mios constantes. Logo, = 0  um autovalor associado, por exemplo, o e ao autovetor p(x) = 1. Quanto a V(0), basta ver que V(0) = N (T ) = [1], isto , o subespao e c gerado pelo polin^mio 1. o
Ex. Resolvido 9.11

Seja T : R3 R3 dada por T (x, y, z) = (x, y, x). Encontre os autovalores de T, os respectivos subespaos prprios e a c o multiplicidade geomtrica de cada autovalor. e

9.1. DEFINICAO, EXEMPLOS E PROPRIEDADES ~

131

Resoluo: Veja que R  um autovalor de T se e somente se existir ca e (x, y, z) = (0, 0, 0) tal que T (x, y, z) = (x, y, z), isto , se e somente se e existir (x, y, z) = (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

possua uma solu~o n~o trivial. Isto acontece se e somente se o determica a nante da matriz
1 0 0 1 0 0 1 0

for igual a zero. Como este determinante  (1 )2 , vemos que os unicos e  autovalores de T s~o 1 = 0 e 2 = 1. a Quanto aos subespaos prprios, temos c o
V(0) = {(x, y, z) R3 ; (x, y, x) = (0, 0, 0)} = [(0, 0, 1)].

Assim, a multiplicidade geomtrica de 0  um. e e


V(1) = {(x, y, z) R3 ; (x, y, x) = (x, y, z)} = {(x, y, z) R3 ; x = z} = [(0, 1, 0), (1, 0, 1)].

Assim, a multiplicidade geomtrica de 1  dois. e e


Proposio 9.12 Sejam U um espao vetorial de dimens~o nita e ca c a T em L (U). Suponha que T possua autovetores u1 , . . . , un associados a autovalores 1 , . . . , n , respectivamente. Se i = j , quando i = j ent~o u1 , . . . , un s~o linearmente independentes. a a

132

CAPTULO 9. AUTOVALORES E AUTOVETORES I indu~o sobre o nmero de autovalores. Se ca u

Prova: A prova ser por a 1 u1 + 2 u2 = 0 ent~o a

T (1 u1 + 2 u2 ) = 1 T (u1 ) + 2 T (u2 ) = 1 1 u1 + 2 2 u2 = 0.

Portanto, 2 (2 1 )u2 = 0 e, como u2 = 0 e 1 = 2 , resulta que 2 = 0. Da, 1 u1 = 0 e, como u1 = 0, temos 1 = 0. Portanto, u1 e u2 s~o  a linearmente independentes. Suponhamos, como hiptese de indu~o, que n 1 autovetores de uma o ca transforma~o linear associados a n1 autovalores dois a dois distintos seca jam linearmente independentes. Devemos mostrar que o mesmo resultado vale para n autovetores associados a n autovalores dois a dois distintos. Sejam ent~o u1 , . . . , un autovetores associados aos autovalores 1 , . . . , a n , dois a dois distintos. Se u1 , . . . , un n~o fossem linearmente indepena dentes, pelo menos um deles se escreveria como combina~o linear dos ca outros. Para simpli car a nota~o, suponhamos que ca
u 1 = 2 u 2 + + n u n

(9.13)

ent~o a
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

e pela hiptese de indu~o, o ca


2 (2 1 ) = = n (n 1 ) = 0,

mas como 1 = j para j = 2, . . . , n, temos


2 = = n = 0.

Assim, pela equa~o 9.13, u1 = 0, o que  impossvel pois u1  um autoca e  e vetor.

9.1. DEFINICAO, EXEMPLOS E PROPRIEDADES ~

133

Proposio 9.15 Sejam U um espao vetorial de dimens~o nita e ca c a T em L (U). Suponha que T possua autovalores 1 , . . . , n , distintos. Ent~o a soma dos subespaos prprios de T  direta, isto , para cada a c o e e j = 1, . . . , n, temos V(j ) (V(1 ) + + V(j1 ) + V(j+1 ) + + V(n )) = {0}. Prova:

A prova ser por indu~o sobre o nmero de autovalores. Primeia ca u ramente, mostremos que V(1 ) V(2 ) = {0}. Fixe v(1) , . . . , v(1)1 uma base m 1 (2) de V(1 ) e v1 , . . . , v(2)2 uma base de V(2 ). Se u V(1 ) V(2 ) ent~o a m
u = 1 v1 + + (1) v(1) = 1 v1 + + (2) v(2) . m2 m2 m1 m1
(1) (1) (2) (2)

(9.16)

Logo, T (u)  dado por e


1 T (v1 ) + + (1) T (v(1) ) = 1 T (v1 ) + + (2) T (v(2) ), m1 m1 m2 m2
(1) (1) (2) (2)

ou seja,
1 1 v1 + + (1) 1 v(1) = 1 2 v1 + + (2) 2 v(2) . m1 m1 m2 m2
(1) (1) (2) (2)

(9.17)

Multiplicando a equa~o 9.16 por 1 e subtraindo-a de 9.17, obtemos ca


(2) 1 (2 1 )v1 + + m2 (2 1 )v(2) = 0. m2 (2) Como v1 , . . . , v(2)2  uma base de V(2 ), temos m e (2) (2)

1 (2 1 ) = = (2) (2 1 ) = 0 m2

(2)

e, como 1 = 2 , resulta que (2) = = (2)2 = 0. Segue-se de 9.16 que m 1 Suponhamos agora, por indu~o, que a soma de n 1 espaos prprios ca c o de T referentes a n1 autovalores distintos seja direta. Precisamos mostrar que este resultado  vlido quando T apresenta n autovalores distintos. e a
u = 0.

134

CAPTULO 9. AUTOVALORES E AUTOVETORES I

Para cada j = 1, . . . , n selecione uma base Bj de V(j ) constituda  (j) (j) (j) por vetores que denotaremos por v1 , . . . , vmj . Note que cada vi  um e autovetor associado ao autovalor j e que mj  a multiplicidade geomtrica e e deste autovalor. Se
u V(j ) (V(1 ) + + V(j1 ) + V(j+1 ) + + V(n )) ,

ent~o a
u = 1 v1 + + (j)j v(j)j = 1 v1 + m m + (j1) v(j1) + 1 mj1 mj1
(j+1) (j+1) v1 (j) (j) (1) (1)

+ + (n) v(n) . mn mn

(9.18)

Assim, T (u)  dado por e


1 T (v1 ) + + (j)j T (v(j)j ) = 1 T (v1 ) + m m + (j1) T (v(j1) ) + 1 mj1 mj1
(j+1) (j) (j) (1) (1) (j+1)

T (v1

) + + (n) T (v(n) ) mn mn

isto , e
1 j v1 + + (j)j j v(j)j = 1 1 v1 + m m + (j1) j1 v(j1) + 1 mj1 mj1
(j+1) (j) (j) (1) (1) (j+1)

j+1 v1

+ + (n) n v(n) . mn mn

(9.19)

Multiplicando a equa~o 9.18 por j e subtraindo-a de 9.19, obtemos ca


1 (1 j )v1 + + (j1) (j1 j )v(j1) + mj1 mj1 1
(j+1) (1) (1) (j+1)

(j+1 j )v1

+ + (n) (n j )v(n) = 0 mn mn

Usando a nossa hiptese de indu~o e o fato que j = i , quando i = j, o ca obtemos i = = i i = 0 para todo i = 1, . . . , j 1, j + 1, . . . , n. Disto m 1 e da equa~o 9.18 resulta que u = 0. Como queramos. ca 

^ 9.2. POLINOMIO CARACTERSTICO I

135

9.2

Polinmio Caracter o stico


nimos o polin^mio caracterstico o 

Denio 9.20 Dada A Mnn de ca de A como sendo o determinante pA () =

det (A I),

onde I  a matriz identidade de ordem n. e


Denio 9.21 ca

Sejam A, B Mnn . Dizemos que A e B s~o semea 1 lhantes se existir M Mnn invertvel tal que A = M BM.  Prove que se
A

Ex. Resolvido 9.22 melhante a A.

 semelhante a e

ent~o a

 see

Resoluo: Existe M Mn invertvel tal que A = M1 BM. Segue que ca  1 1 B = MAM . Tomando N = M , obtemos B = N1 AN, isto , B  e e semelhante a A.

Se A, B Mnn s~o matrizes semelhantes ent~o a a seus polin^mios caractersticos s~o iguais. o  a
Proposio 9.23 ca Prova:

Temos
pA () = =

det (A I) = det (M1 BM M1 IM)


1

det (M1 (BM IM)) = det (M1 (B I)M) det M det (B I) det M = pB ().

det M1 det (B I) det M =

Lembre que se T L (U), onde U  um espao vetorial de dimens~o e c a nita, e se B e C s~o bases de U ent~o a a
[T ]C = MB [T ]B MC = MC C B B
1

[T ]B MC . B

136

CAPTULO 9. AUTOVALORES E AUTOVETORES I

Desta forma, p[T ]B () = p[T ]C (), ou seja, o polin^mio caracterstico da o  matriz de uma transforma~o linear independe da escolha da base. Poca demos assim, sem causar ambigidades, de nir o polin^mio caracterstico u o  do operador linear T como sendo
pT () = p[T ]B (),

onde B  uma base qualquer de U. e


Ex. Resolvido 9.24

Seja T : R2 R2 dada por


T (x, y) = (ax + by, cx + dy).

Encontre pT ().
Resoluo: Usaremos a base ca T (0, 1) = (b, d), vemos que

can^nica, C, de R2 . Como T (1, 0) = (a, c) e o


a b . c d

[T ]C =

Assim,
pT () =

det

a b c d

1 0 0 1

det

a b c d

= 2 (a + d) + ad bc.

Proposio 9.25 Sejam U um espao vetorial de dimens~o nita e T ca c a em L (U). Ent~o,  um autovalor de T se e somente se pT () = 0. a e Em outras, palavras, os autovalores de T s~o as razes reais de seu a 

polin^mio caracterstico. o 

^ 9.2. POLINOMIO CARACTERSTICO I


Prova:

137

Fixe B uma base de U. Suponha que seja um autovalor de T. Ent~o existe u = 0 tal que a T (u) = u, ou seja, (T I)(u) = 0. Desta forma, vemos que a transforma~o linear T I : U U n~o  injetora e, conseqentemente, n~o ca a e u a  um isomor smo. Disto resulta que [T I]B n~o  invertvel, ou equivae a e  lentemente, pT () = det [T I]B = 0. Reciprocamente, se pT () = 0 ent~o a matriz [T I]B tem determia nante nulo. Isto implica que a transforma~o T I : U U n~o  ca a e um isomor smo e, portanto, n~o  injetora. Logo, existe u = 0 tal que a e (T I)(u) = 0. Portanto, T (u) = u, u = 0, isto ,  um autovalor de e e
T.

Refaa os exerccios resolvidos 9.7, 9.9, 9.10 e 9.11 c  tendo como base a proposi~o anterior. ca
Exerc cio 9.26 Denio 9.27 Sejam U um espao vetorial de dimens~o nita e ca c a T L (U). Se  um autovalor de T, de nimos a multiplicidade e algbrica de como sendo a multiplicidade de como raiz do poe lin^mio caracterstico de T. o  Proposio 9.28 Sejam U um espao vetorial de dimens~o nita e ca c a T em L (U). Se o  um autovalor de T ent~o a sua multiplicidade e a

geomtrica n~o excede a sua multiplicidade algbrica. e a e

Prova:

Seja n a dimens~o de U. Denotemos por m e r as multiplicidades a algbrica e geomtrica de o , respectivamente. e e Como dim V(o ) = r, existem u1 , . . . , ur V(o ) linearmente independentes. Completando estes vetores a uma base de U, vemos que a matriz de T com rela~o a esta base  da forma ca e

138

CAPTULO 9. AUTOVALORES E AUTOVETORES I


o 0 0 0 . . Ar(nr) . . .. . . . 0 o rr 0(nr)r B(nr)(nr) nn

vemos que o fator ( o )r aparece na fatora~o do polin^mio pT (). Por ca o outro lado, como a multiplicidade algbrica de o  m, obtemos r m. e e
Ex. Resolvido 9.29

Seja T : R2 R2 dada por


T (x, y) = (ax + by, cx + dy).

Analise quando esta transforma~o possui autovalores e o nmero ca u deles.


Resoluo: ca

Sabemos do exerccio resolvido 9.24 que 


pT () = 2 (a + d) + ad bc.

Pela proposi~o 9.25 temos que  um autovalor de T se e somente se ca e pT () = 0, isto , se e somente se e


2 (a + d) + ad bc = 0

e esta equa~o possui solu~o (real) se e somente se (a+d)2 4(adbc) ca ca 0. Quando (a + d)2 = 4(ad bc) 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
a+d+ (a + d)2 4(ad bc) 2

a+d

(a + d)2 4(ad bc) . 2

9.3. EXERCCIOS I

139

Ex. Resolvido 9.30 Sejam p(t) = a0 + +am tm um polin^mio e A o m Mn . De na p(A) = a0 In + +am A , onde In  a matriz identidade de e ordem n. Mostre que se A  semelhante a B ent~o p(A)  semelhante e a e a p(B). Resoluo: Existe M Mn invertvel tal que A = M1 BM. Desta forma, ca  2 1 1 1 2 A = M BMM BM = M B M e, indutivamente, Aj = M1 Bj M, j N.

Assim,

p(A) = a0 In + + am Am = a0 M1 In M + + am M1 Bm M = = M1 (a0 In + + am Bm )M = M1 p(B)M. Ex. Resolvido 9.31 Sejam p(t) = a0 + + am tm um polin^mio e o m T L (U). De nimos p(T ) = a0 I + + am T , onde I  a identidade e de U. Se B  uma base de U mostre que [p(T )]B = p([T ]B ). e Resoluo: ca

Pelas proposi~es 8.53 e 8.56 temos que co

[p(T )]B = [a0 I + + am T m ]B = a0 [I]B + + am [T ]m = p([T ]B ). B

9.3

Exerc cios

Encontrar os autovalores e autovetores de T L (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). =
Ex. 9.32

c) V = R e
4

3 1 0 3 [T ]B = 0 0 0 0

0 0 4 0

0 0 0 3

onde B  base can^nica de R4 . e o

140

CAPTULO 9. AUTOVALORES E AUTOVETORES I

Ex. 9.33 a) Seja A Mn uma matriz triangular, isto , A = (aij ) onde aij = 0, e sempre que i > j (ou sempre que i < j). Qual o polin^mio caraco terstico de A?  b) Sejam A, B Mn matrizes triangulares com a mesma diagonal

principal. Existe alguma rela~o entre seus polin^mios caracterstica o  cos? Qual? c) Mostre que se  autovalor de T L (V) ent~o n  autovalor de e a e n T . d) Mostre que se p = p(t)  um polin^mio e  autovalor de T L (V) e o e ent~o p()  autovalor de p(T ), onde p(T ) = ao I + a1 T + + an T n , a e com p(t) = a0 + a1 t + + an tn .

Cap tulo 10 Diagonalizao ca


10.1 Denio e Caracterizao ca ca

ejam U um espao vetorial de dimens~o nita e T L (U). Dizemos c a que T  diagonalizvel se existir uma base de U formada por autovee a tores de T. Note que se T L (U)  diagonalizvel e se u1 , . . . , un formam uma e a base B de U formada por autovetores de T associados, respectivamente, aos autovalores 1 , . . . , n , ent~o a matriz de T com rela~o a esta base  a ca e
1 0 0 0 2 0 [T ]B = . . . . . .. . , . . . . 0 0 n

ou seja, [T ]B  uma matriz diagonal, isto , uma matriz quadrada (aij ) tal e e que aij = 0 se i = j. Reciprocamente, se existir uma base C = {v1 , . . . , vn } de U com rela~o ca a qual a matriz de T L (U)  diagonal, isto , todos os seus coe cientes e e 141

142

CAPTULO 10. DIAGONALIZACAO I ~


1 0 0 0 2 0 [T ]C = . . . ... . . . . . . 0 0 n

fora da diagonal principal s~o nulos, ent~o T  diagonalizvel. De fato, se a a e a

ent~o, pela prpria de ni~o de matriz de uma transforma~o linear, vea o ca ca mos que T (v1 ) = 1 v1 , . . . , T (vn ) = n vn , ou seja, a base C  formada por e autovetores de T. Resumiremos este fato no seguinte
Teorema 10.1 Sejam U um espao vetorial de dimens~o nita e T c a L (U). Ent~o T  diagonalizvel se e somente se existir uma base de a e a U com rela~o a qual a matriz de T  diagonal. ca e

Note que se T L (U)  diagonalizvel ent~o existe uma base B fore a a mada por autovetores de T com rela~o a qual a matriz de T  diagonal. ca e B 1 Se C  uma outra base de U sabemos que [T ]B = (MC ) [T ]C MB . Esta e C ultima igualdade nos sugere a seguinte 
Denio 10.2 Dizemos que uma ca se existir M Mnn invertvel tal 

gonal.

matriz A Mnn  diagonalizvel e a 1 que M AM seja uma matriz dia-

Proposio 10.3 Sejam U um espao vetorial de dimens~o nita, T ca c a L (U) e C uma base qualquer de U. Ent~o T  diagonalizvel se e a e a somente se a matriz [T ]C for diagonalizvel. a

J vimos que se T for diagonalizvel ent~o [T ]C  uma matriz a a a e diagonalizvel. a Reciprocamente, suponha que [T ]C seja diagonalizvel. Assim, existe a M = (aij ) Mnn invertvel tal que M1 [T ]C M  uma matriz diagonal.  e Se u1 , . . . , un s~o os vetores da base C ent~o, colocando vj = a1j u1 + + a a
Prova:

10.1. DEFINICAO E CARACTERIZACAO ~ ~

143

anj un , vemos que v1 , . . . , vn formam uma base B de U pois M  invertvel. e  B Alm do mais, M = MC . Deste modo, e [T ]B = (MB )1 [T ]C MB = M1 [T ]C M C C

 diagonal, isto , T  diagonalizvel. e e e a

Note que pelo teorema acima, para veri car se um operador  diagonalizvel, basta veri car se a matriz de T com rela~o e a ca a uma base qualquer de U  diagonalizvel. e a
Observao 10.4 ca

Suponha que A = (aij ) Mnn seja diagonalizvel. Vejamos como a podemos encontrar uma matriz M invertvel de modo que M1 AM seja  uma matriz diagonal. Considere T L (Rn ) dado por
n n

T (x1 , . . . , xn ) = (
j=1

a1j xj , . . . ,
j=1

anj xj ).

Se C  a base can^nica de Rn ent~o [T ]C = A e pela proposi~o 10.3, T e o a ca n  diagonalizvel. Seja B uma base de R formada por autovetores de T. e a . Lembrando que C  a base can^nica, vemos que M = MB  a matriz cuja e o C e j-sima coluna  formada pelas coordenadas do j-simo autovetor da base e e e B. Como [T ]B  uma matriz diagonal e e
[T ]B = (MB )1 [T ]C MB = M1 AM C C

vemos que M resolve o nosso problema.

Note que se caracterstico  da forma  e


Observao 10.5 ca

for diagonalizvel, o seu polin^mio a o

pT () = (1 ) (n ),

onde os nmeros reais 1 , . . . , n s~o todos os autovalores de T. u a

144

CAPTULO 10. DIAGONALIZACAO I ~

Teorema 10.6 Sejam U um espao c L (U). Ent~o, T  diagonalizvel se a e a 1 , . . . , n forem tais que

vetorial de dimens~o nita e T a e somente se os seus autovalores

U = V(1 ) V(n ). Prova:

Se
U = V(1 ) V(n )

ent~o podemos formar uma base B de U formada por bases Bj de V(j ), a j = 1, . . . , n. Como cada elemento de Bj  um autovetor de T, segue pr e de ni~o que T  diagonalizvel. ca e a Reciprocamente, se T for diagonalizvel existe uma base B de U fora mada por autovetores de T. Como cada autovetor est associado a algum a autovalor de T, vemos que cada elemento de B est contido em algum a V(j ). Desta forma, a soma de todos os subespaos prprios de T contm c o e B e, portanto,  o prprio U. Pelo teorema 9.15 esta soma  direta, ou e o e seja,
U = V(1 ) V(n ).

As transforma~o do exerccio resolvido 9.7  diagoca  e nalizvel. J a transforma~o do 9.11 n~o  pois possui apenas dois a a ca a e 3 auto-espaos cuja soma n~o  R , isto , c a e e
Exemplo 10.7 V(0) V(1) = [(0, 0, 1), (1, 0, 1)] = R3 .

Tambm n~o  diagonalizvel a transforma~o do exerccio resolvido e a e a ca  9.9 pois n~o possui autovetores. Quanto a transforma~o do 9.10 a ca vemos que tambm n~o  diagonalizvel se n 1, pois todo autovetor e a e a de T pertence a V(0), que  unidimensional, e dim Pn (R) = n + 1 2. e

10.1. DEFINICAO E CARACTERIZACAO ~ ~

145

Vejamos como  possvel decidir sobre a diagonaliza~o de um opee  ca rador linear a partir das multiplicidades algbrica e geomtrica de seus e e autovalores. Sejam U um espao vetorial de dimens~o m e T L (U). c a Sejam 1 , . . . , n os autovalores de T, dois a dois distintos. Assim, o polin^mio caracterstico de T  dado por o  e
pT () = (1 )m1 (n )mn q(),

(10.8)

onde mj  a multiplicidade algbrica de j e q()  um polin^mio que n~o e e e o a tem razes reais.  Se denotarmos por rj a multiplicidade geomtrica de j , isto , rj  igual e e e a dim V(j ) ent~o, pelo teorema 10.6, T  diagonalizvel se e somente se a e a m = r1 + +rn . Por este mesmo teorema, T  diagonalizvel se e somente e a se U possuir uma base formada pela reuni~o das bases dos espaos prprios a c o de T, visto que isto  equivalente a dizer que a soma destes subespaos  e c e direta. Por sua vez, a exist^ncia de uma tal base  equivalente que T e e apresente uma matriz na forma
. . . 0 1

...

. . .
r1 r1

...

n 0 . .. . . . . . . 0 n r

n rn

mm

Desta forma, se T  diagonalizvel ent~o o seu polin^mio caracterstico e a a o   dado por e pT () = (1 )r1 (n )rn , (10.9) onde rj  a multiplicidade geomtrica de j , j = 1, . . . , n. Comparando e e com 10.8 vemos que mj = rj , j = 1, . . . , n, q() 1 e r1 + + rn = m.

146

CAPTULO 10. DIAGONALIZACAO I ~

Reciprocamente, suponha que mj = rj , j = 1, . . . , n e r1 + + rn = m. Como a multiplicidade algbrica de cada autovalor iguala a sua multie plicidade geomtrica cada espao prprio V(j ) possui uma base Bj com e c o mj elementos. Como m1 + + mn = r1 + + rn = m segue de 10.8 que o grau de q()  zero e que a reuni~o das bases Bj forma uma base e a de U (lembre que a soma de espaos prprios  direta) constituda por c o e  autovetores de T. Assim, T  diagonalizvel. Provamos assim, o seguinte e a
Teorema 10.10 Sejam U um espao vetorial de dimens~o nita e c a T L (U). Ent~o T  diagonalizvel se e somente se ambas condi~es a e a co

forem veri cadas 1. para cada autovalor de geomtrica s~o iguais; e a

as suas multiplicidades algbrica e e

2. a soma das multiplicidades geomtricas de todos os autovalores e de T coincide com a dimens~o de U. a


Corolrio 10.11 a L (U). Se

Sejam

um espao vetorial de dimens~o c a

pT () = (1 ) (n ),

onde 1 , . . . , n R s~o distintos entre si ent~o T  diagonalizvel. a a e a


Como os autovalores de T s~o dois a dois distintos, v^-se que as a e razes de pT (), s~o todas simples, isto , t^m multiplicidade um. Desta  a e e forma, se  um autovalor de T ent~o a sua multiplicidade algbrica  e a e e um. Pela proposi~o 9.28, a multiplicidade geomtrica de  menor do ca e e que ou igual a um. Como dim V() 1, segue-se que a multiplicidade geomtrica de  um, ou seja, igual  sua multiplicidade algbrica. e e a e
Prova: Ex. Resolvido 10.12

Veri que se T : R3 R3 dada por

T (x, y, z) = (x + z, y + z, x + y + 2z)

 diagonalizvel. e a

10.1. DEFINICAO E CARACTERIZACAO ~ ~


Resoluo: ca

147

Com rela~o  base can^nica, a matriz de T  dada por ca a o e


1 0 1 0 1 1 . 1 1 2

Assim,
pT () =

det

1 0 1 1 1 0 1 1 2

= (1 )((1 )(2 ) 1) + 1((1 )) = (1 )(2 3) = (1 )( 3).

Desta forma, vemos que pT () apresenta todas as razes reais e simples e,  pelo corolrio 10.11, segue-se que T  diagonalizvel. a e a

Encontre uma base de autovetores para o operador do exerccio anterior. Encontre tambm a matriz de T com  e rela~o a esta base. ca
Ex. Resolvido 10.13 Resoluo: ca

autovalor 0: Precisamos encontrar (x, y, z) n~o nulo tal que a


T (x, y, z) = (0, 0, 0).

Temos

x + z = 0 x + y + 2z = 0 y+z=0

x = y = z x + y + 2z = 0

x = y = z,

assim, podemos tomar como autovetor associado ao autovalor 0, o vetor


u = (1, 1, 1).

148 que T (x, y, z) = (x, y, z). Temos


x + z = x y+z=y

CAPTULO 10. DIAGONALIZACAO I ~


(x, y, z)

autovalor 1: Neste casos precisamos encontrar


z=0 x = y

n~o nulo tal a

x + y + 2z = z v = (1, 1, 0).

assim, podemos tomar como autovetor associado ao autovalor 1, o vetor zendo

autovalor 3: Agora precisamos encontrar


x + z = 3x y + z = 3y x + y + 2z = 3z

(x, y, z) = (0, 0, 0)

satisfa-

T (x, y, z) = (3x, 3y, 3z).

Temos

z = 2x = 2y,

assim, podemos tomar como autovetor associado ao autovalor 3, o vetor


w = (1, 1, 2).

 E claro que a matriz de T com rela~o  base formada por u, v e w  ca a e dada por
0 0 0 0 1 0 . 0 0 3

Ex. Resolvido 10.14

Seja alguma base  dada por e

T : R2 R2 a b . b c

cuja matriz com rela~o a ca

A=

Mostre que T diagonalizvel. a

10.1. DEFINICAO E CARACTERIZACAO ~ ~


Resoluo: ca

149

O polin^mio caracterstico de T  dado por o  e


pT () = 2 (a + c) + ac b2 .

Vemos que pT () apresenta duas razes reais simples, isto , com multi e 2 plicidade um, se e somente se o discriminante (a + c) 4(ac b2 ) for positivo. Assim,
(a + c)2 4(ac b2 ) = a2 + c2 2ac + 4b2 = (a c)2 + 4b2 > 0

se e somente se a = c ou b = 0. Vemos assim que, se a = c ou b = 0 as multiplicidades algbrica e geomtrica de cada um dos autovalores de T e e (as razes de pT ()) coincidem e, portanto, T  diagonalizvel.  e a Se a = c e b = 0 ent~o v^-se claramente que T  diagonalizvel pois, a e e a neste caso, A  diagonal. e
Ex. Resolvido 10.15

Veri que se T : P2 (R) P2 (R) dado por

T (p(t)) = p (t) 2p (t) + p(t)

 diagonalizvel. e a
Resoluo: ca

A matriz de T com rela~o  base can^nica  dada por ca a o e


1 2 2 A = 0 1 4 . 0 0 1

Assim, PT () = (1 )3 e, desta forma, 1  o unico autovalor de T. Como e  pelo teorema 10.10 T  diagonalizvel se e somente se dim V(1) = 3, e a vejamos qual  a dimens~o deste subespao prprio. e a c o
0 2 2 x 0 2 p(t) = x + yt + zt V(1) 0 0 4 y = 0 0 0 0 z 0 y = z = 0 p(t) = x.

Portanto, V(1) = [1] e T n~o  diagonalizvel. a e a

150
Ex. Resolvido 10.16

CAPTULO 10. DIAGONALIZACAO I ~

Veri que se T : R4 R4 dada por

T (x, y, z, t) = (x + y, y, 2z + t, 2z + t)

 diagonalizvel. Encontre tambm os espaos prprios de T. e a e c o


Resoluo: ca

A matriz de T com rela~o  base can^nica  dada por ca a o e


1 0 0 0 1 1 0 0 0 0 2 2 0 0 1 1

e o seu polin^mio caracterstico  o  e


pT () =

det

1 1 0 0 1 0 0 0 = (1 )2 ((2 )(1 ) 2) 0 2 1 0 0 0 2 1 = (1 )2 (2 3) = ( 3)(1 )2 .

(i) autovalor 0:
(x, y, z, t) V(0) (x + y, y, 2z + t, 2z + t) = (0, 0, 0, 0) x + y = 0 y = 0 2z + t = 0 2z + t = 0 x=y=0 t = 2z (x, y, z, t) = z(0, 0, 1, 2).

Logo, V(0) = [(0, 0, 1, 2)].

10.1. DEFINICAO E CARACTERIZACAO ~ ~

151

(ii) autovalor 3:
(x, y, z, t) V(3) (x + y, y, 2z + t, 2z + t) = (3x, 3y, 3z, 3t) x + y = 3x y = 3y 2z + t = 3z 2z + t = 3t

x=y=0 t=z

(x, y, z, t) = z(0, 0, 1, 1).

Logo, V(3) = [(0, 0, 1, 1)].

(iii) autovalor 1:

(x, y, z, t) V(1) (x + y, y, 2z + t, 2z + t) = (x, y, z, t) x + y = x y = y 2z + t = z 2z + t = t

y = z = t = 0 (x, y, z, t) = x(1, 0, 0, 0).

Logo, V(1) = [(1, 0, 0, 0)]. Como a multiplicidade algbrica do autovalor 1  dois e a sua multie e plicidade geomtrica  um, vemos que T n~o  diagonalizvel. e e a e a
Ex. Resolvido 10.17

Ainda com rela~o ao operador do exerccio ca  anterior, encontre a matriz de T com rela~o  base B formada pelos ca a vetores
u = (0, 0, 1, 2), v = (0, 0, 1, 1), w = (1, 0, 0, 0)

p = (0, 1, 0, 0).

como

Resoluo: ca

J sabemos que T (u) = 0, T (v) = 3v e T (w) = w. Agora, a


T (p) = T (0, 1, 0, 0) = (1, 1, 0, 0) = w + p,

152 vemos que

CAPTULO 10. DIAGONALIZACAO I ~


0 0 [T ]B = 0 0 0 3 0 0 0 0 1 0 0 0 . 1 1

Ex. Resolvido 10.18 Seja T L (U) um operador diagonalizvel com a autovetores 1 , . . . , n , onde n = dim U. Dados x1 , . . . , xn R, denote por D(x1 , . . . , xn ) = (aij ) a matriz diagonal tal que aii = xi . Seja p(t) = a0 + a1 t + am tm um polin^mio. Sejam B uma base o de autovalores de U tal que [T ]B = D(1 , . . . , n ) e C uma base de U. Mostre que [p(T )]C  semelhante a D(p(1 ), . . . , p(n )). e

Como [T ]C = (MC )1 [T ]B MC temos pelo exerccios resolvidos  B B C 1 C 9.30 e 9.31 que [p(T )]C = (MB ) [p(T )]B MB . Mas
Resoluo: ca [p(T )]B = [a0 I + a1 T + + am T m ]B = a0 In + a1 [T ]B + + am [T ]m B = a0 D(1, . . . , 1) + a1 D(1 , . . . , n ) + + am D(1 , . . . , n )m = a0 D(1, . . . , 1) + a1 D(1 , . . . , n ) + + am D(m , . . . , m ) 1 n = D(a0 , . . . , a0 ) + D(a1 1 , . . . , a1 n ) + + D(am m , . . . , am m ) 1 n = D(a0 + a1 1 + + am m , . . . , a0 + a1 n + + am m ) 1 n = D(p(1 ), . . . , p(n )). Ex. Resolvido 10.19 Seja T L (U) Mostre que pT (T ) = 0.

um operador diagonalizvel. a

Resoluo: Seja B uma base de U tal que [T ]B = D(1 , . . . , n ), onde ca 1 , . . . , n s~o os autovalores de T. Segue da resolu~o do exerccio anterior a ca 

que

[pT (T )]B = D(pT (1 ), . . . , p(n )) = D(0, . . . , 0) = 0,

10.2. EXERCCIOS I pois pT (j ) = 0, j = 1, . . . , n. Assim, pT (T ) = 0.

153

Pode-se mostrar que mesmo que seja diagonalizvel vale pT (T ) = 0. a


Observao 10.20 ca

T L (U)

n~o a

10.2

Exerc cios

Ex. 10.21

Determinar M M2 , se existir, de modo que M1 AM seja uma matriz diagonal nos seguintes casos:
a) A = 2 4 3 13 b) A = 3 2 2 1

Ex. 10.22 Veri car, T L (R3 ) dado pela

gonalizvel. a

em cada um dos itens abaixo, se o operador sua matriz com rela~o  base can^nica  diaca a o e
1 0 0 b) [T ]C = m 2 0 n 0 2

1 2 2 a) [T ]C = 2 1 2 2 2 3

lizvel. a

Ex. 10.23 Veri car em cada um L (R4 ) dado pela sua matriz com

dos itens abaixo se o operador T rela~o  base can^nica  diagonaca a o e


b) [T ]C = 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

a) [T ]C =

1 4 2 2 4 1 2 2 2 2 1 4 2 2 4 1

154

CAPTULO 10. DIAGONALIZACAO I ~

Cap tulo 11 Forma Cannica de Jordan o


11.1 Introduo e Exemplos ca

omo vimos, nem todo operador linear  diagonalizvel. No entanto, e a se T L (U), onde U  um espao vetorial de dimens~o nita, existe e c a uma base com rela~o a qual, a matriz de T  prxima de uma matriz ca e o diagonal. A seguir daremos uma pequena descri~o de como  a forma ca e desta matriz, mas antes precisamos de algumas nota~es. co Seja pT () o polin^mio caracterstico de T. A primeira observa~o a ser o  ca feita  que pT () se fatora como e
pT () = (1 )m1 (n )mn (( 1 )2 + 2 )p1 (( k )2 + 2 )pk 1 k

onde r = s , e (r , r ) = (s , s ) se r = s. Note que cada r + ir  uma e raiz complexa de pT (). Note tambm que m1 + + mn + 2p1 + 2pk = e dim U. Se R  um autovalor de T, denotaremos por J(; r) a matriz quae drada de ordem r com todos os elementos da diagonal principal iguais a e todos os elementos logo acima desta, iguais a 1, ou seja, 155

156

^ CAPTULO 11. FORMA CANONICA DE JORDAN I


1 0 0 0 1 0 0 0 0 J(; r) = . . . . . . . . .. . . . . . 1 0 0 0 1 0 = 0 0 1 . . . . . . . .. . . . 0 0 0 0 0 0 . . . 1 0 0 0 0 1 0 0 0 1 + 0 0 0 . . . . . . . . .
rr

rr

...

0 0 0 . . .
rr

= I + N,

0 0 0

onde I  a matriz identidade de ordem r e e


0 1 0 0 0 0 1 0 0 0 0 0 N= . . . . . . . . .. . . . . . 0 0 0 0
rr

Note que Nr  a matriz nula, isto , N  uma matriz nilpotente. e e e Se +i  uma raiz complexa de pT () e r  um nmero par, de nimos e e u
0 R(, ; r) = 0 . . . 0 0 1 0 0 0 0 1 0 0 0 0 . . . . . . . rr 0 0 0 0

. . .

. . .

. ... . .

0 0

0 0

0 0

Se B1 , . . . , Bk s~o matrizes quadradas, n~o necessariamente de ordens a a

11.1. INTRODUCAO E EXEMPLOS ~

157

iguais, de nimos diag (B1 , . . . , Bk ) como sendo a matriz quadrada de ordem igual  soma das ordens de B1 , . . . , Bk dada por a
B1 0 0 0 B2 0 . . ... . , . . . . . . 0 0 Bk

por exemplo, se

3 2 1 0 4 B1 = 0 2 1 , B2 = 0 0 0 2 0

4 1 3 0 0 3 0 4

0 1 4 3 0 0 0 0 . 1 4 3

ent~o a

2 0 0 diag (B1 , B2 ) = 0 0 0 0

1 2 0 0 0 0 0

0 0 0 0 1 0 0 0 2 0 0 0 0 3 4 1 0 4 3 0 0 0 0 3 0 0 0 4

Teorema 11.1 (Forma Cannica de Jordan) o torial de dimens~o nita. Seja T L (U) a

terstico  dado por  e

Seja U um espao vec cujo polin^mio caraco

pT () = (1 )m1 (n )mn (( 1 )2 + 2 )p1 (( k )2 + 2 )pk 1 k

onde r = s , (r , r ) = (s , s ) se r = s, e r > 0. Ent~o existe uma a base de U com rela~o a qual a matriz de T  da forma ca e
J=

diag (J1 , . . . , Jp , R1 , . . . , Rq ),

(11.2)

158

^ CAPTULO 11. FORMA CANONICA DE JORDAN I

onde J1 , . . . , Jp s~o da forma J(; r) para algum r N e {1 , . . . , n } a e R1 , . . . , Rq s~o da forma R(, ; s) para algum s N e (, ) a
{(1 , 1 ), . . . , (k , k )}. Observao 11.3 ca

A matriz 11.2  unica a menos de permuta~es dos e co seus blocos que comp~em a sua diagonal. o das ordens

Observao 11.4 Se  um autovalor de T ent~o a soma ca e a dos blocos J(; s)  igual  multiplicidade algbrica de . e a e Observao 11.5 ca

Se + i  uma raiz complexa de pT () ent~o a e a soma das ordens dos blocos R(, ; s)  igual ao dobro da multiplicie dade da raiz + i.
Observao 11.6 Se  um autovalor ca e mtrica r ent~o existem r blocos J(; s) e a Observao 11.7 ca

de T com multiplicidade geoassociados ao autovalor .

Suponha que
pT () = (1 )m1 (n )mn

onde i = j , se i = j. Se mj tambm  multiplicidade geomtrica de j e e e ent~o o teorema de Jordan diz simplesmente que T  diagonalizvel. a e a
Observao 11.8 O teorema de Jordan diz que a matriz de um operaca dor T com rela~o a uma base arbitrria  semelhante a uma matriz ca a e

da forma 11.2

Ex. Resolvido 11.9

Encontre as possveis matrizes na forma can^ o nica de Jordan de um operador cujo polin^mio caracterstico  dado o  e por pT () = (2 )3 (1 ).

11.1. INTRODUCAO E EXEMPLOS ~


Resoluo: ca

159

Note que T apresenta apenas os autovalores 2 e 1. Como as multiplicidades algbricas e geomtrica do autovalor 1 s~o e e a iguais a um, vemos que o unico bloco correspondente a este autovalor   e
J(1; 1) = (1).

Com rela~o ao autovalor 2, a sua multiplicidade algbrica  tr^s. Se ca e e e sua multiplicidade geomtrica for tr^s ent~o existem tr^s blocos associados e e a e a este autovalor e todos eles s~o iguais a (2). Neste caso, a matriz da forma a can^nica de Jordan para este operador  o e
1 0 0 0 0 2 0 0 0 0 2 0 0 0 . 0 2

Se a multiplicidade geomtrica do autovalor 2 for dois, ent~o existem e a dois blocos correspondentes a este autovalor que s~o da forma a
J(2; 1) = (2) J(2; 2) = 2 1 . 0 2

Assim, a matriz da forma can^nica de Jordan para este operador  o e


1 0 0 0 0 2 0 0 0 1 2 0 0 0 . 0 2

Se a multiplicidade geomtrica do autovalor 2 for um, ent~o existe um e a bloco correspondente a este autovalor que  e
2 1 0 J(2; 3) = 0 2 1 . 0 0 2

160

^ CAPTULO 11. FORMA CANONICA DE JORDAN I


1 0 0 0 0 2 0 0 0 1 2 0 0 0 . 1 2

Assim, a matriz da forma can^nica de Jordan para este operador  o e

Ex. Resolvido 11.10

Encontre as possveis matrizes na forma can^ o nica de Jordan de um operador cujo polin^mio caracterstico  dado o  e 2 2 por pT () = (1 ) (4 + ).

Utilizando a nota~o do teorema 11.1 temos 1 = 1, = 0 e = 2. Como ca 0+i2 tem multiplicidade um (como raiz de pT ()), existe apenas um bloco da forma
R(0, 2; 2) = 0 2 . 2 0

Se a multiplicidade geomtrica do autovalor 1 for dois ent~o existem e a apenas dois blocos associados a este autovalor e s~o iguais a (1). Neste a caso, a matriz da forma can^nica de Jordan para este operador  o e
1 0 0 0 0 0 1 0 0 0 0 2 0 0 . 2 0

Se a multiplicidade geomtrica do autovalor 1 for um ent~o existe apee a nas um bloco de ordem dois associado a este autovalor que  dado por e
J(1; 2) = 1 1 . 0 1 0 0 . 2 0

Neste caso, a matriz da forma can^nica de Jordan para este operador  o e


1 0 0 0 1 0 1 0 0 0 0 2

11.1. INTRODUCAO E EXEMPLOS ~


Ex. Resolvido 11.11

161

Encontre uma base de R4 com rela~o a qual a ca matriz da transforma~o ca


T (x, y, z, t) = (2x + y + z + t, 2y z t, 3z t, 4t)

est na forma can^nica de Jordan. a o


Resoluo: ca

Com rela~o  base can^nica de R4 , a matriz de T  dada por ca a o e


2 0 0 0 1 1 1 2 1 1 . 0 3 1 0 0 4

O polin^mio caracterstico de T  pT () = (3 )(4 )(2 )2 . Desta o  e  forma vemos que dim V(3) = dim V(4) = 1. E simples ver que
V(3) = [(0, 1, 1, 0)]

V(4) = [(0, 0, 1, 1)].

Vejamos qual a dimens~o de V(2). Temos que (x, y, z, t) V(2) se e soa mente se
0 0 0 0 1 1 1 x 0 0 1 1 y 0 = , 0 1 1 z 0 0 0 2 t 0

ou seja, (x, y, z, t) = x(1, 0, 0, 0). Assim, dim V(2) = 1 e T n~o  diagoa e nalizvel. Sendo assim, a matriz de T na forma can^nica de Jordan  da a o e forma
2 0 0 0 1 2 0 0 0 0 3 0 0 0 . 0 4

162

^ CAPTULO 11. FORMA CANONICA DE JORDAN I

Note que se pusermos u1 = (1, 0, 0, 0), u3 = (0, 1, 1, 0) e u4 = (0, 0, 1, 1) ent~o para que u1 , u2 , u3 , u4 seja a base procurada, o vetor u2 deve satisa fazer T (u2 ) = u1 + 2u2 , ou seja, (T 2I)(u2 ) = u1 . Desta forma, colocando u = (a, b, c, d), temos
0 0 0 0 1 a 1 1 1 0 1 1 b 0 = 0 1 1 c 0 0 d 0 0 2

cuja solu~o geral  da forma (a, 1, 0, 0). Podemos tomar, por exemplo, ca e u2 = (0, 1, 0, 0) e isto nos fornecer a base procurada. a

11.2

Exerc cios

Se uma matriz de ordem 3 tem os autovalores 3, 3 e 3, quais s~o as possveis formas can^nicas de Jordan dessa matriz? a  o
Ex. 11.12

Se uma matriz de ordem 4 tem os autovalores 1, 2 e 3, quais s~o as possveis formas can^nicas de Jordan dessa matriz? a  o
Ex. 11.13

Cap tulo 12 Espaos Euclidianos c


12.1 Produto Interno

os primeiros captulos deste curso estudamos as propriedades mais  bsicas de um espao vetorial. A introdu~o de conceitos como geraa c ca dores e base foram feitas a partir de combina~es lineares que, por sua vez, co envolvem apenas a adi~o de vetores e a multiplica~o por escalares, dois ca ca objetos que est~o presentes na prpria de ni~o do espao vetorial. Neste a o ca c captulo veremos tipos especiais de espaos vetoriais que possuem uma es c trutura mais re nada que nos proporcionar desenvolver alguns aspectos a geomtricos, como por exemplo, o ^ngulo ou a dist^ncia entre dois vetores. e a a Veremos tambm que  possvel elaborar mais detalhes sobre operadores e e  lineares de nidos em tais espaos vetoriais. c
Denio 12.1 Seja V um espao vetorial. Um produto interno sobre ca c V  uma aplica~o que a cada par (u, v) V V associa um nmero e ca u real denotado por u, v satisfazendo as seguintes propriedades

(i) (ii)

u + v, w = u, w + v, w u, v = u, v

para todo u, v, w V;
163

para todo u, v V e R;

164

CAPTULO 12. ESPACOS EUCLIDIANOS I 


u, v = v, u u, u > 0

(iii) (iv)

para todo u, v V;

se u = 0.

O espao vetorial V munido de um produto interno  chamado de c e espao euclidiano. c


Observao 12.2 ca

escalar.

O produto interno tambm  chamado de produto e e

Algumas propriedades seguem-se imediatamente. Por exemplo, vemos que 0, u = 0 para todo u V, pois
0, u = 0 + 0, u = 0, u + 0, u ,

e o resultado segue por cancelamento. Outra propriedade  que u, v + w = u, v + u, w , para todo e u, v, w V e R. Basta combinar as propriedades (i), (ii) e (iii) acima. Desta maneira, vemos que o produto interno  linear em cada varivel. e a A seguir apresentamos alguns exemplos de produto interno em vrios a espaos vetoriais. A veri ca~o das propriedades (i) a (iv)  deixada como c ca e exerccio. 
Exemplo 12.3

Se x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) Rn de nimos


x, y = x1 y1 + + xn yn

(12.4)

Ex. Resolvido 12.5

Com rela~o ao exemplo anterior, calcule o proca duto interno entre os vetores (1, 1, 1), (0, 2, 4) R3 .
Basta notar que
(1, 1, 1), (0, 2, 4) = 1 0 + (1) 2 + 1 4 = 2.

Resoluo: ca

12.1. PRODUTO INTERNO


Ex. Resolvido 12.6 Com rela~o ao produto interno dado ca calcule u, v onde u = (cos , sen ) e v = (cos , sen ). Resoluo: ca

165

por 12.4,

Temos
u, v = (cos , = cos cos +

sen ), (cos , sen )

sen sen = cos( ).

H vrios outros tipos de produto interno no Rn alm do apresentado a a e 3 em 12.4. Vejamos um exemplo no R :
Exemplo 12.7

Se (x, y, z), (x , y , z ) R3 , de nimos


(x, y, z), (x , y , z ) = xx yy zz + + . 2 3 4

 a E fcil veri car que a express~o acima de ne um produto interno em a


R3 . Ex. Resolvido 12.8

Com rela~o ao produto interno apresentado no ca exemplo anterior, calcule (1, 1, 1), (0, 2, 4) .
1 1 0 1 2 1 4 + + = . 2 3 4 3

Resoluo: ca (1, 1, 1), (0, 2, 4) =

Exemplo 12.9

Se f, g C([a, b]; R) de nimos


b

f, g =
a

f(x)g(x) dx,

(12.10)

que  um produto interno. e

166
Ex. Resolvido 12.11

CAPTULO 12. ESPACOS EUCLIDIANOS I 

Com rela~o ao produto interno apresentado ca no exemplo anterior, calcule o produto interno entre as fun~es seno co e co-seno de nidas no intervalo [0, 2].
2 0

Resoluo: ca

sen , cos =

sen x cos x dx =

sen 2 x
2

= 0.
0

Exemplo 12.12

Se A = (aij ), B = (bij ) Mmn de nimos


m n

A, B =
i=1 j=1

aij bij .

Ex. Resolvido 12.13

Com rela~o ao produto interno apresentado ca no exemplo anterior, calcule o produto interno entre
A= 1 1 0 2

B=

2 0 . 1 1

Resoluo: ca A, B = 1 (2) + 1 0 + 0 1 + 2 1 = 0.

O trao de uma matriz quadrada A  a soma dos c e elementos da diagonal da matriz e  denotado por tr A. Mostre que e se A, B Mn ent~o a
Exerc cio 12.14 A, B =

tr (Bt A)

de ne um produto interno em Mn .

12.2. NORMA

167

12.2

Norma
 um espao euclidiano, de nimos para cada e c u, u . Este valor  chamado de norma de u. e extrair a raiz quadrada de interno dado por 12.4, a

Denio 12.15 Se V ca u V o nmero ||u|| = u

Observao 12.16 Note que  possvel ca e  u, u pois este nmero  n~o negativo. u e a Exemplo 12.17 Em Rn , com o produto norma de x = (x1 , . . . , xn )  dada por e ||x|| =

x2 + + x2 . n 1

Note que a norma de x representa o comprimento deste vetor. Em C([a, b]; R) com o produto interno de nido por 12.10, a norma de f C([a, b]; R)  dada por e
Exemplo 12.18
b

||f|| =
a

[f(x)]2 dx.

terno. Temos 1. 2. 3. 4. 5.
||u|| 0 ||u|| = 0

Proposio 12.19 ca ||u|| = ||||u||

Seja

um espao vetorial com um produto inc

para todo u V e todo R;

para todo u V; se e somente se u = 0;


v

Schwarz);

| u, v | u

para todo

u, v V

(desigualdade de Cauchy-

u+v u + v

para todo u, v V (desigualdade triangular).

168
Prova:

CAPTULO 12. ESPACOS EUCLIDIANOS I 

1. ||u|| =

u, u =

2 u, u = ||

u, u = || ||u||.

 2. Obvio pois a raiz quadrada  n~o negativa. e a 3. Se u = 0 ent~o u = 0, 0 = 0. a Reciprocamente, se u = 0 ent~o u, u > 0 e u = a
u, u > 0.

4. Se v = 0 ent~o | u, 0 | = 0 = u 0||. a Suponha que v = 0. Para todo R, temos u + v 2 0. Logo,


0 u + v, u + v = u, u + 2 u, v + v, v 2 = ||u||2 + 2 u, v + ||v||2 2 .

Assim, ou seja, u, v
| u, v | u
2

. = 4 u, v ||u||2 ||v||2 . v .

4||u||2 ||v||2 0,

Extraindo a raiz quadrada, obtemos

5. A seguir usaremos a desigualdade de Cauchy-Schwarz


||u + v||2 = u + v, u + v = ||u||2 + ||v||2 + 2 u, v ||u||2 + ||u||2 + 2||u||||v|| = [||u|| + ||v||]2 .

Extraindo a raiz quadrada, segue o resultado desejado. Observe que a desigualdade de Cauchy-Schwarz aplicada ao produto interno do Rn dado por 12.4 nos diz que
(x1 y1 + + xn yn )2 (x2 + + x2 )(y2 + + y2 ). 1 n 1 n

12.2. NORMA

169

A mesma desigualdade aplicada ao produto interno em C([a, b, ]; R) fornece 2


b b

f(x)g(x) dx
a

[f(x)]2 dx

[g(x)]2 dx.

tores de um espao euclidiano. Ent~o c a


u+v Prova: u+v
2 2

Proposio 12.20 (Identidade do Paralelogramo) ca + uv


2

Sejam

ve-

= 2( u

+ v 2 ).

+ uv

= u + v, u + v + u v, u v

= u, u + v, v + 2 u, v + u, u + v, v 2 u, v = 2 u, u + 2 v, v = 2( u
2

+ v 2 ).

A prxima proposi~o mostra como se pode obter o produto interno o ca entre dois vetores a partir das normas de suas soma e diferena. c

t~o a

Proposio 12.21 ca

Sejam u e v vetores de um espao euclidiano. Enc


u+v
2

uv

= 4 u, v .

Prova: u+v
2

uv

= u + v, u + v u v, u v

= u, u + v, v + 2 u, v u, u v, v + 2 u, v = 4 u, v .

Ex. Resolvido 12.22 v = 1.

Calcule

u, v

sabendo-se que

u+v = 1

170
Resoluo: ca

CAPTULO 12. ESPACOS EUCLIDIANOS I  Temos


1 u, v = ( u + v 4
2

u v 2 ) = 0.

12.3

Distncia a
espao euclidiano V de nimos a dist^ncia enc a
d(u, v) = u v .

Denio 12.23 Num ca tre u, v V como

Resulta da proposi~o 12.19 que a dist^ncia satisfaz as seguintes proca a priedades.


Proposio 12.24 ca

Num espao euclidiano V temos c

1. 2. 3. 4.

d(u, v) 0 d(u, v) = 0

para todo u, v V; se e somente se u = v; para todo u, v V; para todo u, v, w V.

d(u, v) = d(v, u)

d(u, v) d(u, w) + d(w, v)

Com rela~o ao produto interno 12.4 calcule a ca dist^ncia entre os pontos u = (1, 1, 3, 2) e v = (2, 2, 1, 0) de R4 . a
Ex. Resolvido 12.25 Resoluo: ca

Temos
(1 2)2 + (1 2)2 + (3 1)2 + (2 0)2 = 10

d(u, v) =

^ 12.4. ANGULO
Ex. Resolvido 12.26

171

Com rela~o ao produto interno 12.10 calcule ca a dist^ncia entre as fun~es sen e cos de C([0, 2]; R) a co
Resoluo: ca

Temos
d( sen , cos)2 =
2 0

[ sen x cos x]2 dx


2 0

=
0

[ sen 2 x + cos2 x 2 sen x cos x] dx = = x d( sen , cos) = 2.

[1 2 sen x cos x] dx =

sen 2 x 2 = 2. 0

Portanto,

12.4

Angulo

Sejam V um espao euclidiano e u, v V ambos n~o nulos. Pela desigualc a dade de Cauchy-Schwarz (veja proposi~o 12.19) temos ca
u v u, v u u, v 1. u v v

ou ainda,
1

Desta forma, existe um unico nmero real [0, ] tal que  u cos =
u, v . u v

Este nmero  chamado de ^ngulo entre os vetores u e v. u e a


Ex. Resolvido 12.27 Calcule o ^ngulo a seno de nidas em [0, 2] com o produto

entre as fun~es seno e coco interno dado por 12.10.

172
Resoluo: ca

CAPTULO 12. ESPACOS EUCLIDIANOS I 

sen , cos =

2 0

sen x cos x dx =

1 sen 2 x 2

= 0.
0

Desta forma, o ^ngulo entre seno e co-seno  . a e2


Ex. Resolvido 12.28 o ^ngulo entre u e v. a Resoluo: ca

Sabe-se que

u = v = 1 e uv = 2. Calcule

Como u v = 2 ent~o a
4= uv
2

= u v, u v

= u + v 2 u, v = 2 2 u, v .

Assim, u, v = 1 e cos = ou seja, = .


u, v = 1, u v

12.5

Ortogonalidade

Seja V um espao euclidiano. Dizemos que u, v V c s~o ortogonais se u, v = 0 e, neste caso, denotaremos uv. a Dizemos que um conjunto S = {u1 , . . . , un } V  ortogonal se e ui uj quando i = j. Dizemos que um conjunto ortogonal S = {u1 , . . . , un } V  ortoe no-mal se uj = 1, j = 1, . . . , n. Dizemos que u V  ortogonal a um subconjunto n~o vazio S de e a V se u for ortogonal a todos os elementos de S. Neste caso usaremos a de ni~o uS. ca
Denio 12.29 ca

12.5. ORTOGONALIDADE
Exemplo 12.30 S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} R3

173

 um conjunto ore tonormal com rela~o ao produto interno dado por 12.4. ca
Observao 12.31 Se u = 0 ou v = 0 ent~o uv. Se u = 0 ca a ent~o uv se e somente se o ^ngulo entre u e v  /2. a a e Observao 12.32 Se S = {u1 , . . . , un } V ca com uj = 0, j = 1, . . . , n ent~o a u1 un ,..., u1 un

v=0

 um conjunto ortogonal e

 um conjunto ortonormal. e
Proposio 12.33 Sejam V um espao euclidiano e S = {u1 , . . . , un } ca c V um conjunto ortonormal. Ent~o u1 , . . . , un s~o linearmente indea a

pendentes.
Se

Prova:

(12.34) ent~o, fazendo o produto interno do vetor acima com u1 e lembrando que a u1 , u1 = u1 2 = 1 e uj , u1 = 0, se j = 2, . . . , n, obtemos
1 u 1 + + n u n = 0 1 = 1 u1 , u1 + + n un , u1 = 0, u1 = 0,

isto , 1 = 0, e 12.34 ca e
2 u2 + + n un = 0.

Tomando o produto interno do vetor acima com u2 , obtemos, como acima, que 2 = 0. Repetindo o processo chegamos  conclus~o que a unica a a  possibilidade para 12.34  1 = = n = 0. e
Observao 12.35 ca

A proposi~o acima continua vlida se S for apeca a nas um conjunto ortogonal com elementos n~o nulos. a

174
Denio 12.36 Se V ca u1 , . . . , un formam um Proposio 12.37 ca

CAPTULO 12. ESPACOS EUCLIDIANOS I 

 um espao euclidiano de dimens~o n e se e c a conjunto ortonormal, ent~o diremos que estes a vetores formam uma base ortonormal de V. Sejam V um espao euclidiano que possui uma c base ortonormal dada por u1 , . . . , un . Ent~o, se u V temos a
u = u, u1 u1 + + u, un un . Prova:

tais que

Como u1 , . . . , un formam uma base de V, existem 1 , . . . , n R


u = 1 u 1 + + n u n .

Tomando o produto interno de u com u1 , temos


u, u1 = 1 u1 , u1 + + n un , u1 = 1 ,

pois a base  ortonormal. O resultado segue tomando o produto interno e de u por u2 , u3 , etc.

Encontre as coordenadas de rela~o  base formada por ( 22 , 22 ) e ( 22 , 22 ). ca a


Ex. Resolvido 12.38 Resoluo: ca

(1, 1) R2

com

Como a base em quest~o  ortonormal, pela proposi~o ana e ca terior, temos que
2 2 2 2 2 2 2 2 (1, 1) = (1, 1), ( , )( , ) + (1, 1), ( , )( , ) 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 rela~o  base acima s~o ca a a 2 . 0

12.5. ORTOGONALIDADE
Proposio 12.39 ca

175

Sejam V um espao euclidiano e U = [u1 , . . . , un ] o c subespao gerado por um conjunto ortonormal S = {u1 , . . . , un }. Ent~o, c a para qualquer u V o vetor dado por
v = u u, u1 u1 u, un un

 ortogonal a todo w U, isto , vU. e e Alm do mais, v = 0 se e somente se u = e isto , se e somente se u [u1 , . . . , un ]. e

u, u1 u1 + + u, un un ,

Prova: Seja w U. Podemos escrever w = n j uj . Precisamos mostrar j=1 n que w, v = 0, isto , e j uj , v = n j uj , v = 0. Portanto, basta j=1 j=1 veri car que uj , v = 0 para cada j = 1, . . . , n. Como u1 , . . . , un formam

um conjunto ortonormal, temos

uj , v = uj , u u, u1 u1 u, un un = uj , u u, u1 uj , u1 u, un uj , un = uj , u u, uj uj , uj = uj , u u, uj = 0

Proposio 12.40 Sejam V um espao ca c V. Se u U e uU ent~o u = 0. a Prova: Como u U e u  ortogonal e 2 ||u|| = u, u = 0, ou seja, u = 0. Proposio 12.41 ca

vetorial e U um subespao de c

a todo vetor de U, devemos ter

Sejam S = {u1 , . . . , un } e R = {v1 , . . . , vn } conjuntos ortonormais de um espao euclidiano V tais que [S] = [R]. Ent~o, para c a u V, temos
u, u1 u1 + + u, un un = u, v1 v1 + + u, vn vn .

176
Prova:

CAPTULO 12. ESPACOS EUCLIDIANOS I  Seja u V. Coloque U = [R] = [S],


u1 = u ( u, u1 u1 + + u, un un )

e
u2 = u ( u, v1 v1 + + u, vn vn ) .

Pela proposi~o 12.39, u1 , u2 U. Logo, para todo w U, temos u1 ca u2 , w = u1 , w u2 , w = 0, isto , (u1 u2 )U. e Note tambm que e
u1 u2 = u, v1 v1 + + u, vn vn ( u, u1 u1 + + u, un un ) U.

Segue da proposi~o 12.40 que u1 u2 = 0, isto , ca e


u, u1 u1 + + u, un un = u, v1 v1 + + u, vn vn .

Denio 12.42 ca

Sejam S = {u1 , . . . , un } V um conjunto ortonormal de um espao euclidiano V e U = [u1 , . . . , un ]. Se u V, o vetor c


u, u1 u1 + + u, un un

 chamado de proje~o ortogonal de u sobre o subespao U. e ca c


v Se v V  um vetor n~o nulo ent~o S = { v }  e a a e um conjunto ortonormal. Assim, se u V, a proje~o ortogonal de u ca sobre [S] nada mais  do que o vetor e

Observao 12.43 ca

w = u,

v v

v u, v v. = v v 2

Neste caso, w  chamado de proje~o ortogonal de u sobre v. e ca

12.5. ORTOGONALIDADE
Ex. Resolvido 12.44

177

Com rela~o ao produto interno usual de R3 , ca 1 1 1 1 1 veri que que os vetores u1 = ( 3 , 3 , 3 ) e u2 = ( 2 , 2 , 0) formam um conjunto ortonormal e encontre a proje~o ortogonal de ca u = (2, 3, 1) sobre o subespao gerado por u1 e u2 . c
Resoluo: ca

Claramente,
u1
2

1 1 1 + + =1 3 3 3 = 1 1 + = 1. 2 2

e
u2
2

Tambm, e

1 1 1 1 1 u1 , u2 = + 0 = 0. 3 2 3 2 3

Assim, a proje~o ortogonal de u = (2, 3, 1) sobre [u1 , u2 ]  ca e


w = u, u1 u1 + u, u2 u2 1 1 1 1 1 1 = (2, 3, 1), ( , , ) ( , , ) 3 3 3 3 3 3 1 1 1 1 5 5 + (2, 3, 1), ( , , 0) ( , , 0) = ( , , 0). 2 2 2 2 2 2

Ex. Resolvido 12.45

por

Considere
p, q =

P3 (R)
1

com o produto interno dado

p(x)q(x) dx.
0

Encontre a proje~o de p(x) = 1 + x + x2 + x3 sobre [q(x)] = [x3 x]. ca

178
Resoluo: ca q
2

CAPTULO 12. ESPACOS EUCLIDIANOS I  Temos


1 3 2 1 1 0 6 2 4

x7 x3 2x5 + = (x x) dx = (x + x 2x ) dx = 7 3 5 0 0 =
2 3

1 1 2 8 + = ; 7 3 5 105
3 1 0

p, q = 1 + x + x + x , x x =
1

(1 + x + x2 + x3 )(x3 x) dx

=
0

(x x2 + x5 + x6 ) dx = 11/21.

Assim a proje~o ortogonal de p(x) sobre q(x)  ca e


r(x) = 11 105 3 55 (x x) = (x3 x). 21 8 8

12.6

Processo de Gram-Schmidt

A demonstra~o do prximo teorema fornece um mtodo para se conseguir ca o e uma base ortonormal de um espao euclidiano a partir de uma base dada. c
Teorema 12.46 Prova:

Todo espao euclidiano de dimens~o nita possui uc a ma base ortonormal.

A prova  por indu~o sobre a dimens~o do espao. e ca a c Seja V um espao euclidiano de dimens~o nita. Se dim V = 1 ent~o c a a existe v1 V, tal que V = [v1 ]. Como v1 = 0, tomamos
u1 = v1 v1

e, dessa forma, {u1 }  um conjunto ortonormal e V = [u1 ], ou seja, u1 e forma uma base ortonormal de V.

12.6. PROCESSO DE GRAM-SCHMIDT


v1 . v1

179

Se dim V = 2 ent~o existem v1 , v2 V tais que V = [v1 , v2 ]. Coloque a


u1 =

Nosso trabalho se resume em encontrar um vetor ortogonal a u1 e que tenha norma 1. Primeiramente vamos encontrar um vetor ortogonal a u1 . Ora, pela proposi~o 12.39, basta tomarmos u2 = v2 v2 , u1 u1 . Note ca que u2 = 0, pois v1 e v2 s~o linearmente independentes. Resta agora a normalizar u2 , isto , de nimos e
u2 = u2 u2 v 2 v 2 , u 1 u1 v 2 v 2 , u 1 u1

e ent~o a
u1 =

formam uma base ortonormal de V. Dado n N, suponha que tenhamos provado o teorema para todos os espaos euclidianos de dimens~o n 1. Queremos provar que o mesmo  c a e verdade para todo espao euclidiano de dimens~o n. c a Se dim V = n 2 ent~o existem v1 , . . . , vn V que formam uma base a de V. Note que U = [v1 , . . . , vn1 ]  um subespao de V de dimens~o n 1. e c a Desse modo, usando a nossa hiptese de indu~o,  possvel tomar uma o ca e  base ortonormal de U. Chamemos estes vetores da base ortonormal de U por u1 , . . . , un1 . Como vn U ent~o, pela proposi~o 12.39, o vetor a ca
un = vn vn , u1 u1 vn , un1 un1

v1 v1

u2 =

 n~o nulo e ortogonal a todos os elementos de U (portanto, ortogonal a e a u1 , . . . , un1 ). Para nalizar, tomamos como base de V os vetores
u1 , . . . , un1 , un

onde
un = vn vn , u1 u1 vn , un1 un1 un = . un vn vn , u1 u1 vn , un1 un1

180

CAPTULO 12. ESPACOS EUCLIDIANOS I 

Observao 12.47 No caso de um espao euclidiano tridimensional, ca c se v1 , v2 , v3 formam uma base, ent~o uma base ortonormal deste espaa

o pode ser dada pelos vetores c

u1 = u2 =

v1 , v1

e
u3 = Ex. Resolvido 12.48

v 2 v 2 , u 1 u1 v 2 v 2 , u 1 u1

v3 v3 , u1 u1 v3 , u2 u2 . v3 v3 , u1 u1 v3 , u2 u2 P2 (R)

Encontre uma base ortonormal de 1 nido do produto interno p, q = 0 p(x)q(x) dx.


Resoluo: ca

mu-

Usaremos o processo de Gram-Schmidt para construir uma base ortonormal a partir da base formada pelos polin^mios 1, x e x2 . Temos o
1
2 1

=
0

12 dx = 1

e colocamos p1 (x) = 1. Seguindo o processo, de nimos


p2 (x) = x x, 1 1 , x x, 1 1
1

onde
1

x, 1 =
0

x dx =

1 2

x x, 1 1

1 1 (x )2 dx = . 2 12 0

1 Assim, p2 (x) = 12(x 2 ) = 3(2x 1). Por m, colocamos

x2 x2 , 1 1 x2 , 3(2x 1) 3(2x 1) p3 (x) = , x2 x2 , 1 1 x2 , 3(2x 1) 3(2x 1)

12.6. PROCESSO DE GRAM-SCHMIDT onde


x2 , 1 =
1 0

181

1 x2 dx = , 3

x2 ,

x2 (2x 1) dx =

3(2x 1) =

3
0

3 6

e
x2 x2 , 1 1 x2 , = 3(2x 1) 3(2x 1)
2

= x2 x +

1 6

Assim,

1 1 . (x2 x + )2 dx = 6 180 0

1 180(x2 x + ) = 5(6x2 6x + 1). 6 Desta forma, uma base ortonormal de P2 (R)  dada por e p1 (x) = 1, p2 (x) = 3(2x 1) e p3 (x) = 5(6x2 6x + 1). p3 (x) =

Ex. Resolvido 12.49

Encontre uma base ortonormal de

W = {(x, y, z) R3 ; x 2y = 0}. Resoluo: ca

Note que (x, y, z) W se e somente se


(x, y, z) = (2y, y, z) = y(2, 1, 0) + z(0, 0, 1).

Desta forma (2, 1, 0) e (0, 0, 1) formam uma base de W. Tomaremos como u1 = (0, 0, 1), pois este vetor  unitrio (tem norma e a 1). Pelo processo de Gram-Schmidt, u2  a proje~o ortogonal unitria de e ca a (2, 1, 0) sobre u1 , isto  e
u2 = (2, 1, 0) (2, 1, 0), (0, 0, 1) (0, 0, 1) (2, 1, 0) 2 1 = = ( , , 0). (2, 1, 0) (2, 1, 0), (0, 0, 1) (0, 0, 1) (2, 1, 0) 5 5

182
Ex. Resolvido 12.50

CAPTULO 12. ESPACOS EUCLIDIANOS I 

Encontre uma base ortonormal de

W = {(x, y, z, t) R4 ; x + y + z + t = 0}. Resoluo: ca

Temos que (x, y, z, t) W se somente se


(x, y, z, t) = (y z t, y, z, t) = y(1, 1, 0, 0) + z(1, 0, 1, 0) + t(1, 0, 0, 1).

Como (1, 1, 0, 0), (1, 0, 1, 0) e (1, 0, 0, 1) s~o linearmente independena tes, segue-se que formam uma base de W. Coloquemos
u1 = (1, 1, 0, 0) 1 1 = ( , , 0, 0). (1, 1, 0, 0) 2 2

u2 =

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

= u3 =

( 1 , 1 , 1, 0) 1 2 2 = (1, 1, 2, 0). 1 1 ( 2 , 2 , 1, 0) 6

(1, 0, 0, 1) (1, 0, 0, 1), u1 u1 (1, 0, 0, 1), u2 u2 (1, 0, 0, 1) (1, 0, 0, 1), u1 u1 (1, 0, 0, 1), u2 u2

onde
1 1 1 (1, 0, 0, 1), u1 = (1, 0, 0, 1), ( , , 0, 0) = 2 2 2 1 1 (1, 0, 0, 1), u2 = (1, 0, 0, 1), (1, 1, 2, 0) = . 6 6

Assim,
(1, 0, 0, 1) (1, 0, 0, 1), u1 u1 (1, 0, 0, 1), u2 u2 1 1 1 1 1 = (1, 0, 0, 1) ( , , 0, 0) (1, 1, 2, 0) 2 2 2 6 6

12.7. COMPLEMENTO ORTOGONAL


1 1 1 1 1 1 1 1 = (1, 0, 0, 1) + ( , , 0, 0) + ( , , , 0) = ( , , , 1). 2 2 6 6 3 3 3 3
1 1 ( 1 , 3 , 3 , 1) 1 1 1 1 3 = 3( , , , 1) 1 1 1 2 3 3 3 ( 3 , 3 , 3 , 1)

183

Desta forma,

u3 =

12.7

Complemento Ortogonal
e U um subespao c conjunto

Denio 12.51 Sejam V um espao euclidiano ca c vetorial de V. O complemento ortogonal de U  o e U = {v V; u, v = 0, Proposio 12.52 U ca

u U}.

 um subespao vetorial de V. e c
para todo u U. Se v, w U e

Prova: Temos 0 U pois 0, u = 0 R, ent~o para todo u U, temos a

v + w, u = v, u + w, u = 0.

Portanto, v + w U .
Observao 12.53 Se V tem dimens~o nita ent~o u U se e soca a a mente se u  ortogonal a todos os vetores de uma base qualquer de e U. Ex. Resolvido 12.54

Encontre U se U = {(x, y, z) R3 ; xyz = 0}.

Resoluo: Temos (x, y, z) U se somente se (x, y, z) = (y + z, y, z) = ca y(1, 1, 0) + z(1, 0, 1). Vemos que (1, 1, 0) e (1, 0, 1) formam uma base de U.

184

CAPTULO 12. ESPACOS EUCLIDIANOS I  e

Assim, (x, y, z) U se somente se


(x, y, z), (1, 1, 0) = 0 (x, y, z), (1, 0, 1) = 0,

ou seja,
x+y=0 x+z=0 (x, y, z) = x(1, 1, 1).

Assim,

U = [(1, 1, 1)].

Teorema 12.55 Sejam V um espao euclidiano de c U um subespao vetorial de V. Ent~o V = U U . c a

dimens~o nita e a

Prova: Dado v V, seja w a proje~o ortogonal de v sobre U. Temos ca v = w + (v w) e pela proposi~o 12.39, w U e para todo u U, ca v w, u = 0, ou seja, v U + U . Agora, se u U U ent~o u, u = 0 e, portanto, u = 0. a

12.8

Isometria
Dizemos que T para todo u1 , u2

Denio 12.56 Sejam U e V espaos euclidianos. ca c L (U, V)  uma isometria se T (u1 ), T (u2 ) = u1 , u2 e U. Observao 12.57 ca

Note que os produtos internos acima, embora representados pelo mesmo smbolo, s~o produtos internos de V e de U,  a respectivamente.
Exemplo 12.58 (rotao) T : R2 R2 ca

dada por

T (x, y) = (x cos y sen , x sen + y cos )

 uma isometria, onde R. e

12.8. ISOMETRIA De fato,


T (x1 , y1 ), T (x2 , y2 ) = (x1 cos y1 sen , x1 sen + y1 cos ),

185

(x2 cos y2 sen , x2 sen + y2 cos )

= x1 x2 (cos2 +

sen 2 ) y1 x2 ( cos sen + cos sen ) x1 y2 (cos sen cos sen ) + y1 y2 (cos2 + sen 2 )
= x1 x2 + y1 y2 = (x1 , y1 ), (x2 , y2 ) .

Teorema 12.59

equivalentes: 1. 2. 3.
T

Sejam

U, V

espaos euclidianos e c

T L (U, V).

S~o a

 uma isometria; e
T (u) = u

para todo u U; para todo u, v U;


{T (u1 ), . . . , T (un )}

T (u) T (v) = u v

4. Se {u1 , . . . , un } U  ortonormal ent~o e a tonormal em V.

 ore

Prova: (1 = 2) Como T  uma isometria temos que T (u), T (v) = u, v e para todo u, v U. Em particular, tomando u = v, obtemos T (u)
2

= T (u), T (u) = u, u = u 2 ,

ou seja, T (u) = u . (2 = 3) Para todo u, v U, temos


T (u) T (v) = T (u v) = u v .

186
(3 = 1)

CAPTULO 12. ESPACOS EUCLIDIANOS I  Note que

T (u) + T (v) = T (u) T (v) = u (v) = u + v .

Pela proposi~o 12.21, temos ca


1 T (u), T (v) = ( T (u) + T (v) 2 T (u) T (v) 2 ) 4 1 = ( u + v 2 u v 2 ) = u, v . 4 (1 = 4) Se {u1 , . . . , un }  um conjunto ortonormal de U ent~o, e a

 uma isometria, temos e

como

T (ui ), T (uj ) = ui , uj =

se i = j 0, se i = j,
1,

ou seja, {T (u1 ), . . . , T (un )}  um conjunto ortonormal. e (4 = 1) Seja u1 , . . . , un uma base ortonormal de U. Por hiptese, o T (u1 ), . . . , T (un ) formam um conjunto ortonormal. Dados u, v U, escrevemos
u = 1 u 1 + + n u n

e
v = 1 u1 + + n un

e obtemos
n n n n

T (u), T (v) =
i=1

i T (ui ),
j=1

j T (uj ) =
i=1 j=1 n

i j T (ui ), T (uj )

i i .
i=1

Por outro lado,


n n

u, v =
i=1

i u i ,
j=1

j uj =
i=1 j=1

i j u i , u j

12.8. ISOMETRIA
n

187
=
i=1

i i .

Comparando as express~es acima, conclumos que T  uma isometria. o  e


Corolrio 12.60 a Prova: u = 0.

Se T L (U, V)  uma isometria ent~o T  injetora. e a e

Basta ver que se T (u) = 0 ent~o u = T (u) = 0, portanto, a

Corolrio 12.61 Se T L (U, V) a ent~o T  um isomor smo. a e Prova: Como U T  uma bije~o, e ca

 uma isometria e dim U = dim V e

e V t^m a mesma dimens~o e T  injetora, segue-se que e a e isto , um isomor smo. e

Ex. Resolvido 12.62

Seja T R2 tal que a matriz de T com rela~o ca 2 a uma base ortonormal de R  dada por e
1 2 . 2 1 T

 uma isometria? e
Vejamos, se u, v  uma base ortonormal de R2 e e
a b c d

Resoluo: ca

 a matriz de uma isometria S com rela~o a esta base ent~o pelo teorema e ca a anterior S(u) = S(v) = 1. Alm do mais, S(u), S(v) = 0. Como e S(u) = au + cv e S(v) = bu + dv, teramos 
a2 + c2 = 1 b2 + d2 = 1 ab + cd = 0 .

188
5 = 1.

CAPTULO 12. ESPACOS EUCLIDIANOS I 

Deste modo, T n~o pode se uma isometria pois, por exemplo, 12 + 22 = a Vejamos como ca a matriz de uma isometria T L (U) com rela~o ca a uma base ortogonal B = {u1 , . . . , un }. Seja M = [T ]B = (aij ). Como
T (uj ) = a1j u1 + + anj un ,

obtemos
a1i a1j + + ani anj = T (ui ), T (uj ) = ui , uj = ij = 1, 0,

se i = j se i = j

ou seja, as colunas da matriz M quando vistas como vetores do Rn s~o a ortonormais. Vale observar tambm que e
Mt M = (a1i a1j + + ani anj ) = In .

Uma matriz quadrada com a propriedade acima  chamada de matriz e ortogonal.


Exerc cio 12.63 Sejam A, B Mn In e, portanto, B = A1 .

tais que AB = In . Mostre que BA =

Com base no exerccio acima, vemos que se M Mn  uma matriz  e t t 1 t ortogonal ent~o M M = MM = In e, portanto, M = M . Observe que a a equa~o MMt = In nos diz que as linhas da matriz M quando vistas ca como vetores do Rn s~o ortonormais. a Se M  ortogonal ent~o e a
(det M)2 = det M det M = det Mt det M = det Mt M = det In = 1,

isto , | det M| = 1. e

12.9. OPERADOR AUTO-ADJUNTO

189

12.9

Operador Auto-adjunto

Denio 12.64 Sejam U um espao euclidiano e T L (U). Dizemos ca c que T  um operador auto-adjunto se T (u), v = u, T (v) para todo e u, v U. Ex. Resolvido 12.65 Seja T L (R2 ) dado por T (x, y) = (ax+by, bx+ cy). Veri que que T  um operador auto-adjunto. e Resoluo: ca

Temos

T (x, y), (z, t) = (ax + by, bx + cy), (z, t) = axz + byz + bxt + cyt.

Por outro lado,


(x, y), T (z, t) = (x, y), (az + bt, bz + ct) = axz + bxt + byz + cyt.

Comparando as express~es vemos que o


T (x, y), (z, t) = (x, y), T (z, t) .

Note que a matriz do operador do exemplo anterior com rela~o  base ca a can^nica  uma matriz simtrica. Isto, como diz o prximo teorema, n~o o e e o a  uma simples coincid^ncia. e e
Teorema 12.66

Seja U um espao euclidiano de dimens~o nita. Enc a t~o, um operador T L (U)  auto-adjunto se e somente se a matriz a e de T com rela~o a uma base ortonormal de U for simtrica. ca e
uma base ortonormal e A = (aij ) a matriz de (12.67)

Prova: Sejam {u1 , . . . , un } T com rela~o a esta base. ca

Temos

T (uk ) = a1k u1 + + ank un ,

190

CAPTULO 12. ESPACOS EUCLIDIANOS I 

para todo k = 1, . . . , n. Tomando o produto interno de 12.67 com k = i com o vetor uj , obtemos
T (ui ), uj = a1i u1 , uj + + ani un , uj = aji .

(12.68) (12.69)

Por outro lado, tomando o produto interno de ui com T (uj ) temos


ui , T (uj ) = a1j ui , u1 + + anj ui , un = aij .

Suponha que T seja auto-adjunto. Queremos mostrar que aij = aji . Como T  auto-adjunto, segue de 12.68 e de 12.69 que aij = aji . e Reciprocamente, suponha que a matriz (aij ) de T com rela~o a uma ca base ortonormal, u1 , . . . , un seja simtrica. Devemos mostrar que e
T (u), v = u, T (v) .

Note que se
u = 1 u 1 + + n u n

e
v = 1 u1 + + n un ,

ent~o, como o produto interno  linear em cada varivel e a base acima  a e a e ortonormal, temos
n n n n

T (u), v =
i=1

i T (ui ),
j=1

j uj =
i=1 j=1

i j T (ui ), uj

e, analogamente,
n n

u, T (v) =
i=1 j=1

i j ui , T (uj ) .

Desta forma, basta mostrar que T (ui ), uj = ui , T (uj ) . Como (aij )  a e matriz de T com rela~o a esta base, temos por 12.68 e 12.69 que ca
T (ui ), uj = ui , T (uj ) ,

como queramos. 

12.9. OPERADOR AUTO-ADJUNTO


Teorema 12.70

191

Se T L (U)  um operador auto-adjunto e se e e s~o autovalores distintos de T ent~o os autovetores correspondentes a a s~o ortogonais. a
Prova:

Temos

Sejam u e v autovetores correspondentes a e respectivamente.


( ) u, v = u, v u, v = T (u), v u, T (v) = 0

pois T  auto-adjunto. Como = , segue-se que u, v = 0. e Finalizamos este captulo com o seguinte resultado que provaremos  apenas no caso bidimensional. O caso unidimensional  trivial. Para a e  prova no caso geral, indicamos a leitura do livro Algebra Linear, de Elon L. Lima, Cole~o Matemtica Universitria [L]. ca a a
Teorema 12.71 Sejam U um espao euclidiano de dimens~o nita e c a T L (U) um operador auto-adjunto. Ent~o existe uma base ortoa normal de U formada por autovetores de T. Note que todo operador

auto-adjunto  diagonalizvel. e a

Seja u, v uma base ortonormal de U. e e Sabemos pelo teorema 12.66 que a matriz de T  simtrica, ou seja, da forma
Prova do caso bidimensional: A= a b . b c

Desta forma, o polin^mio caracterstico de T  da forma o  e


pT () = 2 (a + c) + ac b2 .

Como
(a + c)2 4(ac b2 ) = a2 + c2 2ac + 4b2 = (a c)2 + 4b2 0

192

CAPTULO 12. ESPACOS EUCLIDIANOS I 

vemos que pT () s apresenta razes reais. Se a = c e b = 0 ent~o A = aI o  a e a prpria base u, v serve para provar o teorema. o Agora, se a = c ou b = 0 ent~o pT () possui duas razes reais distina  tas, isto , T apresenta dois autovalores distintos. Pelo teorema 12.70 os e autovetores correspondentes s~o ortogonais. Basta tomar como base dois a autovetores unitrios correspondentes a cada um dos autovalores. a

12.10
Ex. 12.72

Exerc cios
,

Veri que, em cada um dos itens abaixo, se a aplica~o ca  um produto interno no espao vetorial V. e c 1. 2. 3. 4. 5.
V = R2 , u = (x1 , y1 ), w = (x2 , y2 )

u, w = 2x1 x2 + 4y1 y2 .

V = P3 (R), p(t) = a0 +a1 t+a2 t2 +a3 t3 , q(t) = b0 +b1 t+b2 t2 +b3 t3 e p, q = a0 b0 + a1 b1 + a2 b2 + a3 b3 . V = M2 , A, B M2 A.

A, B =

tr(At B), onde tr(A)  o trao de e c

V = R3 , u = (x1 , y1 , z1 ), w = (x2 , y2 , z2 )

u, w = x1 x2 + y1 y2 .

V = R4 , u = (x1 , y1 , z1 , t1 ), w = (x2 , y2 , z2 , t2 ) y1 y2 + z1 z2 t1 t2 .

u, w = x1 x2 +

Ex. 12.73

Para cada um dos itens abaixo determinar;


b) u , v c)

a) u, v

o ^ngulo entre u e v. a
1 0

1. 2.

V = R3 ,

com o produto interno usual, u = (1, 2, 1), v = (3, 4, 2).


p(t)q(t) dt, u =

V = P2 (R), com produto interno p, q = p(t) = 1 + t + 4t2 , v = q(t) = 2 + 5t2 .

12.10. EXERCCIOS I

193
A, B = tr(At B)

3.

V = M2 , B=

com produto interno


.

, A=

1 2 4 12

8 1 4 3

Ex. 12.74

Em cada um dos itens abaixo determinar d(u, v). com o produto interno usual, u = (1, 1, 1, 1), v = (1, 0, 2, 3). interno
p, q =
1 0

1. 2. 3.

V = R4

V = P2 (R), com produto 1 + t, v = 3 t + 3t2 . 4 V = M3 ,

p(t)q(t) dt

u =

com produto interno


1 2 3 u= 4 5 6 1 1 1

A, B = tr(At B) , 1 2 1 e v = 0 0 1 . 2 2 2 S

Ex. 12.75 Veri que se terno V  ortogonal. e

o subconjunto

do espao com produto inc

1. 2. 3.

V = R3 ,

com o produto interno usual , S = {(0, 1, 1), (1, 1, 0)} . com produto interno
p, q =
1 0

V = P2 (R), t, t2 . V = M3 ,

p(t)q(t) dt

S =

com produto interno


S= 1 0 0 0 ,

A, B = tr(At B) 0 1 0 1 , 0 0 1 0

,
.

Com rela~o ao exerccio anterior, quais conjuntos s~o ca  a ortonormais?


Ex. 12.76

194
Ex. 12.77

CAPTULO 12. ESPACOS EUCLIDIANOS I 

Determinar uma base ortonormal para cada um dos subespaos vetoriais W do espao com produto interno V abaixo, utilic c zando o processo de Gram-Schmidt. 1. 2. 3.
V = R4 ,

com o produto interno usual ,


W = [(1, 1, 0, 0), (0, 1, 2, 0), (0, 0, 3, 4)].

V = P2 (R), [1, 1 + t, t2 ]. V = M3 ,

com produto interno

p, q =

1 0

p(t)q(t) dt

W =

com produto interno


W= 1 0 0 0 ,

A, B = tr(At B) 0 1 0 1 , 0 0 1 1

,
.

Ex. 12.78

Determine m R de modo que T : R3 R3 dada por

1 1 1 2 1 1 1 T (x, y, z) = ( x + y + mz, x + y z, x + z) 3 3 6 6 6 2 2

seja uma isometria.


Ex. 12.79

Determinar uma isometria em


0 x
1 2 1 2

P2 (R)

la~o  base can^nica  ca a o e determinados). Veri que se uma isometria.


Ex. 12.80 Ex. 12.81

0 y

0 1 z

cuja matriz em redevem ser  e

(onde

x, y, z R

T : M2 M2

dada por

T (A) = At , A M2 ,

Mostre que o conjunto in nito


{1, cos x, cos 2x, cos 3x, . . . ,

sen x, sen 2x, sen 3x, . . . }

12.10. EXERCCIOS I

195

 um conjunto ortogonal no espao das fun~es contnuas C([0, 2], R) e c co  2 com rela~o ao produto interno f, g = 0 f(x)g(x)dx. ca A partir do conjunto acima encontre um conjunto ortonormal deste espao. Conclua da que C([0, 2], R) tem dimens~o in nita. c  a

196

CAPTULO 12. ESPACOS EUCLIDIANOS I 

Referncias Bibliogrcas e a
[CDC] [L] 12.9

 Callioli, C. A., Domingues, H. H., Costa, R. C. F., Algebra a Linear e Aplica~es, 2 edi~o, Atual Editora Ltda, 1978. co ca  Lima, E. L., Algebra Linear, Cole~o Matemtica Universitria, ca a a IMPA, CNPq, Rio de Janeiro, 1995.

197

Indice Remissivo
^ngulo, 171 a automor smo, 103 autovalor, 128 autovetor, 127 base, 45 dual, 91 ortonormal, 174 complemento ortogonal, 183 composta, 91 conjunto ortogonal, 172 ortonormal, 172 coordenada, 56 desigualdade de Cauchy-Schwarz, 167 triangular, 167 dimens~o a da soma de subespaos, 51 c de um espao vetorial, 48 c dist^ncia, 170 a espao c dual, 89 vetorial, 9 espaos c isomorfos, 103 forma can^nica de Jordan, 157 o funcional linear, 89 gerador, 31 imagem, 95 imagem inversa, 95 isometria, 184 isomor smo, 103 matriz de mudana de base, 62 c diagonal, 141 diagonalizvel, 142 a ortogonal, 188 semelhante, 135 multiplicidade algbrica, 137 e geomtrica, 128 e ncleo, 96 u 198

NDICE REMISSIVO I norma, 167 operador auto-adjunto, 189 ortogonalidade, 172 polin^mio caracterstico, 135 o  de um operador linear, 136 produto escalar, 164 interno, 163 por escalar, 9 proje~o ortogonal, 176 ca subespao c invariante, 127 prprio, 128 o vetorial de ni~o, 17 ca gerador, 31 soma de, 20 soma direta de, 21 teorema do completamento, 50 do ncleo e da imagem, 97 u transforma~o ca bijetora, 94 diagonalizvel, 141 a idempotente, 102 injetora, 94 linear, 86 matriz de uma, 106 nilpotente, 92 sobrejetora, 94

199