Sumrio

1 MATRIZES E SISTEMAS 4
1.1 Tipos de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Operaes com matrizes . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Matriz na forma escada reduzida por linhas . . . . . . . . . . . . 11
1.4 Clculo da inversa . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.5 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.6 Primeira lista de exerccios . . . . . . . . . . . . . . . . . . . . . 18
1.7 Sistema de equaes lineares . . . . . . . . . . . . . . . . . . . . . 21
1.7.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.7.2 Sistemas e matrizes. . . . . . . . . . . . . . . . . . . . . . 22
1.7.3 Soluo de um sistema por matriz inversa . . . . . . . . . 25
1.8 Segunda lista de exerccios . . . . . . . . . . . . . . . . . . . . . . 27
1.9 Apndice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.9.1 Clculo da inversa por adjunta . . . . . . . . . . . . . . . 31
1.9.2 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . 32
2 ESPAOS VETORIAIS 36
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2 Subespaos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.3 Interseco de dois Subespaos Vetoriais . . . . . . . . . . . . . . 46
2.4 Combinao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.5 Dependncia e Independncia Linear . . . . . . . . . . . . . . . . 49
2.6 Subespaos Gerados . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.7 Soma de Subespaos . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.8 Base e Dimenso de um Espao Vetorial . . . . . . . . . . . . . 54
2.8.1 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.8.2 Dimenso . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.8.3 Dimenso da Soma de Subespaos Vetoriais . . . . . . . . 60
2.8.4 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.9 Mudana de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.10 A Inversa da Matriz de Mudana de Base . . . . . . . . . . . . . 65
2.11 Terceira lista de exerccios . . . . . . . . . . . . . . . . . . . . . . 67
1
3 TRANSFORMAES LINEARES 73
3.1 Propriedades das Transformaes Lineares . . . . . . . . . . . . . 77
3.2 Transformaes Lineares e Matrizes . . . . . . . . . . . . . . . . . 83
3.2.1 Transformao linear associada a uma matriz . . . . . . . 83
3.2.2 Matriz de uma transformao linear . . . . . . . . . . . . 86
3.3 Composio de transformaes lineares . . . . . . . . . . . . . . 90
3.4 A Inversa de uma transformao linear . . . . . . . . . . . . . . . 91
3.5 Quarta lista de exerccios . . . . . . . . . . . . . . . . . . . . . . 95
4 OPERADORES LINEARES 100
4.1 Transformaes especiais no plano e no espao . . . . . . . . . . 100
4.2 Propriedades dos operadores inversveis . . . . . . . . . . . . . . 121
4.3 Operadores autoadjuntos e ortogonais . . . . . . . . . . . . . . . 124
4.4 Quinta lista de exerccios . . . . . . . . . . . . . . . . . . . . . . 126
5 AUTOVALORES E AUTOVETORES 128
5.1 Autovalores e autovetores de uma matriz . . . . . . . . . . . . . . 129
5.1.1 Polinmio Caracterstico. . . . . . . . . . . . . . . . . . . 129
5.1.2 Matrizes Semelhantes . . . . . . . . . . . . . . . . . . . . 136
5.2 Diagonalizao de Operadores . . . . . . . . . . . . . . . . . . . . 137
5.2.1 Matriz Diagonalizadora . . . . . . . . . . . . . . . . . . . 139
5.3 Calculando potncias de uma matriz . . . . . . . . . . . . . . . . 141
5.4 Sexta lista de exerccios . . . . . . . . . . . . . . . . . . . . . . . 144
6 PRODUTO INTERNO 149
6.1 Normas, Distncias e ngulos em Espaos com Produto Interno . 153
6.2 Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.2.1 Conjunto Ortogonal de Vetores . . . . . . . . . . . . . . . 155
6.2.2 Base ortogonal . . . . . . . . . . . . . . . . . . . . . . . . 155
6.2.3 Base ortonormal . . . . . . . . . . . . . . . . . . . . . . . 155
6.2.4 Coordenadas em relao a Bases Ortonormais . . . . . . . 156
6.2.5 Coordenadas em relao a Bases Ortogonais . . . . . . . . 156
6.3 Complementos Ortogonais . . . . . . . . . . . . . . . . . . . . . . 157
6.4 Projees Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . 158
6.5 Encontrando Bases Ortogonais e Ortonormais: Processo de Or-
togonalizao de Gram-Schmidt . . . . . . . . . . . . . . . . . . . 159
6.6 Fatorao QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
6.6.1 Aplicao da fatorao QR . . . . . . . . . . . . . . . . . 162
6.7 Stima lista de exerccios: . . . . . . . . . . . . . . . . . . . . . . 163
2
Apresentao da disciplina
Caro aluno
Esta apostila segue de muito perto a bibliograa referenciada no Plano de
Ensino da disciplina e que correspondem aos livros texto deste curso. Sugere-
se a sua aquisio. O nico objetivo deste material facilitar as atividades dos
alunos em sala de aula, de forma que possam complementar o assunto aqui
proposto com as notas expostas pelos professores em sala de aula e ainda servir
de referncia aos professores e alunos sobre quais tpicos devero ser trabalhados
em cada captulo. De maneira nenhuma a leitura ou consulta da bibliograa
est descartada, isto dever do aluno. Este material podem conter eventuais
erros, enganos ou omisses, caso encontrar, por favor, comunique seu professor.
As respostas da maior parte dos exerccios sero disponibilizadas na pgina:
http://www2.joinville.udesc.br/~dma2gm .
A lgebra Linear constitui uma parte da Matemtica da qual necessitam
matemticos, fsicos, engenheiros, programadores de computadore, economis-
tas, administradores e outros cientistas. Este requisito reete a importncia
desta disciplina pelas mltiplas aplicaes e pelo alcance de sua linguagem. Ela
tambm se faz presente nos diversos ramos da matemtica, aparecendo em dis-
ciplinas como clculo, equaes diferenciais, matemtica discreta, estatstica,
anlise numrica e outras. Sendo assim, a lgebra Linear se tornou uma ferra-
menta indispensvel em quase todas as reas da matemtica e cincias ans. Os
objetos de que trata a lgebra Linear no so apenas matrizes e sistemas lin-
eares. A sua essncia est no estudo dos espaos vetoriais e das transformaes
lineares.
Desejamos a todos um timo semestre de estudos.
3
Captulo 1
MATRIZES E SISTEMAS
Denio de matriz: Chama-se matriz de ordem :: a uma tabela de : :
elementos dispostos em : linhas e : colunas:
=
_

_
a
11
a
12
........ a
1n
a
21
a
22
........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
_

_
Notao: Costumamos denotar as matrizes por letras latinas maisculas:,
1, C, ......
Denio 1 Sejam = [a
I
] e 1 = [/
I
] duas matrizes de ordem : :.
Dizemos que as matrizes e 1 so iguais se, e somente se,
a
I
= /
I
; i = 1, . . . , : e , = 1, . . . , :.
1.1 Tipos de matrizes
Matriz coluna:
a matriz de ordem :1.
= [1]
11
, 1 =
_

_
1
2
3
4
_

_
41
, C =
_

_
1
2
3
.
.
.
999
1000
_

_
10001
4
Matriz linha:
a matriz de ordem 1 :.
Exemplo 2 :
= [1]
11
, 1 =
_
1 2 3 4 5 6 7 10

18
Matriz nula:
a matriz = [a
I
]
nn
onde a
I
= 0, para 1 _ i _ : e 1 _ , _ :.
Exemplo 3 :
' =
_

_
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
_

_
, = [0]
Observao: Denotaremos freqentemente a matriz nula por 0.
Matriz quadrada:
a matriz de ordem : :.
=
_

_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_

_
Os elementos da forma a
II
costituem a diagonal principal
Os elementos a
I
em que i +, = : + 1 constituem a diagonal secundria.
Exemplo 4 : = [0]
11
, 1 =
_
3 3
3 3
_
Matriz diagonal:
Matriz diagonal a matriz quadrada = [a
I
] onde a
I
= 0 para i ,= , :
=
_

_
a
11
0 0 0
0
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
.
0
.
.
.
.
.
. 0
0 0 0 a
nn
_

_
Notao: diaq() = a
11
, , a
nn

Exemplo 5 : = [0]
11
, 1 =
_
3 0
0 3
_
5
Matriz identidade:
a matriz diagonal 1 onde diaq(1) = 1, , 1 .
Notao: 1
n
representa a matriz identidade de ordem :.
Exemplo 6 :
1
2
=
_
1 0
0 1
_
, 1
100
=
_

_
1 0 0
0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
.
.
. 0
0 0 0 1
_

_
Matriz transposta:
Dada uma matriz = [a
I
]
nn
, podemos obter uma outra matriz
T
=
[/
I
]
nn
, cujas linhas so as colunas de , isto , /
I
= a
I
.
T
denominada a
transposta de .
=
_

_
a
11
a
12
........ a
1n
a
21
a
22
........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
_

_
nn
=
T
=
_

_
a
11
a
21
........ a
n1
a
12
a
22
........ a
n2
.
.
.
.
.
.
a
1n
a
2n
........ a
nn
_

_
nn
Exemplo 7 :
=
_

_
1 2 3 4 5
11 12 13 14 15
21 22 23 24 25
31 32 33 34 35
41 42 43 44 45
_

_
=
T
=
_

_
1 11 21 31 41
2 12 22 32 42
3 13 23 33 43
4 14 24 34 44
5 15 25 35 45
_

_
1 =
_
1 2 3 4 5 6

16
=1
T
=
_

_
1
2
3
4
5
6
_

_
61
Matriz simtrica:
Uma matriz quadrada o = [a
I
] simtrica se o
T
= o, isto , se a
I
= a
I
.
Assim, os elementos simetricamente opostos diagonal principal so iguais.
Exemplo 8 :
o =
_
_
1 5 9
5 3 8
9 8 7
_
_
, =
_
0 1
1 0
_
6
Matriz anti-simtrica:
Uma matriz quadrada = [a
I
] anti-simtrica se
T
= , isto , se a
I
=
a
I
. Assim,
i. os elementos da diagonal principal so todos nulos;
ii. os elementos simetricamente dispostos em relao diagonal principal so
opostos.
Exemplo 9 : =
_
_
0 3 4
3 0 6
4 6 0
_
_
Matriz triangular superior:
A matriz quadrada = [a
I
] que tem os elementos a
I
= 0 para i , chamada
matriz triagular superior.
=
_

_
5 4 7 9
0 3 8 4
0 0 2 3
0 0 0 6
_

_
, 1 =
_
0 1
0 0
_
, 1
10000
Matriz triangular inferior:
A matriz quadrada = [a
I
] que tem os elementos a
I
= 0 para i < , chamada
matriz triangular inferior.
Exemplo 10 :
1 =
_

_
5 0 0 0
4 3 0 0
7 4 2 0
9 1 2 6
_

_
, C =
_

_
1 0 0 0
0 2 0 0
0 0 2 0
0 0 0 2
_

_
1.2 Operaes com matrizes
Adio:
Dados = [a
I
]
nn
e 1 = [/
I
]
nn
denimos +1 por,
+1 = [a
I
+/
I
]
nn
Propriedades:
i. +1 = 1 +
ii. + (1 +C) = (+1) +C
iii. +0 =
7
Multiplicao por escalar:
Seja = [a
I
]
nn
e / um nmero real denimos / por
/ = [/ a
I
]
nn
Exemplo 11 : 2
_
2 10
1 3
_
=
_
4 20
2 6
_
Propriedades:
i. /(+1) = /+/1
ii. (/
1
+/
2
) = /
1
+/
2

iii. 0 = 0
iv. /
1
(/
2
) = (/
1
/
2
)
Multiplicao de Matrizes:
Sejam = [a
I
]
nn
e 1 = [/
I
]
n
, denimos 1 por 1 = [c
I
]
n
, onde
c
I
=
n

|=1
a
I|
/
|
= a
I1
/
1
+..... +a
In
/
n
Observe que o nmero de colunas de deve ser igual ao nmero de linhas
de 1.
Exemplo 12 :
_
_
2 1
4 2
5 3
_
_
32
_
1 1
0 4
_
22
=
_
_
2 1 + 1 0 2 (1) + 1 4
4 1 + 2 0 4 (1) + 2 4
5 1 + 3 0 5 (1) + 3 4
_
_
=
_
_
2 2
4 4
5 7
_
_
Propriedades da multiplicao de matrizes:
i. 1 = 1 =
ii. (1 +C) = 1 +C
iii. (+1)C = C +1C
iv. (1)C = (1C)
v. (1)
T
= 1
T

T
vi. 0 = 0 = 0
8
Observao 13 Note que, em geral, 1 ,= 1. Por exemplo,dadas as matrizes
=
_
_
1 1 1
3 2 1
2 1 0
_
_
e 1 =
_
_
1 2 3
2 4 6
1 2 3
_
_
Verique que 1 = 0 e que 1 =
_
_
11 6 1
22 12 2
11 6 1
_
_
.
Propriedades da matriz transposta
i. (+1)
T
=
T
+1
T
ii. (`)
T
= `
T
, onde ` um nmerto real
iii. (
T
)
T
=
iv. (1)
T
= 1
T

T
Exemplo 14 Mostre que se uma matriz quadrada ento +
T
simtrica
e
T
anti-simtrica.
Matriz inversa:
Dada uma matriz quadrada = [a
I
] , se existir uma matriz 1 que satisfaa
1 = 1 = 1 diz-se que 1 a inversa de e denota-se 1 por
1
, ou seja,

1
=
1
= 1.
Exemplo 15 :
=
_
11 3
7 2
_
,
1
=
_
2 3
7 11
_
.
Dizemos que uma matriz inversvel (no singular) se existe a matriz
inversa
1
, caso contrrio dizemos que a matriz no inversvel (singular).
Algumas propriedades importantes:
1. no singular se o determinante de diferente de zero. singular
se determinante de igual a zero.
2. Se admite inversa (det ,= 0) esta nica.
3. Se no singular, sua inversa
1
tambm , isto , se det ,= 0 ento
det
1
,= 0. A matriz inversa de
1
.
4. A matriz identidade 1 no singular (pois det 1 = 1) e 1
1
= 1.
9
5. Se a matriz no singular, sua transposta
T
tambm . A matriz
inversa de
T
(
1
)
T
, isto , (
T
)
1
= (
1
)
T
, dai concluimos que se
det ,= 0 ento det
T
,= 0.
6. Se as matrizes e 1 so no singulares e de mesma ordem, o produto
1 uma matriz no singular. Vale a relao (1)
1
= 1
1

1
.
Exemplo 16 :
=
_
2 3
2 2
_
==det
_
2 3
2 2
_
= 2 = no singular
1 =
_
1 10
1 10
_
=det
_
1 10
1 10
_
= 0 = singular
Exemplo 17 Demonstre as propriedades 2 e 6.
Matriz ortogonal:
Uma matriz ', quadrada, cuja inversa conicide com sua transposta denomi-
nada matriz ortogonal. Portanto ' ortogonal se '
1
= '
T
, ou seja,
''
T
= '
T
' = 1
Exemplo 18 ' =
_
1
2
p
3
2 p
3
2
1
2
_
Potncia de uma matriz:
Seja = [a
I
] uma matriz quadrada de ordem :.
1. Dene-se
0
= 1
n
2. A matriz
|
= .....
. .
ut:ts
chamada k-sima potncia de para
/ _ 1.
3. Se for invertvel, dene-se
|
=
_

1
_
|
, / N.
=
_
1 2
4 3
_
,
2
=
_
9 8
16 17
_
,
3
=
_
41 42
84 83
_
Trao de uma matriz:
Seja = [a
I
] uma matriz quadrada de ordem :. O trao de , que denotamos
por tr(), a soma dos elementos da diagonal principal, isto ,
tr() = a
11
+a
22
+. . . +a
nn
=
n

I=1
a
II
10
1.3 Matriz na forma escada reduzida por linhas
Denio 19 Uma matriz :: linha reduzida forma escada, ou escalon-
ada, se:
a) O primeiro elemento no nulo de uma linha no nula 1.
b) Cada coluna que contm o primeiro elemento no nulo de alguma linha tem
todos os seus outros elementos iguais a zero.
c) Toda linha nula ocorre abaixo de todas as linhas no nulas (isto ,. daquelas
que possuem pelo menos um elemento no nulo)
d) Se as linhas 1, ..., j so as linhas no nulas, e se o primeiro elemento no
nulo da linha i ocorre na coluna /
1
, ento /
1
< /
2
< ..... < /
n
.
Exemplo 20 :
1)
_
_
1 0 0 0
0 1 1 0
0 0 1 0
_
_
no forma escada. No vale b).
2)
_
_
0 2 1
1 0 3
1 0 0
_
_
no forma escada. No vale a) e b).
3)
_
_
0 1 3 0 1
0 0 0 0 0
0 0 0 1 2
_
_
no forma escada. No vale c).
4)
_
_
0 1 3 0 1
0 0 0 1 3
0 0 0 0 0
_
_
forma escada.
Operaes elementares linha: So trs as operaes elementares sobre
as linhas de uma matriz.
1
o
) Permuta da i c:i:a e , c:i:a linha (1
I
1

).
Exemplo 21 :
_
_
1 0
4 1
3 4
_
_
L
2
L
3
_
_
1 0
3 4
4 1
_
_
2
o
) Multiplicao da i c:i:a linha por um escalar no nulo / (1
I
/1
I
).
Exemplo 22 .
_
_
1 0
4 1
3 4
_
_
1
2
31
2
_
_
1 0
12 3
3 4
_
_
11
3
o
) Substituio da i c:i:a linha pela i c:i:a linha mais / vezes a , c:i:a
linha (1
I
1
I
+/1

)
Exemplo 23 :
_
_
1 0
4 1
3 4
_
_
1
3
1
3
+ 21
1
_
_
1 0
4 1
1 4
_
_
.
Observao 24 Se e 1 so matrizes : :, dizemos que 1 linha equiv-
alente a , se 1 for obtida de atravs de um nmero nito de operaes
elementares sobre as linhas de . Notao ~ 1.
Exemplo 25 :
_
_
1 0
4 1
3 4
_
_
linha equivalente a
_
_
1 0
0 1
0 0
_
_
pois,
_
_
1 0
4 1
3 4
_
_
1
2
1
2
41
1
_
_
1 0
0 1
3 4
_
_
1
3
1
3
+ 31
1
_
_
1 0
0 1
0 4
_
_
1
2
1
2
_
_
1 0
0 1
0 4
_
_
1
3
1
3
41
2
_
_
1 0
0 1
0 0
_
_
Teorema: Toda matriz de ordem :: linha equivalente a uma nica
matriz linha-reduzida forma escada.
Exemplo 26 : Dada a matriz =
_
_
2 1 3
4 5 6
3 1 2
_
_
,obtenha uma nica matriz
1 na forma escada linha equivalente a matriz .
Soluo:
_
_
2 1 3
4 5 6
3 1 2
_
_
1
1

1
2
1
1
_
_
1
1
2
3
2
4 5 6
3 1 2
_
_
1
2
1
2
41
1
_
_
1
1
2
3
2
0 3 0
3 1 2
_
_
1
3
1
3
31
1
_
_
1
1
2
3
2
0 3 0
0
1
2

13
2
_
_
1
2

1
3
1
2
_
_
1
1
2
3
2
0 1 0
0
1
2

13
2
_
_
1
3
1
3
+
1
2
1
2
_
_
1
1
2
3
2
0 1 0
0 0
13
2
_
_
1
3

2
13
1
3
_
_
1
1
2
3
2
0 1 0
0 0 1
_
_
1
1
1
1

1
2
1
2
_
_
1 0
3
2
0 1 0
0 0 1
_
_
1
1
1
1

3
2
1
3
_
_
1 0 0
0 1 0
0 0 1
_
_
12
Exerccio 27 Dada a matriz , obtenha uma matriz na forma escada equiva-
lente a matriz dada.
a)
_

_
1 0 0 0
1 0 1 0
0 1 0 1
1 0 0 1
_

_
b)
_

_
1 0 1 0
0 1 0 1
0 1 0 1
0 1 1 1
_

_
Posto de uma matriz:
Dada uma matriz
nn
, seja 1
nn
a matriz linha reduzida forma escada,
linha equivalente matriz . O posto de , denotado por j, o nmero de
linhas no nulas de 1 e a nulidade de : j, onde : o nmero de colunas
de e j o posto de .
Exemplo 28 : Encontrar o posto e a nulidade das matrizes:
a) =
_
_
1 2 1 0
1 0 3 5
1 2 1 1
_
_
Soluo: A matriz linha equivalente a matriz 1 =
_
_
1 0 0
7
8
0 1 0
1
4
0 0 1
11
8
_
_
portanto o posto de 3 (o nmero de linhas no nulas da matriz 1) e a
nulidade :j = 43 = 1 (: o numero de colunas da matriz e j o posto
de )
b) =
_

_
1 0
14
9
0 1
1
4
0 0 0
0 0 0
_

_
Soluo: posto = 2 e nulidade de 3 2 = 1
c) =
_

_
2 1 10
0 1
1
4
1 2 0
1 3 0
_

_
=1 =
_

_
2 1 10
0 1
1
4
0 0
43
8
0 0 0
_

_
Soluo posto de = 3 e nulidade de 0
1.4 Clculo da inversa
Clculo da inversa por escalonamento:
Para se determinar a matriz inversa de uma matriz , no singular, atravs
de operaes elementares entre as linhas da matriz fazemos o seguinte:
13
a) Coloca-se ao lado da matriz a matriz 1, separada por um trao vertical
tracejado.
b) Transforma-se por meio de operaes elementares a matriz na matriz 1,
aplicando simultaneamente matriz 1 colocada ao lado da matriz as
mesmas operaes elementares aplicadas matriz .
Exemplo 29 : Calcular inversa da matriz =
_
2 1
4 3
_
por escalonamento.
_
2 1 1 0
4 3 0 1
_
1
1

1
2
1
1
_
1
1
2
1
2
0
4 3 0 1
_
1
2
1
2
41
1
_
1
1
2
1
2
0
0 1 2 1
_
1
1
1
1

1
2
1
2
_
1 0
3
2

1
2
0 1 2 1
_
Logo

1
=
_
3
2

1
2
2 1
_
1.5 Determinantes
Denio 30 Determinante de uma matriz um nmero real associado
matriz .
Notao: det .
Denotamos tambm o determinante da matriz ,
=
_

_
a
11
a
12
a
1n1
a
1n
a
21
a
22
a
2n1
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n11
a
n12

.
.
. a
n1n
a
n1
a
n2
a
n1n
a
nn
_

_
por
det =

a
11
a
12
a
1n1
a
1n
a
21
a
22
a
2n1
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n11
a
n12

.
.
. a
n1n
a
n1
a
n2
a
n1n
a
nn

14
Propriedades do determinante:
1. det = det
T
;
2. det(1) = det det 1;
3. Se a matriz possui uma linha ou coluna nula ento det = 0;
4. Se a matriz tem duas linhas ou colunas iguais ento det = 0;
5. Se na matriz uma linha (ou coluna) mltipla de outra linha (coluna)
ento det = 0;
6. Trocando a posio de duas linhas (colunas) o derminante muda de sinal;
7. Quando se multiplica uma linha (coluna) de uma matriz por um nmero
/ ,= 0 o determinante ca multiplicado por esse mesmo nmero;
8. O determinante de uma matriz no se altera quando se faz a seguinte
operao entre linha: 1
I
1
I
+/1

;
9. O determinante de uma matriz triangular superior ( ou inferior) igual
ao produto do elementos da diagonal principal;
10. A partir de det(1) = det det 1 temos
det(
1
) = det 1 =det det
1
= 1 =det =
1
det
1
Clculo do determinante por triangulao. Para se calcular o determi-
nante de uma matriz usamos as operaes elementares linha de modo a obter
uma matriz triangular superior (ou inferior) observando as propriedades do de-
terminante e fazendo as compensaes necessrias.
Exemplo 31 =
_
_
2 1 1
2 0 1
3 1 0
_
_
det =

2 1 1
2 0 1
3 1 0

1
2
1
3
(Quando permutamos as linhas o deter-
minante troca de sinal)
(1) det =

2 1 1
3 1 0
2 0 1

1
1

1
2
1
1
(Quando multiplicamos uma linha
por um nmero o det. ca multiplicado pelo mesmo nmero)
1
2
(1) det =

1
1
2
1
2
3 1 0
2 0 1

1
2
1
2
+ (3)1
1
1
3
1
3
21
1
(Esta operao no al-
tera o determinante)
15
1
2
(1) det =

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

1
3
1
3
21
2
(Esta operao no altera o
determinante)
1
2
(1) det =

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

(O determinante de uma matriz triangular

superior o produto dos elementos da diagonal principal)
1
2
(1) det =
1
2
=det = 1
Clculo do determinante por desenvolvimento de Laplace:
Regra de Chi:
Se a matriz de ordem 2 2 ento:
det
_
a
11
a
12
a
21
a
22
_
= a
11
a
22
a
21
a
12
det
_
5 1
2 3
_
= 5 + 3 2 + 1 = 13
Regra de Sarrus:
Se de ordem 3 3
=
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
=
a
11
a
12
a
13
a
11

a
21
a
22
a
23
a
21

a
31
a
32
a
33
a
31
a
12

a
22

a
32
det = (a
11
a
22
a
33
)+(a
12
a
23
a
31
)+(a
13
a
21
a
32
)(a
31
a
22
a
13
)(a
32
a
23
a
11
)
(a
33
a
21
a
12
)
Desenvolvimento de Laplace:
Para uma matriz de ordem : : usamos o desenvolvimento de Laplace qu
dado pela frmula.
det
nn
=
n

=1
a
I
(1)
I+
det
I
onde
I
a submatriz obtida a partir da matriz eliminando-se a i c:i:a
linha e a , c:i:a coluna da matriz . Se chamarmos
I
= (1)
I+
det
I
ento
det
nn
=
n

=1
a
I

I
Exemplo 32 :
16
=
_

_
1 2 3 4
4 2 0 0
1 2 3 0
2 5 3 1
_

_
Vamos calcular o determinante da matriz fazendo o desenvolvimento pela
primeira linha (note que seria mais conveniente desenvolver pela segunda linha,
pois ela possui dois elementos nulos).
det = 1(1)
1+1

2 0 0
2 3 0
5 3 1

+ 2(1)
1+2

4 0 0
1 3 0
2 3 1

+3(1)
1+3

4 2 0
1 2 0
2 5 1

+(4)(1)
1+4

4 2 0
1 2 3
2 5 3

det = (1)(1)(6) + 2(1)(12) + (3)(1)(10) + (4)(1)(78)

det = 372.
17
1.6 Primeira lista de exerccios
1. Dadas as matrizes =
_
a + 2/ 2a /
2c +d c 2d
_
e 1 =
_
9 2
4 7
_
, determine a, /, c
e d para que = 1.
2. Seja =
_
2 r
2
2r 1 0
_
.Determine o valor de r para que seja uma
matriz simtrica.
3. Mostre que se simtrica, ento 1
T
1 simtrica (1 quadrada de
mesma ordem que ).
4. Mostre que toda matriz quadrada pode ser escrita como a soma de uma
matriz simtrica com uma matriz anti-simtrica, ou seja, = o + onde
o uma matriz simtrica e uma matriz anti-simtrica. Sugesto: Use
o exemplo 14.
5. Seja invertvel. Mostre que se 1 = 1C, ento 1 = C. D um exemplo
de uma matriz no-nula tal que 1 = 1C, mas 1 ,= C.
6. Mostre que a matriz
' =
_
_
cos 0 sin0 0
sin0 cos 0 0
0 0 1
_
_
uma matriz ortogonal.
7. Sejam 1 e Q matrizes ortogonais de mesma ordem.
(a) 1Q uma matriz ortogonal? 1
T
uma matriz ortogonal? Justique
sua resposta.
(b) Quais os valores que det Q pode ter?
8. Dada uma matriz de ordem : : mostre que a matriz
T
uma
matriz simtrica de ordem : :. A matriz
T
simtrica? Qual sua
ordem?
9. Mostre que a matriz =
_
_
2 2 4
1 3 4
1 2 3
_
_
idempotente, isto ,
2
= .
10. Sejam e 1 matrizes quadradas de mesma ordem. Qual a condio que
devemos ter para que (+1)
2
=
2
+ 21 +1
2
?
11. Um construtor tem contratos para construir 3 estilos de casa: moderno,
mediterrneo e colonial. A quantidade empregada em cada tipo de casa
dada pela matriz
18
1crro 'adcira \ idro Ti:ta Ti,o|o
'odcr:o
'cditcrr^ a:co
Co|o:ia|
_
_
5
7
6
20
18
25
16
12
8
7
9
5
17
21
13
_
_
(a) Se ele vai construir 5,7 e 12 casas dos tipos moderno, mediterrneo
e colonial, respectivamente, quantas unidades de cada material sero
empregadas?
(b) Suponha agora que os preos por unidade de ferro, madeira, vidro,
tinta e tijolo sejam respectivamente, 15, 8, 5, 1 e 10 reais. Qual o
preo unitrio de cada tipo de casa?
(c) Qual o custo total do material empregado?
12. Calcule o determinante de onde
(a) =
_

_
3 1 5 0
0 2 0 1
2 0 1 3
1 1 2 0
_

_
,
(b) =
_

_
3 0 0 0 0
19 18 0 0 0
6 5 0 0
4
_
2
_
3 0 0
8 3 5 6 1
_

_
(c) =
_
_
_
_
_
_
9 1 9 9 9
9 0 9 9 2
4 0 0 5 0
9 0 3 9 0
6 0 0 7 0
_
_
_
_
_
_
13. Encontre
1
, onde
(a) =
_

_
4 1 2 2
3 1 0 0
2 3 1 0
0 7 1 1
_

_
,
(b) =
_
_
1 0 r
1 1 r
2
2 2 r
2
_
_
14. Encontre os valores d / para os quais a matriz
=
_
_
/ 3 0 3
0 / + 2 0
5 0 / + 5
_
_
19
no inversvel.
15. Existe alguma matriz "inversvel"A tal que A
2
= 0? Justique sua re-
sposta.
16. Encontre todos os valores de ` para os quais a matriz `1
4
tem inversa,
em que
=
_

_
2 0 0 0
2 0 0 0
1 2 1 0
3 2 1 2
_

_
17. Para a matriz = (a
I
)de ordem 2 denida por a
I
= i + ,, calcular
)(t) = dct(t1
2
) e resolver a equao do segundo grau )(t) = 0.
18. Para a matriz denida por:
' =
_
a /
c d
_
calcular )(t) = dct('t1
2
) e resolver a equao do segundo grau )(t) = 0.
19. Verique se as armaes abaixo so VERDADEIRAS ou FALSAS.
Se forem verdadeiras, demonstre. Se forem falsas, d um contra-exemplo.
(a) Se uma matriz quadrada for ortogonal ento det = 1.
(b) det(1 +) = 1 + det
(c) Se uma matriz simtrica ento +
T
tambm simtrica.
(d) Se e 1 so inversveis ento +1 tambm .
(e) Se uma matriz quadrada simtrica e 1 uma matriz ortogonal
ento a matriz +1
1
nunca ser simtrica.
(f) Se uma matriz anti-simtrica de ordem 3, ento det = 0
(g) Se no-inversvel e 1 = 0 ento 1 = 0
(h) Se anti-simtrica inversvel, ento
1
anti-simtrica.
(i) Seja uma matriz quadrada, ento tr(+1) = tr() +tr(1).
(j) Se , 1 e C so matrizes :: inversveis, ento (1C)
1
= C
1
1
1

1
.
(k) Se =
_
_
_
_
_
_
2 3 1 0 2
1 1 0 5 2
1 2 1 4 3
0 0 1 3 2
2 3 1 0 1
_
_
_
_
_
_
e 1 =
_
_
_
_
_
_
1 0 1 1 4
1 3 1 2 1
1 1 1 1 1
1 4 1 2 1
2 1 2 1 2
_
_
_
_
_
_
satis-
fazem a relao
1
1 = 1 ento det 1 = 24.
20
1.7 Sistema de equaes lineares
1.7.1 Introduo
Uma equao linear uma equao da forma
a
1
r
1
+a
2
r
2
+a
3
r
3
+...... +a
n
r
n
= /
na qual a
1
, a
2
, a
3
, ...., a
n
so os respectivos coecientes das variveies r
1
, r
2
, r
3
, ...., r
n
e / o termo independente. Os nmeros a
1
, a
2
, a
3
, ...., a
n
e o termo indepen-
dente / geralmente so nmeros conhecidos e as variveis r
1
, r
2
, r
3
, ...., r
n
so
as incgnitas.
Os valores das variveis que transformam uma equao linear em uma iden-
tidade, isto , que satisfazem a equao, constituem sua soluo. Esses valores
so denominados razes das equaes lineares.
A um conjunto de equaes lineares se d o nome de sistema de equaes
lineares e tem a seguinte representao:
a
11
r
1
+a
12
r
2
+a
13
r
3
+...... +a
1n
r
n
= /
1
a
21
r
1
+a
22
r
2
+a
23
r
3
+...... +a
2n
r
n
= /
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
r
1
+a
n2
r
2
+a
n3
r
3
+...... +a
nn
r
n
= /
n
Os valores das variveis que transformam simultaneamente as equaes de
um sistema de equaes lineares em uma identidade, isto , que satisfazem a
equao constituem sua soluo.
Diz-se que dois sistemas de equaes lineares so equivalentes quando ad-
mitem a mesma soluo.
Exemplo 33 Os sistemas
2r + 3j = 11
r +j = 3
c
10r 2j = 38
3r + 5j = 7
so equivalentes pois possuem as mesmas solues, r = 4 e j = 1
Quanto as solues, trs casos podem ocorrer:
1. O sistema possui uma nica soluo. Neste caso, dizemos que o sistema
compatvel e determinado.
2. O sistema possui innitas solues. Neste caso, dizemos que o sistema
compatvel e indeterminado.
3. O sistema no possui nenhuma soluo. Neste caso, dizemos que o sistema
incompatvel.
21
1.7.2 Sistemas e matrizes.
Dado um sistema linear na forma,
a
11
r
1
+a
12
r
2
+a
13
r
3
+...... +a
1n
r
n
= /
1
a
21
r
1
+a
22
r
2
+a
23
r
3
+...... +a
2n
r
n
= /
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
r
1
+a
n2
r
2
+a
n3
r
3
+...... +a
nn
r
n
= /
n
(1.1)
podemos representa-lo matricialmente utilizando as notaes da teoria de ma-
trizes da seguinte maneira:
Se
=
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
A =
_

_
r
1
r
2
.
.
.
r
n
_

_
1 =
_

_
/
1
/
2
.
.
.
/
n
_

_
podemos escrever o sistema (1.1) na forma matricial:
A = 1
onde a matriz dos coecientes, 1 a matriz coluna dos termos indepen-
dentes e A a matriz coluna das incgnitas.
Ao sistema (1.1) associamos a seguinte matriz:
_

_
a
11
a
12
a
1n
[ /
1
a
21
a
22
a
2n
[ /
2
.
.
.
.
.
.
.
.
. [
.
.
.
a
n1
a
n2
a
nn
[ /
n
_

_
que chamamos matriz ampliada do sistema.
Teorema: Dois sistemas que possuem matrizes ampliadas equivalentes so
equivalentes.
Dada a matriz ampliada do sistema de equaes lineares consideramos a
matriz linha reduzida a forma escada obtida a partir da matriz ampliada do
sistema:
Teorema:
1. Um sistema de : equaes e : incgnitas admite soluo se, e somente se,
o posto da matriz ampliada igual ao posto da matriz dos coecientes.
22
2. Se as duas matrizes tem o mesmo posto j e j = : (nmero de colunas da
matriz dos coecientes, ou nmeros de variveis) a soluo nica.
3. Se as duas matrizes tem o mesmo posto e j ,= : podemos escolher : j
incgnitas e as outras incgnitas sero dadas em funo destas. O nmero
: j chamado grau de liberdade do sistema.
Resumo:
Dado um sistema de : equaes e : incgnitas seja
o
a matriz ampliada
do sistema e seja
t
a matriz linha equivalente a matriz
o
onde a matriz dos
coecientes esto na forma escada. Seja j
o
o posto da matriz ampliada e j
c
o
posto da matriz dos coecientes obtidos a partir da matriz
t
.
Se j
o
,= j
c
ento o sistema incompatvel ( no possui soluo)
Se j
o
= j
c
ento o sistema compatvel (possui soluo). Seja j = j
o
= j
c
,
se j = : ento o sistema compatvel e determinado (possui uma nica
soluo). Se j < : o sistema compatvel e indeterminado (possui inni-
tas solues). Sempre que um sistema possuir innitas solues deveremos
atribuir valores a algumas variveis e determinar o valor das outras var-
iveis em funo destas. O nmero de variveis as quais deveremos atribuir
valor o grau de liberdade do sistema, dado pelo nmero : j.
Exemplo 34 Classicar e resolver o sistema:
_
_
_
2r
1
+r
2
+ 3r
3
= 8
4r
1
+ 2r
2
+ 2r
3
= 4
2r
1
+ 5r
2
+ 3r
3
= 12
(1.2)
Soluo:
Matriz Ampliada

o
=
_
_
2 1 3 [ 8
4 2 2 [ 4
2 5 3 [ 12
_
_
Matriz linha equivalente a matriz ampliada, onde a parte da matriz dos
coecientes est na forma escada

t
=
_
_
1 0 0 [ 2
0 1 0 [ 5
0 0 1 [ 3
_
_
De
t
obtemos: j
c
= 3, j
o
= 3 e : = 3.
j = j
c
= j
o
= 3 = sistema compatvel
j = : = sistema compatvel e determinado (possui uma nica soluo)
A matriz
c
a matriz ampliada do seguinte sistema:
23
_
_
_
r
1
= 2
r
2
= 5
r
3
= 3
Como sistemas equivalentes tem a mesma soluo, a soluo do sistema (1.2)

r
1
= 2
r
2
= 5
r
3
= 3
Exemplo 35 Classicar e resolver o sistema:
_
_
_
4j + 2r + 6. = 6
4. 2j + 3r = 38
r + 3. + 2j = 3
Soluo: Reescrevendo o sistema, obtm-se
_
_
_
2r + 4j + 6. = 6
3r 2j 4. = 38
r + 2j + 3. = 3
(1.3)

o
=
_
_
2 4 6 [ 6
3 2 4 [ 38
1 2 3 [ 3
_
_

t
=
_
_
1 0
1
4
[
41
4
0 1
13
8
[
29
8
0 0 0 [ 0
_
_
Neste caso temos:
: = 3
j
o
= 2
j
c
= 2 =j = 2
j < : =sistema compatvel e indeterminado (innitas solues)
qran dc |i/crdadc = : j = 1
O sistema (1.3) equivalente ao sistema
_
r
1
4
. =
41
2
j +
13
8
. =
29
8
Para encontrar uma soluo (note que existem innitas solues) devemos
atribuir valor a uma das variveis (pois o grau de liberdade 1) e determinar
as outras. Note que ca mais fcil se atribuirmos valor a varivel . : Por
exemplo fazendo . = 0, temos que: r =
41
4
e j =
29
8
( Poderamos
atribuir outro valor qualquer a ., e para cada valor de . teremos os valores
correspondentes de r e j, da temos innitas solues)
Exemplo 36 Classicar e resolver o sistema:
24
Soluo:
_
_
_
6r 4j 2. = 3
r +j +. = 1
3r 2j . = 1

o
=
_
_
6 4 2 [ 3
1 1 1 [ 1
3 2 1 [ 1
_
_

t
=
_
_
1 0
1
5
[
7
10
0 1
4
5
[
3
10
0 0 0 [
1
2
_
_
Neste caso:
: = 3
j
c
= 2
j
o
= 3 =j
o
,= j
c
=sistema incompatvel (no possui soluo)
1.7.3 Soluo de um sistema por matriz inversa
Usando a notao matricial para sistemas lineares temos que
CA = 1 (supondo que existe C
1
)
C
1
CA = C
1
1 (observe que estamos multiplicando C
1
pela esquerda)
1A = C
1
1
A = C
1
1
Logo para se determinar a soluo basta multiplicar a matriz inversa dos
coecientes pela matriz dos termos independentes (pela esquerda, j que a mul-
tiplicao de matrizes no comutativa). Se a matriz C no tem inversa ento
ou o sistema no possui soluo ou possui innitas solues.
Exemplo 37 Resolva o sistema
_
_
_
2r + 3j . = 1
r 3j +. = 1
r + 2j . = 1
pelo mtodo da in-
versa:
Soluo:
C =
_
_
2 3 1
1 3 1
1 2 1
_
_
1 =
_
_
1
1
1
_
_
A =
_
_
r
j
.
_
_
C
1
=
_
_
1 1 0
0 1 1
1 1 3
_
_
CA = 1
A = C
1
1
25
_
_
r
j
.
_
_
=
_
_
1 1 0
0 1 1
1 1 3
_
_
_
_
1
1
1
_
_
=
_
_
2
2
3
_
_
O prximo teorema apresenta resultados importantes sobre sistemas lineares
e matrizes inversveis.
Teorema 38 Se uma matriz : :, ento as seguintes armaes so equi-
valentes:
a) inversvel.
b) A = 0 s tem a soluo trivial.
c) equivalentes por linha matriz 1
n
.
d) A = 1 tem exatamente uma soluo para cada matriz 1
n1
.
Demonstrao: A demonstrao ca como exerccio.
26
1.8 Segunda lista de exerccios
1. Resolva o sistema de equaes, escrevendo a matriz ampliada do sistema
inicial e escrevendo o sistema nal do qual se obter a soluo do sistema
original:
_

_
2r j + 3. = 11
4r 3j + 2. = 0
r +j +. = 6
3r +j +. = 4
2. Considere o sitema linear
_
_
_
r +j + 3. = 2
r + 2j + 4. = 3
r + 3j +a. = /
. Para que valores de a e /
o sistema
(a) tem uma innidade de solues?
(b) tem nica soluo?
(c) impossvel?
3. Seja
_

_
a 0 /
.
.
. 2
a a 4
.
.
. 4
0 a 2
.
.
. /
_

_
a matriz ampliada de um sistema linear. Para quais
valores de a e / o sistema tem
(a) nica soluo,
(b) nenhuma soluo,
(c) uma soluo com duas variveis livres?
4. Encontre a relao entre a, / e c para que o sistema linear
_
_
_
r + 2j 3. = a
2r + 3j + 3. = /
5r + 9j 6. = c
seja possvel para quaisquer valores de a, / e c.
5. Reduza as matrizes forma escada atravs de operaes linhas:
(a)
_
_
1 2 3 1
2 1 2 3
3 1 2 3
_
_
(b)
_

_
0 2 2
1 1 3
3 4 2
2 3 1
_

_
27
6. Determine / para que o sistema admita soluo
_
_
_
4r + 3j = 2
5r 4j = 0
2r j = /
7. Encontre todas as solues do sistema
_
_
_
r
1
+ 3r
2
+ 2r
3
+ 3r
4
7r
5
= 14
2r
1
+ 6r
2
+r
3
2r
4
+ 5r
5
= 2
r
1
+ 3r
2
r
3
+ 2r
5
= 1
8. Apresente todos os possveis resultados na discusso de um sistema no-
homogneo de 6 equaes lineares com 4 incgnitas.
9. Se uma matriz 3 5, quais so os possveis valores da nulidade de ?
E se for 4 2?
10. Explique por que a nulidade de uma matriz nunca negativa.
11. Um sistema homogneo com 3 equaes e 4 incgnitas sempre tem uma
soluo no-trivial.
12. Chamamos de sistema homogneo de : equaes e : incgnitas aquele
sistema cujos termos independentes so todos nulos.
(a) Um sistema homogneo admite pelo menos uma soluo. Qual ela?
(b) Encontre os valores de / R, tais que o sistema homogneo
_
_
_
2r 5j + 2. = 0
r +j +. = 0
2r +/. = 0
tenha uma soluo distinta da soluo trivial.
13. Se det = 0, ento o sistema homogneo A = 0 tem innitas solues
? Justique sua resposta.
14. Podemos resolver um sistema usando matriz inversa da seguinte forma:
A = 1

1
A =
1
1
A =
1
1
Isto til quando desejamos resolver vrios sistemas lineares que possuem
a mesma matriz dos coecientes.
Usando a teoria acima resolva os sistema A = 1 onde =
_
_
1 2 2
2 5 4
3 7 5
_
_
e
28
a) 1 =
_
_
1
2
3
_
_
b) 1 =
_
_
1
3
100
_
_
c)
_
_
1000
10
100
_
_
d)
_
_
111
311
511
_
_
15. Resolva o sistema matricial 1
1
A = onde 1 = diaq(1, 2, 3, 4, 5, 6)
=
_

_
1 0 0 0 1 1
0 1 2 2 2 2
0 0 1 1 1 1
0 0 0 1 1 1
0 0 0 0 1 0
0 0 0 0 0 1
_

_
16. Classique o sistema e exiba uma soluo, caso ela exista:
_
_
_
2r + 4j + 6. = 6
3r 2j 4. = 38
r + 2j + 3. = 3
17. Uma editora publica um best-seller potencial com trs encadernaes difer-
entes: capa mole, capa dura e encardenao de luxo. Cada exemplar ne-
cessita de um certo tempo para costura e cola conforme mostra a tabela
abaixo:
Se o local onde so feitas as costuras ca disponvel 6 horas por dia e o
local onde se cola, 11 horas por dia, quantos livros de cada tipo devem
ser feitos por dia, de modo que os locais de trabalho sejam plenamente
utilizados?
18. Num grande acampamento militar h 150 blindados dos tipos BM3, BM4 e
BM5, isto , equipados com 3, 4 e 5 canhes do tipo MX9 respectivamente.
O total de canhes disponveis igual a 530. A soma dos BM4 com os BM5
corresponde aos 2 / 3 dos BM3. Se para o incio de uma manobra militar,
cada canho carrega 12 projteis, quantos projteis sero necessrios para
o grupo dos BM4 no incio da operao?
19. a) Em cada parte, use a informao da tabela para determinar se o sistema
A = 1 possvel. Se for, determine o nmero de variveis livres
da soluo geral. Justique sua resposta.
(a) (/) (c) (d)
Tamanho de 3 3 9 5 4 4 3 3
Posto de 2 4 0 3
Posto de [[1] 3 4 0 3
29
b) Para cada uma das matrizes da tabela acima determine se o sistema
homogneo A = 0, possvel. Indique a quantidade de solues
para cada caso.
30
1.9 Apndice
1.9.1 Clculo da inversa por adjunta
Dada uma matriz , lembramos que o cofator d
I
do elemento a
I
da matriz
o elemento (1)
I+
det
I
, onde
I
a submatriz de obtida extraindo-se a
i c:i:a linha e a , c:i:a coluna. Com estes cofatores forma-se uma nova
matriz , denomindada matriz dos cofatores denotada por . Portanto
= [d
I
]
onde d
I
= (1)
I+
det
I
Exemplo 39 :
=
_
_
2 1 0
3 1 4
1 6 5
_
_
a
11
= 2 =d
11
= (1)
1+1
det
_
1 4
6 5
_
= 1 + (19) = 19
a
12
= 1 =d
12
= (1)
1+2
det
_
3 4
1 5
_
= 1 + (19) = 19
a
13
= 0 =d
13
= (1)
1+3
det
_
3 1
1 6
_
= 1 + (19) = 19
a
21
= 3 =d
21
= (1)
2+1
det
_
1 0
6 5
_
= 1 + (5) = 5
a
22
= 1 =d
22
= (1)
2+2
det
_
2 0
1 5
_
= 1 + (10) = 10
a
23
= 4 =d
23
= (1)
2+3
det
_
2 1
1 6
_
= 1 + (11) = 11
a
31
= 1 =d
31
= (1)
3+1
det
_
1 0
1 4
_
= 1 + (4) = 4
a
32
= 6 =d
32
= (1)
3+2
det
_
2 0
3 4
_
= 1 + (8) = 8
a
33
= 5 =d
33
= (1)
3+3
det
_
2 1
3 1
_
= 1 + (5) = 5
=
_
_
19 19 19
5 10 11
4 8 5
_
_
Denio: Dada uma matriz quadrada , chamaremos de matriz adjunta de
transposta da matriz dos cofatores de e denotaremos ad, . Portanto ad,
=
T
.
Teorema: Uma matriz quadrada admite inversa se e somente se det ,= 0.
Neste caso

1
=
1
det
(ad,)
31
1.9.2 Regra de Cramer
Um outro mtodo de resoluo de sistemas lineares de ordem : : a Regra
de Cramer onde as solues do sistema linear so calculadas usando o deter-
minante. Justamente por usar o determinante este mtodo torna-se invivel
computacionalmente, mas bastante prtico em certas questes tericas.
a
11
r
1
+a
12
r
2
+a
13
r
3
+...... +a
1n
r
n
= /
1
a
21
r
1
+a
22
r
2
+a
23
r
3
+...... +a
2n
r
n
= /
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
r
1
+a
n2
r
2
+a
n3
r
3
+...... +a
nn
r
n
= /
n
Na forma matricial este sistema escrito da seguinte maneira:
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
_

_
r
1
r
2
.
.
.
r
n
_

_
=
_

_
/
1
/
2
.
.
.
/
n
_

_
Supondo que det C ,= 0 e portanto que C tenha inversa C
1
obtemos
CA = 1
C
1
CA = C
1
1 (observe que estamos multiplicando C
1
pela esquerda)
1A = C
1
1
A = C
1
1
usando a relao
C
1
=
1
det C
(ad,C)
temos
A =
1
det C
(ad,C)1
32
_

_
r
1
r
2
.
.
.
r
n
_

_
=
1
det C
ad,
_
_
_
_
_
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
_
_
_
_
_
_

_
/
1
/
2
.
.
.
/
n
_

_
_

_
r
1
r
2
.
.
.
r
n
_

_
=
1
det C
_
_
_
_
_
_

_
1
11
1a
12
1a
1n
1a
21
1a
22
1a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1a
n1
1a
n2
1a
nn
_

_
_
_
_
_
_
_

_
/
1
/
2
.
.
.
/
n
_

_
_

_
r
1
r
2
.
.
.
r
n
_

_
=
1
det C
_

_
/
1
1
11
+ /
2
1a
12
+ + /
n
1a
1n
/
1
1a
21
+ /
2
1a
22
+ + /
n
1a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
/
1
1a
n1
/
2
1a
n2
/
n
1a
nn
_

_
r
1
=
1
det C
(/
1
1
11
+/
2
1a
12
+ +/
n
1a
1n
)
r
1
=
1
det C
det
_

_
/
1
a
12
a
1n
/
2
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
/
n
a
n2
a
nn
_

_
r
1
=
det
_

_
/
1
a
12
a
1n
/
2
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
/
n
a
n2
a
nn
_

_
det
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
Analogamente
r
I
=
det
_

_
a
11
/
1
a
1n
a
21
/
2
a
2n
.
.
.
.
.
.
.
.
.
a
n1
/
n
a
nn
_

_
det
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
i = 2, 3, ....., :
Podemos escrever esta relao na forma
33
r
I
=
1
I
1
onde
1
I
= det
_

_
a
11
/
1
a
1n
a
21
/
2
a
2n
.
.
.
.
.
.
.
.
.
a
n1
/
n
a
nn
_

_
e
1 = det
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
Usando a Regra de Cramer podemos classicar um sistema : ::
Se 1 ,= 0 ento o sistema possui uma nica soluo (compatvel e determi-
nado)
Se 1 = 0 e algum dos 1
I
,= 0 ento o sistema incompatvel
Se 1 = 0 e todos os 1
I
= 0, para i = 1, ..., : ento o sistema possui innitas
solues. Note que no podemos determinar o grau de liberdade pela Regra de
Cramer.
Exemplo 40 Resolver o sistema
_
r +j = 2
10r + 10j = 20
1 = det
_
1 1
10 10
_
= 0
1
1
= det
_
2 1
20 10
_
= 0
1
2
= det
_
1 2
10 20
_
= 0
Logo o sistema possui innitas solues.
Exemplo 41 Resolver o sistema
_
_
_
2r +j . = 0
20r + 20j 20. = 1
r +j . = 0
1 = det
_
_
2 1 1
20 20 20
1 1 1
_
_
= 0
34
1
1
= det
_
_
0 1 1
1 20 20
0 1 1
_
_
= 0
1
2
= det
_
_
2 1 1
20 0 20
1 1 1
_
_
= 20
1
3
= det
_
_
2 1 0
20 20 1
1 1 0
_
_
= 1
Como 1
2
= 20 e 1
3
= 1 o sistema incompatvel
Exemplo 42 Resolva o sistema
_
_
_
r +j . = 0
r j . = 1
r +j +. = 1
1 = det
_
_
1 1 1
1 1 1
1 1 1
_
_
= 4
Logo o sistema tem uma nica soluo
1
1
= det
_
_
0 1 1
1 1 1
1 1 1
_
_
= 4
1
2
= det
_
_
1 0 1
1 1 1
1 1 1
_
_
= 2
1
3
= det
_
_
1 1 0
1 1 1
1 1 1
_
_
= 2
A soluo
r
1
=
1
1
1
=
4
4
= 1
r
2
=
1
2
1
=
2
4
=
1
2
r
3
=
1
1
3
=
2
4
=
1
2
Exerccio: Usando a Regra de Cramer faa a classicao de um sistema
homogneo A = 0
35
Captulo 2
ESPAOS VETORIAIS
2.1 Introduo
lgebra linear uma parte da lgebra que, por sua vez, um ramo da Matemtica
na qual so estudados matrizes, espaos vetoriais e transformaes lineares.
Todos esses itens servem para um estudo detalhado de sistemas lineares de
equaes.
Tanto a lgebra Linear como a Geometria Analtica aplicam-se a vrias reas,
em especial s Engenharias. Citamos, a seguir, alguma delas. claro que
neste curso no conseguiremos aborda-las todas. Contudo, nosso objetivo no
momento que o estudante tome contato com o que representa o estado da arte
neste contexto.
Jogos de Estratgia: no jogo de roleta o jogador d seu lance com uma
aposta e o cassino responde com o giro da roleta; o lucro para o jogador ou
para o cassino determinado a partir destes dois movimentos. Esses so os
ingredientes bsicos de uma variedade de jogos que contm elementos tanto
de estratgia quanto de acaso. Os mtodos matriciais podem ser usados para
desenvolver estratgias otimizadas para os jogadores.
Administrao de Florestas: o administrador de uma plantao de r-
vores de Natal quer plantar e cortar as rvores de uma maneira tal que a con-
gurao da oresta permanea inalterada de um ano para outro. O admin-
istrador tambm procura maximizar os rendimentos, que dependem de nmero
e do tamanho das rvores cortadas. Tcnicas matriciais podem quanticar este
problema e auxiliar o administrador a escolher uma programao sustentvel de
corte.
Computao grca: uma das aplicaes mais teis da computao gr-
ca a do simulador de vo. As matrizes fornecem uma maneira conveniente
de lidar com a enorme quantidade de dados necessrios para construir e animar
36
os objetos tridimensionais usados por simuladores de vo para representar um
cenrio em movimento. Outras aplicaes mais simples em computao grca
so: vetores e matrizes so utilizados em espaos de cores(RGB, HSV, etc), em
coordenadas e transformaes geomtricas em duas e trs dimenses, em combi-
naes convexas e lineares de pontos( curvas e superfcies spline), em represen-
tao compacta de sesses cnicas, etc.; coordenadas homogneas e geometria
projetiva utilizando comumente para representar consistentemente transfor-
maes ans e processos de projeo( paralela, perspectiva, modelos de cmera
virtual): nmeros complexos em rotao no plano e tambm em processa-
mento de imagens, incluindo transformadas de co-seno, Fourier, etc.; quatrnios
rotao espaciais e implementao de cinemtica inversa( resolver problemas
de posicionamento de juntas articuladas).
Redes Eltricas: circuitos eltricos que contenham somente resistncias
e geradores de energia podem se analisados usando sistemas lineares derivados
das leias bsicas da teoria de circuitos.
Distribuio de Temperatura de Equilbrio: uma tarefa bsica da cin-
cia e da engenharias, que pode se reduzida a resolver um sistema de equaes
lineares atravs de tcnicas matriciais interativas, determinar a distribuio
de temperatura de objetos tais como a do ao saindo da fornalha.
Cadeias de Markov: os registros meteorolgicos de uma localidade es-
pecca podem ser usados para estimar a probabilidade de que v chover em
um certo dia a partir da informao de que choveu ou no no dia anterior. A
teoria das cadeias de Markov pode utilizar tais dados para prever, com muita
antecedncia, a probabilidade de um dia chuvoso na localidade.
Gentica: os mandatrios do Egito recorriam a casamentos entre irmos
para manter a pureza da linhagem real. Este costume propagou e acentuou
certos traos genticos atravs de muitas geraes. A teoria das matrizes fornece
um referencial matemtico para examinar o problema geral da propagao de
traos genticos.
Crescimento Populacional por Faixa Etria: a congurao popula-
cional futura pode ser projetada aplicando lgebra matricial s taxas, especi-
cas por faixas etrias, de nascimento e mortalidade da populao. A evoluo
a longo prazo da populao depende das caractersticas matemticas de uma
matriz de projeo que contm os parmetros demogrcos da populao.
Colheita de Populaes Animais: a colheita sustentada de uma criao
de animais requer o conhecimento da demograa da populao animal. Para
maximizar o lucro de uma colheita peridica, podem ser comparadas diversas
estratgias de colheita sustentada utilizando tcnicas matriciais que descrevem
37
a dinmica do crescimento populacional.
Criptograa: durante a Segunda Guerra Mundial, os decodicadores
norte americanos e britnicos tiveram xito em quebrar o cdigo militar inimigo
usando tcnicas matemticas e mquinas sosticadas (por exemplo, a Enigma).
Hoje me dia, o principal impulso para o desenvolvimento de cdigos seguros
dado pelas comunicaes condencias entre computadores e em telecomuni-
caes.
Construo de Curvas e Superfcies p Pontos Especcos: em seu tra-
balho Principia Mathematica ( os princpios matemticos da Filosoa Nat-
ural) I. Newton Abordou o problema da construo de uma elipse por cinco
pontos dados. Isto ilustraria como encontrar a rbita de um cometa ou de
um planeta atravs da anlise de cinco observaes. Ao invs de utilizarmos o
procedimento geomtrico de Newton, podemos utilizar os determinantes para
resolver o problema analiticamente.
Programao Linear Geomtrica: um problema usual tratado na rea
de programao linear o da determinao de propores dos ingredientes em
uma mistura com o objetivo de minimizar seu custo quando as propores
variam dentro de certos limites. Um tempo enorme do uso de computadores
na administrao e na indstria dedicado a problemas de programao linear.
O problema na Alocao de Tarefas: um problema importante na in-
dstria o do deslocamento de pessoal e de recursos de uma maneira eciente
quanto ao custo. Por exemplo, uma construtora pode querer escolher rotas para
movimentar equipamento pesado de seus depsitos para os locais de construo
de maneira a minimizar a distncia total percorrida.
Modelos Econmicos de Leontief : num sistema econmico simplicado,
uma mina de carvo, uma ferrovia e uma usina de energia necessitam cada uma
de uma parte da produo das outras para sua manuteno e para suprir outros
consumidores de seu produto. Os Modelos de produo de Leontief podem ser
usados para determinar o nvel de produo necessrio s trs indstrias para
manter o sistema econmico.
Interpolao Spline Cbica: as fontes tipogrcas PostScript e True-
Type usadas em telas de monitores e por impressoras so denidas por curvas
polinomiais por partes denominadas splines. Os parmetros que os determinam
esto armazenados na memria do computador, um conjunto de parmetros
para cada um dos caracteres de uma particular fonte.
Teoria de Grafos: a classicao social num grupo de animais uma
relao que pode ser descrita e analisada com a teoria de grafos, Esta teoria
38
tambm tem aplicaes a problemas to distintos como a determinao de rotas
de companhias areas e a anlise de padres de votao.
Tomograa Computadorizada: um dos principais avanos no diagns-
tico mdico o desenvolvimento de mtodos no invasivos para obter imagens
de sees transversais do corpo humano, como a tomograa computadorizada
e a ressonncia magntica. Os mtodos da lgebra Linear podem ser usados
para reconstruir imagens a partir do escaneamento por raios X da tomograa
computadorizada.
Conjuntos Fractais: conjuntos que podem ser repartidos em verses
congruentes proporcionalmente reduzidas do conjunto original so denominadas
fractais. Os fractais so atualmente aplicados compactao de dados com-
putacionais. Os mtodos de lgebra Linear podem ser usados para construir e
classicar fractais
Teoria do Caos: os pixels que constituem ema imagem matricial podem
ser embaralhados repetidamente de uma mesma maneira, na tentativa de torna-
los aleatrios. Contudo, padres indesejados podem continuar aparecendo no
processo. A aplicao matricial que descreve o processo de embaralhar ilustra
tanto a ordem quanto a desordem que caracterizam estes processos caticos.
Um Modelo de Mnimos Quadrados para a Audio Humana: o ouvido
interno contm uma estrutura com milhares de receptores sensoriais ciliares.
Estes receptores, movidos pelas vibraes do tmpano, respondem a freqncias
diferentes de acordo com sua localizao e produzem impulsos eltricos que
viajam at o crebro atravs do nervo auditivo. Desta maneira, o ouvido interno
age como um processador de sinais que decompe uma onda sonora complexa
em um espectro de freqncias distintas.
Deformaes e Morsmos: voc j deve ter visto em programas de
televiso ou clips musicais imagens mostrando rapidamente o envelhecimento
de uma mulher ao longo do tempo, ou a transformao de um rosto de mul-
her no de uma pantera, a previso de como seria hoje o rosto de uma criana
desaparecida h 15 anos atrs, etc. Estes processos so feitos a partir de al-
gumas poucas fotos. A idia de continuidade, de evoluo do processo, feita
atravs do computador.Este processo de deformao chamado de morsmo,
que se caracteriza por misturas de fotograas reais com fotograas modicadas
pelo computador. Tais tcnicas de manipulao de imagens tm encontrado
aplicaes na indstria mdica, cientica e de entretenimento.
Produto de dez anos de intensa pesquisa e desenvolvimento, o primeiro
nibus espacial dos EUA (lanado em 1981) foi uma vitria da engenharia de
controle de sistemas, envolvendo muitas reas da engenharia - aeronutica,
39
qumica , eltrica, hidrulica e mecnica. Os sistemas de controle de nibus
espacial so absolutamente crticos para vo. Ele requer um constante moni-
toramento por computador durante o vo atmosfrico. O sistema de vo en-
via uma sequncia de comandos para a superfcie de controle aerodinmico.
Matematicamente , os sinais de entrada e sada de um sistema de Engenharia
so funes. importante para as aplicaes que essas funes possam ser
somadas e multiplicadas por escalares. Essas duas operaes em funes tem
propriedades algbricas que so completamente anlogas s operaes de soma
de vetor e multiplicao de vetor por escalar no R
n
. Por esse motivo, o conjunto
de todas as entradas possveis (funes) chamado de um espao vetorial.
A fundamentao matemtica para a engenharia de sistemas repousa sobre es-
paos vetoriais de funes, portanto precisamos estender a teoria de vetores do
R
n
de modo a incluir tais funes.
Antes de apresentarmos a sua denio, analisaremos em paralelo dois
objetos: o conjunto formado pelas funes ) : R R, denotado por 1(R)
e o conjunto das matrizes quadradas de ordem : com coecientes reais que
denotaremos por '
n
(R).
A soma de duas funes ) e q de 1(R) denida como:
() +q)(r) = )(r) +q(r).
Note tambm que se c R podemos multiplicar o escalar c pela funo
) , da seguinte forma:
(c)) (r) = c()(r))
resultando num elemento de 1(R).
Com relao a '
n
(R) podemos somar duas matrizes quadradas de
ordem :,
+1 = (a
I
+/
I
)
nrn
que um elemento de '
n
(R).
Com relao multiplicao do escalar c pela matriz R
c = (ca
I
)
nrn
o qual tambm '
n
(R).
O que estes dois exemplos acima, com a adio de seus elementos e
multiplicao de seus elementos por escalares, tm em comum?
Verica-se facilmente a partir das propriedades dos nmeros reais que,
com relao a quaisquer funes ), q e / em 1(R) e para c, , R, so vlidos
os seguintes resultados:
1. ) +q = q +)
2. ) + (q +/) = () +q) +/
3. Se q representa a funo nula ento ) +q = )
4. ) + ()) = 0
40
5. c(,)) = (c,))
6. (c +,)) = c) +,)
7. c() +q) = c) +cq
8. 1) = )
Agora, com relao a quaisquer matrizes , 1, e C em '
n
e para todo
c, , R, tambm so vlidos os seguintes resultados:
1. +1 = 1 +
2. + (1 +C) = (+1) +C
3. Se 0 representa a matriz nula ento + 0 =
4. + () = 0
5. c(,) = (c,)
6. (c +,) = c+,
7. c(+1) = c+c1
8. 1 =
Observamos que o conjunto das funes bem como o das matrizes, quando
munidos de soma e multiplicao por escalar, apresentam propriedades algbri-
cas comuns. Existem muitos outros exemplos de conjuntos que apresentam as
mesmas propriedades acima. Para no estudarmos separadamente cada con-
junto, estudaremos um conjunto genrico e no vazio, \ , sobre o qual supomos
estar denidas as operaes de adio e multiplicao por escalar.
Denio 43 Um espao vetorial \ um conjunto, cujos elementos so chama-
dos vetores, no qual esto denidas duas operaes: a adio, que a cada par
de vetores, n e \ faz corresponder um novo vetor denotado por n + \ ,
chamado a soma de n e , e a multiplicao por um nmero real, que a cada c
R e a cada vetor \ faz corresponder um vetor denotado por c, chamado
produto de c por . Estas operaes devem satisfazer, para quaisquer c, , R
e n, e n \ as seguintes propriedades:
1. Comutatividade: n + = +n
2. Associatividade: (n +) +n = n + ( +n)
3. Vetor nulo: existe um vetor nulo 0 \ tal que +0 = para todo \
4. Inverso aditivo: Para cada \ existe \ tal que + = 0
5. Distributividade: (c +,) = c +,
41
6. (c,) = c(,)
7. c(n +) = cn +c
8. Multiplicao por 1: 1.n = n
Exemplo 44 Para todo nmero natural :, o smbolo R
n
representa o espao
vetorial euclidiano n-dimensional. Os elementos de R
n
so as listas ordenadas
(chamadas n-uplas) n = (r
1,
r
2,
r
3,.......,
r
n
), = (j
1
, j
2,
j
3
, ......j
n
) de nmeros
reais. Por denio a igualdade vetorial n = signica as : igualdades numri-
cas
r
1
= j
1,
r
2
= j
2
, .....r
n
= j
n
.
Em R
n
denimos as operaes:
n + = (r
1
+j
1
, r
2
+j
2,
....r
n
+j
n
)
e
cn = (cr
1,
cr
2
, .....cr
n
)
Verica-se sem diculdades, que estas denies fazem do R
n
um E. V. (veri-
que).
Exemplo 45 O conjunto dos polinmios em r, de grau menor ou igual a :
denido por :
1
n
=
_
j(r) = a
o
+a
1
r +..... +a
n1
r
n1
+a
n
r
n
a
o
, a
1
, ...., a
n1
, a
n
R
_
com as operaes de adio de polinmios e multiplicao de um polinmio por
um escalar um espao vetorial. Note que cada elemento de 1
n
uma funo
j : R R
Exemplo 46 O conjunto das matrizes denido por
'(:, :) =
_
[a
I
]
nn
a
I
R, i = 1, .., : e , = 1, .., :
_
com a soma usual de matrizes e multiplicao usual de um escalar por uma
matriz um espao vetorial.
No caso particular das matrizes quadradas de ordem : denotaremos
'(:, :) por '
n
.
Exemplo 47 Seja o conjunto R
2
= (r, j) r, j R com as operaes assim
denidas:
(r
1
, j
1
) + (r
2
, j
2
) = (r
1
+r
2
, j
1
+j
2
)
c(r, j) = (cr, j)
42
O conjunto R
2
com estas operaes no um espao vetorial, de fato:
Vamos mostrar que falha a propriedade 5) do E.V.
(c +,)n = (c +,)(r
1
, j
1
) = ((c +,)r
1
, j
1
) = (cr
1
+,r
1
, j
1
)
cn +,n = = c(r
1
, j
1
) +,(r
1
, j
1
) = (cr
1
, j
1
) + (,r
1
, j
1
) = (cr
1
+,r
1
, 2j
1
)
= (c +,)n ,= cn +,n
Exerccio 48 Verique se \ = '
2
com as operaes:
(i) Soma:
_
a
1
/
1
c
1
d
1
_
+
_
a
2
/
2
c
2
d
2
_
=
_
a
1
+a
2
/
1
+/
2
c
1
+c
2
d
1
+d
2
_
(ii) Multiplicao por escalar: c
_
a
1
/
1
c
1
d
1
_
=
_
a
1
c/
1
cc
1
d
1
_
um espao vetorial.
Soluo:
Como a adio a usual, ento todas as propriedades da adio sero sat-
isfeitas. Se alguma propriedade falhar, ser na multiplicao por escalar, pois
esta no a usual.
Sejam =
_
a /
c d
_
e 1 =
_
: :
o j
_
.
Vamos mostrar que falha a propriedade: (c +,) = c+,
(i) (c +,) = (c +,)
_
a /
c d
_
=
_
a c/ +,/
cc +,c d
_
(ii) c+, = c
_
a /
c d
_
+,
_
a /
c d
_
=
_
a c/
cc d
_
+
_
a ,/
,c d
_
=
_
2a c/ +,/
cc +,c 2d
_
Por (i) e (ii) conclumos que (c + ,) ,= c + ,. Logo \ = '
2
com as
operaes denidas acima no um espao vetorial.
2.2 Subespaos
Denio 49 Seja \ um espao vetorial. Dizemos que \ \ um subespao
vetorial de \ se forem satisfeitas as seguintes condies:
1. se n, \ ento n + \
2. se n \ ento cn \ para todo c R.
Podemos fazer trs observaes:
as condies da denio garantem que ao operarmos em \ (soma e mul-
tiplicao por escalar) no obteremos um vetor fora de \. Isto suciente
para armar que \ ele prprio um E.V.
43
Qualquer subespao \ de \ precisa conter o vetor nulo.
Todo espao vetorial admite pelo menos dois subespaos: o conjunto for-
mado pelo vetor nulo e o prprio E.V.
Exemplo 50 Seja \ = R
5
e \ = 0, r
2,
r
3
, r
4
, r
5
) , \ um subespao
vetorial?
Resoluo:
vericamos as condies de subespao: seja n = (0, r
2,
r
3
, r
4
, r
5
) \ e
= (0, j
2,
j
3
, j
4
, j
5
) \
1. n + = (0, r
2
+j
2,
r
3
+j
3
, r
4
+j
4
, r
5
+j
5
) \
2. cn = c(0, r
2,
r
3
, r
4
, r
5
) = (0, cr
2,
cr
3
, cr
4
, cr
5
) \
logo \ um subespao vetorial.
Exemplo 51 Seja o = (r, j, .) R
3
r + j + . = 0, o um subespao de
R
3
?
Resoluo:
Dados n = (r
1
, j
1
, .
1
) o e = (r
2
, j
2
, .
2
) o
1. n + = (r
1
, j
1
, .
1
) + (r
2
, j
2
, .
2
) = (r
1
+r
2
, j
1
+j
2
, .
1
+.
2
)
Como n = (r
1
, j
1
, .
1
) o =r
1
+j
1
+.
1
= 0. Analogamente r
2
+j
2
+.
2
=
0, e podemos concluir que (r
1
+r
2
) + (j
1
+j
2
) + (.
1
+.
2
) = 0 =n + o
2. cn = c(r
1
, j
1
, .
1
) = (cr
1
, cj
1
, c.
1
) para todo c = cr
1
+ cj
1
+ c.
1
=
c(r
1
+j
1
+.
1
) = c0 = 0 e dai cn o
Portanto, o um subespao vetorial de R
3
.
Exemplo 52 \ = '
n
e \ o subconjunto das matrizes triangulares superi-
ores. \ subespao de \ , pois a soma das matrizes triangulares superiores
ainda uma matriz triangular superior, assim como o produto de uma matriz
triangular por um escalar (Verique).
Exemplo 53 Uma situao importante em que aparece um subespao obtida
ao resolvermos um sistema linear homogneo. Considere o sistema homogneo
A = O, onde uma matriz :: e A uma matriz coluna :1.Se A
1
e
A
2
so duas solues do sistema A = O ento tem-se A
1
= O e A
2
= O.
Mas (A
1
+A
2
) = A
1
+ A
2
= O+O = O, logo A
1
+A
2
uma soluo do
sistema A = O. Tambm, (/A
1
) = /A
1
= O, portanto /A
1
uma soluo
do sistema A = O.
Como o conjuntos das matrizes A
n1
uma espao vetorial temos que o
subconjunto de todas as matrizes de ordem : 1 que so solues do sistema
A = O uma subespao vetorial do espao vetorial formadso por todas as
matrizes de ordem : 1
44
Exemplo 54 Seja \ = R
2
e \ = (r, r
2
) R
2
r R). Se escolhermos
n = (1, 1) e = (2, 4) \, temos: n + = (3, 5) , \, portanto \ no
subespao vetorial de R
2
.
Exemplo 55 Seja \ = R
2
e \ = (r, j) R
2
j = 2r, \ subespao
vetorial de R
2
, pois temos:
1. Para n = (r
1
, 2r
1
) e = (r
2
, 2r
2
) \ tem-se n + = (r
1
+r
2
, 2(r
1
+
r
2
)) \, pois a segunda componente de n + igual ao dobro da
primeira.
2. cn = c(r
1
, 2r
1
) = (cr
1
, 2(cr
1
)) \, pois a segunda componente de cn
igual ao dobro da primeira.
Exemplo 56 Considere o espao vetorial '
2
e a matriz 1 =
_
0 1
1 0
_

'
2
.Seja \ = '
2
1 = 1. Verique se \ um espao vetorial
de '
2
.
1
o
Soluo: Sejam
1
,
2
petencente a '
2
.
(
1
+
2
) 1 =
1
1+
2
1 = 1
1
+1
2
= 1(
1
+
2
) =(
1
+
2
) '
2
(/
1
) 1 = / (
1
1) = / (1
1
) = 1(/
1
) =(/
1
) '
2
Logo \ um subespao vetorial de \.
2
o
Soluo: Tomando =
_
a /
c d
_
\, sabe-se que a matriz deve satis-
fazer a relao 1 = 1.Portanto
_
a /
c d
_ _
0 1
1 0
_
=
_
0 1
1 0
_ _
a /
c d
_
_
/ a
d c
_
=
_
c d
a /
_
/ = c
a = d =a = d
a = d
c = / =/ = c
Logo =
_
a /
/ a
_
=\ =
__
a /
/ a
_
'
2
a, / R
_
Sejam n =
_
a /
/ a
_
e =
_
r j
j r
_
n + =
_
a /
/ a
_
+
_
r j
j r
_
=
_
a +r / +j
/ j a +r
_
=
_
a +r / +j
(/ +j) a +r
_
\
45
/n = /
_
a /
/ a
_
=
_
/a //
// /a
_
\
Como n + \ e /n \ =\ um subespao vetorial de '
2
Exemplo 57 Verique se \ =
_
j(r) 1
3
: j
00
(2) +j
0
(1) = 0
_
um sub-
espao vetorial de \ = 1
3
.
Resoluo:
Sejam j(r), (r) \ =j
00
(2) +j
0
(1) = 0 e
00
(2) +
0
(1) = 0
Assim (j +)(r) = j(r) +(r) tal que
(j +)
00
(2) + (j +)
00
(1) = j
00
(2) +
00
(2) +j
0
(1) +
0
(1)
= j
00
(2) +j
0
(1) +
00
(2) +
0
(1)
= 0 + 0 = 0
e ento (j +)(r) \.
Da mesma forma, (cj)(r) = cj(r) tal que
(cj)
00
(2) + (cj)
0
(1) = cj
00
(2) +cj
0
(1) = c
_
j
00
(2) +j
0
(1)
_
= c.0 = 0
e ento (cj)(r) \.
Portanto \ subespao vetorial de 1
3
.
2.3 Interseco de dois Subespaos Vetoriais
Denio 58 Dados \
1
e \
2
subespaos de um espao vetorial \ , a inter-
seco \
1
\
2
ainda um subespao de \ .
Exemplo 59 \ = R
3
. Seja \
1
= (r, j, .) R
3
, j = 0) e \
2
= (r, j, .)
R
3
, r = 0). \
1
\
2
a reta de interseco dos planos \
1
e \
2
, ou seja
\
1
\
2
= (r, j, .) R
3
, r = 0 e j = 0)
Exemplo 60 \ = R
3
. Seja \
1
= (r, j, .) R
3
, r + j + . = 0) e \
2
=
(r, j, .) R
3
, r +j . = 0).
Para encontrarmos a interseco dos dois subespaos
devemos resolver o sistema
_
r +j +. = 0
r +j . = 0
A soluo desse sistema . = 0, j = r. Portanto \
1
\
2
= (r, j, .)
R
3
: . = 0 e j = r)
46
Exemplo 61 \ = 1
3
. Seja \
1
= j 1
3
: j
0
(1) = 0 e \
2
= j 1
3
:
j
00
(1) = 0
Como j 1
3
ento j = a + /r + cr
2
+ dr
3
, com
a, /, c, d R. Se j \
1
ento j
0
(1) = 0 = / + 2c + 3d = 0. Se j \
2
ento
j
00
(1) = 0 = 2c + 6d = 0. Para que j pertena a \
1
\
2
devemos resolver o
sistema
_
/ + 2c + 3d = 0
2c + 6d = 0
c = 3d
/ = 3d
Portanto \
1
\
2
= j 1
3
: j = a + 3dr 3dr
2
+dr
3

Exemplo 62 \ = '(:, :), \

1
= matrizes triangulares superiores}; \
2
=
matrizes triangulares inferiores}. Ento \
1
\
2
= matrizes diagonais}.
Exemplo 63 Seja \ = '
2
=
_
a /
c d
_
e
\
1
=
__
a /
0 0
_
, a, / R
_
\
2
=
__
a 0
c 0
_
, a, c R
_
\ = \
1
\
2
um subespao de \ , pois
\ =
__
a 0
0 0
_
, a R
_
Exemplo 64 Sejam \
1
e \
2
dados por:
\
1
= (r, j) R
2
: r +j = 0
e
\
2
= (r, j) R
2
: r j = 0
ser que \
1
' \
2
um subespao vetorial de \ ?
Soluo :
No. Basta considerar \ = R
2
,
n = (1, 1) \
2
= (1, 1) \
1
mas n + = (1, 1) + (1, 1) = (2, 0) , \
1
' \
2
(represente gracamente
esta soma de vetores)
47
2.4 Combinao Linear
Denio 65 Seja \ um espao vetorial real,
1
,
2
, ......,
n
\ e a
1
, a
2,.........
a
n

R. Ento, o vetor
= a
1

1
+a
2

2
+..... +a
n

n
um elemento de \ ao que chamamos de combinao linear de
1
,
2
, ......,
n
.
Exemplo 66 Em R
2
os vetor = (10, 16) uma combinao linear dos
vetores

1
= (1, 2)
2
= (3, 4) pois = 4
1
+ 2
2
.
Exemplo 67 Verique se o vetor = (3, 2, 1) pode ser escrito como uma com-
binao linear dos vetores
1
= (1, 1, 1),
2
= (1, 1, 1),
3
= (1, 1, 1).
Devemos vericar se existem nmeros a, /, c tais que = a
1
+/
2
+c
3
,
ou seja,
(3, 2, 1) = a(1, 1, 1) +/(1, 1, 1) +c(1, 1, 1).
devemos ento resolver o sistema
_
_
1 1 1
1 1 1
1 1 1
_
_
_
_
a
/
c
_
_
=
_
_
3
2
1
_
_
Mas esse sistema tem uma nica soluo a =
3
2
, / =
1
2
e c = 1. Portanto
pode realmente ser escrito como combinao de
1
,
2
e
3
, da forma =
3
2

1
+
1
2

2
+
3
.
Exemplo 68 No espao vetorial 1
2
o polinmio j = 7r
2
+ 11r 26 combi-
nao linear dos polinmios:
1
= 5r
2
3r + 2 e
2
= 2r
2
+ 5r 8, de fato
j = 3
1
+ 4
2
(conra).
Exemplo 69 Verique que em 1
2
o polinmio j(r) = 1+r
2
uma combinao
dos polinmios (r) = 1, r(r) = 1 +r e :(r) = 1 +r +r
2
.
Resoluo:
Precisamos encontrar nmeros reais, a
1
, a
2
e a
3
tais que:
j(r) = a
1
(r) +a
2
r(r) +a
3
:(r)
Ou seja, precisamos encontrar a
1
, a
2
e a
3
satisfazendo:
1 +r
2
= a
1
+a
2
(1 +r) +a
3
(1 +r +r
2
)
1.1 + 0r + 1.r
2
= (a
1
+a
2
+a
3
) + (a
2
+a
3
) r +a
3
r
3
que equivalente ao sistema:
_
_
_
a
1
+a
2
+a
3
= 1
a
2
+a
3
= 0
a
3
= 1
:=a
1
= 1; a
2
= 1 c a
3
= 1.
48
Exemplo 70 Consideremos , no R
3
, os seguintes vetores:
1
= (1, 3, 2) e

2
= (2, 4, 1). Escreva o vetor = (4, 18, 7) como combinao linear dos
vetores
1
e
2
.
Resoluo:
= a
1

1
+a
2

2
(4, 18, 7) = a
1
(1, 3, 2)+a
2
(2, 4, 1) = (1a
1
, 3a
1
, 2a
1
)+(2a
2
, 4a
2
, 1a
2
) =
= (a
1
+ 2a
2
, 3a
1
+ 4a
2,
2a
1
a
2
) que equivalente ao sistema:
_
_
_
a
1
+ 2a
2
= 4
3a
1
+ 4a
2
= 18
2a
1
a
2
= 7
=a
1
= 2, a
2
= 3.
Portanto, = 2
1
3
2
. Agora mostre que o vetor = (4, 3, 6) no
combinao linear dos vetores
1
= (1, 3, 2) e
2
= (2, 4, 1).
2.5 Dependncia e Independncia Linear
Denio 71 Seja \ um espao vetorial e
1
,
2
, ......,
n
\. Dizemos que o
conjunto
1
,
2
, ......,
n
linearmente independente (LI), se a equao:
a
1

1
+a
2

2
+.... +a
n

n
= 0
implica que
a
1
= a
2
= ... = a
n
= 0.
No caso, em que exista algum a
I
,= 0 dizemos que
1
,
2
, ......,
n
linear-
mente dependente (LD).
Para determinarmos se um conjunto L.I. ou L.D. devemos fazer a
combinao linear do conjunto de vetores e igualar esta combinao linear ao
vetor nulo do espao. Portanto muito importante ter conhecimento do vetor
nulo do espao em que estamos trabalhando.
Denio 72 Considere o espao vetorial R
3
e os conjunto de vetores:
c = (1, 2, 3) , (1, 1, 1), (1, 0, 0)
, = (1, 2, 3) , (1, 1, 1), (3, 5, 7)
Os conjuntos c e , acima so L.I ou L.D?
Soluo:
Fazendo a combinao linear
a (1, 2, 3) +/(1, 1, 1) +c(1, 0, 0) = (0, 0, 0)
49
temos o sistema homogneo:
_
_
_
a +/ +c = 0
2a +/ = 0
3a +/ = 0
cuja nica soluo a = / = c = 0. Portanto o conjunto c L.I
Fazendo a combinao linear
a (1, 2, 3) +/(1, 1, 1) +c(3, 5, 7) = (0, 0, 0)
temos o sistema homogneo:
_
_
_
a +/ + 3c = 0
2a +/ + 5c = 0
3a +/ + 7c = 0
que possui innitas solues ( grau de liberdade 1). Portanto alm da soluo
nula ( que todo sistema homogneo tem) este sistema possui outras solues
diferentes da soluo nula, logo o conjunto , L.D.
Teorema 73 O conjunto
1
,
2
, ......,
n
LD se, e somente se um dos vetores
do conjunto for uma combinao linear dos outros.
Exemplo 74 a) Seja \ = R
3
. Sejam
1
,
2
\. O conjunto
1
,
2
LD se
e somente se
1
e
2
estiverem na mesma reta que passa pela origem (um
vetor mltiplo do outro),
1
= `
2
.
b) Em \ = R
2
, c
1
= (1, 0) e c
2
= (0, 1) so LI, pois:
a
1
c
1
+a
2
c
2
= 0 ==a
1
(1, 0) +a
2
(0, 1) = (0, 0) ==(a
1,
a
2
) = (0, 0)
logo a
1
= 0 e a
2
= 0 portanto, c
1
e c
2
so LI.
Exemplo 75 No espao Vetorial '
2
o conjunto:
=
__
1 2
3 1
_
,
_
2 3
3 0
_
,
_
3 4
3 1
__
LD ?
Examinemos a equao: a
1

1
+a
2

2
+a
3

3
= 0
a
1
_
1 2
3 1
_
+a
2
_
2 3
3 0
_
+a
3
_
3 4
3 1
_
=
_
0 0
0 0
_
cuja soluo a
1
= a
3
e a
2
= 2a
3.
.Como existem solues a
I
,= 0, o conjunto
LD.
50
Propriedades da Dependncia e da Independncia Linear
Seja V um E.V
1. Se = \ e ,=

0 , ento LI.
2. Se um conjunto \ contm o vetor nulo, ento LD
3. Se um conjunto \ LI, qualquer parte
1
de tambm LI.
2.6 Subespaos Gerados
Denio 76 Seja \ um espao vetorial. Consideramos um subconjunto =

1
,
2
, ......,
n
\, ,= ?.O conjunto \ de todos os vetores de \ que so
combinaes lineares dos vetores de A um subespao de \. Simbolicamente, o
subespao \ :
\ = \ = a
1

1
+a
2

2
+.... +a
n

O subespao \ diz-se gerado pelos vetores

1
,
2
, ...
n
., ou gerado pelo con-
junto A, e representa-se por:
\ = [
1
,
2
, ...
n
.] on \ = G()
Os vetores
1
,
2
, ...
n
.so chamados geradores do sube-
spao \, enquanto o conjunto gerador de \.
Para o caso particular de = ?, dene-se [?] =

0
G(), ou seja,
1
,
2
, ...
n
[
1
,
2
, ...
n
]
Todo conjunto \ gera um subespao vetorial de \ , podendo ocorrer
G() = \ . Nesse caso, um conjunto gerador de \.
Exemplo 77 Os vetores i = (1, 0) e , = (0, 1) geram o espao vetorial R
2
,
pois, qualquer (r, j) R
2
combinao linear de i e , :
(r, j) = ri +j, = r(0, 1) +j(0, 1) = (r, 0) + (0, j) = (r, j)
Ento: [i, ,] = R
2
.
Exemplo 78 Seja \ = R
3
. Determinar o subespao gerado pelo vetor
1
=
(1, 2, 3).
Soluo: Temos:
[
1
] = (r, j, .) R
3
,(r, j, .) = a(1, 2, 3), a R
Da igualdade: (r, j, .) = a(1, 2, 3) vem: r = a; j = 2a; . = 3a donde:
j = 2r e . = 3r logo ,
[] = (r, j, .) R
3
,j = 2r e . = 3r on [
1
] = (r, 2r, 3r); r R.
51
Exemplo 79 Encontre o subespao vetorial de 1
3
gerado por l = 1, t, t
2
, 1 +
t
3

Resoluo:
Note que t
3
= (t
3
+ 1) 1. Assim, dado j(t) = a
o
+ a
1
t + a
2
t
2
+ a
3
t
3
1
3
podemos escrever
j(t) = (a
0
a
3
) +a
1
t +a
2
t
2
+a
3
(t
3
+ 1) l
Ou seja, qualquer vetor (polinmio) de 1
3
pode ser escrito como uma combi-
nao linear dos vetores do conjunto l. Logo 1
3
= [l].
Exemplo 80 Encontre o subespao vetorial gerado de '
2
gerado por
G =
__
1 1
0 1
_
,
_
2 1
3 4
__
Resoluo: Temos que =
_
r j
. t
_
[G] se e somente se existirem a e
/ R tais que
=
_
r j
. t
_
= a
_
1 1
0 1
_
+/
_
2 1
3 4
_
Da, tem-se o sistema:
_

_
a + 2/ = r
a +/ = j
3/ = .
a + 4/ = t
que possvel se:
. = r +j e t =
5r + 2j
3
Logo [G] =
__
r j
r +j
5r+2
3
_
: r, j R
_
.
Exemplo 81 Encontre um conjunto de geradores para \ = A '(4, 1)
A = 0 onde
=
_
_
_
_
1 1 1 0
2 0 1 1
3 1 0 1
0 2 3 1
_
_
_
_
Resoluo:
52
A =
_
_
_
_
a
/
c
d
_
_
_
_
\ ==
_
_
_
_
1 1 1 0
2 0 1 1
3 1 0 1
0 2 3 1
_
_
_
_
_
_
_
_
a
/
c
d
_
_
_
_
=
_
_
_
_
0
0
0
0
_
_
_
_
=,
_
_
_
_
1 1 1 0
0 2 3 1
0 0 0 0
0 0 0 0
_
_
_
_
_
_
_
_
a
/
c
d
_
_
_
_
=
_
_
_
_
0
0
0
0
_
_
_
_
=
_
_
_
_
1 1 1 0
0 1 3,2 1,2
0 0 0 0
0 0 0 0
_
_
_
_
_
_
_
_
a
/
c
d
_
_
_
_
=
_
_
_
_
0
0
0
0
_
_
_
_
=
_
a =
c
2

J
2
/ =
3c
2
+
J
2
isto ,
A =
_
_
_
_
c
2

J
2
3c
2
+
J
2
c
d
_
_
_
_
= c
_
_
_
_
1
2
3
2
1
0
_
_
_
_
+d
_
_
_
_
1
2
1
2
0
1
_
_
_
_
jorta:to, \ =
_

_
_
_
_
_
1
2
3
2
1
0
_
_
_
_
,
_
_
_
_
1
2
1
2
0
1
_
_
_
_
_

_
2.7 Soma de Subespaos
Denio 82 Sejam \
1
e \
2
dois subespaos vetoriais de \. Ento o conjunto
\
1
+\
2
= \ = n
1
+n
2
, n
1
\
1
c n
2
\
2

um subespao de \.
Exemplo 83 \
1
=
__
a /
0 0
__
e \
2
=
__
0 0
c d
__
,onde a, /, c, d R.
Ento \
1
+\
2
=
__
a /
c d
__
= '
2
.
Exemplo 84 Sejam os subespaos vetoriais
\
1
= (a, /, 0); a, / R c \
2
= (0, 0, c), c R
do espao vetorial R
3
. A soma \
1
+ \
2
= (a, /, c); a, /, c R subespao
vetorial, que nesse caso o prprio R
3
.
53
Proposio 85 Quando \
1
\
2
=

0 , ento \
1
+ \
2
chamado soma
direta de \
1
com \
2
, e denotado por \
1
\
2
.
Observao 86 Usando os geradores podemos obter uma caracterizao da
soma de dois subespaos: Sejam \ e l subespaos de \, se \ = [n
1
, ..., n
n
] e
l = [n
1
, ..., n
n
] ento \ +l = [n
1
, ..., n
n
, n
1
, ..., n
n
]
Exemplo 87 Verique que R
3
a soma direta de
\
1
= (r, j, .) R
3
; r +j +. = 0
e
\
2
= (r, j, .) R
3
; r = j = 0
Resoluo:
Note que \
2
de fato um subespao vetorial de R
3
(Verique)
Dado \
1,
= (r, j, r j) e n \
2
, n = (0, 0, .)
n + = (r, j, r j +.) = R
3
vamos mostrar que \
1
\
2
=
_

0
_
. Seja (r, j, .) \
1
\
2
temos:
_
_
_
r j +. = 0
r = 0
j = 0
==(r, j, .) = (0, 0, 0)
Exemplo 88 Encontre os geradores do subespao l +\ onde
l =
_
(r, j, .) R
3
r +j +. = 0
_
, e
\ =
_
(r, j, .) R
3
r +j = 0 c r . = 0
_
Resoluo: Se l = = (r, j, r j) = r(1, 0, 1) + j(0, 1, 1) logo
l = [(1, 0, 1), (0, 1, 1)]
Se \ = = (r, r, r) = r(1, 1, 1) logo \ = [(1, 1, 1)]
Usando a teoria acima explicada temos que
l +\ = [(1, 0, 1), (0, 1, 1), (1, 1, 1)]
2.8 Base e Dimenso de um Espao Vetorial
2.8.1 Base
Um conjunto , =
1
,
2
, ......,
n
\ uma base do E.V se:
1. , LI
2. , gera \
54
Exemplo 89 , = (1, 1), (1, 0) base de R
2
. De fato:
1. , LI pois a(1, 1) +/(1, 0) = (0, 0) ==a = / = 0
2. , gera R
2
, pois para todo (r, j) R
2
, tem-se :
(r, j) = j(1, 1) + (j r)(1, 0)
Realmente , a igualdade (r, j) = a(1, 1) +/(1, 0) ==a = j e / = j r.
Exemplo 90 O conjunto (0, 1), (0, 2)no base de R
2
pois um conjunto
LD. Se
(0, 0) = a(0, 1) +/(0, 2)
temos a = 2/. Assim para cada valor de / conseguimos um valor para a, ou
seja, temos innitas solues.
Exemplo 91 Seja \ = R
3
ento c = (1, 0, 0), (0, 1, 0), (0, 0, 1) uma base
do R
3
(verique!).
Exemplo 92 O conjunto , = 1, r, r
2
, ..., r
n
uma base do espao vetorial
1
n
. De fato:
a
o
+a
1
r +a
2
r
2
+..... +a
n
r
n
= 0
a
o
+a
1
r +a
2
r
2
+..... +a
n
r
n
= 0 + 0r + 0r
2
+..... + 0r
n
==a
0
= a
1
= ..... = a
n
= 0
portanto, , LI.
, gera o espao vetorial 1
n,
pois qualquer polinmio j 1
n
pode ser escrito
assim:
j = a
o
+a
1
r +a
2
r
2
+..... +a
n
r
n
que uma combinao linear de 1, r, r
2
, ..., r
n
.
Logo, , uma base de 1
n
.Essa a base cannica de 1
n
e tem :+1 vetores.
Exemplo 93 Encontre uma base para l +\ onde
l =
_
(r, j, .) R
3
r +j +. = 0
_
c
\ =
_
(r, j, .) R
3
r +j = 0 c r . = 0
_
Resoluo: l = [(1, 0, 1), (0, 1, 1)] e \ = [(1, 1, 1)] ( J vimos este
exemplo)
l +\ = [(1, 0, 1), (0, 1, 1), (1, 1, 1)].
J temos um conjunto que gera a soma, se este conjunto for L.I. ento ele
ser uma base.
a(1, 0, 1) +/(0, 1, 1) +c(1, 1, 1) = (0, 0, 0)
55
_
_
1 0 1
0 1 1
1 1 1
_
_
_
_
a
/
c
_
_
=
_
_
0
0
0
_
_
=
_
_
1 0 1
0 1 1
1 1 1
_
_
=
1
=
_
_
0 1 1
1 2 1
1 1 1
_
_
_
_
a
/
c
_
_
=
_
_
0 1 1
1 2 1
1 1 1
_
_
_
_
0
0
0
_
_
=
_
_
0
0
0
_
_
logo o conjunto L.I e portanto. , = (1, 0, 1), (0, 1, 1), (1, 1, 1) uma
base de l +\
Exemplo 94 Encontre uma base para l +\ onde
l =
_
(r, j, .) R
3
r j +. = 0 e r j = 0
_
, c
\ =
_
(r, j, .) R
3
r +j . = 0 c r . = 0
_
Se = (r, j, .) l =
_
r j +. = 0
r j = 0
= = (r, r, 0) = r(1, 1, 0),
portanto l = [(1, 1, 0)] .
Se n = (r, j, .) \ =
_
r +j . = 0
r . = 0
=n = (r, 0, r) = r(1, 0, 1),portanto
\ = [(1, 0, 1)]
Assiml+\ = [(1, 1, 0, ), (1, 0, 1)] . Como o conjunto , = (1, 1, 0, ), (1, 0, 1)
L.I ento ele uma base para l +\.
Como o conjunto , = (1, 0, 1), (0, 1, 1), (1, 1, 1) LI (verique isto) e
gera o espao l +\ ento ele uma base do espao l +\.
Exemplo 95 Dados:
l = '
2
(R); =
|
c \ =
__
1 1
0 1
__
c: '
2
encontre uma base para l, \, l \, \ +l
Resoluo:
Para l : =
_
a /
c d
_
=c = / portanto, l se existirem a
1
, a
2
, a
3

R tais que
= a
1
_
1 0
0 0
_
+a
2
_
0 1
1 0
_
+a
3
_
0 0
0 1
_
pode-se vericar facilmente que as matrizes
__
1 0
0 0
_
,
_
0 1
1 0
_
,
_
0 0
0 1
__
so L.I e portanto, como geram l, formam uma base de l.
56
Para \: Como a matriz
_
1 1
0 1
_
gera \, ela serve para base de \
Para l \ :
l \ = =
|
e existe c R tal que
=
_
c c
0 c
_
, isto , se e somente se existir c R tal que
_
c c
0 c
_
=
_
c 0
c c
_
que satisfeita quando c = 0 , ou seja, = 0.Desse modo l \ = 0. Uma
base para l \ , = c. Veja a observao a seguir para elucidar esse fato.
Observao: Seja \ um espao vetorial e

0 \ o vetor nulo de \. Como
o conjunto , =
_

0
_
LD (mostre isto) temos que este conjunto no pode ser
uma base do conjunto =
_

0
_
. Este um caso patolgico e para que no seja
contrariada a denio de base tomamos , = c (conjunto vazio) como sendo
base para o espao =
_

0
_
Para l +\ : Como l \ = 0 temos l +\ soma direta e, portanto,
uma base :
__
1 0
0 0
_
,
_
0 1
1 0
_
,
_
0 0
0 1
_
,
_
1 1
0 1
__
Proposio 96 "Todo conjunto LI de um espao vetorial \ base do subespao
por ele gerado ".
Exemplo 97 O conjunto , = (1, 2, 1), (1, 3, 0) R
3
LI e gera o sube-
spao
\ = (r, j, .) R
3
,3r j . = 0
_
.
Ento, , base de \, pois , LI e gera \.
Teorema 98 Sejam
1
,
2
, ...
n
, vetores no nulos que geram um espao veto-
rial \ . Ento, dentre estes vetores podemos extrair uma base de \ .
Proposio 99 Seja um E.V \ gerado por um conjunto nito de vetores

1
,
2
, ...
n
. Ento qualquer conjunto com mais de n vetores necessariamente
LD (e, portanto, qualquer conjunto LI tem no mximo n vetores).
Exemplo 100 Sejam l e \ subespaos de \ = '
2
tal que l =
__
a /
c d
_
'
2
: / +c = 0
_
e \ =
__
0 1
1 0
_
,
_
1 0
0 1
_
,
_
1 1
0 1
__
.
57
a. Determine uma base para l \
Inicialmente, encontremos o subespao gerado \ :
Seja \ = =
_
a /
c d
_
= c
_
0 1
1 0
_
+,
_
1 0
0 1
_
+
_
1 1
0 1
_
A matriz ampliada desse sistema :
_
_
_
_
0 1 1 a
1 0 1 /
1 0 0 c
0 1 1 d
_
_
_
_
, Gaussian elimination:
_
_
_
_
1 0 1 /
0 1 1 a
0 0 1 / +c
0 0 0 d a
_
_
_
_
O sistema s possvel se da = 0, da observamos que o subespao gerado
\ dado por \ =
__
a /
c d
_
'
2
: a = d
_
E portanto obtemos l \ =
__
a c
c a
_
; a, c R
_
. Uma base para \
, =
__
1 0
0 1
_
,
_
0 1
1 0
__
. Note que as matrizes geram l \ e so LI, pois
no so mltiplas uma da outra.
b. Encontre uma base para l +\.
Obtemos os geradores de l +\ unindo os geradores de l e \. Vamos obter
os geradores de l :
Seja l = =
_
a /
/ d
_
= a
_
1 0
0 0
_
+/
_
0 1
1 0
_
+d
_
0 0
0 1
_
l =
__
1 0
0 0
_
,
_
0 1
1 0
_
,
_
0 0
0 1
__
l+\ =
__
1 0
0 0
_
,
_
0 1
1 0
_
,
_
0 0
0 1
_
,
_
0 1
1 0
_
,
_
1 0
0 1
_
,
_
1 1
0 1
__
Uma base para l +\ deve ter no mximo 4 matrizes, ento j sabemos que
este conjunto 11 e que temos que eliminar no mnimo 2 matrizes para este
conjunto se tornar LI. Vejamos quantas e quais matrizes sero eliminadas:
a
_
1 0
0 0
_
+b
_
0 1
1 0
_
+c
_
0 0
0 1
_
+d
_
0 1
1 0
_
+e
_
1 0
0 1
_
+f
_
1 1
0 1
_
=
_
0 0
0 0
_
_
_
_
_
1 0 0 0 1 1
0 1 0 1 0 1
0 1 0 1 0 0
0 0 1 0 1 1
_
_
_
_
, Gaussian elimination:
_
_
_
_
1 0 0 0 1 1
0 1 0 1 0 1
0 0 1 0 1 1
0 0 0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
a
/
c
d
c
)
_
_
_
_
_
_
_
_
=
_
_
_
_
0
0
0
0
_
_
_
_
=
_

_
a c ) = 0
/ d ) = 0
c c +) = 0
) = 0
=
_
_
_
a = c = c
/ = d
) = 0
58
Veja que no podemos excluir a ltima matriz e que existe uma relao
entre a 1
o
, 3
o
e 5
o
, ento devemos excluir uma dentre estas 3; e ainda a 2
o
est
relacionada com a 4
o
, ento temos que excluir uma das duas. Excluindo a 1
o
e
a 2
o
tem-se que
, =
__
0 0
0 1
_
,
_
0 1
1 0
_
,
_
1 0
0 1
_
,
_
1 1
0 1
__
uma base para l +\.
2.8.2 Dimenso
Seja \ um Espao Vetorial.
Se \ possui uma base com : vetores, ento \ tem dimenso : e denota-se
dim\ = :.
Se \ no possui uma base, ou seja, a base , = c ento di:\ = 0
Se \ possui uma base com innitos vetores, ento dim\ innita e anota-se
dim\ =
Exemplo 101 dimR
2
= 2 pois toda base de R
2
tem 2 vetores
Exemplo 102 dim'(2, 2) = 4
Exemplo 103 dim'(:, :) = :.:
Exemplo 104 dim1
n
= : + 1
Proposio 105 Seja \ um E. V. tal que dim\ = :
Se \ um subespao de \ ento dim\ _ :. No caso de dim\ = : ,
tem-se \ = \ . Para permitir uma interpretao geomtrica, consideremos o
espao tridimensional R
3
(dimR
3
= 3).
A dimenso de qualquer subespao \ do R
3
s poder ser 0, 1, 2 ou 3.
Portanto, temos os seguintes casos:
1. dim\ = 0, ento \ = 0 a origem;
2. dim\ = 1, ento \ uma reta que passa pela origem;
3. dim\ = 2, ento \ um plano que passa pela origem;
4. dim\ = 3 ento \ = R
3
.
Proposio 106 Seja \ um E. V de dimenso :. Ento, qualquer subconjunto
de \ com mais de : vetores Linearmente Dependente (LD).
Proposio 107 Sabemos que o conjunto , base de um espao vetorial se ,
for LI e gera \ . No entanto, se soubermos que dim\ = : , para obtermos uma
base de \ basta que apenas uma das condies de base esteja satisfeita.
Exemplo 108 O conjunto , = (2, 1), (1, 3) uma base do R
2
. De fato,
como dimR
2
= 2 e os dois vetores dados so LI (pois nenhum vetor mltiplo
escalar do outro), eles formam uma base do R
2
.
59
Exemplo 109 Seja \ =
_
j(r) 1
3
: j
00
(2) +j
0
(1) = 0
_
um subespao veto-
rial de 1
3
. Encontre uma base e a dimenso de \.
Resoluo:
Vamos ento encontrar uma base, comecemos pelos geradores de \ :
Se j(r) = ar
3
+/r
2
+cr +d \ temos que j
00
(2) +j
0
(1) = 0.Ento como
_
j
0
(1) = 3a + 2/ +c
j
00
(2) = 12a + 2/
obtm-se de j
00
(2) +j
0
(1) = 0 que c = 15a 4/.
Portanto j(r) \ da forma j(r) = a(r
3
15r) +/(r
2
4r) +d.
Logo \ =
_
r
3
15r, r
2
4r, 1

. Como esse conjunto LI (fcil de veri-

car), temos que uma base de \
c = r
3
15r, r
2
4r, 1
e dim\ = 3.
2.8.3 Dimenso da Soma de Subespaos Vetoriais
Proposio 110 Seja \ um espao vetorial de dimenso nita. Se l e \
so subespaos vetoriais de \ ento
dim(l +\) = diml + dim\ dim(l \).
No exemplo (95 ) de base , para encontrar a base de l + \ podemos usar
esta proposio: dim(l + \) = diml + dim\ dim(l \) = 3 + 1 0 =
4 = dim'
2
, portanto, l +\ = '
2
e uma base pode ser dada por:
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
1 1
0 1
__
2.8.4 Coordenadas
Seja \ um espao vetorial gerado e , uma base de \ formada pelos vetores
n
1
, n
2 ....
n
n
.
\ sendo
= r
1
n
1
+r
2
n
2
+... +r
n
n
n
Os coecientes r
1
, r
2
, ...r
n
so chamados componentes ou coordenadas de
em relao a base , e se representa por :
[]
o
=
_
_
_
_
r
1
r
2
:
r
n
_
_
_
_
Exemplo 111 No R
2
consideremos as bases c = (1, 0), (0, 1), , = (2, 0), (1, 3)
e = (1, 3), (2, 4). Dado o vetor = (8, 6) tem-se:
60
(8, 6) = 8(1, 0) + 6(0, 1)
(8, 6) = 3(2, 0) + 2(1, 3)
(8, 6) = 2(1, 3) + 3(2, 4)
temos: []
o
=
_
8
6
_
, []
o
=
_
3
2
_
e []
~
=
_
2
3
_
.
Exemplo 112 Mostre que os vetores (1, 1, 1), (0, 1, 1) e (0, 0, 1) formam uma
base de R
3
. Encontre as coordenadas de (1, 2, 0) R
3
com relao base ,
formada pelos vetores acima.
Resoluo:
J sabemos que dim R
3
= 3.Ento vericamos se os vetores acima so LI.
Os vetores so LI se a
1

1
+ a
2

2
+ a
3

3
= 0 = a
1
= a
2
= a
3
= 0. Isto
equivalente a que o sistema:
_
_
_
a
1
= 0
a
1
+a
2
= 0
a
1
+a
2
+a
3
= 0
cuja soluo a
1
= a
2
= a
3
= 0 , portanto, os vetores
1
,
2
e
3
so LI.
(1, 2, 0) = a(1, 1, 1) +/(0, 1, 1) +c(0, 0, 1) = (a, a +/, a +/ +c)
que equivalente ao sistema:
_
_
_
a = 1
a +/ = 2
a +/ +c = 0
=a = 1, / = 1 c c = 2
. Desse modo, as coordenadas de (1, 2, 0) em relao base , dado por
[]
o
=
_
_
1
1
2
_
_
2.9 Mudana de Base
Muitos problemas aplicados podem ser simplicados mudando-se de um sistema
de coordenadas para outro. Mudar sistemas de coordenadas em um espao
vetorial , essencialmente, a mesma coisa que mudar de base. Por exemplo,
num problema em que um corpo se move no plano rj, cuja trajetria uma
elipse de equao r
2
+ rj + j
2
3 = 0 (ver gura), a descrio do moviemnto
torna-se muito simplicada se ao invs de trabalharmos com os eixos r e j
utilizarmos um referencial que se apia nos eixos principais da elipse. Neste
novo referencial, a equao da trajetria ser mais simples: 3n
2
+ 2
2
= 6.
61
Nesta seo, vamos discutir o problema de mudar de um sistema de coorde-
nadas para outro.
Sejam , = n
1,...,
n
n
e ,
0
= n
1,
.....
,
n
n
duas bases ordenadas de um
mesmo espao vetorial \ . Dado um vetor \ , podemos escrev-lo como:
= r
1
n
1
+.... +r
n
n
n
(2.1)
= j
1
n
1
+.... +j
n
n
n
Como podemos relacionar as coordenadas de em relao base ,
[]
o
=
_

_
r
1
r
2
:
r
n
_

_
com as coordenadas do mesmo vetor em relao base ,
0
[]
o
;
0 =
_

_
j
1
j
2
:
j
n
_

_
.
J que n
1,...,
n
n
base de \, podemos escrever os vetores n
I
como combinao
linear dos n

, isto :
62
_

_
n
1
= a
11
n
1
+a
21
n
2
+.... +a
n1
n
n
n
2
= a
12
n
1
+a
22
n
2
+.... +a
n2
n
n
:
n
n
= a
1n
n
1
+a
2n
n
2
+.... +a
nn
n
n
(2.2)
Substituindo em (2.1) temos:
= j
1
n
1
+... +j
n
n
n
= j
1
(a
11
n
1
+a
21
n
2
+.... +a
n1
n
n
) +... +j
n
(a
1n
n
1
+
a
2n
n
2
+.... +a
nn
n
n
) =
= (a
11
j
1
+... +a
1n
j
n
)n
1
+..... + (a
n1
j
1
+... +a
nn
j
n
)n
n
Mas = r
1
n
1
+ .... + r
n
n
n
, e como as coordenadas em relao a uma base
so nicas, temos:
r
1
= a
11
j
1
+a
12
j
2
+... +a
1n
j
n
r
2
= a
21
j
1
+a
22
j
2
+... +a
2n
j
n
: : :
r
n
= a
n1
j
1
+a
n2
j
2
+... +a
nn
j
n
Em forma matricial
_
_
r
1
:
r
n
_
_
=
_
_
a
11
: a
1n
: : :
a
n1
a
n2
a
nn
_
_
_
_
j
1
:
j
n
_
_
Logo ,se usarmos a notao
[1]
o
0
o
=
_
_
a
11
: a
1n
: : :
a
n1
a
n2
a
nn
_
_
temos a relao
[]
o
= [1]
o
0
o
[]
o
0
A matriz [1]
o
0
o
chamada matriz mudana de base ,
0
para a base ,.
Compare [1]
o
0
o
com (2.2) e observe que esta matriz obtida, colocando as
coordenadas em relao a , de n
I
na i-sima coluna. Note que uma vez obtida
[1]
o
0
o
podemos encontrar as coordenadas de qualquer vetor em relao base
,, multiplicando a matriz pelas coordenadas de na base ,
0
(supostamente
conhecida).
Exemplo 113 Sejam , = (2, 1), (3, 4) e ,
0
= (1, 0), (0, 1) bases de R
2
.
Procuremos inicialmente [1]
o
0
o
n
1
= (1, 0) = a
11
(2, 1) +a
21
(3, 4) = (2a
11
+ 3a
21
, a
11
+ 4a
21
)
Isto implica que a
11
=
4
11
e a
21
=
1
11
n
2
= (0, 1) = a
12
(2, 1) +a
22
(3, 4)
Resolvendo, a
12
=
3
11
e a
22
=
2
11
63
Portanto, [1]
o
0
o
=
_
_
4
11
3
11
1
11
2
11
_
_
Podemos usar esta matriz para encontrar por exemplo, []
o
para = (5, 8)
[(5, 8)]
o
= [1]
o
0
o
[(5, 8)]
o
0 =
_
_
4
11
3
11
1
11
2
11
_
_
_
_
5
8
_
_
=
_
_
4
1
_
_
Isto , (5, 8) = 4(2, 1) 1(3, 4)
Exemplo 114 Considere as bases em R
3
, = (1, 0, 1), (1, 1, 1), (1, 1, 2) e ,

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

Encontre[1]
o
0
o
.
Resoluo:
(1, 0, 0) = a
11
(1, 0, 1) +a
21
(1, 1, 1) +a
31
(1, 1, 2)
(0, 1, 0) = a
12
(1, 0, 1) +a
22
(1, 1, 1) +a
32
(1, 1, 2) =
(0, 0, 1) = a
31
(1, 0, 1) +a
23
(1, 1, 1) +a
33
(1, 1, 2)
(a
11
+a
21
+a
31,
a
21
+a
31
, a
11
+a
21
+ 2a
31
) = (1, 0, 0)
(a
12
+a
22
+a
32,
a
22
+a
32
, a
12
+a
22
+ 2a
32
) = (0, 1, 0)
(a
13
+a
23
+a
33,
a
23
+a
33
, a
13
+a
23
+ 2a
33
) = (0, 0, 1)
Note que cada linha acima representa um sistema de trs equaes com trs
incgnitas e que a matriz associada a cada um destes sistemas a mesma e o
que muda so os nomes das variveis e o segundo membro. Utilizando como
variveis r, j e . , basta resolvermos o seguinte sistema:
_
_
1 1 1
0 1 1
1 1 2
_
_
_
_
r
j
.
_
_
=
_
_
a
/
c
_
_
onde a, /, c R. O sistema acima equivalente a
_
_
1 1 1
0 1 1
0 0 1
_
_
_
_
r
j
.
_
_
=
_
_
a
/
c a
_
_
cuja soluo dada por r = a /, j = a +/ c e . = c a
Tomando (a, /, c) = (1, 0, 0),obtemos (a
11
, a
21
, a
31
) = (1, 1, 1)
Tomando (a, /, c) = (0, 1, 0),obtemos (a
12
, a
22
, a
32
) = (1, 1, 0)
Tomando (a, /, c) = (0, 0, 1),obtemos (a
13
, a
23
, a
33
) = (0, 1, 1). Desta forma
obtemos:
[1]
o
0
o
=
_
_
1 1 0
1 1 1
1 0 1
_
_
64
2.10 A Inversa da Matriz de Mudana de Base
Se em (2.1 )comearmos escrevendo os n
I
em funo dos n

, chegaremos
relao:
[]
o
0 = [1]
o
o
0 []
o
Um fato importante que as matrizes [1]
o
0
o
e [1]
o
o
0 so inversveis e
_
[1]
o
0
o
_
1
= [1]
o
o
0
Exemplo 115 No exemplo (113 ) anterior podemos obter [1]
o
0
o
a partir de [1]
o
o
0
Note que [1]
o
o
0 fcil de ser calculada , pois ,
0
a base cannica
(2, 1) = 2(1, 0) 1(0, 1)
(3, 4) = 3(1, 0) + 4(0, 1)
= [1]
o
o
0 =
_
2 3
1 4
_
Ento
[1]
o
0
o
=
__
2 3
1 4
__
1
=
_
_
4
11
3
11
1
11
2
11
_
_
Exemplo 116 Seja \ = 1
3
e c =
_
2, r, r
2
+ 1, r
3
r
_
e , =
_
3, r + 1, r
2
, 3r
3
_
bases de 1
3
.
a. Encontre [1]
o
o
.
Escrevendo os elementos da base c como combinao dos elementos da base
,.
2 = a.3 +b(r + 1) +cr
2
+d(3r
3
)
r = e.3 +f (r + 1) +gr
2
+h(3r
3
)
r
2
+ 1 = i.3 +j(r + 1) +lr
2
+m(3r
3
)
r
3
r = n.3 +o(r + 1) +pr
2
+q(3r
3
)
Rearranjando os termos direita de cada igualdade, temos:
2 = (3a +b) +br +cr
2
+3dr
3
r = (3e +f ) +f r +gr
2
+3hr
3
r
2
+ 1 = (3i +j) +jr +lr
2
+3mr
3
r
3
r = (3n +o) +or +pr
2
+3qr
3
Da, comparando ambos os lados das igualdades, obtm-se
[1]
o
o
=
_
_
_
_
2
3

1
3
1
3
1
3
0 1 0 1
0 0 1 0
0 0 0
1
3
_
_
_
_
b. Encontre [j]
o
sabendo que [j]
o
=
_
_
_
_
1
2
1
4
_
_
_
_
.
65
Devemos usar a relao [j]
o
= [1]
o
o
[j]
o
onde [1]
o
o
=
_
[1]
o
o
_
1
=
_
_
_
_
3
2
1
2

1
2
0
0 1 0 3
0 0 1 0
0 0 0 3
_
_
_
_
[j]
o
=
_
_
_
_
3
2
1
2

1
2
0
0 1 0 3
0 0 1 0
0 0 0 3
_
_
_
_
_
_
_
_
1
2
1
4
_
_
_
_
=
_
_
_
_
3
10
1
12
_
_
_
_
66
2.11 Terceira lista de exerccios
1. Verique se R
2
com as operaes denidas por:
i. (r, j) + (:, t) = (:, j +t), onde u = (r, j) e v = (:, t) pertencem a R
2
ii. c(r, j) = (cr, j), onde c R e u = (r, j) R
2
.
um espao vetorial.
2. Moste que R
2
com as operaes denidas por:
i. (r, j) + (:, t) = (r + :, j + t), onde u = (r, j) e v = (:, t) pertencem a
R
2
ii. c(r, j) = (cr, cj), onde c R e u = (r, j) e v = (:, t) pertencem a
R
2
.
um espao vetorial .
3. Verique se em cada um dos itens abaixo o subconjunto \ um subespao
do espao vetorial \. Se for, encontre uma base para cada subespao.
(a) \ = R
3
e \ = (r, j, .) R
3
: 2r + 3j . = 0
(b) \ = R
3
e \ = (r
1
, r
2
, r
3
) R
3
: r
1
+r
2
= 1
(c) \ = 1
n
e \ = j 1
n
: j(0) = j(1)
(d) \ = '(2, 2) e o = A '
2
dct(A) = 0 (o o conjunto das
matrizes singulares)
(e) \ = '(2, 2) e 1 = A '
n
A = A (1 o conjunto das
matrizes que comutam com a matriz )
(f) \ = 1
3
e \ o conjunto dos polinmios de qran _ 3 que passam
pelo ponto 1(0, 0).
(g) \ = 1
1
e \ =
_
j(r) 1
1
:
_
1
0
j(r)dr = 0
_
(h) \ = R
3
e \ =
_
_
_
(r, j, .) R
3
: det
_
_
r j .
1 2 1
0 1 1
_
_
= 0
_
_
_
(i) \ = '
22
e \ =
_
'
22
:
2
=
_
4. D um exemplo de um subespao vetorial de 1
3
com dimenso 2.
5. a) Verique se o conjunto o = '(3, 3); c n:a :atri. a:ti
:i: ctrica um subespao vetorial de '(3, 3).
b) Considere o subconjunto de '
2
, dado por
\ =
__
a /
c d
_
'
2
/ = a e d = a
_
. Verique se o subconjunto
\ um espao vetorial.
67
6. Verique se o conjunto \ = (1, 2, 3), (1, 3, 1), (0, 3, 1), (1, 4, 5) R
3

L.I ou L.D.
7. Dado o conjunto \ = (1, 1, 3), (1, 2, 1), (0, 1, 3), (1, 4, 5) R
3
, extrair
um subconjunto de vetores L.I.
8. a) Se o conjunto , =
1
,
2
, ...,
n
um conjunto Linearmente Indepen-
dente ento o o conjunto c =
_

1
,

0 ,
2
, ...,
n
_
LI ou LD? Justique
sua resposta.
b) Considere o subespao =
_

0
_
. Qual a base e a dimenso de
.
9. Sejaml =
_
a +/r +cr
2
+dr
3
1
3
, a +/ c + 3d = 0
_
e \ = j(r) 1
3
, j
0
(1) = 0
dois subespaos vetoriais de 1
3
. Determine l \.
10. Considere o subespao de R
4
gerado pelos vetores v
1
= (1, 1, 0, 0), v
2
=
(0, 0, 1, 1), v
3
= (2, 2, 1, 1) e v
4
= (1, 0, 0, 0).
(a) O vetor (2, 3, 2, 2) [
1
,
2
,
3
,
4
]? Justique.
(b) Exiba uma base para [v
1
, v
2
, v
3
, v
4
] . Qual a dimenso deste espao?
(c) [v
1
, v
2
, v
3
, v
4
] = R
4
? Por qu?
11. Qual o subespao gerado pelas matrizes
_
1 1
1 0
_
,
_
0 0
1 1
_
e
_
0 2
0 1
_
?
12. Sejam l =
__
a /
c d
_
, a +/ +c = 0
_
e \ =
__
a /
c d
_
, / + 2d = 0
_
dois subespaos vetoriais de '
2
. Determine os geradores de l \.
13. Considere o espao vetorial 1
3
e o conjunto \ = j(r) 1
3
; j
00
(1) = 0 .
(a) Verique se \ um subespao vetorial de 1
3
.
(b) Obtenha os geradores de \.
14. a) Encontre as coordenadas do vetor j = 1 + t + t
2
+ t
3
em relao base
c =
_
2, 1 +t, t +t
2
, t
2
+t
3
_
de 1
3
b) O conjunto , =
_
2, t
2
, t +t
2
_
LI ou LD? Justique sua resposta
15. Mostre com um exemplo que a unio de dois subespaos vetoriais de um
mesmo espao vetorial no precisa ser um subespao vetorial desse espao.
16. Responda se os subconjuntos abaixo so subespaos de '(2, 2).
(a) \ =
__
a /
c d
_
com a, /, c, d R e / = c e a = /
_
68
(b) \ =
__
a /
c d
_
com a, /, c, d R e / = d
_
Em caso armativo, determine:
i) uma base para \
1
\
2
ii) \
1
+\
2
soma direta?
iii) \
1
+\
2
= '(2, 2)?
17. Considere os subespaos de R
5
, \
1
= (r, j, ., t, n)r +. +n = 0, r +n = 0 ,
\
2
= (r, j, ., t, n)j +. +t = 0 e \
3
= (r, j, ., t, n)2r +t + 2n = 0.
(a) Determine uma base para o subespao \
1
\
2
\
3
.
(b) Determine uma base e a dimenso de \
1
+\
3
.
(c) \
1
+\
2
soma direta? Justique.
(d) \
1
+\
2
= R
5
?
18. Considere os seguintes subespaos de 1
3
:
l =
_
j 1
3
: j
00
(1) = 0
_
e \ =
_
j 1
3
: j
0
(1) = 0
_
Determine dim(l +\) e dim(l \) .
19. Considere o subespao \ de 1
3
que gerado pelos polinmios j
1
(r) =
1 + 2r + r
2
, j
2
(r) = 1 + 2r
2
+ 3r
3
e j
3
(r) = 1 + 4r + 8r
2
+ 9r
3
e o
subespao de 1
3,
l = j 1
3
: j(0) = 0
(a) Determine uma base e a dimenso de \.
(b) Determine uma base para l \.
(c) Determine uma base para l +\.
20. Sejam l = [(1, 0, 0), (1, 1, 1)] e \ = [(0, 1, 0), (0, 0, 1)] subespaos gerados
do R
3
. Determine:
(a) uma base e a dimenso de l \.
(b) l +\ = R
3
?
21. Considere o seguinte subespao de '(2, 2)
o =
__
a /
c d
_
'(2, 2) : a +/ = c +d = 0
_
(a) Determine uma base e indique a dimenso de o.
69
(b) Construa uma base de '(2, 2) que contenha a base de o obtida no
tem a).
22. Determine a dimenso e encontre uma base do espao-soluo do sistema
_
_
_
r 3j +. = 0
2r 6j + 2. = 0
3r 9j + 3. = 0
23. D exemplos de dois subespaos do R
3
tais que \
1
+ \
2
= R
3
. A soma
direta? Justique sua resposta.
24. Sejam l e \ subespaos de R
4
de dimenso 2 e 3, respectivamente.
Mostre que a dimenso de l \ pelo menos 1. O que ocorre se a
dimenso de l \ for 2 ? Pode ser 3 ? Justique sua resposta.
25. O conjunto = (1, 0, 2), (a
2
, a, 0), (1, 0, a) uma base para um sube-
spao do R
3
de dimenso 2 se e somente se a = 2.
26. Seja o = A '
31
: A = 0 o espao soluo do sistema
_
_
_
r +j +a. = 0
r +aj +. = 0
ar +j +. = 0
.
Determine os valores de a para os quais o seja: a prpria origem; uma
reta que passa pela origem; e, um plano que passa pela origem.
27. Sejam , = (1, 0), (0, 1), ,
1
= (1, 1), (1, 1), ,
2
=
_
3, 1), (
_
3, 1)
e ,
3
= (2, 0), (0, 2) bases ordenadas de R
2
.
(a) Encontre a matrizes mudana de base:
i. [1]
o
1
o
ii. [1]
o
o
1
iii. [1]
o
o
2
iv. [1]
o
o
3
.
(b) Quais so as coordenadas do vetor = (3, 2) em relao base
i. , ii. ,
1
iii. ,
2
iv. ,
3
.
(c) As coordenadas de um vetor u em relao base ,
1
so dadas por
[u]
o
1
=
_
4
0
_
Quais as coordenadas do vetor u em relao base: i. , ii.
,
2
iii. ,
3
28. Sejam1
4
=
_
j = a
0
+a
1
r +a
2
r
2
+a
3
r
3
+a
4
r
4
a
0
, a
1
, a
2
, a
3
, a
4
R
_
, c =
_
1, r, r
2
, r
3
, r
4
_
e , =
_
2, 2r, 4r
2
, 8r
3
, 16r
4
_
.
(a) Determine [1]
o
o
..
(b) Se [j]
o
=
_

_
1
2
3
4
5
_

_
,determinar [j]
o
70
(c) Determine o polinmio j cujas coordenadas so dadas no item b)
acima.
29. Considere o seguinte subespao de '
2
: \ =
__
a /
c d
_
d = 0
_
. Sejam
c =
__
1 1
1 0
_
,
_
1 1
1 0
_
,
_
1 1
11 0
__
, =
__
1 0
1 0
_
,
_
1 1
0 0
_
,
_
1 0
0 0
__
(a) Detemine [1]
o
o
(b) Se []
o
=
_
_

c
0
_
_
, determine []
o
.
30. Sejamc e , bases de R
3
. Determine a base , sabendo que c = (1, 1, 0), (0, 1, 0), (0, 0, 1)
e a matriz mudana de base de c para ,
[1]
o
o
=
_
_
1 0 0
0 2 1
1 1 1
_
_
31. Seja c =
__
1 1
0 0
_
,
_
0 1
1 0
_
,
_
2 1
2 0
__
uma base para um subespao
de '
22
e [1]
o
o
=
_
_
1 0 1
1 1 1
2 1 2
_
_
onde , tambm uma base para um
subespao de '
22
(a) Determine a base ,.
(b) Se []
o
=
_
_
1
2
1
_
_
, determine []
o
.
32. Seja 1 um espao vetorial qualquer e c = n
1
, n
2
, n
3
uma base de 1.
Considere ainda os vetores
1
= n
1
+n
2
,
2
= 2n
1
+n
2
n
3
e
3
= n
2
.
(a) Determine a matriz o de mudana da base , =
1
,
2
,
3
para a
base c = n
1
, n
2
, n
3
.
(b) Calcule as coordenadas do vetor n =
1
+
2

3
na base n
1
, n
2
, n
3
.
33. Sejam c e , bases de um espao vetorial \
(a) Mostre que det
_
[1]
o
o
[1]
o
o
_
= 1
71
(b) Determine [1]
o
o
34. Verique se as armaes abaixo so VERDADEIRAS ou FALSAS.
Se forem verdadeiras, demonstre. Se forem falsas, d um contra-exemplo.
(a) A interseo de dois subespaos vetoriais nunca vazia.
(b) A matriz
_
1 2
0 3
_
pertence ao subespao \ =
__
1 1
1 0
_
,
_
0 0
1 1
_
,
_
0 2
0 1
__
.
(c) Se os vetores

n ,

e

n so 11 ento os vetores

n

n e

n so 11
0
:.
(d) \ = [(1, 2, 0), (2, 4, 0)] um plano no R
3
que passa pela origem.
(e) Se , =

1
,

2
,

3
uma base de um espao vetorial \ , ento o
conjunto =

1
+

3
,

1
+

2
,

1
+

2
+

3
lineramente
independente.
(f) O subespao \ = j 1
3
: j
0
(1) = 0 e j
00
(1) = 0 gerado pelos
polinmios j
1
= 1 e j
2
= 9r + 3r
2
+r
3
.
(g) O conjunto

1
,

2
,

3
sempre uma base para o subespao [

1
,

2
,

3
].
72
Captulo 3
TRANSFORMAES
LINEARES
Denio 117 Sejam \ e \ dois espaos vetoriais. Uma Transformao Lin-
ear (aplicao linear) uma funo de \ em \, T : \ \, que satisfaz as
seguintes condies:
Qualquer que sejam n e em \ ,
T(n +) = T(n) +T()
Qualquer que sejam / R e em \ ,
T(/) = /T()
Exemplo 118 : Um agricultor planta e comercializa trs tipos de verduras:
Tomate, Batata, Cenoura. Sejam r
1
, r
2
, r
3
as quantidades em quilos de To-
mate, Batata, Cenoura respectivamente. Se o agricultor vende o quilo do to-
mate a 1$ 2, 00,da batata a 1$ 1, 50 e da cenoura a 1$ 1, 90 ento o total de
vendas (T
\
) dado por 2r
1
+ 1, 5r
2
+ 1, 9r
3
. A aplicao que a cada tripla
(r
1
, r
2
, r
3
) R
3
associa o total de vendas T
\
(r
1
, r
2
, r
3
) uma aplicao linear.
Matematicamente temos uma transformao linear do E.V R
3
no E.V R :
T
\
: R
3
R
T
\
(r
1
, r
2
, r
3
) = (2r
1
+ 1, 5r
2
+ 1, 9r
3
)
Vamos agora mostrar que de fato esta aplicao uma transformao linear
Chamando n = (r
1
, r
2
, r
3
) R
3
, = (j
1
, j
2
, j
3
) R
3
e / R temos:
73
i)
T
\
(n +) = T
\
((r
1
, r
2
, r
3
) + (j
1
, j
2
, j
3
))
= T
\
(r
1
+j
1
, r
2
+j
2
, r
3
+j
3
)
= 2(r
1
+j
1
) + 1, 5(r
2
+j
2
) + 1, 9(r
3
+j
3
)
= 2r
1
+ 1, 5r
2
+ 1, 9r
3
+ 2j
1
+ 1, 5j
2
+ 1, 9j
3
= (2r
1
+ 1, 5r
2
+ 1, 9r
3
) + (2j
1
+ 1, 5j
2
+ 1, 9j
3
)
T
\
(n) = T(r
1
, r
2
, r
3
) = 2r
1
+ 1, 5r
2
+ 1, 9r
3
T
\
() = T(j
1
, j
2
, j
3
) = 2j
1
+ 1, 5j
2
+ 1, 9j
3
T
\
(n) +T
\
() = (2r
1
+ 1, 5r
2
+ 1, 9r
3
) + (2j
1
+ 1, 5j
2
+ 1, 9j
3
)
Logo T
\
(n +) = T
\
(n) +T
\
().
ii)
T
\
(/n) = T
\
(/(r
1
, r
2
, r
3
))
= T
\
(/r
1
, /r
2
, /r
3
)
= 2/r
1
+ 1, 5/r
2
+ 1, 9/r
3
= / (2r
1
+ 1, 5r
2
+ 1, 9r
3
)
= /T(n)
Logo T
\
(/n) = /T
\
(n). De i) e ii) vemos que T
\
uma transformao linear.
Exemplo 119 . Sejam \ = R, \ = R e 1 : R R dado 1(n) = n
2
. A
aplicao 1 no uma transformao linear pois:
1(n +) = (n +)
2
= n
2
+ 2n +
2
1(n) +1() = n
2
+
2
1(n +) ,= 1(n) +1()
Exemplo 120 T : R
2
R
3
, T(r, j) = (2r, 0, r +j)
T uma transformao linear pois,
i)
T(n +) = T ((r
1
, j
1
) + (r
2
, j
2
))
= T(r
1
+r
2
, j
1
+j
2
)
= (2(r
1
+r
2
), 0, (r
1
+r
2
) + (j
1
+j
2
))
= (2r
1
+ 2r
2
, 0 + 0, (r
1
+j
1
) + (r
2
+j
2
))
= (2r
1
, 0, r
1
+j
1
) + (2r
2
, 0, r
2
+j
2
)
= T(n) +T()
74
ii)
T(/n) = T (/(r
1
, j
1
))
= T (/r
1
, /j
1
)
= (2/r
1
, 0, /r
1
+/j
1
)
= / (2r
1
, 0, r
1
+j
1
)
/T(n)
Portanto T uma transformao linear.
Exemplo 121 . \ = \ = 1
n
e
1 : 1
n
1
n1
1()) = )
0
a aplicao derivada que a cada polinmio associa sua derivada, a qual tambm
um polinmio uma aplicao linear. De fato, para quaisquer ), q 1
n
e
/ R,
i)
1() +q) = () +q)
0
= )
0
+q
0
= 1()) +1(q)
ii)
1(/)) = (/))
0
= /)
0
= /1())
Exemplo 122 \ = 1
n
, \ = 1
n+1
, j(r) = a
0
+a
1
r +a
2
r
2
+. . . +a
n
r
n
T : 1
n
1
n+1
T(j(r)) = rj(r) = a
0
r +a
1
r
2
+a
2
r
3
+. . . +a
n
r
n+1
A aplicao T uma transformao linear pois
T(/j) = r(/j)(r) = r/j(r) = /rj(r) = /T(j)
T(j +) = r(j +)(r) = r(j(r) +(r)) = rj(r) +r(r) = T(j) +T()
Exemplo 123 \ = \ = 1
n
, j(r) = a
0
+a
1
r +a
2
r
2
+. . . +a
n
r
n
, a, / R e
T : 1
n
1
n
T(j(r)) = j(ar +/) = a
0
+a
1
(ar +/) +a
2
(ar +/)
2
+. . . +a
n
(ar +/)
n
75
Esta aplicao tambm linear pois,
T(/j) = (/j)(ar +/) = /j(ar +/) = /T(j)
T(j +) = (j +)(ar +/) = j(ar +/) +(ar +/) = T(j) +T()
Exemplo 124 Uma transformao linear inportante aquela que se obtm
usando-se o produto escalar. Seja R
n
com o produto escalar usual ., . e
0

R
n
um vetor qualquer xado. Seja,
T : R
n
R
T() = ,
0

T uma aplicao linear (mostre isso, use as propriedades do produto escalar)

Exemplo 125 : Sejam C(R) = ) : R R , ) contnua . Considere
J : C(R) R
J()) = )(0)
Por exemplo se )(t) = t
2
ento
J()) = )(0) = 0
2
= 0
J uma aplicao linear pois, se ), q C(R) e / R ento
J() +q) = () +q)(0) = )(0) +q(0) = J()) +J(q)
J(/)) = (/)) (0) = /)(0) = /J())
Exemplo 126 : Seja,
T : '
2
'
2
T
__
a /
c d
__
=
_
a +/ / +c
c +d d +a
_
Esta aplicao uma transformao linear, pois
T
__
a
1
/
1
c
1
d
1
_
+
_
a
2
/
2
c
2
d
2
__
= T
__
a
1
+a
2
/
1
+/
2
c
1
+c
2
d
1
+d
2
__
=
_
a
1
+a
2
+/
1
+/
2
/
1
+/
2
+c
1
+c
2
c
1
+c
2
+d
1
+d
2
d
1
+d
2
+a
1
+a
2
_
=
_
a
1
+/
1
/
1
+c
1
c
1
+d
1
d
1
+a
1
_
+
_
a
2
+/
2
/
2
+c
2
c
2
+d
2
d
2
+a
1
+a
2
_
= T
__
a
1
/
1
c
1
d
1
__
+T
__
a
2
/
2
c
2
d
2
__
76
T
_
/
_
a /
c d
__
= T
_
/
_
/a //
/c /d
__
=
_
/a +// // +/c
/c +/d /d +/a
_
= /
_
a +/ / +c
c +d d +a
_
= /T
__
a /
c d
__
Exemplo 127 : Seja,
T : '
n
R
T() = det()
Esta aplicao no uma transformao linear, pois, em geral
det(
1
+
2
) ,= det(
1
) + det(
2
)
3.1 Propriedades das Transformaes Lineares
Teorema 128 Dados dois espaos vetoriais reais \ e \ e uma base de , =

1
, ,
n
de \. Sejam n
1
, , n
n
elementos arbitrrios de \. Ento existe
uma nica aplicao linear T : \ \ tal que T(
1
) = n
1
, , T(
n
) = n
n
.
Esta aplicao dada por: Se = a
1

1
+ +a
n

n
, ento
T() = T(a
1

1
+ +a
n

n
), como T linear
T() = a
1
T(
1
) + a
n
T(
n
)
T() = a
1
n
1
+ a
n
n
n
a
1
, a
2,...,
a
n
devem ser determinados.
Exemplo 129 Qual a transformao linear T : R
2
R
3
tal que T(1, 0) =
(2, 1, 0) e T(1, 1) = (0, 0, 1)?
Soluo: Temos neste caso
1
= (1, 0) e
2
= (1, 1) base de R
2
e n
1
=
(2, 1, 0) e n
2
= (0, 0, 1).
Dado = (r, j) arbitrrio,
(r, j) = a(1, 0) +/(1, 1)
(r, j) = (r j)(1, 0) +j(1, 1)
T(r, j) = T ((r j)(1, 0) +j(1, 1))
T(r, j) = (r j)T(1, 0) +jT(1, 1)
T(r, j) = (r j)(2, 1, 0) +j(0, 0, 1)
T(r, j) = (2r 2j, r +j, j)
77
Exemplo 130 Qual a transformao linear T : '
2
1
4
tal que
T
__
1 0
0 0
__
= r
4
+r
T
__
0 1
0 0
__
= r
3
+r
2
T
__
0 0
1 0
__
= r
2
+r
3
T
__
0 0
0 1
__
= r +r
4
Soluo
Uma matriz '
2
da forma =
_
a /
c d
_
. Podemos escrever:
_
a /
c d
_
= a
_
1 0
0 0
_
+/
_
0 1
0 0
_
+c
_
0 0
1 0
_
+d
_
0 0
0 1
_
, portanto
T
__
a /
c d
__
= T
_
a
_
1 0
0 0
_
+/
_
0 1
0 0
_
+c
_
0 0
1 0
_
+d
_
0 0
0 1
__
= aT
__
1 0
0 0
__
+/T
__
0 1
0 0
__
+cT
__
0 0
1 0
__
+dT
__
0 0
0 1
__
T
__
a /
c d
__
= a
_
r
4
+r
_
+/
_
r
3
+r
2
_
+c
_
r
2
+r
3
_
+d
_
r +r
4
_
T
__
a /
c d
__
= (a +d)r + (/ +c)r
2
+ (/ +c)r
3
+ (a +d)r
4
Denio 131 : Seja T : \ \ uma transformao linear. A imagem de
T o conjunto de vetores n \ tais que existe um vetor \ , que satisfaz
T() = n. Ou seja
Im(T) = n \ / T() = n para algum \
Observao 132 Note que Im(T) um subconjunto de \ e, alm disso, um
subespao vetorial de \.
Exemplo 133 Seja T : R
2
R
2
a transformao linear dada por T(r, j) =
(2r j, 10r +j). Qual dos vetores abaixo pertence a imagem de T
a) n = (1, 2)
b) n = (1, 2)
78
Soluo: a) Para que n Im(T) deve existir algum = (r, j) tal que
T() = n, ou seja, T(r, j) = (1, 2); temos ento:
T(r, j) = (1, 2)
(2r j, 10r +j) = (1, 2)
_
2r j = 1
10r +j = 2
Resolvendo o sistema temos r =
3
8
e j =
7
4
, logo n pertence a imagem de T
pois T(
3
8
,
7
4
) = n.
b) Analogamente deve existir algum = (r, j) tal que T() = n, ou seja
T(r, j) = (1, 2)
(2r j, 10r +j) = (1, 2)
_
2r j = 1
10r +j = 2
Resolvendo o sistema temos r =
1
8
e j =
3
4
logo n pertence a imagem de T
pois T(
1
8
,
3
4
) = n
Exemplo 134 Determine a imagem da transformao linear T : R
3
R
3
,
T(r, j, .) = (2r j ., r j ., r +j .).
Soluo: Se n Im(T) ento n = T(r, j, .), ou seja,
n = (2r j ., r j ., r +j .)
= r(2, 1, 1) +j(1, 1, 1) +.(1, 1, 1)
Logo todo vetor que pertence a imagem de T gerado pelos vetores n
1
=
(2, 1, 1), n
2
= (1, 1, 1) e n
3
= (1, 1, 1). Podemos ento escrever que
Im(T) = [(2, 1, 1), (1, 1, 1), (1, 1, 1)] .
Como o conjunto , = (2, 1, 1), (1, 1, 1), (1, 1, 1) LI ( verique
isto) temos que , uma base para a Im(T), mas , base para R
3
, logo
concluimos que Im(T) = R
3
.
Denio 135 Seja T : \ \, uma transformao linear. O conjunto de
todos os vetores \ tais que T() =

0 chamado ncleo de T, sendo
denotado por 1cr(T). Isto ,
1cr(T) =
_
\ T() =

0
_
Observao 136 Observe que 1cr(T) \ um subconjunto de \ e, ainda
mais, um subespao vetorial de \. Alguns autores denotam o ncleo de T por
(T).
79
Exemplo 137 Seja T : \ \, dada por T() =

0 . Neste caso todo vetor de

\ levado no vetor nulo pela transformao T, assim temos que 1cr(T) = \
Exemplo 138 Seja T : R
3
R
3
a projeo ortogonal sobre o plano rj.
Neste caso temos T(r, j, .) = (r, j, 0). Se T(r, j, .) = (0, 0, 0) = (r, j, .) =
(0, 0, 0) = r = 0 e j = 0. Como nada dito sobre a varivel ., temos que .
qualquer, logo 1cr(T) =
_
(0, 0, .) R
3
. R
_
, ou seja o ncleo de T so
todos os vetores que esto sobre o eixo ..
Exemplo 139 Encontre o ncleo da transformao linear:
T : R
4
R
3
T(r, j, ., t) = (r +j +. t, 2r +. t, 2j t)
Soluo: Devemos encontrar os vetores = (r, j, ., t) R
4
tais que T() =
T(r, j, ., t) = (0, 0, 0). Neste caso temos que resolver o sistema homogneo:
_
_
_
r +j +. t = 0
2r +. t = 0
2j t = 0
A matriz ampliada do sistema :
_

_
1 1 1 1
.
.
. 0
2 0 1 1
.
.
. 0
0 2 0 1
.
.
. 0
_

_
=
_

_
1 1 1 1
.
.
. 0
0 2 1 1
.
.
. 0
0 0 1 0
.
.
. 0
_

_
j
o
= j
c
= 3 e j = 3 < : = 4 logo o sistema compatvel e indeterminado
com grau de liberdade 1.
Logo,
80
_
_
_
r +j +. t = 0
2j . +t = 0
. = 0
o que nos fornece,
r = j
. = 0
t = 2j
Portanto 1cr(T) =
_
(j, j, 0, 2j) R
4
j R
_
= [(1, 1, 0, 2)]
Exemplo 140 Seja T : R
3
R
3
a transformao linear que a projeo
ortogonal sobre a reta cujas equaes paramtricas so:
_
_
_
r = 2t
j = 2t
. = t
Encontre o Ncleo de T.
Soluo: Projetar um vetor sobre uma reta o mesmo que encontrar a
projeo ortogonal sobre o vetor diretor dessa mesma reta. No nosso caso, o
vetor diretor n = (2, 2, 1), logo
T() = jro,
u
=
_
.n
n.n
_
n
T(r, j, .) =
_
(r, j, .).(2, 2, 1)
(2, 2, 1).(2, 2, 1)
_
(2, 2, 1)
T(r, j, .) =
_
2r 2j +.
9
_
(2, 2, 1)
T(r, j, .) =
_
4r 4j + 2.
9
,
4r + 4j 2.
9
,
2r 2j +.
9
_
Para encontrar o ncleo devemos ter,
T(r, j, .) =
_
4r 4j + 2.
9
,
4r + 4j 2.
9
,
2r 2j +.
9
_
= (0, 0, 0)
4r 4j + 2. = 0
4r + 4j 2. = 0
2r 2j +. = 0
81
_
_
4 4 2
4 4 2
2 2 1
_
_
, fazendo o escalonamento temos
_
_
4 4 2
0 0 0
0 0 0
_
_
, assim
4r 4j + 2. = 0
0 = 0
0 = 0
2. = 4r + 4j
. = 2r + 2j
Portanto 1cr(T) =
_
(r, j, 2r + 2j) R
3
r R
_
= [(1, 0, 2), (0, 1, 2)]
Denio 141 Dada uma aplicao T : \ \, diremos que T injetora
se dados n, \ com T(n) = T() tivermos n = . Ou equivalentemente, T
injetora se dados n, \ com n ,= , ento T(n) ,= T().
Denio 142 Uma aplicao T : \ \ ser sobrejetora se a imagem de
T coincidir com \, ou seja, T(\ ) = \.
Observao 143 Da denio acima vemos que uma funo ser sobrejetora
se dado n \, existir \ tal que T() = n.
Teorema 144 Seja T : \ \, uma aplicao linear. ento ker(T) = 0 ,
se e somente se T injetora.
Proof. a) Vamos mostrar que se T injetora, ento ker(T) = 0
Seja 1cr(T) = T() = 0. Por outro lado, como T linear tem-se que
T(0) = 0.Logo, T() = T(0). Como por hiptese T injetora ento = 0.
Portanto, o vetor nulo o nico elemento do ncleo, isto , ker(T) = 0.
b) Vamos mostrar que se ker(T) = 0, ento T injetora.
Sejam
1
,
2
\ tais que T(
1
) = T(
2
). Ento T(
1
) T(
2
) = 0 ou
T(
1

2
) = 0 e, portanto,
1

2
ker(T). Mas por hiptese, o nico elemento
do ncleo o vetor nulo, logo
1

2
= 0 e portanto
1
=
2
. Como T(
1
) =
T(
2
) =
1
=
2
, T injetora.
Teorema 145 Seja T : \ \, uma aplicao linear. Ento
dim1cr(T) + dimIm(T) = dim\
Corolrio 146 Se dim\ = dim\, ento a transformao linear T : \ \
injetora se e somente se T sobrejetora.
Proof. Exerccio.
Corolrio 147 Seja T : \ \, uma aplicao linear injetora. Se dim\ =
dim\, ento T leva base em base.
Proof. Exerccio.
82
Exemplo 148 Seja T : 1
n
1
n+1
, dada por T(j(r)) = rj(r).Verique se T
bijetora.
Soluo: Devemos vericar se T injetora e sobrejetora ao mesmo tempo.
Usando o teorema (144) devemos apenas calcular o ncleo de T :
T(j(r)) = rj(r)
T(a
0
+a
1
r +. . . +a
n
r
n
) = r(a
0
+a
1
r +. . . +a
n
r
n
)
T(a
0
+a
1
r +. . . +a
n
r
n
) = (a
0
r +a
1
r
2
+. . . +a
n
r
n+1
)
Se
T(j(r)) = 0
a
0
r +a
1
r
2
+. . . +a
n
r
n+1
= 0 = 0 + 0r + 0r
2
+. . . + 0r
n+1
logo a
0
= a
1
= . . . = a
n
= 0 =j(r) = 0 (j(r) o polinmio nulo) =1cr(T) =
_

0
_
(observe que neste caso o vetor nulo de 1
n
o polinmio nulo de grau n).
Portanto T injetora.
Como dim1
n
= : + 1, dim1
n+1
= : + 2 e dim1cr(T) = 0, temos que
dim1cr(T) + dimIm(T) = : + 1
0 + dimIm(T) = : + 1
dimIm(T) = : + 1
Note que dimIm(T) = :+1 ,= :+2 = dim1
n+1
=Im(T) ,= 1
n+1
. Portanto
T no sobrejetora e assim T no bijetora
3.2 Transformaes Lineares e Matrizes
3.2.1 Transformao linear associada a uma matriz
Seja uma matriz : :. Associada a matriz denimos a transformao
linear:
1
.
: R
n
R
n
.
onde tomado como vetor coluna,
=
_

_
r
1
.
.
.
r
n
_

_
83
1
.
() = .
1
.
() =
_

_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_

_
_

_
r
1
.
.
.
r
n
_

_
1
.
_
_
_
_

_
r
1
.
.
.
r
n
_

_
_
_
_ =
_

_
a
11
r
1
+ a
1n
r
n
.
.
.
a
n1
r
1
+ +a
nn
r
n
_

_
Das propriedades de operaes de matrizes:
1
.
(n +) = .(n +) = .n +. = 1
.
(n) +1
.
()
1
.
(/n) = .(/n) = /.n = /1
.
(n)
e portanto 1
.
uma transformao linear.
Exemplo 149 Seja
=
_
_
1 1 1 1
2 0 1 1
0 2 0 1
_
_
Observe que a matriz tem ordem 3 4 e portanto ela induzir uma transfor-
mao linear de R
4
para R
3
, denida por:
1
.
: R
4
R
3
1
.
_
_
_
_
_

_
r
j
.
t
_

_
_
_
_
_
=
_
_
1 1 1 1
2 0 1 1
0 2 0 1
_
_
_

_
r
j
.
t
_

_
=
_
_
r +j +. t
2r +. t
2j t
_
_
Note que a transformao acima est escrita em forma matricial, mas podemos
escreve-la tambm na forma vetorial que estamos acostumados:
1
.
(r, j, ., t) = (r +j +. t, 2r +. t, 2j t)
Surpresa!! Esta a mesma transformao do exemplo (139)
Exemplo 150 Dada a transformao linear:
T : R
3
R
2
T(r, j, .) = (10r 20j 30., r 2j 3.)
84
Encontre a matriz da transformao T (Isto , encontre a matriz cuja trans-
formao associada a ela exatamente a transformao T)
Soluo: Passando da forma vetorial para a forma matricial temos:
T
_
_
_
_
r
j
.
_
_
_
_
=
_
10r 20j 30.
r 2j 3.
_
=
_
10 20 30
1 2 3
_
_
_
r
j
.
_
_
Portanto a matriz de T, que denotaremos por [T]
[T] =
_
10 20 30
1 2 3
_
Observao 151 Ao obtermos a transformao associada a uma matriz (ou,
caso contrrio, a matriz de uma transformao T), no mencionamos as bases
dos espaos envolvidos. De fato, ao obtermos a matriz de uma transformao
estamos levando em conta as bases associadas aos espaos R
n
e R
n
mas neste
caso em particular estamos considerando as bases cannicas. Isto car claro
na exposio a seguir.
De um modo geral, xadas as bases , =
1
,
2
, ,
n
e ,
0
= n
1
, n
2
, , n
n
,
matriz

nn
=
_

_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_

_
podemos associar
T
.
: R
n
R
n
T
.
()
da seguinte maneira: Seja
A = []
o
=
_

_
r
1
.
.
.
r
n
_

_
.A =
_

_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_

_
_

_
r
1
.
.
.
r
n
_

_ =
_

_
j
1
.
.
.
j
n
_

_
ento
T
.
() = j
1
n
1
+ +j
n
n
n
85
onde j
I
=
I
.A e
I
a i-sima linha de .
Em geral, dada uma matriz
nn
, ela encarada como uma aplicao linear
T
.
: R
n
R
n
em relao s bases cannica de R
n
e R
n
.
3.2.2 Matriz de uma transformao linear
Agora iremos encontrar a matriz associada a uma transformao linear. Seja
T : \ \ linear, , =
1
, ,
n
base de \ e ,
0
= n
1
, , n
n
base de \.
Ento T(
1
), . . . , T(
n
) so vetores de \ e portanto
T(
1
) = a
11
n
1
+ + a
n1
n
n
.
.
.
.
.
.
.
.
.
T(
n
) a
1n
n
1
+ + a
nn
n
n
A transposta da matriz dos coecientes deste sistema, denotada por [T]
o
o
0
chamada matriz de T em relao s bases , e ,
0
:
[T]
o
o
0 =
_

_
a
11
a
1n
.
.
.
.
.
.
a
n1
a
nn
_

_
Observao 152 Note que se = [T]
o
o
0 =
_

_
a
11
a
1n
.
.
.
.
.
.
a
n1
a
nn
_

_ a transfor-
mao linear T passa a ser a transformao linear associada matriz e
bases , e ,
0
, iste , T = T
.
Exemplo 153 Seja T : R
3
R
2
tal que T(r, j, .) = (2r+j ., 3r2j +4.).
Sejam , = (1, 1, 1), (1, 1, 0), (1, 0, 0) e ,
0
= (1, 3), (1, 4) .
Procuremos [T]
o
o
0
T(r, j, .) = (2r +j ., 3r 2j + 4.)
T(1, 1, 1) = (2, 5) = a(1, 3) +/(1, 4)
T(1, 1, 0) = (3, 1) = c(1, 3) +d(1, 4)
T(1, 0, 0) = (2, 3) = c(1, 3) +)(1, 4)
Portanto temos os sistemas:
__
a +/ = 2
3a + 4/ = 5
,
_
c +d = 3
3c + 4d = 1
,
_
c +) = 2
3c + 4) = 3
_
Resolvendo os sistemas temos:
_
a = 3 / = 1 , c = 11 , d = 8 c = 5 ) = 3

86
[T]
o
o
0 =
_
3 11 5
1 8 3
_
Teorema 154 : Sejam \ e \ espaos vetoriais, c base de \ , , base de \ e
T : \ \ uma aplicao linear. Ento, para todo \ vale:
[T()]
o
= [T]
o
o
[]
o
Denio 155 Dada uma base , e tranformao linear T : \ \ denotare-
mos a matriz [T]
o
o
apenas por [T]
o
e ela ser chamada de matriz de T em relao
a base ,.
Denio 156 Seja T : R
n
R
n
uma transformao linear e c a base
cannica de R
n
, ento a matriz de T em relao a base cannica c, [T]
o
o
, ser
denotada simplesmente por [T] .
Exemplo 157 Seja T : 1
2
1
2
denido por T(j(r)) = j(3r 5). Determine
a matriz de T em relao a base , =
_
1, r, r
2
_
Devemos calcular [T]
o
= [T]
o
o
T(j) = j(3r 5)
T(a
0
+a
1
r +a
2
r
2
) = a
0
+a
1
(3r 5) +a
2
(3r 5)
2
T(a
0
+a
1
r +a
2
r
2
) = a
0
+ 3a
1
r 5a
1
+a
2
(9r
2
30r + 25)
T(a
0
+a
1
r +a
2
r
2
) = (a
0
5a
1
+ 25a
2
) + (3a
1
30a
2
)r + 9a
2
r
2
T(1) = T(1 + 0r + 0r
2
) = 1 = 1 + 0r + 0r
2
T(r) = T(0 + 1r + 0r
2
) = 5 + 3r = 5 + 3r + 0r
2
T(r
2
) = T(0 + 0r + 1r
2
) = 25 30r + 9r
2
[T]
o
=
_
_
1 5 25
0 3 30
0 0 9
_
_
Exemplo 158 Seja T : R
3
R
3
dada por T(r, j, .) = (2r 3j 2., r j
., 2rj+.) e sejam c = (1, 0, 0), (1, 1, 0), (1, 1, 1) e , = (1, 1, 0), (1, 0, 1), (0, 1, 1)
bases do R
3
87
a) Determine [T]
o
o
, [T]
o
o
b) Se []
o
=
_
_
1
1
1
_
_
determine [T()]
o
.
c) Calcule a multiplicao das matrizes: [T]
o
o
[T]
o
o
. Que concluso voc pode
tirar em relao as duas matrizes, ou que relao h entre as duas matrizes?
Soluo: a) Clculo de [T]
o
o
T(r, j, .) = (2r 3j 2., r j ., 2r j +.)
T(1, 0, 0) =
_
2, 1, 2
_
= a
1
(1, 1, 0) +/
1
(1, 0, 1) +c
1
(0, 1, 1)
T(1, 1, 0) =
_
1, 0, 1
_
= a
2
(1, 1, 0) +/
2
(1, 0, 1) +c
2
(0, 1, 1)
T(1, 1, 1) =
_
3, 1, 2
_
= a
3
(1, 1, 0)+/
3
(1, 0, 1)+c
3
(0, 1, 1)
Devemos resolver os tres sistemas resultantes: Denotando por a matriz
dos coecientes do sistema,temos:
=
_
_
1 1 0
1 0 1
0 1 1
_
_
=
1
=
_
_

1
2

1
2
1
2

1
2
1
2

1
2
1
2

1
2

1
2
_
_
Vamos resolver os sistemas por matriz inversa:
_
_
a
1
/
1
c
1
_
_
=
1
_
_
2
1
2
_
_
=
_
_

1
2

1
2
1
2

1
2
1
2

1
2
1
2

1
2

1
2
_
_
_
_
2
1
2
_
_
=
_
_

1
2

3
2

1
2
_
_
_
_
a
2
/
2
c
2
_
_
=
1
_
_
1
0
1
_
_
=
_
_

1
2

1
2
1
2

1
2
1
2

1
2
1
2

1
2

1
2
_
_
_
_
1
0
1
_
_
=
_
_
1
0
1
_
_
_
_
a
3
/
3
c
3
_
_
=
1
_
_
3
1
2
_
_
=
_
_

1
2

1
2
1
2

1
2
1
2

1
2
1
2

1
2

1
2
_
_
_
_
3
1
2
_
_
=
_
_
3
0
2
_
_
Logo
[T]
o
o
=
_
_

1
2
1 3

3
2
0 0

1
2
1 2
_
_
Agora voce j est em condies de calcular [T]
o
o
. Faa esse clculo como
exerccio
b) Vamos usar a relao [T()]
o
= [T]
o
o
[]
o
[T()]
o
= [T]
o
o
[]
o
[T()]
o
=
_
_

1
2
1 3

3
2
0 0

1
2
1 2
_
_
_
_
1
1
1
_
_
[T()]
o
=
_
_
7
2

3
2

7
2
_
_
88
c) Faa voc este item e tire suas concluses. Mais adiante voce poder
vericar se suas concluses estavam corretas.
Teorema 159 Seja T : \ \ uma transformao linear e c e , bases de \
e \, respectivamente. Ento
dimIm(T) = posto de [T]
o
o
dim1cr(T) = nulidade de [T]
o
o
= nmero de colunas de [T]
o
o
jo:to [T]
o
o
Exemplo 160 Seja T : 1
2
'(2, 2) denida por T(j(r)) =
_
j
0
(0) 2j(1)
0 j
00
(3)
_
onde j
0
a derivada de j. Sejam .c =
__
1 1
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 1
_
,
_
1 0
0 1
__
uma
base para '(2, 2) e , =
_
1, r, r
2
_
base para 1
2
.
a) Determine [T]
o
o
.
b) Determine uma base para (T).
c) Determine uma base para Im(T).
d) T injetora? E sobrejetora? Justique.
SOLUO:
a)
Note que T(a +/r +cr
2
) =
_
/ 2a + 2/ + 2c
0 2c
_
Determinando [T]
o
o
:
T(1) =
_
0 2
0 0
_
= a
_
1 1
0 0
_
+/
_
0 1
0 0
_
+c
_
0 0
1 1
_
+d
_
1 0
0 1
_
T(r) =
_
1 2
0 0
_
= c
_
1 1
0 0
_
+)
_
0 1
0 0
_
+q
_
0 0
1 1
_
+/
_
1 0
0 1
_
T(r
2
) =
_
0 2
0 2
_
= i
_
1 1
0 0
_
+,
_
0 1
0 0
_
+|
_
0 0
1 1
_
+:
_
1 0
0 1
_
Logo, [T]
o
o
=
_

_
0 1 2
2 1 4
0 0 0
0 0 2
_

_
b)
Seja j(r) (T) =T(j(r)) =
_
0 0
0 0
_
_
/ 2a + 2/ + 2c
0 2c
_
=
_
0 0
0 0
_
=a = / = c = 0
Logo, j(r) = 0 + 0r + 0r
2
(T) =(T) = 0
89
c) Seja Im(T) = =
_
/ 2a + 2/ + 2c
0 2c
_
= a
_
0 2
0 0
_
+ /
_
1 2
0 0
_
+
c
_
0 2
0 2
_
Portanto,
Im(T) =
__
0 2
0 0
_
,
_
1 2
0 0
_
,
_
0 2
0 2
__
Como os geradores da Im(T) formam um conjunto 1.1. (Verique!) tem-se
que
__
0 2
0 0
_
,
_
1 2
0 0
_
,
_
0 2
0 2
__
uma base para Im(T).
d) T injetora pois (T) = 0, mas no sobrejetora pois dimIm(T) =
3 ,= dim'(2, 2)
3.3 Composio de transformaes lineares
Denio 161 Se T
1
: \ \ e T
2
: \ l so duas transformaes
lineares a composta das duas transformaes lineares denida do mesmo modo
que a composio de funces ( lembre-se que um transformao linear uma
funo com a propriedade adicional de ser linear) da seguinte forma
T
2
T
1
: \ l
(T
2
T
1
)() = T
2
(T
1
())
Exemplo 162 Se T
1
: R
2
R
3
, T
1
(r, j) = (r j, j r, j r) e T
2
: R
3
R,
T
2
(r, j, .) = r j . ento T
2
T
1
: R
2
R e
(T
2
T
1
) (r, j) = T
2
(T
1
(r, j))
= T
2
(r j, j r, j r)
= (r j) (j r) (j r)
= r j j +r j +r
= 3r 3j
Teorema 163 Sejam T
1
: \ \ e T
2
: \ l transformaes lineares e c,
,, bases de \, \, l respectivamente. Ento a composta de T
2
com T
1
, T
2
T
1
:
\ l linear e
[T
2
T
1
]
o
~
= [T
2
]
o
~
[T
1
]
o
o
90
Proof.
v T
1
(v) T
2
(T
1
(v))
V W U T
1
T
2
Base Base Base
Proposio 164 Seja T : \ \ uma transformao linear . Sejam c e c
0
bases de \ e , e ,
0
bases de \. Ento vale a relao:
[T]
o
0
o
0 = [1
V
T 1
\
]
o
0
o
0 = [1
V
]
o
o
0 [T]
o
o
[1
\
]
o
0
o
onde 1
V
e 1
\
so as aplicaes identidades de \ e \ respectivamente.
3.4 A Inversa de uma transformao linear
Denio 165 D-se o nome de isomorsmo a uma transformao linear
T : \ \ que injetora e sobrejetora ao mesmo tempo. Quando h um
isomorsmo entre dois espaos vetoriais dizemos que estes so Isomorfos.
Denio 166 Seja T : \ \ uma transformao linear. Se existe uma
transformao linear o : \ \ tal que T o = 1
V
, onde 1
V
: \ \
a identidade em \, dizemos que o a inversa a direita de T. Se existe uma
transformao 1 : \ \ , tal que 1T = 1
\
, onde 1
\
: \ \ a identidade
em \ , dizemos que 1 a inversa a esquerda de T.
Denio 167 Seja T : \ \ uma transformao linear. Se existe uma
aplicao T
1
: \ \, tal que T T
1
= 1
V
e T
1
T = 1
\
ento dizemos
que T inversvel e que T
1
a inversa de T
Proposio 168 Seja T : \ \ uma transformao linear. Se existe a
inversa de T, T
1
, ento T
1
uma transformao linear
Proposio 169 Se T : \ \ um isomomorsmo, ento T inversvel e
alm disso T
1
tambm um isomorsmo.
Proposio 170 Se T : \ \ uma transformao linear invertvel (T um
isomorsmo) e c e , so bases de \ e \, ento:
91
_
T
1

o
o
=
_
[T]
o
o
_
1
Observao: Quando estamos trabalhando com o espao R
n
e a base cannica
de R
n
por simplicidade omitimos as bases e a matriz de T : R
n
R
n
,em relao
a base cannica, denotada simplesmente por [T] . Neste caso a proposio
acima escrita na forma mais conveniente: "Se T : R
n
R
n
inversvel ento
_
T
1

= [T]
1
"
Proposio 171 Seja T : \ \ uma transformao linear, com dim\ =
dim\, e c e , bases de \ e \ respectivamente. Ento T inversvel se, e
somente se det [T]
o
o
,= 0.
Observao 172 Se na proposio acima tivermos \ = \ = R
n
podemos
escrever: Seja T : R
n
R
n
uma transformao linear, ento T invertvel se
det [T] ,= 0
Exemplo 173 Seja T : R
3
R
3
, dada por T(r, j, .) = (r + 2j + 2., r +j +
3., r + 2j +.), determine a transformao inversa T
1
.
Soluo: Facilmente podemos ver que
[T] =
_
_
1 2 2
1 1 3
1 2 1
_
_
=
_
T
1

= [T]
1
=
_
_
5 2 4
2 1 1
1 0 1
_
_
logo T
1
(r, j, .) = (5r + 2j + 4., 2r j ., r .). Como exerccio verique
que vale
_
T T
1
_
(r, j, .) = (r, j, .)
Podemos tambm neste caso calcular a inversa usando diretamente a dinio
de transformao inversa da seguinte forma
Sabemos que T
1
: R
3
R
3
uma transformao linear tal que T
1
T = 1
ou T T
1
= 1. Suponhamos que T
1
(r, j, .) = (:, :, :), devemos encontrar
:, : e : tais que T T
1
= 1 (devemos usar esta igualdade pois com a outra
no funciona, tente e veja o que acontece). Portanto
_
T T
1
_
(r, j, .) = 1(r, j, .) = (r, j, .)
T(T
1
(r, j, .)) = (r, j, .)
T(:, :, :) = (r, j, .)
(:+ 2: + 2:, :+: + 3:, :+ 2: +:) = (r, j, .)
:+ 2: + 2: = r
:+: + 3: = j
:+ 2: +: = .
92
_
_
1 2 2 r
1 1 3 j
1 2 1 .
_
_
_
c:ca|o:a:do
==
_
_
_
1 2 2 r
0 1 1 r j
0 0 1 r .
_
_
: = r .
: = r j +r . = 2r j .
: = r 2(2r j .) 2(r .) = 5r + 2j + 4.
Logo
T
1
(r, j, .) = (5r + 2j + 4., 2r j ., r .)
Exemplo 174 Considere a transformao linear T : R
3
'
2T
('
2T
o es-
pao das matrizes triangulares superiores) denida por T(1, 1, 0) =
_
1 1
0 0
_
, T(0, 1, 1) =
_
1 1
0 2
_
e T(1, 1, 1) =
_
0 1
0 1
_
. Encontre a inversa da transformao T.
Soluo: Sabemos que:
T
1
_
1 1
0 0
_
= (1, 1, 0), T
1
_
1 1
0 2
_
= (0, 1, 1) e T
1
_
0 1
0 1
_
= (1, 1, 1)
e, seja
_
r j
0 .
_
= a
_
1 1
0 0
_
+/
_
1 1
0 2
_
+c
_
0 1
0 1
_
obtemos o sistema:
_
_
_
a +/ = r
a +/ c = j
2/ +c = .
==
_
_
1 1 0 [ r
1 1 1 [ j
0 2 1 [ .
_
_
realizando o escalonamento da matriz encontramos:
_
_
1 0 0 [
3r:
2
0 1 0 [
r++:
2
0 0 1 [ r j
_
_
Agora, procedendo as substituies, obtemos:
T
1
_
r j
0 .
_
=
_
3r j .
2
_
T
1
_
1 1
0 0
_
+
_
r +j +.
2
_
T
1
_
1 1
0 2
_
+ (r j) T
1
_
0 1
0 1
_
T
1
_
r j
0 .
_
=
_
3r j .
2
_
(1, 1, 0) +
_
r +j +.
2
_
(0, 1, 1) + (r j) (1, 1, 1)
T
1
_
r j
0 .
_
=
_
5r 3j .
2
, j,
3r 3j .
2
_
, que a transformao procurada.
93
Matricialmente, temos:
[T]
1
=
_
_
5
2

3
2

1
2
0 1 0
3
2

3
2

1
2
_
_
94
3.5 Quarta lista de exerccios
1. Verique se as funes dadas abaixo so transformaes lineares. Em
cada caso, justique sua armao:
(a) T : +
4
+
3
dada por T(r, j, ., t) = (r +j, 0, . +t)
(b) 1 : +
2
+ dada por 1(r, j) = rj
(c) o : '(2, 2) +
2
, o
__
a /
c d
__
= (a +/, 0)
(d) G : '(5, 5) '(5, 5), G() = 1+1
5
, onde 1 = diaq(d
1
, d
2
, d
3
, d
4
, d
5
)
uma matriz diagonal e 1
5
a matriz identidade de ordem 5.
(e) 1 : 1
2
1
2
tal que 1(j) = j +, j 1
2
e (t) = t
2
+ 1, t +
(f) o : R
2
R
2
dada por o(r, j) = (r +j, r j)
(g) T : '(2, 2) R dada por
_
a /
c d
_
det
_
a /
c d
_
(h) T : R R, T(r) = [r[ .
(i) T : '
2
1
1
, T
__
a /
c d
__
= a +dt
(j) o : R
3
R
3
tal que o(r, j, .) = (3r, a, 5.), onde a R uma
constante.
(k) T : 1
n
1
n
tal que T(j(r)) = j
0
(r) +r
2
j
00
(r)
2. Seja T : 1
2
1
2
um operador linear tal que
T(j
0
)(t) = 1+t, T(j
1
)(t) = t+t
2
, T(j
2
)(t) = 1+t2t
2
onde j
I
(t) = t
I
,
i = 0, 1, 2.
(a) Encontre T(j)
(b) T injetora? Justique sua resposta.
(c) T sobrejetora? Justique sua resposta.
(d) T bijetora? Justique sua resposta.
3. a) Encontre a transformao T : +
2
'(2, 2) tal que
T(1, 0) =
_
1 1
1 1
_
, T(0, 1) =
_
1 1
1 1
_
b) Usando a transformao T encontrada no item a) , calcule T(1000, 999)
c) A transformao bijetora? Justique sua resposta.
4. Seja T : +
3
+
3
uma transformao linear denida por T(1, 0, 0) =
(1, 1, 0), T(0, 1, 0) = (1, 1, 2) e T(0, 0, 1) = (0, 0, 2). Determinar uma base
de cada um dos seguintes subespaos:
95
(a) (T)
(b) (T) Im(T)
(c) (T) + Im(T)
5. Sejam c = (1, 1), (0, 2) e , = (1, 0, 1), (0, 1, 2), (1, 2, 0) bases de +
2
e +
3
, respectivamente e
[T]
o
o
=
_
_
1 0
1 1
0 1
_
_
(a) Encontre a transformao linear T.
(b) Enconte uma base para 1cr(T) e uma base para Im(T).
(c) Encontre uma base de +
3
tal que [T]
o
~
=
_
_
1 0
0 0
0 1
_
_
6. Encontre a transformao linear T : +
2
+
2
que a projeo sobre a
reta dada por
_
r = 2t
j = t
Determine dimIm(t) e dim 1cr(T). T inversvel ? Se for, determine
T
1
.
7. Considere o operador linear em+
3
tal que T(1, 0, 0) = (1, 1, 1), T(0, 0, 1) =
(1, 0, 1), T(0, 1, 2) = (0, 0, 4).
T isomorsmo? Em caso armativo, determine o isomorsmo inverso.
8. Considere a transformao linear T : 1
2
R
3
tal que T(1) = (1, 0, 1),
T(r +r
2
) = (1, 2, 2) e T(1 r) = (0, 1, 1). Encontre T
1
.
9. Seja T : 1
2
1
3
a transformao denida por T(j(r)) = rj(r 3).
Encontre [T]
~
o
em relao s bases , = 1, r, r
2
, r
3
e = 1, r, r
2
.
10. Encontre a transformao linear T : +
3
+
3
cujo ncleo gerado por
(1, 1, 0) e (0, 0, 1) e a imagem gerada pelo vetor (1, 1, 1).
11. Encontre a transformao linear T : +
4
+
4
cujo ncleo gerado por
(1, 1, 0, 0) e (0, 0, 1, 0).
12. Mostre que se a matriz transformao [T] inversvel ento (T) =

0 .
13. Se T : \ \ uma transformao linear tal que T(n) = T(n) + T()
ento n = n + ?
14. Determine explicitamente a expresso de uma transformao linear T :
1
2
'
2
satisfazendo simultaneamente as seguintes condies:
96
(i) o elemento j(r) = 1 +r
2
pertence ao (T);
(ii) o elemento (r) = 1 r +r
2
no pertence ao (T);
(iii) o elemento =
_
2 3
1 1
_
pertence Im(T).
15. Seja T : \ \ uma transformao linear.
(a) Mostre que o ncleo de T um subespao de \.
(b) Mostre que a imagem de T um subespao de \.
16. Seja T : 1
2
1
2
a transformao linear denida por T(j(r)) = rj
0
(r)
(a) Quais dos seguintes polinmios pertencem ao (T)?
i. 2
ii. r
2
iii. 1 r
(b) Quais dos polinmios do item a) pertencem a Im(T)?
(c) Descreva (T) e Im(T).
17. Quando possvel, d exemplos de transformaes lineares satisfazendo:
(a) T : R
3
R
3
tal que dim(T) = 1
(b) T : R
3
R
3
tal que (T) = (0, 0, 0)
(c) T : R
3
R
3
tal que Im(T) = (0, 0, 0)
(d) T : R
3
R
3
tal que (T) = (r, j, .) +
3
: . = r
(e) T : R
3
R
3
tal que Im(T) =
_
(r, j, .) R
3
j = 2r .
_
.
18. Seja T : 1
3
1
2
denida por T(j) = j
0
. Determine a matriz T em
relao s bases c =
_
1, t, t
2
, t
3
_
e , =
_
1, 1 +t, 1 +t
2
_
, isto , [T]
o
o
.
19. Mostre que se uma transfomao linear injetora ento (T) =

0 .
20. Seja , a base cannica de '
2
. Se T : '
2
1
3
dada por T
__
a /
c d
__
=
a + (/ +c)r + (c d)r
2
+dr
3
(a) Encontre [T]
o
o
onde c =
_
2, 2 +r, 2 +r
2
, 2 +r
3
_
base de 1
3
(b) Faa o escalonamento da matriz [T]
o
o
(c) Detemine dim 1cr(T)
(d) Determine dim Im(T).
21. Se R
nn
inversvel ento:
97
(a) dim() = ______
(b) dimIm(T) = ______
22. Determine dim(T) sabendo que:
(a) T : R
6
R
8
com dim(Im(T)) = 3;
(b) T : \ \ com T sobrejetiva, dim\ = 5, dim\ = 3;
(c) T : \ \ com T injetiva;
(d) T : R
4
R
4
sabendo que existe a inversa de T.
23. Explique em cada caso abaixo porque no existe uma transformao lin-
ear:
(a) T : R
4
R
2
cujo ncleo seja a origem;
(b) T : R
5
R
6
que seja sobrejetiva;
(c) T : R
3
R
2
que seja injetiva;
(d) T : R
7
R
6
tal que dim(T) = dimIm(T);
(e) T : R
4
R
3
com(T) = [(1, 0, 0, 0), (0, 1, 0, 0)] e Im(T) = [(1, 1, 2), (2, 2, 4)].
24. Responda as seguintes questes:
(a) Se T : R
5
R
6
uma transformao linear, podemos ter dim
Im(T) 6? Justique sua resposta
(b) Existe alguma transformao linear T : R
2
R
2
tal que T(1, 1) =
(2, 2) e T(2, 2) = (3, 1)? Justique sua resposta.
(c) A transformao T : 1
1
1
2
denida por T(j(t)) = tj(t)+j(0)j
0
(1)
linear?
(d) Se T : R
3
R3 um operador linear e se a imagem de T um plano
que passa pela origem, que tipo de objeto geomtrico o ncleo de
T ?
25. Seja T : R
2
R
2
tal que [T] =
_
2 1
0 1
_
. Encontre os vetores n e tais
que
(a) T(n) = 2n
(b) T() =
26. Sejam 1, G : R
3
R
3
transformaes lineares dadas por 1(r, j, .) =
(r +j, . +j, .) e G(r, j, .) = (r + 2j, j ., r + 2.).
(a) Determine 1 G
(b) Determine uma base para (1 G)
(c) Determine uma base para Im(1 G)
98
(d) 1 G isomorsmo? Justique sua resposta.
27. Seja T : +
3
+
3
o operador linear denido por T(r, j, .) = (3r, r
j, 2r +j +.). Mostre que (T
2
1) (T
2
91) = 0.
28. Sejam 1, o, T tres transformaes lineares de R
3
em R
3
. Se
[1] =
_
_
1 0 1
2 1 1
0 1 1
_
_
e [o] =
_
_
2 1 1
3 1 2
1 2 0
_
_
,
encontre T tal que 1 = o T.
29. Sejam as transformaes lineares o : 1
1
1
2
e T : 1
2
1
1
denidas
por
o(a +/r) = a + (a +/)r + 2/r
2
T(a +/r +cr
2
) = / + 2cr
(a) Determine (o T)(3 + 2r r
2
)
(b) possvel calcular (T o)(a +/r)? Em caso armativo calcule (T
o)( +r).
30. Considere o operador T : 1
2
1
2
denida por T(j(r)) = j
0
(r) + j(r)
e a transformao linear o : 1
2
R
3
denida por o(a + /r + cr
2
) =
(a +/, c, a /).
(a) Verique se o isomorsmo. Se for, determine o
1
.
(b) Determine uma base para (o T) e uma base para Im(o T).
(c) Seja , = 1+r, rr
2
, 1 uma base de 1
2
e c = (1, 0, 0), (0, 1, 1), (0, 0, 1)
base do R
3
. Determine [o T]
o
o
.
31. Considere a transformao linear T : R
4
'
2
denida por T(a, /, c, d) =
_
a a +/
/ +c d
_
e a transformao linear o : '
2
'
2
denida por o
__
a /
c d
__
=
_
a c c /
/ a +d
_
.Verique se o T um isomorsmo. Em caso armativo,
determine o isomorsmo inverso (o T)
1
.
99
Captulo 4
OPERADORES
LINEARES
Denio 175 Uma transformao linear T : \ \ chamada de operador
linear.
Observao 176 Todas as propriedades j vistas para transformaes lineares
em geral vale para um operador linear
4.1 Transformaes especiais no plano e no es-
pao
Os operadores lineares que veremos a seguir so chamados de transformaes
especiais do plano e do espao por serem bastantes usados em aplicaes prticas
e tambm em aplicaes numricas.
Transformaes no Plano
a) Dilatao ou contrao
T : R
2
R
2
T(r, j) = c(r, j)
Se [c[ < 1, T contrai o vetor
Se [c[ 1, T dilata o vetor
Se c = 1, T a identidade
Se c < 0, T inverte o sentido do vetor
Se c 0, T mantm o mesmo sentido do vetor
Matricialmente
_
r
j
_

_
c 0
0 c
_ _
r
j
_
100
Geometricamente, para c 0 temos:
b) Cisalhamento na direo do eixo dos r
T : R
2
R
2
T(r, j) = (r +cj, j)
Matricialmente
_
r
j
_

_
1 c
0 1
_ _
r
j
_
Geometricamente:
c) Cisalhamento na direo do eixo dos j
101
T : R
2
R
2
T(r, j) = (r, cr +j)
Matricialmente
_
r
j
_

_
1 0
c 1
_ _
r
j
_
Geometricamente:
d) Reexo na origem
T : R
2
R
2
T(r, j) = (r, j)
Matricialmente
_
r
j
_

_
1 0
0 1
_ _
r
j
_
Geometricamente:
102
Observao 177 Observe que este um caso particular da contrao quando
c = 1
e) Projeo sobre uma reta no plano
Denio 178 Denimos como sendo Projeo sobre uma reta r, que
passa pela origem, no plano o operador linear T : R
2
R
2
denido por T() =
jro,
u
, onde n o vetor diretor da reta r.
Denio 179 Exemplo 180 Determinar o operdor linear que a projeo so-
bre a reta j = 6r
103
A reta j = 6r pode ser parametrizada por
r = t
j = 6t
logo um vetor diretor da reta n = (1, 6).
T() = jro,
u

T() =
_
n
n n
_
n
T(r, j) =
_
(1, 6) (r, j)
(1, 6) (1, 6)
_
(1, 6)
T(r, j) =
_
r 6j
37
,
6r + 36j
37
_
f ) Reexo atravs de uma reta no plano
Denio 181 Denimos como sendo Reexo atravs da reta r, que
passa pela origem, a transformao linear T : R
2
R
2
tal que [T()[ = [[ e
jro,
u
= jro,
u
T() onde n o vetor diretor da reta r.
104
Para obter a expresso pata a traformao T , considere a gura abaixo
que representa a reexo em torno de uma reta no plano onde esto mostrados
o vetor diretor diretor, n, da reta, o vetor j, a projeo de na direo do vetor
n,e o vetor T().
Da denio de reexo podemos observar que
T() + = 2j
T() = 2j
T() = 2jro,
u

Portanto a reexo em torno de uma reta no plano dada por
T() = 2jro,
u

onde jro,
u
a projeo do vetor na direo do vetor n
Casos Particulares
f.1) Reexo em torno do eixo dos r
T : R
2
R
2
T(r, j) = (r, j)
Matricialmente
_
r
j
_

_
1 0
0 1
_ _
r
j
_
Geometricamente:
105
f.2) Reexo em torno do eixo dos y
T : R
2
R
2
T(r, j) = (r, j)
Matricialmente
_
r
j
_

_
1 0
0 1
_ _
r
j
_
Geometricamente:
106
f.3) Reexo em torno da reta j = r
T : R
2
R
2
T(r, j) = (j, r)
Matricialmente
_
r
j
_

_
0 1
1 0
_ _
r
j
_
Geometricamente:
107
f.4) Reexo em torno da reta j = r
T : R
2
R
2
T(r, j) = (j, r)
Matricialmente
_
r
j
_

_
0 1
1 0
_ _
r
j
_
Geometricamente:
108
g) Rotao de um ngulo 0
Denimos Rotao no plano de um ngulo 0 a transformao T : R
2
R
2
tal que [T()[ = [[ e o ngulo entre os vetores T() e 0.
Geometricamente
109
Vamos agora determinar a matriz da transformao linear rotao de um
ngulo 0 e a expresso de 1
0
em funo de r e j. Seja
1
0
: R
2
R
2
1
0
(r, j) = (r
0
, j
0
)
Quando rotacionamos um vetor, pela prpria denio de rotao, o com-
primento (mdulo) do vetor no se altera. Seja r = [[ , onde = (r, j).
Da gura acima e usando relaes trigonomtricas temos;
r
0
= r cos(c +0) = r cos ccos 0 r sincsin0
Mas
r cos c = r
r sinc = j
ento
r
0
= rcos 0 j sin0
Analogamente
j
0
= r sin(c +0) = r sinccos 0 +r cos csin0
j
0
= j cos 0 +rsin0 = rsin0 +j cos 0
Assim
110
1
0
(r, j) = (rcos 0 j sin0, rsin0 +j cos 0)
Matricialmente
_
r
j
_

_
cos 0 sin0
sin0 cos 0
_ _
r
j
_
Podemos ver neste caso que matriz de uma rotao :
[1
0
] =
_
cos 0 sin0
sin0 cos 0
_
Transformaes no Espao
a) Reexo atravs de uma reta no espao
Denio 182 Denimos como sendo Reexo atravs da reta r, que passa
pela origem, no espao a transformao linear T : R
3
R
3
tal que [T()[ = [[
e jro,
u
= jro,
u
T() onde n o vetor diretor da reta r.
Geometricamente
Para obter a expresso pata a traformao T , considere a gura abaixo
que representa a reexo em torno de uma reta no plano onde esto mostrados
o vetor diretor diretor, n, da reta, o vetor j, a projeo de na direo do vetor
n,e o vetor T().
111
Da denio de reexo podemos observar que
T() + = 2j
T() = 2j
T() = 2jro,
u

Portanto a reexo em torno de uma reta no espao dada por
T() = 2j
ond j = jro,
u
a projeo do vetor na direo do vetor n
Casos Particulares: Reexo em relao aos eixos coordenados
a.1) Reexo atravs do eixo x
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_

_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
112
a.2) Reexo atravs do eixo y
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_

_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
a.3) Reexo atravs do eixo z
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_

_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
b) Reexo atravs de um plano
Denio 183 Denimos Reexo atravs de um plano, que passa pela origem,
no espao ao operador linear T : R
3
R
3
tal que [T()[ = [[ e jro,
n
=
jro,
n
T(), onde : o vetor normal do plano.
113
Para obter a expresso para a transformao T , considere a gura abaixo
que representa a reexo em torno de um plano no espao onde esto mostrados
o vetor normal do plano, vetor :, o vetor projeo de na direo do vetor :,
vetor j, o vetor projeo sobre o plano, vetor :, e o vetor T().
Da denio de Reexo atravs de uma plano podemos deduzir que
_
j +: =
:j = T()
Portanto
T() = 2j
onde j = jro,
n
a projeo de na direo do vetor normal : do plano.
Casos particulares: Reexo atravs dos planos coordenados
b.1) Reexo atravs do plano xy
T : R
3
R
3
T(r, j, .) = (r, j, .)
114
Matricialmente
_
_
r
j
.
_
_

_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
Geometricamente
b.2) Reexo atravs do plano xz
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_

_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
b.3) Reexo atravs do plano yz
T : R
3
R
3
T(r, j, .) = (r, j, .)
Matricialmente
_
_
r
j
.
_
_

_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
c) Reexo no origem
T : R
3
R
3
T(r, j, .) = (r, j, .)
115
Matricialmente
_
_
r
j
.
_
_

_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
r
j
.
_
_
Geometricamente
d) Rotao no Espao.
Denio 184 Denimos Rotao de um ngulo 0 em torno de um eixo coor-
denado c ao operador linear T
0
: R
3
R
3
tal que [T
0
()[ = [[ e o ngulo
entre a projeo de no plano ortogonal a c e a projeo de T
0
() no plano
ortogonal a c o ngulo 0 medido no sentido anti-horrio a partir da projeo
de no plano ortogonal a c.
116
d.1) Rotao em torno do eixo z
Para obter a expresso da transformao que uma rotao em torno
do eixo . vamos considerar:
j = projeo de no plano rj
= projeo de T() no plano xy
117
T
0
(r, j, .) = (r
0
, j
0
, .
0
)
Observe que .
0
= .
Como [T()[ = [[ ento [j[ = [[ . Alm disso o vetor obtido pela
rotao do vetor j no plano rj por um ngulo 0, ou seja, = 1
0
(j). Como j
visto em rotao no plano ( item g) de Transformaes no plano) temos que
r
0
= rcos 0 j sin0
j
0
= rsin0 +j cos 0
Portanto
T
0
: R
3
R
3
T
0
(r, j, .) = (rcos 0 j sin0, rsin0 +j cos 0, .)
118
Matricialmente
_
_
r
j
.
_
_
=
_
_
cos 0 sin0 0
sin0 cos 0 0
0 0 1
_
_
_
_
r
j
.
_
_
[T
0
]
2
=
_
_
cos 0 sin0 0
sin0 cos 0 0
0 0 1
_
_
d.2) Rotao em torno do eixo y
T
0
(r, j, .) = (r
0
, j
0
, .
0
)
Como a rotao em torno do eixo y temos j
0
= j. No plano r. vemos que
o vetor obtido a partir do vetor j pela rotao do ngulo 0 no SENTIDO
HORRIO.
119
Portanto podemos considerar o vetor j obtido a partir do vetor por uma
rotao no sentido anti-horrio, ou seja, 1
0
(j) = . Logo,
_
r
.
_
=
_
cos 0 sin0
sin0 cos 0
_ _
r
0
.
0
_
_
r
0
.
0
_
=
_
cos 0 sin0
sin0 cos 0
_
1
_
r
.
_
_
r
0
.
0
_
=
_
cos 0 sin0
sin0 cos 0
_ _
r
.
_
r
0
= rcos 0 +. sin0
.
0
= . cos 0 rsin0
T
0
(r, j, .) = (r
0
, j
0
, .
0
)
T
0
(r, j, .) = (rcos 0 +. sin0, j, rsin0 +. cos 0)
Matricialmente:
[T
0
]
Y
=
_
_
cos 0 0 sin0
0 1 0
sin0 0 cos 0
_
_
d.3) Rotao em torno do eixo x
120
A matriz da Rotao em torno do eixo r dada por
[T
0
]

=
_
_
1 0 0
0 cos 0 sin0
0 sin0 cos 0
_
_
Exemplo 185 Determinar o ngulo formado entre e T() quando o vetor
= (
p
3
2
p
2
,
p
2
4
,
p
2
2
) gira em torno do eixo . de um ngulo
t
2
rad
Soluo:
[T()] =
_
_
cos
t
2
sin
t
2
0
sin
t
2
cos
t
2
0
0 0 1
_
_
_

_
p
3
2
p
2
p
2
4 p
2
2
_

_
0
[T()] =
_
_
0.0 1.0 0.0
1.0 0.0 0.0
0.0 0.0 1.0
_
_
_

_
p
3
2
p
2
p
2
4 p
2
2
_

_
0
[T()] =
_

_

p
2
4 p
3
2
p
2
p
2
2
_

_
0
Como desejamos o ngulo entre e T(),vamos usar a frmula do cosseno
do ngulo entre dois vetores:
cos c =
T()
[[ [T()[
=
1
2
Portanto o ngulo entre e T() c = arccos
1
2
=
t
3
4.2 Propriedades dos operadores inversveis
Denio 186 Seja T : \ \ um operador linear. Se existir um operador
T
1
: \ \ tal que T T
1
= T
1
T = 1 ( neste caso 1 : \ \
a identidade em \ ) ento dizemos que o operador T inversvel e T
1
o
operador inverso de T.
Observao 187 Um operador inversvel se, e somente se, ele um isomor-
smo
Seja T : \ \ um operador linear:
I) Se T inversvel e T
1
sua inversa, ento T T
1
= T
1
T = 1
II) O operador T inversvel se, e somente se, 1cr(T) =
_

0
_
.
121
III) O operador T inversvel se, e somente se, det [T] ,= 0
IV) Se T inversvel, T transforma base em base, isto , se c =
1
, . . . ,
n

base de \ ento , = T(
1
), . . . , T(
n
) base de \.
Se T inversvel e , uma base de \ ento T
1
: \ \ linear
_
T
1

o
o
=
_
[T]
o
o
_
1
. Quando , a base cannica temos a forma mais simples
_
T
1

=
[T]
1
e portanto
_
T
1

[T]
1
=
_
T
1
T

= [1] . Com isso vemos que T

inversvel se e somente se det [T] ,= 0.
Exemplo 188 Considere o operador 1
0
: R
2
R
2
, dado por
1
0
(r, j) = (rcos 0 j sin0, rsin0 +j cos 0)
verique se T inversvel e em caso armativo encontre T
1
Soluo: Como dct [1
0
] = cos
2
0 +sin
2
0 = 1 ,= 0, temos que 1
0
inversvel.
Como
_
1
1
0

= [1
0
]
1
, basta calcular a inversa da matriz de1
0
[1
0
] =
_
cos 0 sin0
sin0 cos 0
_
[1
0
]
1
=
_
_
cos 0
cos
2
0+sin
2
0
sin 0
cos
2
0+sin
2
0

sin 0
cos
2
0+sin
2
0
cos 0
cos
2
0+sin
2
0
_
_
[1
0
]
1
=
_
cos 0 sin0
sin0 cos 0
_
Note que [1
0
]
1
= [1
0
]
T
, ou seja, [1
0
] uma matriz ortogonal, logo 1
1
0
:
R
2
R
2
_
r
j
_

_
cos 0 sin0
sin0 cos 0
_ _
r
j
_
=
_
rcos 0 +j sin0
j cos 0 rsin0
_
1
1
0
(r, j) = (rcos 0 +j sin0, j cos 0 rsin0)
Exemplo 189 Seja T o operador T : R
3
R
3
que a projeo ortogonal do
vetor = (r, j, .) na direo da reta dada pela interseo dos planos j = r e
. = j.Verique se T inversvel e em caso armativo determine T
1
.
Soluo: Para determinar a projeo na direo da reta basta determi-
nar a projeo ortogonal sobre o vetor diretor da reta. Devemos inicialmente
determinar o vetor diretor da reta:
_
j = r
. = j
122
Para obter a equaes paramtricas fazemos r = t, logo
_
_
_
r = t
j = t
. = t
portando o vetor diretor da reta n = (1, 1, 1).
T() = jro,
u
=
_
n
n n
_
n
T(r, j, .) =
_
(r, j, .) (1, 1, 1)
(1, 1, 1) (1, 1, 1)
_
(1, 1, 1)
T(r, j, .) =
_
r +j +.
3
_
(1, 1, 1)
T(r, j, .) =
_
r +j +.
3
,
r +j +.
3
,
r +j +.
3
_
[T] =
_

_
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
_

_
det [T] = 0
Como det [T] = 0 temos que T no inversvel.
Exemplo 190 Seja T : R
2
R
2
a transformao que uma rotao de
t
4
rad
e o : R
2
R
2
a transformao que uma reexo em torno da reta j = 2r.
Determine a transformao 1 = o T.
Soluo
1 = o T
[1] = [o] [T]
[T] =
_
cos
t
4
sin
t
4
sin
t
4
cos
t
4
_
[T] =
_
1
2
_
2
1
2
_
2
1
2
_
2
1
2
_
2
_
o() = 2j
o(r, j) = 2
_
(r, j) (1, 2)
(1, 2) (1, 2)
_
(1, 2) (r, j)
o(r, j) =
_
3r 4j
5
,
4r + 3j
5
_
123
[o] =
_

3
5

4
5

4
5
3
5
_
[1] = [o] [T]
[1] =
_

3
5

4
5

4
5
3
5
_ _
1
2
_
2
1
2
_
2
1
2
_
2
1
2
_
2
_
[1] =
_

7
10
_
2
1
10
_
2

1
10
_
2
7
10
_
2
_
1(r, j) =
_

7
_
2
10
r
_
2
10
j,
_
2
10
r +
7
_
2
10
j
_
4.3 Operadores autoadjuntos e ortogonais
Denio 191 Seja \ = R
n
. Uma base , =
1
,
2
, ,
n
de \ orto-
normal se para todos os vetores de , tem-se:

=
_
1, i = ,
0, i ,= ,
Denio 192 Seja \ = R
n
um espao vetorial com produto escalar denido,
c uma base ortonormal para R
n
e T : R
n
R
n
um operador linear. Ento:
a) T chamado um operador auto-adjunto se [T]
o
o
uma matriz simtrica
b) T chamado um operador ortogonal se [T]
o
o
uma matriz ortogonal
Portanto podemos dizer que um operador T : R
n
R
n
um operador
auto-adjunto se [T] (a matriz de T em relao a base cannica) uma matriz
simtrica. T : R
n
R
n
um operador ortogonal se [T] (a matriz de T em
relao a base cannica) uma matriz ortogonal.
Exemplo 193 Consideremos a transformao : R
3
R
3
, a rotao de um
ngulo 0 em torno do eixo ..
T(r, j, .) = (rcos 0 j sin0, rsin0 +j cos 0, .)
A matriz da transformao T
[T] =
_
_
cos 0 sin0 0
sin0 cos 0 0
0 0 1
_
_
Como esta uma matriz ortogonal, T um operador ortogonal
124
Exemplo 194 Seja T : R
2
R
2
onde T(r, .j) = (2r2j, 2r+5j). A matriz
de T
[T] =
_
2 2
2 5
_
Como a matriz de T simtrica, ento T um operador auto-adjunto.
Teorema 195 Seja T : R
n
R
n
linear. Se T um operador auto-adjunto
ento
T() n = T(n), \, n R
n
Teorema 196 Seja T : R
n
R
n
linear. Ento so equivalentes as seguintes
armaes
a) T ortogonal
b) T preserva o produto escalar, isto , T() T(n) = n, \, n R
c) T preserva o mdulo, isto , [T()[ = [[
d) T transforma bases ortonornais em bases ortonormais. Isto , se

1,

2
, . . . ,
n
uma base ortonornal ento T(
1
), T(
2
), . . . , T(
n
) uma
base ortonornal
125
4.4 Quinta lista de exerccios
1. Encontre a transformao linear T : R
3
R
3
tal que os vetores n =
(1, 2, 0) e = (0, 1, 1) pertenam ao ncleo de T e que T(1, 0, 0) =
(1, 1, 1)
2. Seja T : '
2
'
2
denida por T() = 1 1, onde 1
22
uma
matriz xa.
(a) Mostre que T um operador linear.
(b) Sabendo que 1 =
_
1 1
0 3
_
, encontre uma base para (T) e uma base
para Im(T).
3. Seja T a reexo no origem dada por
T : R
3
R
3
T(r, j, .) = (r, j, .)
Determine a inversa T
1
da transformao T.
4. Dena operador simtrico e operador ortogonal. D um exemplo para
cada um dos casos, justicando sua escolha.
5. Seja : R
3
R
3
, dada por = G 1 onde G a rotao de
t
3
do em
torno do eixo j e 1 a rotao de
t
2
em torno do eixo ... Determine a
matriz de em relao a base cannica , isto , determine [] . O operador
ortogonal? E auto-adjunto?
6. Determine a transformao linear de R
2
em R
2
que representa uma re-
exo da reta j = r,seguida de uma dilatao de fator 2 na direo or
e, um cisalhamento de fator 3 na direo vertical.
7. Usando inverso matricial mostre o seguinte:
(a) A transformao inversa de uma reexo em torno da reta j = r a
reexo em torno da reta j = r.
(b) A transformao inversa de uma reexo em torno de um eixo coor-
denado a reexo em torno daquele eixo.
8. a) Encontre a transformao T do plano no plano que uma reexo em
torno da reta j = 6r.
b) Escreva-a em forma matricial.
126
9. No plano, uma rotao anti-horria de 45
0
seguida por uma dilatao
de
_
3. Ache a aplicao que representa esta transformao do plano.
10. Analise se a seguinte armao verdadeira ou falsa: "Se T : R
2
R
2

uma rotao de um ngulo 0 (em sentido anti-horrio) em torno da origem,

seguida de uma dilatao de fator 3 ento T
1
uma contrao de fator
1
3
seguida de uma rotao de um ngulo 0 em torno da origem".
11. Encontre a transformao linear T : R
2
R
2
denida pela rotao de
t
6
(sentido anti-horrio) seguida de uma reexo atravs da reta j = 2r.
A seguir, faa um esboo da Im(T) se a transformao T for aplicada ao
retngulo de vrtices (0, 0), (1, 0), (1, 2) e (0, 2).
12. Seja T : R
3
R
3
a projeo de vetor no plano r+j +. = 0. Encontre
T(r, j, .).
13. Seja 1 : R
3
R
3
onde 1 a reexo atravs do plano r + j + . = 0.
Encontre 1(r, j, .).
14. Seja : R
3
R
3
onde 1 a rotao de
t
2
em torno do eixo . seguida de
uma rotao de
t
3
do em torno do eixo j. Encontre (r, j, .).
15. Seja uma matriz de ordem : xada. Seja T : '
n
'
n
denida por
T() = . Mostre que T no inversvel.
16. Encontre a transformao linear T : R
3
R
3
tal que 1cr(T) =
_
(r, j, .) R
3
j = 2r .
_
17. Determine se a transformao T(r, j) = (
p
3
2
r
1
2
j,
1
2
r +
p
3
2
j) uma
transformao auto-adjunta ou ortogonal. Justique sua resposta.
18. O operador linear T(r, j, .) = (
1
2
_
2r
1
2
_
2., j,
1
2
_
2r
1
2
_
2.) a
rotao de um ngulo 0 em torno do eixo y. Determine o valor do ngulo
0.
19. Considere o tringulo de vrtices (1, 1), (3, 3) e (2, 1). Determine a
ima-gem de T aplicada sobre este tringulo segundo uma rotao anti-
horria de 60

. Faa um desenho da Imagem.

20. Seja o operador T : 1
3
1
3
denido por T(j) = r
3
j(
1
r
) :
(a) Mostre T inversvel.
(b) Calcule a inversa T
1
do operador T
21. Seja T : '(2, 2) '(2, 2) um operador linear tal que T() = +
T
.
Verique se o operador T inversvel.
127
Captulo 5
AUTOVALORES E
AUTOVETORES
Dado um operador linear T : \ \, estamos interessados em saber quais
vetores so levados em um mltiplo de si mesmo; isto , procuramos um vetor
\ e um escalar ` R tais que T() = `. Neste caso T() ser um vetor
de mesma direo que . Por vetor de mesma direo estaremos entendendo
vetores sobre a mesma reta suporte. Como =

0 satisfaz a equao para todo

`, estaremos interessados em determinar vetores ,=

0 satisfazendo a condio
acima.
Denio 197 Seja T : \ \ , um operador linear. Se existirem \,
,=

0 , e ` R tais que T() = `, ` um autovalor de T e um autovetor

de T associado a `.
Observe que ` pode ser o nmero 0, embora no possa ser o vetor nulo.
Exemplo 198 T : \ \ dado por T() = /, onde / uma constante
Neste caso todo vetor de \ um autovetor associado ao autovalor ` = /
Exemplo 199
T : R
2
R
2
(Reexo no eixo x)
T(r, j) = (r, j)
Neste caso observamos que os vetores que sero levados em mltiplos dele
mesmo sero os vetores que esto no eixo r, pois = (r, 0) =T() = T(r, 0) =
(r, 0) = . Os vetores que esto no eixo j tambm so levados em mltiplos
de si mesmo pois estes vetores tem a forma n = (0, j) = T(n) = T(0, j) =
(0, j) = 1(0, j). Podemos concluir ento que os vetores do tipo = (r, 0) so
autovetores associados ao autovalor `
1
= 1 e os vetores da forma n = (0, j) so
autovetores associados a `
2
= 1, da tranformao linear reexo no eixo r.
128
Exemplo 200
1

2
: R
2
R
2
(Rotao de um ngulo
t
2
)
1

2
(r, j) = (j, r)
Observe que na rotao de
t
2
nenhum vetor levado em um mltiplo de si
mesmo, a direo de todos vetores de R
2
so alterados pela rotao. Portanto
a rotao de um ngulo
t
2
no possui autovetores e autovalores.
Teorema 201 Dada uma transformao linear T : \ \ e um autovetor
associado a um autovalor `, qualquer vetor n = c (c ,= 0) tambm um
autovetor de T associado a `.
Observao 202 Note que se um vetor autovetor de uma transformao T
associado ao autovalor ` ento todos os mltiplos de tambm sero autovetores
associados a `. O Conjunto formado por todos os autovetores associados a um
mesmo autovalor um conjunto innito.
Teorema 203 Seja T : R
n
R
n
um operador auto-adjunto e `
1
, `
2
autoval-
ores distintos de T e
1
e
2
os autovetores associados a `
1
e `
2
, respectivamente.
Ento
1
perpendicular a
2
.
Denio 204 O subespao \
X
= \ T() = ` chamado o subespao
associado ao autovalor `.
Como vimos na nota acima o conjunto \
X
contm todos os autovetores de
T associados ao autovalor `, contm tambm o vetor nulo

0 de \ j que o
vetor

0 satifaz a relao T(

0 ) = `

0 . O conjunto \
X
pode ser escrito como \
X
= Todos os autovetores de T associados a ` '
_

0
_
.
5.1 Autovalores e autovetores de uma matriz
Agora vamos obter uma forma de calcular os autovalores e autovetores de uma
transformao usando sua matriz em relao as bases cannicas. Inicialmente
deniremos autovalores e autovetores de uma matriz .
Dada uma matriz quadrada, , de ordem :, estaremos entendendo por auto-
valor e autovetor de o autovalor e autovetor da transformao T
.
: R
n
R
n
,
associada a matriz em relao a base cannica de R
n
, isto T
.
() = (na
forma coluna). Assim, um autovalor ` R de , e um autovetor R
n
, so
solues da equao = `, ,=

0 .
5.1.1 Polinmio Caracterstico.
Seja a matriz
129
=
_

_
a
11
a
12
........ a
1n
a
21
a
22
........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
_

_
e =
_

_
r
1
r
2
.
.
.
r
3
_

_
Para encontrar os autovalores e autovetores de , devemos resolver a equao:
= `
= `1
`1 =

0
(`1) =

0
Escrevendo esta equao explicitamente,temos
_

_
a
11
` a
12
........ a
1n
a
21
a
22
` ........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
`
_

_
_

_
r
1
r
2
.
.
.
r
3
_

_
=
_

_
0
0
.
.
.
0
_

_
Fazendo
1 =
_

_
a
11
` a
12
........ a
1n
a
21
a
22
` ........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
`
_

_
temos o sistema
1 =

0
Este sistema um sistema homogneo e possui ao menos a soluo =

0 . Mas
como estamos procurando autovetores, queremos encontrar vetores ,=

0 que
satisfaam a equao 1 =

0 . Sendo assim queremos que o sistema 1 =

0
seja compatvel e indeterminado ( tenha alm da soluo trivial, outras solues
no triviais). Pela regra de Cramer se det 1 = 0 ento o sistema homogneo
ter innitas solues. Assim, a nica maneira de encontrarmos autovetores
(solues no nulas da equao 1 =

0 ) termos det 1 = 0, ou seja,

det(`1) = 0
Impondo esta condio determinamos primeiramente os autovalores ` que
satisfazem a equao e depois os autovetores a eles associados. Observamos que
j(`) = det(`1) =

a
11
` a
12
........ a
1n
a
21
a
22
` ........ a
2n
.
.
.
.
.
.
a
n1
a
n2
........ a
nn
`

um polinmio em ` de grau :.
130
Denio 205 O polinmio j(`) = det( `1) chamado polinmio carac-
terstico da matriz
Observe que as razes do polinmio caracterstico so os autovalores da
matriz . Note tambm que o autovalor pode ser o nmero zero (quando o
polinmio caracterstico tem razes zero), embora o autovetor associado a / `
no possa ser o vetor nulo.
Exemplo 206 Vamos agora calcular os autovetores e autovalores da matriz
=
_
3 4
1 2
_
Soluo
j(`) = det( `1) = det
_
3 ` 4
1 2 `
_
= (2 `)(3 `) + 4 =
`
2
+` 2
j(`) = 0 =`
2
+` 2 = 0 =`
1
= 1 e `
2
= 2.
Necessitamos calcular os autovetores de e para isso basta resolvermos o
sistema:
= `
onde =
_
r
j
_
e ` cada um dos autovalores j encontrados.
Para `
1
= 1 temos
_
3 4
1 2
_ _
r
j
_
= 1
_
r
j
_
_
3 1 4
1 2 1
_ _
r
j
_
=
_
0
0
_
_
4 4
1 1
_ _
r
j
_
=
_
0
0
_
Temos um sistema homogneo cuja matriz ampliada
_
4 4
1 1
[
[
0
0
_
c:ca|o:a:do
=
_
4 4
0 0
[
[
0
0
_
4r + 4j = 0 =j = r
Portando os autovalores associados ao autovalor `
1
= 1 so da forma =
(r, r) = r(1, 1) e assim podemos concluir que o subespao associado ao autovalor
`
1
= 1 \
1
= [(1, 1)] .
Para `
1
= 2 temos
_
3 4
1 2
_ _
r
j
_
= 2
_
r
j
_
_
3 (2) 4
1 2 (2)
_ _
r
j
_
=
_
0
0
_
_
1 4
1 4
_ _
r
j
_
=
_
0
0
_
131
Temos um sistema homogneo cuja matriz ampliada
_
1 4
1 4
[
[
0
0
_
c:ca|o:a:do
=
_
1 4
0 0
[
[
0
0
_
r + 4j = 0 =j =
r
4
Portando os autovalores associados ao autovalor `
1
= 2 so da forma =
(r,
r
4
) = r(1,
1
4
) e assim podemos concluir que o subespao associado ao auto-
valor `
2
= 2 \
2
=
_
(1,
1
4
)

.
Exemplo 207 Encontre os autovalores e autovetores da transformao linear
que a cada vetor R
3
associa a sua projeo ortogonal no plano r+j. = 0.
Soluo: Devemos encontrar a transformao linear T : R
3
R
3
tal que
T() = projeo de no plano r +j . = 0.
Da gura acima vemos que para obtermos a projeo sobre o plano devemos
inicialmente fazer a projeo do vetor na direo do vetor normal : para obter
o vetor j = jro,
n
.Com isso temos,
T() +j =
T() = j
T() = jro,
n

132
Um vetor normal do plano r+j. = 0 : = (1, 1, 1), logo, como = (r, j, .)
temos
j = jro,
n

j =
_
:
: :
_
:
j =
_
(r, j, .) (1, 1, 1)
(1, 1, 1) (1, 1, 1)
_
(1, 1, 1)
j =
_
r +j .
3
_
(1, 1, 1)
j =
_
r +j .
3
,
r +j .
3
,
r +j .
3
_
T() = j
T(r, j, .) = (r, j, .)
_
r +j .
3
,
r +j .
3
,
r +j .
3
_
T(r, j, .) =
_
2r j +.
3
,
r + 2j +.
3
,
r +j + 2.
3
_
Para calcular os autovalores de T devemos encontrar a matriz de T. Neste
caso,
[T] =
_

_
2
3
1
3
1
3
1
3
2
3
1
3
1
3
1
3
2
3
_

_
j(`) = det([T] `1) = 0
det
_

_
2
3
`
1
3
1
3
1
3
2
3
`
1
3
1
3
1
3
2
3
`
_

_
= 0
j(`) = `
3
+ 2`
2
` = 0
As raizes de j(`) so `
1
= `
2
= 0 e `
3
= 1.
Para `
1
= 0 vamos calcular os autovalores associados resolvendo o sistema.
_
_
2
3
1
3
1
3
1
3
2
3
1
3
1
3
1
3
2
3
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
133
cuja matriz ampliada ,
_
_
2
3
1
3
1
3
[ 0
1
3
2
3
1
3
[ 0
1
3
1
3
2
3
[ 0
_
_
c:ca|o:a:do
==
_
_
2
3

1
3
1
3
[ 0
0
1
2
1
2
[ 0
0 0 0 [ 0
_
_
_
2
3
r
1
3
j +
1
3
. = 0
1
2
j +
1
2
. = 0
_
2r j +. = 0
j +. = 0
e ento:
j = .
r = .
Portanto os autovalores associados ao autovalor `
1
= 0 so da forma =
(., ., .)
Observao 208 Note que acima damos a forma geral dos autovetores, no
caso acima temos = r(1, 1, 1) assim um autovetor = (1, 1, 1) como
todo autovetor um mltiplo de = (1, 1, 1) temos que \
0
= [(1, 1, 1)],
isto , o subespao associado ao autovalor `
1
= 0 gerado pelo vetor =
(1, 1, 1). Note que geometricamente o subespao \
0
= [(1, 1, 1)] formado
pelos vetores que so mltiplos do vetor normal ao plano, ou seja, por todos os
vetores ortogonais ao plano.
Para `
2
= `
3
= 1 vamos calular os autovalores associados resolvendo o
sistema.
_
_
2
3
1
1
3
1
3

1
3
2
3
1
1
3
1
3
1
3
2
3
1
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
_
_

1
3

1
3
1
3

1
3

1
3
1
3
1
3
1
3

1
3
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
_
_

1
3

1
3
1
3

1
3

1
3
1
3
1
3
1
3

1
3
_
_
_
_

1
3

1
3
1
3

1
3

1
3
1
3
1
3
1
3

1
3
_
_
c:ca|o:a:do
==
_
_

1
3

1
3
1
3
0 0 0
0 0 0
_
_
134

1
3
r
1
3
j +
1
3
. = 0 == r = j +.
Portanto os autovalores associados ao autovalor `
2
= `
3
= 1 so da forma
= (j + ., j, .) = j(1, 1, 0) + .(1, 0, 1). Logo \
2
= [(1, 1, 0)] e \
3
=
[(1, 0, 1)].
Exemplo 209 Encontre todos os autovalores e autovetores do operador linear
T : 1
2
1
2
denido por T(a +/r +cr
2
) = 2c + (a + 2/ +c)r + (a + 3c)r
2
.
Soluo: A matriz que representa o operador T dada por:
[T] =
_
_
0 0 2
1 2 1
1 0 3
_
_
Para encontrar os autovetores resolver ([T] `1) = 0, isto ,
_
_
0 ` 0 2
1 2 ` 1
1 0 3 `
_
_
_
_
a
/
c
_
_
=
_
_
0
0
0
_
_
Para obtermos uma soluo no nula para este sistema devemos impor:
det([T] `1) = `(2 `)(3 `) + 2(2 `) = 0
Obtemos ento os autovalores `
1
= 1 e `
2
= `
3
= 2.
Vamos agora encontrar os autovetores associados aos autovalores `
1
= 1 e
`
2
= `
3
= 2:
Para `
1
= 1
_
_
1 0 2
1 1 1
1 0 2
_
_
_
_
a
/
c
_
_
=
_
_
0
0
0
_
_
1:ca|o:a:do
=
_
_
1 0 2
0 1 1
0 0 0
_
_
_
_
a
/
c
_
_
=
_
_
0
0
0
_
_
=

j = (2c, c, c)
Portanto,

j = 2c +cr +cr
2
autovetor associado a `
1
= 1
Para `
1
= 1 =
_
_
2 0 2
1 0 1
1 0 1
_
_
_
_
a
/
c
_
_
=
_
_
0
0
0
_
_
1:ca|o:a:do
=
_
_
2 0 2
0 0 0
0 0 0
_
_
_
_
a
/
c
_
_
=
_
_
0
0
0
_
_
=

j = (c, /, c)
Portanto

j = c +/r +cr
2
autovetor associado a `
1
= 2.
135
5.1.2 Matrizes Semelhantes
Seja T : \ \ um operador linear. Sejam c e , bases de \ e [T]
o
o
, [T]
o
o
matrizes de T em relao as bases c e , respectivamente, ento:
[T]
o
o
= [1]
o
o
[T]
o
o
[1]
o
o
Lembrando que [1]
o
o
=
_
[1]
o
o
_
1
temos que
[T]
o
o
= [1]
o
o
[T]
o
o
_
[1]
o
o
_
1
Chamando [1]
o
o
= :
[T]
o
o
= [T]
o
o

1
De fato:
Pelo conceito de matriz de uma transformao linear podemos escrever:
[T()]
o
= [T]
o
o
[]
o
(1)
e
[T()]
o
= [T]
o
o
[]
o
(11)
Sendo [1]
o
o
a matriz mudana de base de c para ,, tem-se:
[]
o
= [1]
o
o
[]
o
e [T()]
o
= [1]
o
o
[T()]
o
Substituindo []
o
e [T()]
o
em (1), resulta:
[1]
o
o
[T()]
o
= [T]
o
o
[1]
o
o
[]
o
ou,
[T()]
o
=
_
[1]
o
o
_
1
[T]
o
o
[1]
o
o
[]
o
Comparando essa igualdade com (11) , tem-se
[T]
o
o
=
_
[1]
o
o
_
1
[T]
o
o
[1]
o
o
ou, como [1]
o
o
=
_
[1]
o
o
_
1
, podemos escvrever
[T]
o
o
= [1]
o
o
[T]
o
o
_
[1]
o
o
_
1
As matrizes [T]
o
o
e [T]
o
o
so chamadas semelhantes.
Denio 210 Dadas as matrizes e 1, se existe uma matriz 1 inversvel tal
que
= 111
1
ento dizemos que as matrizes e 1 so semelhantes.
Observao 211 Se e 1 so semelhantes ento dct = dct1, mas no vale
a recproca.
136
5.2 Diagonalizao de Operadores
Nosso objetivo aqui ser encontrar uma base do espao vetorial \ na qual a
matriz de um determinado operador linear T : \ \ seja a mais simples
possvel. Veremos que a melhor situao possvel aquela em que conseguimos
uma matriz diagonal associada a um operador.
Dado um operador linear T : \ \ , nosso objetivo conseguir uma base
, , para \ , na qual a matriz do operador nesta base ([T]
o
o
) seja uma matriz
diagonal. Esta a forma mais simples de se representar um operador e a base
, , nesse caso, uma base cujos vetores so autovetores de T. Observemos
inicialmente o exemplo que segue.
Exemplo 212 Seja T : R
2
R
2
o operador linear denido por T(r, j) =
(3r+4j, r+2j), cuja matriz, em relao base cannica [T] =
_
3 4
1 2
_
.
Seus autovalores so `
1
= 1 e `
2
= 2 com autovetores associados
1
= (1, 1)
e
2
= (4, 1), respectivamente. Notemos que os autovetores formam uma base
de R
2
. Seja, ento, , = (1, 1), (4, 1) a base de R
2
formada pelos autovetores
de T e encontremos [T]
o
o
. Para tal, aplicamos T em cada vetor da base , e
escrevemos a imagem obtida como combinao linear dos vetores da base ,:
T(1, 1) = (1, 1) = a(1, 1) +/(4, 1) = 1(1, 1) + 0(4, 1)
T(4, 1) = (8, 2) = c(1, 1) +d(4, 1) = 0(1, 1) 2(4, 1)
Assim, [T]
o
o
=
_
1 0
0 2
_
.
Notemos que [T]
o
o
uma matriz diagonal e representa o operador T na base
, de autovetores.
Na verdade, quando a base de autovetores existe, a matriz que representa
um operador linear nesta base ser sempre uma matriz diagonal que, como j
citado, a forma mais simples de se representar o operador. O problema, ento,
saber em que condies a base de autovetores existe, pois veremos adiante que
em muitos casos tal base no existe.
Consideremos, para elucidar o problema citado, as propriedades que seguem:
Propriedades
Propriedade 1: Autovetores associados a autovalores distintos so linearmente
independentes.
Proof. Exerccio!
Propriedade 2: Se T : \ \ um operador linear tal que dim\ = : e
T possui : autovalores distintos, ento o conjunto , =
1
,
2
, . . . ,
n
,
formado pelos correspondentes autovetores, uma base de \.
Em outras palavras, se conseguirmos encontrar tantos autovalores distintos
quanto for a dimenso do espao, podemos garantir a existncia de uma base
de autovetores.
137
Denio 213 Seja T : \ \ um operador linear. Dizemos que T um oper-
ador diagonalizvel se existe uma base , de \ cujos elementos so autovetores
de T.
Neste caso, a matriz que representa T na base , uma matriz diagonal cujos
elementos so autovalores de T, ou seja,
[T]
o
o
=
_

_
`
1
0 . . . 0
0 `
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . `
n
_

_
Aqui supomos que dim\ = :.
Exemplo 214 Observemos os autovalores e respectivos autovetores associados
a um operador linear T, representados pela matriz =
_
_
1 1 4
3 2 1
2 1 1
_
_
.
Os Autovalores e autovetores de so:
`
1
= 1 =
1
= (., 4., .) = .(1, 4, 1)
`
2
= 2 =
2
= (j, j, j) = j(1, 1, 1)
`
3
= 3 =
3
= (r, 2r, r) = r(1, 2, 1)
Logo o conjunto , = (1, 4, 1), (1, 1, 1), (1, 2, 1) uma base do R
3
, pela
propriedade 2, e, portanto o operador T representado pela matriz , diago-
nalizvel. Ento, como a base , formada pelos autovetores de ou de T, o
operador T representado por uma matriz diagonal 1 que a matriz [T]
o
o
. A
construo da matriz 1 pode ser acompanhada conforme segue:
T(
1
) =
1
= (1, 4, 1)
T(
2
) =
2
= (2, 2, 2)
T(
3
) =
3
= (3, 6, 3)
Ento:
(1, 4, 1) = a(1, 4, 1) +/(1, 1, 1) +c(1, 2, 1)
(2, 2, 2) = d(1, 4, 1) +c(1, 1, 1) +)(1, 2, 1)
(3, 6, 3) = q(1, 4, 1) +/(1, 1, 1) +i(1, 2, 1)
Dessa forma, temos
1 =
_
_
1 0 0
0 2 0
0 0 3
_
_
= [T]
o
o
138
Exemplo 215 Considere agora o operador T : R
3
R
3
, representado pela
matriz =
_
_
4 2 0
1 1 0
0 1 2
_
_
.
Autovalores e autovetores de :
`
1
= `
2
= 2 =
1
= (0, 0, .) = .(0, 0, 1)
`
3
= 3 =
3
= (2, 1, 1)
Observe que no pode ser diagonalizada, pois no possvel encontrar
uma base de autovetores para o R
3
; s possvel obter dois autovetores L.I.
5.2.1 Matriz Diagonalizadora
Seja T : \ \ um operador linear. Sejam a matriz cannica do operador
T, isto , [T] = e 1 a matriz de T na base , de autovetores. As matrizes e
1 so semelhantes, pois representam o mesmo operador T em bases diferentes.
Logo, a relao de matrizes semelhantes 210 permite escrever:
1 = 1
1
1
onde 1 a matriz mudana da base , para a base cannica c, isto , 1 =
[1]
o
o
.
Note que, pela denio da matriz 1, podemos concluir que ela uma matriz
cujas colunas so os autovetores do operador T. Observamos que a matriz 1
obtida pela "atuao"da matriz 1, quando ela existe, sobre a matriz . Dizemos
ento que a matriz 1 diagonaliza ou que 1 a matriz diagonalizadora.
Exemplo 216 Sendo possvel, encontre a matriz que diagonaliza =
_
_
1 3 3
3 5 3
3 3 1
_
_
.
Soluo:
Temos que determinar uma matriz inversvel 1 e uma matriz diagonal 1 tal
que 1 = 1
1
1. Vamos seguir os seguintes passos:
Passo1: Determinar aos autovalores de A:
det(`1) = 0 =det
_
_
1 ` 3 3
3 5 ` 3
3 3 1 `
_
_
= `
3
3`
2
+ 4 = 0
Os autovalores so `
1
= `
2
= 2 e `
3
= 1
Passo 2: Determinar os autovetores:
Sero necessrios 3 autovetores porque a matriz 3 3, caso contrrio a
matriz no poder ser diagonalizada.
Calculando os autovetores por meio do sistema homogneo:
139
_
_
1 ` 3 3
3 5 ` 3
3 3 1 `
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
obteremos:
Para ` = 2 uma base para o subespao associado
1
= (1, 1, 0) e

2
= (1, 0, 1)
Para ` = 1 uma base para o subespao associado
3
= (1, 1, 1)
Note que
1
,
2
,
3
linearmente independente. (Verique)
Passo 3: Monte 1 a partir dos vetores do passo 2:
1 =
_

1

2

3

=
_
_
1 1 1
1 0 1
0 1 1
_
_
Passo 4: Monte 1 a partir dos autovalores associados.:
essencial que a ordem dos autovalores seja igual ordem escolhida para
as colunas de 1.
1 =
_
_
2 0 0
0 2 0
0 0 1
_
_
Passo 5: Verique que 1 = 1
1
1 ou que 1 = 11.
1 =
_
_
1 3 3
3 5 3
3 3 1
_
_
_
_
1 1 1
1 0 1
0 1 1
_
_
=
_
_
2 2 1
2 0 1
0 2 1
_
_
11 =
_
_
1 1 1
1 0 1
0 1 1
_
_
_
_
2 0 0
0 2 0
0 0 1
_
_
=
_
_
2 2 1
2 0 1
0 2 1
_
_
Teorema 217 Se uma matriz : : com : autovalores distintos entre si,
ento diagonalizvel.
Proof. Exerccio.
Exemplo 218 A matriz =
_
_
2 3 7
0 5 1
0 0 1
_
_
tem autovalores `
1
= 2, `
2
= 5 e
`
3
= 1. Como esses so trs autovalores distintos de uma matriz 3 3,
diagonalizvel.
Denio 219 i) Se ` autovalor de uma matriz de tamanho ::, ento a
dimenso do subespao associado a ` chamada multiplicidade geomtrica
de `.
ii) O nmero de vezes que ` aparece como autovalor de chamado de
multiplicidade algbrica de `.
140
Teorema 220 Se uma matriz quadrada, ento:
i) Para cada autovalor de , a multiplicidade geomtrica menor do que ou
igual multiplicidade algbrica.
ii) diagonalizvel se, e somente se, para cada autovalor, a multiplicidade
geomtrica igual a multiplicidade algbrica.
Exemplo 221 Diagonalize a seguinte matriz, se possvel.
=
_

_
5 0 0 0
0 5 0 0
1 4 3 0
1 2 0 3
_

_
Soluo:
Vamos calcular det(`1) = 0 para encontrar os autovalores de .
det
_

_
5 ` 0 0 0
0 5 ` 0 0
1 4 3 ` 0
1 2 0 3 `
_

_
= 0 =
_
`
1
= `
2
= 5
`
3
= `
4
= 3
` = 5 e ` = 3, ambos tem multiplicidade 2.
Calculando os autovetores por meio do sistema homogneo:
_

_
5 ` 0 0 0
0 5 ` 0 0
1 4 3 ` 0
1 2 0 3 `
_

_
_

_
r
j
.
t
_

_
=
_

_
0
0
0
0
_

_
obtemos
Para ` = 5 uma base para o subespao associado
1
= (8, 4, 1, 0) e

2
= (16, 4, 0, 1).
Para ` = 3 uma base para o subespao associado
3
= (0, 0, 1, 0) e

4
= (0, 0, 0, 0, 1).
Note que para ambos os autovalores a multiplicidade algbrica igual a
multiplicidade geomtrica, logo pelo teorema anterior, conclumos que di-
agonalizvel.
Ento existe 1 tal que = 1
1
11, onde 1 =
_

_
8 16 0 0
4 4 0 0
1 0 1 0
0 1 0 1
_

_
e 1 =
_

_
5 0 0 0
0 5 0 0
0 0 3 0
0 0 0 3
_

_
.
5.3 Calculando potncias de uma matriz
Nesta seo, veremos como a diagonalizao de matrizes pode ajudar no clculo
de potncias de matrizes.
141
Teorema 222 Seja uma matriz quadrada : : e / um nmero inteiro. Se
autovetor de associado ao autovalor ` ento tambm autovetor de
|
associado ao autovalor `
|
.
Proof. Por denio, se autovetor de associado ao autovalor ` ento
= `.
Multiplicando por ambos os lados da igualdade, tem-se

2
= ` = `() = `
2
.
Novamente, multiplicando por ambos os lados

3
= `
2
= `
2
() = `
3
.
Generalizando esta idia para / vezes, obtemos
(.......
. .
|1 vezes
) = (.......
. .
|1 vezes
)` ==
|
= `
|
,
concluindo assim nossa demonstrao.
Assim, todo autovetor de tambm autovetor de
|
e portanto, se a
matriz diagonalizvel, e
|
possuem a mesma matriz diagonalizadora 1.
O prximo teorema nos diz como obter a matriz
|
para todo / inteiro.
Teorema 223 Se uma matriz quadrada :: diagonalizvel ento existe
uma matriz invertvel 1 e uma matriz diagonal 1 tais que
|
= 11
|
1
1
, para
todo / inteiro.
Proof. Se diagonalizvel, ento existe uma matriz invertvel 1 e uma
matriz diagonal 1 tais que = 111
1
. Assim,

|
= .......
=
_
111
1
_
.
_
111
1
_
.
_
111
1
_
.....
_
111
1
_
= 11
_
1
1
1
_
1
_
1
1
1
_
1.....
_
1
1
1
_
11
1
= 11
|
1
1
Isso sugere que para calcularmos
|
podemos diagonalizar , obtendo 1 e
1, depois calcular 1
|
, e o resultado ser igual a 11
|
1
1
. Como 1 diagonal
e sua diagonal formada pelos autovalores de , pelo teorema anterior tem-se
1
|
=
_

_
`
|
1
0 . . . 0
0 `
|
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . `
|
n
_

_
.
142
Exemplo 224 Calcule
20
onde =
_
_
1 2 8
0 2 0
0 0 2
_
_
.
Soluo: Os autovalores dessa matriz so `
1
= 1 e `
2
= `
3
= 2. Para
`
1
= 1 encontramos o autovetor
1
= (1, 0, 0) e para `
2
= `
3
= 2 encon-
tramos os autovetores
2
=
_
2
3
, 1, 0
_
e
3
=
_

8
3
, 0, 1
_
. Segue que a matriz
diagonalizvel. As matrizes 1 e 1 so
1 =
_
_
1
2
3

8
3
0 1 0
0 0 1
_
_
, 1 =
_
_
1 0 0
0 2 0
0 0 2
_
_
Ento,

20
= 11
20
1
1
=
_
_
1
2
3

8
3
0 1 0
0 0 1
_
_
.
_
_
1
20
0 0
0 (2)
20
0
0 0 (2)
20
_
_
.
_
_
1
2
3
8
3
0 1 0
0 0 1
_
_
=
_
_
1 699 050 2796 200
0 1048 576 0
0 0 1048 576
_
_
143
5.4 Sexta lista de exerccios
1. Encontre os autovalores e autovetores das transformaes lineares dadas:
(a) T : R
2
R
2
tal que T(r, j) = (2j, r)
(b) T : R
2
R
2
tal que T(r, j) = (r +j, 2r +j)
(c) T : R
3
R
3
tal que T(r, j, .) = (r +j, r j + 2., 2r +j .)
(d) T : 1
2
1
2
tal que T(ar
2
+/r +c) = ar
2
+cr +/
(e) T : '(2, 2) '(2, 2) tal que
T
2. Encontre os autovalores e autovetores correspondentes das matrizes
a) =
_
_
1 2 3
0 1 2
0 0 1
_
_
b) =
_
_
1 0 2
1 0 1
1 1 2
_
_
c) =
_

_
2 0 1 0
0 2 0 1
12 0 3 0
0 1 0 0
_

_
.
3. Uma transformao linear T : R
2
R
2
faz uma reexo em relao ao
eixo horizontal, conforme mostrado na gura a seguir.
Essa transformao T
a) dada por T(r, j) = (r, j).
b) tem autovetor (0, 1) com autovetor associado igual a 2.
c) tem autovetor (2, 0) com autovetor associado igual a 1.
d) tem autovetor de multiplicidade 2.
e) no inversvel.
4. Construa uma matriz 2r2 no diagonal com autovalores 1 e 1 .
5. Encontre a transformao linear T : R
2
R
2
, tal que T tenha autovalores
2 e 3 associados aos autovetores (3j, j) e (2j, j) respectivamente.
144
6. Que vetores no nulos do plano, quando cisalhados por C(r, j) = (j
3r, j) e em seguida girados de 45
o
(no sentido anti-horrio) cam ampli-
ados / reduzidos (na mesma direo) ? Em quantas vezes ?
7. Determine os autovalores e autovetores, se existirem, do operador linear
T : R
3
R
3
obtido quando se faz uma rotao de rad em torno do eixo
r, seguida de uma contrao de
1
2
.
8. Seja T : +
2
+
2
um operador linear que dobra o comprimento do vetor
(1, 3) e triplica e muda o sentido do vetor (3, 1).
(a) Determine T(r, j)
(b) Calcule T(0, 2)
(c) Qual a matriz do operador T na base (2, 1), (1, 2)
9. Seja T : '(2, 2) '(2, 2) com autovetores
1
=
_
1 0
0 0
_
,
2
=
_
0 1
0 0
_
,

3
=
_
1 0
1 0
_
e
4
=
_
0 0
1 1
_
associados aos autovalores `
1
= 1, `
2
= 1,
`
3
= 2, `
4
= 0, respectivamente. Determine T
__
a /
c d
__
.
10. Dada a transformao linear T : +
2
+
2
que a projeo sobre a reta
j =
r
2
. Encontre os autovalores e autovetores da transformao T.
11. Considere 1
1
= conjunto dos polinmios de grau _ 1.
Seja o operador linear 1 : 1
1
1
1
dado por 1(j) = r.j
0
+j
0
.Determine
os autovalores e autovetores de 1.
12. Seja uma matriz quadrada e
T
sua transposta. As matrizes e
T
possuem os mesmos autovalores e autovetores? Justique sua resposta.
13. Encontre os autovalores e autovetores da transformao linear que a cada
vetor R
3
associa a sua projeo ortogonal no plano r +j = 0.
14. Seja T : \ \ linear
(a) Se ` = 0 autovalor de T, mostre que T no injetora.
(b) A recproca verdadeira? Ou seja, se T no injetora, ` = 0
autovalor de T?
(c) Quais so os autovalores e autovetores do operador derivao 1 :
1
2
1
2
, 1(j) = j
0
.
15. Sejam , 1 '(:, :) matrizes triangulares com a mesma diagonal prin-
cipal. Existe alguma relao entre seus autovalores? Qual?
16. Mostre que o conjunto de todos os autovetores de um operador linear
T : \ \ associados a um autovalor ` um subespao vetorial de \.
145
17. Discuta a veracidade da armao: Se ` no um autovalor de , ento
o sistema linear (`1)v = 0 s tem a soluo trivial.
18. A matriz =
_
1 2
3 2
_
semelhante matriz 1 =
_
4 0
0 1
_
. Deter-
mine uma matriz 1 que realiza esta semelhana.
19. Verique se as matrizes dadas so semelhantes
(a)
_
1 1
1 4
_
e
_
2 1
1 3
_
(b)
_
3 1
6 2
_
e
_
1 2
1 0
_
20. Sejam e 1 matrizes : :. Mostre que se 1 semelhante a , ento
as duas matrizes tem o mesmo polinmio caracterstico e, portanto, os
mesmos autovalores.
21. Se 1 = 1
1
1 e

um autovetor de 1 associado a um autovalor `
ento 1

autovetor de associado a `.
22. Sejam e 1 matrizes semelhantes. Prove que:
(a) 1 e 1 1 so semelhantes.
(b)
|
e 1
|
so semelhantes, para cada inteiro positivo /.
(c) Se e 1 so inversveis, ento
1
e 1
1
so semelhantes.
23. Seja T o operador linear em R
3
denido por T(r, j, .) = (2j+., r4j, 3r)
e considere a base usual c do R
3
e a base , = (1, 1, 1), (1, 1, 0), (1, 0, 0).
(a) Mostre que as matrizes [T]
o
e [T]
o
so semelhantes.
(b) T inversvel? Se for determine a lei que dene T
1
.
24. Sejam T : \ \ um operador linear e c e , bases distintas de \. Mostre
que se [T]
o
o
e [T]
o
o
so matrizes semelhantes ento det [T]
o
o
= det [T]
o
o
.
25. Seja T : R
2
R
2
o operador linear denido por T(r, j) = (7r4j, 4r+
j)
(a) Determinar uma base do R
2
em relao qual a matriz do operador
T diagonal.
(b) Dar a matriz de T nessa base.
26. Considere uma transformao linear T : \ \ abaixo. Se possvel,
encontre uma base , para \ tal que a matriz [T]
o
o
de T, em relao base
,, seja diagonal.
146
(a) T : 1
2
1
2
denida por T(a +/r) = (4a + 2/) + (a + 3/)r.
(b) T : 1
2
1
2
denida por T(j(r)) = j(r + 1).
27. Vericar se a matriz diagonalizvel. Caso seja, determinar uma matriz
1 que diagonaliza e calcular 1
1
1.
(a) =
_
5 1
1 3
_
(b) =
_
_
1 2 1
1 3 1
0 2 2
_
_
(c) =
_

_
2 1 0 1
0 2 1 1
0 0 3 2
0 0 0 3
_

_
28. Determine o valor de / para que a matriz =
_
_
2 / 0
0 2 1
0 0 3
_
_
seja diagona-
lizvel.
29. Determine a de modo que a matriz seja diagonalizvel. Para o valor de
a encontrado, determine uma matriz inversvel 1 e uma matriz diagonal
1 tais que 1
1
1 = 1.
=
_

_
3 2 4 1
0 1 a 0
0 0 3 4
0 0 0 2
_

_
30. Encontre os autovalores de
9
se
=
_

_
1 3 7 11
0
1
2
3 8
0 0 0 4
0 0 0 2
_

_
31. Calcule
10
para =
_
0 1
2 1
_
.
32. Seja T um operador linear que preserva o comprimento do vetor
1
=
(1, 0, 0), duplica o comprimento do vetor
2
= (0, 2, 0) e inverte o sentido
do vetor
3
= (0, 2, 1). Determine o operador linear T
20
.
33. Seja T : \ \ o operador linear que tem autovalores `
1
= 1, `
2
=
2, , `
n
= : associados aos autovetores
1
,
2
, ,
n
respectivamente.
147
Sabendo que , =
1
,
2
, ,
n
e que []
o
=
_

_
1
2
.
.
.
:
_

_
, determinar [T()]
o
.
34. Seja uma matriz inversvel. Prove que, se diagonalizvel,
1
tambm .
35. Seja uma matriz 4 4 e seja ` um autovalor de multiplicidade 3. Se
`1 tem posto 1, diagonalizvel ? Explique.
36. Classique cada armao como verdadeira ou falsa. Justique cada re-
sposta.
(a) Se diagonalizvel, ento tem : autovalores distintos.
(b) Se inversvel ento diagonalizvel.
(c) Uma matriz quadrada com vetores-coluna linearmente independentes
diagonalizvel.
(d) Se diagonalizvel, ento cada um de seus autovalores tem multi-
plicidade 1.
(e) Se nenhum dos autovalores de nulo, ento det ,= 0.
(f) Se n e so autovetores de associados, respectivamente, aos auto-
valoes distintos `
1
e `
2
, ento n + um autovetor de associado
ao autovalor `
1
+`
2
.
(g) Se autovetor dos operadores T : \ \ e o : \ \ ento
autovetor do operador T +o.
ALGUMAS RESPOSTAS
12. Para calcular os autovalores de , basta determinar as razes do polinmio
j(`) = det( `1).Para calcular os autovalores de
T
, basta determinar
as razes do polinmio j(`) = det(
T
`1). Portanto basta vericar que
det(
T
`1) = det(`1).
148
Captulo 6
PRODUTO INTERNO
Estamos interessados neste captulo em formalizar os conceitos de comprimento
de um vetor e de ngulo entre dois vetores. Esses conceitos permitiro uma
melhor compreenso do que seja uma base ortogonal e uma base ortonormal em
um espao vetorial e, principalmente, nos daro a noo de "medida"que nos
leva a precisar conceitos como o de rea, volume, distncia, etc...
Consideremos inicialmente o plano R
2
, munido de um referencial cartesiano
ortogonal (eixos perpendiculares) e um ponto 1(r, j). Vamos calcular a distn-
cia do ponto 1 origem O(0, 0).
dd
Observando a gura e utilizando o teorema de
pitgoras, temos que d =
_
r
2
+j
2
. Podemos
tambm, interpretar este resultado dizendo que
o comprimento(que passaremos a chamar de
norma) do vetor (r, j)
|(r, j)| =
_
r
2
+j
2
.
Por outro lado, se tivermos dois vetores n = (r
1
, j
1
) e = (r
2
, j
2
), podemos
denir um "produto"de n por assim:
n, = r
1
r
2
+j
1
j
2
,
produto este chamado de produto escalar ou produto interno usual e que
tem uma relao importante com a norma de um vetor = (r, j) :
|| =
_
r
2
+j
2
=
_
r.r +j.j =
_
, .
Se, ao invs de trabalharmos no R
2
, estivssemos trabalhando no R
3
(mu-
nidos de um referencial cartesiano ortogonal), teramos encontrado uma ex-
presso similar para o produto escalar:
149
(r
1
, j
1
, .
1
), (r
2
, j
2
, .
2
) = r
1
r
2
+j
1
j
2
+.
1
.
2
e a mesma relao com a norma de um vetor = (r, j, .)
|| =
_
r
2
+j
2
+.
2
=
_
,
Voltando ao caso do plano, se tivssemos trabalhando com um referencial
no ortogonal (eixos no perpendiculares), e quisssemos calcular a distncia
da origem at um ponto 1 (cujas coordenadas em relao ao referencial fossem
(r, j) ), teramos, usando o teorema de Pitgoras,
d = |(r, j)| =
_
(r +j cos c)
2
+ (j sinc)
2
=
_
r
2
+ (2 cos c)rj +j
2
Observe, que se usssemos o produto escalar (r
1
, j
1
), (r
2
, j
2
) = r
1
r
2
+j
1
j
2
,
neste caso no haveria a relao || =
_
, ,mas ela passaria a valer se
usssemos a seguinte regra para o produto:
(r
1
, j
1
), (r
2
, j
2
) = r
1
r
2
+ (cos c)r
1
j
2
+ (cos c)r
2
j
1
+j
1
j
2
, pois
, = (r, j), (r, j) = r
2
+ (cos c)rj + (cos c)jr +j
2
= ||
2
Portanto, novamente a noo de distncia poderia ser dada a partir de um
produto interno de vetores.
Conclumos destes exemplos, que o processo usado para se determinar "me-
didas"num espao pode variar e, em cada caso, precisamos ser bem claros sobre
qual produto interno estamos trabalhando.
Denio 225 Seja V um espao vetorial real. Um produto interno sobre \
uma funo ) : \ \ 1 que a cada par de vetores n e , associa um nmero
real, denotado por n, , e que satisfaz as seguintes propriedades:
a. , > 0 e , = 0 = = 0
b. n, = , n
c. n +, n = n, n +, n
150
d. /n, = / n, , \ / R
Exemplo 226 \ = R
2
; )((r
1
, j
1
), (r
2
, j
2
)) = 2r
1
r
2
+ 5j
1
j
2
um produto
interno sobre o R
2
.
Para mostrar a veracidade da armao devemos provar as propriedades
da denio de produto Interno. Sejam, ento, n = (r
1
, j
1
), = (r
2
, j
2
) e
n = (r
3
, j
3
) e / R :
a. n, n = (r
1
, j
1
), (r
2
, j
2
) = 2r
2
1
+ 5j
2
1
> 0 e n, n = 0 =2r
2
1
+ 5j
2
1
= 0 =
r
1
= 0 ou j
1
= 0 =n = (0, 0).
b. n, = (r
1
, j
1
), (r
2
, j
2
) = 2r
1
r
2
+ 5j
1
j
2
= 2r
2
r
1
+ 5j
2
j
1
= , n
c. n +, n = (r
1
+r
2
, j
1
+j
2
), (r
3
, j
3
) = 2(r
1
+r
2
)r
3
+ 5(j
1
+j
2
)j
3
= (2r
1
r
3
+5j
1
j
3
) +(2r
2
r
3
+5j
2
j
3
)
= n, n +, n
d. /n, = (/r
1
, /j
1
), (r
2
, j
2
) = 2/r
1
r
2
+ 5/j
1
j
2
= /(2r
1
r
2
+ 5j
1
j
2
) =
/ n,
Exemplo 227 Verique que n, = 3r
1
j
1
r
1
j
2
r
2
j
1
+ r
2
j
2
onde n =
(r
1
, r
2
), = (j
1
, j
2
) um produto interno em R
2
.
Para mostrar a veracidade da armao devemos provar as propriedades
da denio de produto Interno. Sejam, ento, n = (r
1
, r
2
), = (j
1
, j
2
) e
n = (.
1
, .
2
) e / R :
a. n, n = (r
1
, r
2
), (r
1
, r
2
) = 3r
2
1
2r
1
r
2
+r
2
2
=
_
2r
2
1
_
+
_
r
2
1
2r
1
r
2
+r
2
2
_
=
_
2r
2
1
_
+ (r
1
r
2
)
2
> 0 . Ento n, n = 0 se e somente se r
1
= 0, r
2
= 0,
isto , n = (0, 0).
b. n, = (r
1
, r
2
), (j
1
, j
2
) = 3r
1
j
1
r
1
j
2
r
2
j
1
+ r
2
j
2
= 3j
1
r
1
j
2
r
1

j
1
r
2
+j
2
r
2
= , n
c. n +, n = (r
1
+j
1
, r
2
+j
2
), (.
1
, .
2
) = 3(r
1
+j
1
).
1
(r
1
+j
1
).
2
(r
2
+
j
2
).
1
+ (r
2
+j
2
).
2
= (3r
1
.
1
r
1
.
2
r
2
.
1
+r
2
.
2
) + (3j
1
.
1
j
1
.
2
j
2
.
1
+j
2
.
2
)
= n, n +, n
d. /n, = (/r
1
, /r
2
), (j
1
, j
2
) = 3/r
1
j
1
/r
1
j
2
/r
2
j
1
+/r
2
j
2
= /(3r
1
j
1
r
1
j
2
r
2
j
1
+r
2
j
2
) = / n,
Exerccio 228 Verique que n, = r
1
r
2
+ j
2
1
j
2
2
onde n = (r
1
, j
1
) e =
(r
2
, j
2
), no dene um produto interno no R
2
.
151
Observe que a terceira propriedade da denio de Produto Interno falha,
vejamos:
Sejam, ento, n = (r
1
, j
1
), = (r
2
, j
2
) e n = (r
3
, j
3
).
n +, n = (r
1
+r
2
)r
3
+ (j
1
+j
2
)
2
j
2
3
=
_
r
1
r
3
+j
2
1
j
2
3
_
+
_
r
2
r
3
+j
2
2
j
2
3
_
+
2j
1
j
2
j
2
3
= n, n +, n + 2j
1
j
2
j
2
3
Portanto, n +, n , = n, n +, n .
Exemplo 229 Em R
n
, o produto interno usual (ou escalar) denido por:
(r
1
, r
2
, ..., r
n
), (j
1
, j
2
, ..., j
n
) = r
1
j
1
+r
2
j
2
+... +r
n
j
n
.
Nota: Quando no h referncia sobre o produto interno denido num es-
pao vetorial \ , entendemos que sobre ele ca denido o produto interno usual.
Exemplo 230 Seja \ = 1
2
, j = a
0
+a
1
r +a
2
r
2
e = /
0
+/
1
r +/
2
r
2
vetores
quaisquer de 1
2
. A frmula
j, = a
0
/
0
+a
1
/
1
+a
2
/
2
dene um produto interno em 1
2
.
Note que
j, = a
1
/
1
+a
2
/
2
no dene, sobre \, um produto interno, pois falha a propriedade a) da
denio de produto intermo. Veja que existem polinmios j \ tais que
j, j = 0, sem que j = 0. Por exemplo, j = 2 + 0r + 0r
2
.
Exemplo 231 Seja \ o espao da funes contnuas no intervalo [a, /]. Se ) e
q pertencem a \ , ento
), q =
_
b
o
)(r)q(r)dr
dene sobre \ um produto interno.
Como exerccio, mostre que as quatro propriedades do produto interno so
vlidas para este caso.
Exemplo 232 Se e 1 so duas matrizes quaisquer de \ = '
2
ento, de-
nimos
, 1 = tr
_

T
1
_
(6.1)
onde tr o trao de uma matriz quadrada denido por
tr() =
n

a
II
I=1
Exemplo 233 Considere as matrizes =
_
1 2
3 4
_
e 1 =
_
1 0
3 2
_
. Ento,
, 1 = tr
_

T
1
_
= tr
__
1 2
3 4
_

_
1 0
3 2
__
= tr
__
8 6
10 8
__
= 16.
152
6.1 Normas, Distncias e ngulos em Espaos
com Produto Interno
Denio 234 Se \ um espao com produto interno, ento a norma (ou
comprimento) de um vetor \ dada por
|| =
_
,
A distncia entre dois pontos (vetores) n e dada por
d(n, ) = |n |
Denio 235 Se || = 1, isto , , = 1, dizemos que o vetor est
normalizado, o que signica que seu comprimento igual a 1 unidade.
Denio 236 Todo vetor no-nulo \ pode ser normalizado, fazendo:
n =

||
.
Exemplo 237 Considerando = (1, 2, 3) e no havendo referncia a algum
produto interno em R
3
, temos:
|| = |(1, 2, 3)| =
_
(1, 2, 3), (1, 2, 3) =
_
1 + 4 + 9 =
_
14,
ou seja, o comprimento de , em relao ao produto interno usual,
_
14
unidades.
Exemplo 238 A norma do vetor = (3, 1) em relao ao produto interno
denido no exemplo 226, :
|(3, 1)| =
_
(3, 1), (3, 1) =
_
2.3.3 + 5.(1).(1) =
_
23,
e, em relao ao produto interno usual :
|(3, 1)| =
_
3
2
+ (1)
2
=
_
10
Para normalizar o vetor (3, 1), em relao ao primeiro produto (exemplo
226), fazemos
n =

||
=
(3,1)
p
23
=
_
3
p
23
23
,
p
23
23
_
Verique que o comprimento de n 1.
Observao 239 a) Se R
2
, ento o conjunto dos pontos que satisfazem
|| = 1 pertencem a um crculo de raio 1 centrado na origem.
b) Se R
3
, ento o conjunto dos pontos que satisfazem || = 1 pertencem
a uma esfera de raio 1 centrada na origem.
Teorema 240 (Desigualdade de Cauchy-Schwarz) Se n e so vetores de um
espao com produto interno real, ento
[n, [ _ |n| ||
153
ngulo entre dois vetores: Da desigualdade de Cauchy-Schwarz, tem-se
[n, [ _ |n| || .
Elevando ao quadrado ambos os lados
[n, [
2
_ |n|
2
||
2
Agora, dividindo ambos os lados por |n|
2
||
2
, obtm-se
_
n,
|n| ||
_
2
_ 1
ou, equivalentemente,
1 _
n,
|n| ||
_ 1.
Como 0 _ 0 _ , ento 1 _ cos 0 _ 1, da,
cos 0 =
n,
|n| ||
e 0 _ 0 _
6.2 Ortogonalidade
Denio 241 Seja \ um espao com produto interno. Os vetores n, \
dizem-se mutuamente ortogonais, e n ortogonal a , se n, = 0.
Note que n e so ortogonais se e somente se cos 0 = 0, onde 0 o ngulo
entre n e , e isto verdade se e somente se n e so "perpendiculares", isto ,
0 = 90

.
Observao 242 A ortogonalidade depende do produto interno, isto , dois
vetores podem ser ortogonais em relao a um produto interno mas no em
relao a outro.
Exemplo 243 As matrizes =
_
0 1
1 1
_
e 1 =
_
3 0
0 0
_
so ortogonais, pois
, 1 = tr(
T
1) = tr
__
0 3
0 0
__
= 0
Exemplo 244 Seja j, =
_
1
1
j(r)(r)dr um produto interno em 1
2
. Se j =
r
2
e = r
3
ento

r
2
, r
3
_
=
_
1
1
r
5
dr = 0. Portanto, os vetores j = r
2
e
= r
3
so ortogonais em 1
2
.
154
6.2.1 Conjunto Ortogonal de Vetores
Seja \ um espao vetorial com produto interno denido.
Diz-se que um conjunto de vetores
1
,
2
, . . . ,
n
\ ortogonal se dois
vetores quaisquer, distintos, so ortogonais, isto ,
I
,

= 0 para i ,= ,.
Teorema 245 Se =
1
,
2
, . . . ,
n
um conjunto ortogonal de vetores no-
nulos de um espao com produto interno, ento linearmente independente.
Proof. Temos que mostrar que a equao
a
1

1
+a
2

2
+. . . +a
n

n
= 0
tem apenas a soluo nula.
Para isso, faamos o produto interno de ambos os membros da igualdade por

I
:
a
1

1
+a
2

2
+. . . +a
n

n
,
I
= 0,
I

a
1

1
,
I
+a
2

2
,
I
+. . . +a
n

n
,
I
= 0
Como ortogonal,
I
,

= 0 para i ,= , e
I
,
I
,= 0, pois
I
,= 0. Da,
resulta a equao
a
I

I
,
I
= 0 =a
I
= 0 para i = 1, 2, . . . , :.
Logo, =
1
,
2
, . . . ,
n
LI.
6.2.2 Base ortogonal
Diz-se que uma base
1
,
2
, . . . ,
n
de \ ortogonal se os seus vetores so dois
a dois ortogonais.
Observao 246 Se dim\ = :, qualquer conjunto de : vetores no-nulos e
dois a dois ortogonais, constitui uma base ortogonal para \.
Exerccio 247 Mostre que o conjunto (2, 1, 3), (3, 0, 2), (2, 13, 3) uma
base ortogonal para o R
3
.
6.2.3 Base ortonormal
Uma base , =
1
,
2
, . . . ,
n
de um espao vetorial \ ortonormal se ,
ortogonal e todos os seus vetores tem norma 1, isto ,

I
,

=
_
0, i ,= ,
1, i = ,
Exerccio 248 A partir do conjunto (1, 2, 3), (3, 0, 1), (1, 5, 3) obtenha
uma base ortonormal para o R
3
.
155
6.2.4 Coordenadas em relao a Bases Ortonormais
Teorema 249 Se , =
1
,
2
, . . . ,
n
uma base ortonormal de um espao
com produto interno \ e \, ento
= ,
1

1
+,
2

2
+. . . +,
n

n
Proof. Como , =
1
,
2
, . . . ,
n
uma base, ento \ \ podemos
escrever
= a
1

1
+a
2

2
+. . . +a
n

n
Temos que mostrar que ,
I
= a
I
para i = 1, 2, . . . , :.
Na equao acima , aplicando o produto interno em ambos os lados com
I
:
,
I
= a
1

1
,
I
+a
2

2
,
I
+. . . +a
n

n
,
I

Como
1
,
2
, . . . ,
n
base ortonormal,
I
,

= 0 para i ,= , e
I
,
I
= 1.
Logo ,
I
= a
I
e portanto, []
o
=
_

1
,

2
,
.
.
.

n
,
_

_
o vetor de coordenadas de em
relao a base ,.
Exemplo 250 Encontre as coordenadas do vetor = (1, 1, 1) em relao base
, =
_
(0, 1, 0) ,
_

4
5
, 0,
3
5
_
,
_
3
5
, 0,
4
5
__
.
Note que , uma base ortonormal (mostre!), portanto podemos usar o
teorema 249 para encontrar []
o
.
(1, 1, 1) = (1, 1, 1), (0, 1, 0) (0, 1, 0) +
_
(1, 1, 1),
_

4
5
, 0,
3
5
___

4
5
, 0,
3
5
_
+
+
_
(1, 1, 1),
_
3
5
, 0,
4
5
___
3
5
, 0,
4
5
_
(1, 1, 1) = (0, 1, 0)
1
5
_

4
5
, 0,
3
5
_
+
7
5
_
3
5
, 0,
4
5
_
[]
o
=
_
_
1

1
5
7
5
_
_
6.2.5 Coordenadas em relao a Bases Ortogonais
Se , =
1
,
2
, . . . ,
n
base ortogonal de um espao com produto interno
\,ento a normalizao de cada um desses vetores produz a base ortonormal
,
0
=
_

1
|
1
|
,

2
|
2
|
, . . . ,

n
|
n
|
_
.
156
Assim, se \ , segue do teorema 249 que
=
_
,

1
|
1
|
_

1
|
1
|
+
_
,

2
|
2
|
_

2
|
2
|
+. . . +
_
,

n
|
n
|
_

n
|
n
|
ou,
n =
,
1

|
1
|
2

1
+
,
2

|
2
|
2

2
+. . . +
,
n

|
n
|
2

n
Exerccio 251 Expresse o vetor
_
13,
1
2
, 4,
3
2
_
como combinao linear dos ve-
tores
1
= (1, 2, 3, 4) ,
2
= (2, 1, 4, 3) ,
3
= (3, 4, 1, 2) e
4
= (4, 3, 2, 1).
6.3 Complementos Ortogonais
Seja \ um subespao de um espao vetorial \ com produto interno. Se um
vetor \ ortogonal a todos os vetores de \ ento dizemos que ortogonal
a \.
O conjunto de todos os vetores de \ que so ortogonais a \ chamado de
complemento ortogonal de \.
Notao: O complemento ortogonal de \ denotado por \
?
.
Exemplo 252 Seja \ = R
4
e \ um subespao do R
4
. Seja , = (1, 1, 0, 1), (0, 1, 1, 1)
uma base para \. Encontre uma base para \
?
.
Seja = (r, j, ., t) \
?
, ento
_
(r, j, ., t), (1, 1, 0, 1) = 0
(r, j, ., t), (0, 1, 1, 1) = 0
Da,
_
r +j +. +t = 0
j +. +t = 0
=
_
r = . + 2t
j = . +t
Logo, = (. 2t, . +t, ., t) = .(1, 1, 1, 0) +t(2, 1, 0, 1).
Como \
?
, segue que \
?
= [(1, 1, 1, 0), (2, 1, 0, 1)] e como este con-
junto LI (pois os vetores no so mltiplos), tem-se que , = (1, 1, 1, 0), (2, 1, 0, 1)
uma base para \
?
.
Propriedades
Se \ um subespao de um espao com produto interno \, ento:
a. \
?
um subespao de \.
b. \ \
?
=
_

0
_
.
c.
_
\
?
_
?
= \.
Exerccio 253 Faa como exerccio a demonstrao das trs propriedades do
complemento ortogonal.
157
6.4 Projees Ortogonais
Vamos agora desenvolver alguns resultados que sero teis para construir bases
ortogonais e ortonormais de espaos com produto interno.
geometricamente evidente em R
2
e R
3
que se \ uma reta ou um plano
pela origem, ento cada vetor n do espao pode ser escrito como uma soma
n = n
1
+n
2
onde n
1
est em \ e n
2
perpendicular a \.
W
O
u
w
1
w
2
W
O
u
w
1
w
2
O
u
w
1
w
2
W
O
u
w
1
w
2
W
O
u
w
1
w
2
O
u
w
1
O
u
w
1
w
2
Teorema 254 (Teorema da Decomposio Ortogonal) Se \ um subespao
de um espao com produto interno \ , ento todo n \ pode ser expresso por
n = n
1
+n
2
tal que n
1
\ e n
2
\
?
.
O vetor n
1
do teorema precedente chamado projeo ortogonal de u
em W e denotado por jro,
u
V
. O vetor n
2
chamado componente de u
ortogonal a \ e denotada por jro,
u
V
?
. Da, podemos escrever
n = jro,
u
V
+jro,
u
V
?.
Teorema 255 Seja \ um espao vetorial com produto interno denido e seja
\ um subespao de \.
a. Se , =
1
,
2
, . . . ,
n
uma base ortonormal de \ e n \, ento
jro,
u
V
= n,
1

1
+n,
2

2
+. . . +n,
n

n
b. Se , =
1
,
2
, . . . ,
n
uma base ortogonal de \ e \, ento
jro,
u
V
=
n,
1

|
1
|
2

1
+
n,
2

|
2
|
2

2
+. . . +
n,
n

|
n
|
2

n
Exemplo 256 Seja \ = R
3
e \ =
_
(0, 1, 0),
_

4
5
, 0,
3
5
_
um subespao de \.
Obtenha jro,
u
V
e jro,
u
V
?
para n = (1, 1, 1).
158
Note que , =
_
(0, 1, 0),
_

4
5
, 0,
3
5
__
base ortonormal para \.Ento:
jro,
u
V
= n,
1

1
+n,
2

2
= 1(0, 1, 0)
1
5
_

4
5
, 0,
3
5
_
=
_
4
25
, 1,
3
25
_
O componente de n que ortogonal a \
jro,
u
V
? = n jro,
u
V
= (1, 1, 1)
_
4
25
, 1,
3
25
_
=
_
21
25
, 0,
28
25
_
6.5 Encontrando Bases Ortogonais e Ortonor-
mais: Processo de Ortogonalizao de Gram-
Schmidt
Seja \ um espao vetorial com produto interno denido e , = n
1
, n
2
, . . . , n
n

uma base de \ . Atravs do processo que descreveremos abaixo, obteremos uma

base ortogonal ,
0
=
1
,
2
, . . . ,
n
para \.
Passo 1. Fixe
1
= n
1
.
Passo 2. Obter
2
de forma que
2
seja ortogonal a
1
tomando a componente
de n
2
que ortogonal a \
1
= [
1
]

2
= n
2
jro,
u2
V1
= n
2

n
2
,
1

|
1
|
2

1
v
1
W
1
u
2
1
2
2 2
u v W
u
proj =
1
2
W
u
proj
v
1
W
1
u
2
1
2
2 2
u v W
u
proj =
1
2
W
u
proj
Passo 3. Obter
3
de forma que seja ortogonal a ambos
1
e
2
, tomando a
componente de n
3
que ortogonal a \
2
= [
1
,
2
]

3
= n
3
jro,
u3
V2
= n
3

n
3
,
1

|
1
|
2

1

n3,
2

|
2
|
2

2
159
x
y
z
u
3
v
2
v
1
3
2
u
W
proj
3
2
3 3
u
W
proj u v =
x
y
z
u
3
v
2
v
1
3
2
u
W
proj
3
2
3 3
u
W
proj u v =
Procedendo desta forma, iremos obter, depois de : passos, a base ortogonal
,
0
=
1
,
2
, . . . ,
n
. Feito isso, para obter uma base ortonormal de vetores
para \, c =
1
,
2
, . . . ,
n
, basta normalizar os vetores
1
,
2
, . . . ,
n
.
Exemplo 257 Aplique o processo de Gram-Schmidt para transformar os ve-
tores de base n
1
= (1, 0, 1, 0), n
2
= (0, 1, 1, 0) e n
3
= (0, 0, 2, 1) em uma base
ortonormal para um subespao \ do R
4
.
Note que:
n
1
, n
2
= 1
n
1
, n
3
= 2
n
2
, n
3
= 2
Logo os vetores acima no formam uma base ortogonal, portanto temos que
usar o processo de Gram-Schmidt para transformar em uma base ortogonal e em
seguida, normalizar estes vetores, obtendo assim a base ortonormal procurada.
Passo 1. Fixe
1
= n
1
= (1, 0, 1, 0)
Passo 2.
2
= n
2
jro,
u2
V1
= n
2

n
2
,
1

|
1
|
2

1
= (0, 1, 1, 0)
1
2
(1, 0, 1, 0) =
_

1
2
, 1,
1
2
, 0
_
Passo 3.
3
= n
3
jro,
u3
V2
= n
3

n
3
,
1

|
1
|
2

1

n
3
,
2

|
2
|
2

2
=
= (0, 0, 2, 1) + (1, 0, 1, 0) +
2
3
_

1
2
, 1,
1
2
, 0
_
=
_
2
3
,
2
3
,
2
3
, 1
_
Logo, ,
0
=
_
(1, 0, 1, 0),
_

1
2
, 1,
1
2
, 0
_
,
_
2
3
,
2
3
,
2
3
, 1
__
base ortogonal
para R
4
. Normalizemos estes vetores para obter a base ortonormal c =
1
,
2
,
3
:
160

1
=

1
|
1
|
=
(1, 0, 1, 0)
_
2
=
_
1
_
2
, 0,
1
_
2
, 0
_

2
=

2
|
2
|
=
_
2
_
3
_

1
2
, 1,
1
2
, 0
_
=
_

_
6
6
,
_
6
3
,
_
6
6
, 0
_

3
=

3
|
3
|
=
3
_
22
_
2
3
,
2
3
,
2
3
, 1
_
=
_
2
_
22
,
2
_
22
,
2
_
22
,
3
_
22
_
6.6 Fatorao QR
Se uma matriz : : (: > :) com colunas linearmente independentes,
aplicar o Processo de Gram-Schmidt a essas colunas implica uma fatorao
muito til da matriz em um produto de uma matriz Q, : : (: > :),
com vetores-coluna ortonormais, por uma matriz triangular superior 1. Essa
a fatorao Q1.
Nos ltimos anos a fatorao Q1 tem assumido importncia crescente como
fundamento matemtico de uma grande variedade de algoritmos numricos
prticos, incluindo algoritmos largamente usados para computar autovalores
de matrizes grandes.
Para ver como surge a fatorao Q1, considere n
1
, n
2
, . . . , n
n
como os vetores-
coluna de e
1
,
2
, . . . ,
n
como os vetores ortonormais obtidos pela aplicao
do Processo de Gram-Schmidt matriz com normalizaes; assim,
= [n
1
[ n
2
[ . . . [ n
n
] e Q = [
1
[
2
[ . . . [
n
]
Os vetores n
1
, n
2
, . . . , n
n
podem ser escitos em termos dos vetores
1
,
2
, . . . ,
n
como
n
1
= n
1
,
1

1
+n
1
,
2

2
+. . . +n
1
,
n

n
n
2
= n
2
,
1

1
+n
2
,
2

2
+. . . +n
2
,
n

n
.
.
.
n
n
= n
n
,
1

1
+n
n
,
2

2
+. . . +n
n
,
n

n
Na forma matricial, tem-se:
[n
1
[ n
2
[ . . . [ n
n
] = [
1
[
2
[ . . . [
n
]
_

_
n
1
,
1
n
2
,
1
. . . n
n
,
1

n
1
,
2
n
2
,
2
. . . n
n
,
2

.
.
.
.
.
.
.
.
.
.
.
.
n
1
,
n
n
2
,
n
. . . n
n
,
n

_
ou, mais concisamente, por
= Q1
No entanto, uma propriedade de processo de Gram-Schmidt que, para
, > 2, o vetor

ortogonal a n
1
, n
2
, . . . , n
1
; assim, todas as entradas abaixo
da diagonal principal de 1 so nulas,
161
1 =
_

_
n
1
,
1
n
2
,
1
. . . n
n
,
1

0 n
2
,
2
. . . n
n
,
2

.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . n
n
,
n

_
Resumindo, temos o seguinte teorema:
Teorema 258 Se uma matriz : : (: > :) com colunas linearmente
independentes, ento pode ser fatorada como
= Q1
onde Q uma matriz :: com colunas ortonormais e 1 uma matriz : :
triangular superior invertvel.
Exemplo 259 Encontre a decomposio Q1 de =
_

_
1 2 2
1 1 2
1 0 1
1 1 2
_

_
.
Os vetores coluna de so n
1
=
_

_
1
1
1
1
_

_
, n
2
=
_

_
2
1
0
1
_

_
e n
3
=
_

_
2
2
1
2
_

_
.
O processo de Gram-Schmidt com normalizao subsequente aplicado a estes
vetores-coluna produz os vetores ortonormais
1
=
_

_
1
2

1
2

1
2
1
2
_

_
,
2
=
_

_
3
p
5
10
3
p
5
10 p
5
10 p
5
10
_

_
,
3
=
_

p
6
6
0
p
6
6 p
6
3
_

_
de modo que
_

_
1 2 2
1 1 2
1 0 1
1 1 2
_

_
.
=
_

_
1
2
3
p
5
10

p
6
6

1
2
3
p
5
10
0

1
2
p
5
10
p
6
6
1
2
p
5
10
p
6
3
_

_
Q
_

_
2 1
1
2
0
_
5
3
p
5
2
0 0
p
6
2
_

_
1
6.6.1 Aplicao da fatorao QR
Se uma matriz : : de posto :, ento a soluo para o sistema linear
A = 1 obtida da seguinte forma:
162
A equao A = 1 pode ser escrita na forma
Q1A = 1
Multiplicando ambos os lados ( esquerda) da equao por Q
T
, obtemos
Q
T
Q1A = Q
T
1
Como Q ortogonal, Q
T
Q = 1, ento
1A = Q
T
1
Como 1 inversvel, tem-se
A = 1
1
Q
T
1
Exemplo 260 Resolva o sistema
_

_
1 2 2
1 1 2
1 0 1
1 1 2
_

_
_

_
r
j
.
t
_

_
=
_

_
1
1
1
2
_

_
Como a matriz dos coecientes a mesma do exemplo anterior, diretamente
temos que:
A = 1
1
Q
T
1 =
_
_
1
2

1
10
_
5
1
6
_
6
0
1
5
_
5
1
2
_
6
0 0
1
3
_
6
_
_
_

_
1
2

1
2

1
2
1
2
3
p
5
10
3
p
5
10
p
5
10
p
5
10

p
6
6
0
p
6
6
p
6
3
_

_
_

_
1
1
1
2
_

_
=
_
_

23
15
9
10

2
3
_
_
6.7 Stima lista de exerccios:
1. Sejam

n = (r
1
, r
2
) e

= (j
1
, j
2
). Mostre que temos um produto interno
em R
2
nos seguintes casos:
(a)

n ,

= 3r
1
j
1
+r
2
j
2
(b)

n ,

= 4r
1
j
1
+r
2
j
1
+r
1
j
2
+ 4r
2
j
2
(c)

n ,

= r
1
j
1
2r
2
j
1
2r
1
j
2
+ 5r
2
j
2
2. Sejam

n = (r
1
, j
1
, .
1
) e

= (r
2
, j
2
, .
2
). Identique os casos em que
temos um produto interno no R
3
. Nos casos que falham, identique as
propriedades que no vericam.
(a)

n ,

= r
1
r
2
+.
1
.
2
(b)

n ,

= r
1
r
2
j
1
j
2
+.
1
.
2
(c)

n ,

= r
1
j
2
.
1
+j
1
r
2
.
2
163
3. Sejam

n = (r
1
, r
2
) e

= (j
1
, j
2
). A expresso

n ,

= r
1
j
1
r
1
j
2

r
2
j
1
+ 2r
2
j
2
dene um produto interno em R
2
?
4. No espao de todos os polinmios de grau menor ou igual a 2, determine
se
j, = j(1)(1)
um produto interno, e, em caso negativo, indique quais dos axiomas da
denio de produto interno so violados.
5. Utilize os produtos internos do exerccio 1 para calcular:
(a) |n| com n = (1, 3)
(b) d(n, ) com = (3, 5)
6. Em1
2
, considere o produto interno ), q =
_
1
1
)(r)q(r)dr e os polinmios
)(r) = r
2
, q(r) = 3r. Mostre que ) e q so ortogonais e a seguir, deter-
mine q um mltiplo de q tal que |q| = 1.
7. Considere \ = '(2, 2), com o produto interno usual. Determine a pro-
jeo ortogonal de
_
1 0
0 0
_
sobre
_
1 1
1 1
_
.
8. Considere \ = 1
2
, com o produto interno usual. Qual o menor ngulo
entre j(t) = 1 t +
_
2t
2
e (t) = 1 +
_
2t
2
?
9. Seja \ um espao vetorial com produto interno denido, e sejam n,
vetores ortogonais de \, tais que |n| = 1 e || = 2. Mostre que d(n, ) =
_
5. Interprete este resultado geometricamente quando n, R
2
.
10. Seja \ o espao das funes contnuas no intervalo [0, 1]. Dena em \ o
seguinte produto interno:
), q =
_
1
0
)(r)q(r)dr.
a) Calcule |)(r)| quando )(r) = r
3
r 1.
b) Calcule a d(), q) se )(r) = 1 e q(r) = r.
11. Seja \ = R
3
. Seja \ o subespao do R
3
dado pela equao r2j3. = 0.
Determine \
?
e a distncia entre = (1, 0, 1) aos subespaos \ e \
?
.
12. Considere o espao vetorial \ = R
2
munido do seguinte produto interno:

n ,

=
r
1
r
2
j
1
r
2
r
1
j
2
+4j
1
j
2
, em que

= (r
1
, j
1
) e

n = (r
2
, j
2
) so vetores
do R
2
. Considere T : \ \ o operador linear dado por T(r, j) =
_
2j,
r
2
_
.
Com relao ao produto interno dado e ao operador T, assinale a opo
correta.
164
a) Os vetores c
1
= (1, 0) e c
2
= (0, 1) so ortogonais em relao ao pro-
duto interno dado.
b) O operador T preserva o produto interno, isto , T(

n ), T(

) =

n ,

.
c) T(r, j) = T(j, r),para todo (r, j) R
2
.
d) O vetor

= (2, 0) pertence ao (T).
e) Existe um vetor

= (r, j) R
2
tal que r
2
+j
2
= 1 e

= 0.
13. Seja T : R
4
R
3
tal que [T] =
_
_
1 2 1 2
3 5 0 4
1 1 2 0
_
_
.
(a) Determine uma base para o complemento ortogonal do (T).
(b) Determine uma base para o complemento ortogonal da Im(T).
14. Seja \ = R
3
e \ =
_
(0, 1, 0),
_
4
5
, 0,
3
5
__
. Exprima n = (1, 2, 3) na
forma n = n
1
+n
2
, em que n
1
\ e n
2
\
?
.
15. Seja \ = R
4
e \ = [(1, 0, 1, 2), (0, 1, 0, 1)] . Expresse n = (1, 2, 6, 0) na
forma n = n
1
+n
2
, em que n
1
\ e n
2
\
?
.
16. Seja \ = '(2, 2). determine uma base para o complemento ortogonal do:
(a) subespao das matrizes diagonais
(b) subespao das matrizes simtricas.
17. A transformao T : R
2
R denida por T(

) =

n ,

linear? Se
for, determine seu ncleo e sua imagem.
18. Considere a base ortonormal c =
__
1
_
5
, 0,
2
_
5
_
,
_

2
_
5
, 0,
1
_
5
_
, (0, 1, 0)
_
para R
3
. Encontre [

]
o
para

= (2, 3, 1).(No resolva nenhum sis-

tema linear.)
19. Suponha que o consiste dos seguintes vetores em R
4
:
n
1
= (1, 1, 0, 1), n
2
= (1, 2, 1, 3), n
3
= (1, 1, 9, 2) e n
4
= (16, 13, 1, 3)
(a) Mostre que o ortogonal e uma base de R
4
.
(b) Ache as coordenadas do vetor = (1, 0, 2, 3) em relao base
o.(No resolva nenhum sistema linear.)
20. Qual a base ortonormal do R
3
obtida pelo processo de Gram-Schmidt a
partir da base (2, 6, 3), (5, 6, 24), (9, 1, 4) ?
165
21. Use o processo de Gram-Schmidt para construir uma base ortonormal para
um subespao \ de um espao vetorial \, para cada um dos seguintes
casos:
(a) \ = R
4
tal que \ = [(1, 1, 0, 0), (2, 1, 0, 1), (3, 3, 0, 2), (1, 2, 0, 3)]
(b) \ = R
3
tal que \ = (r, r +j, j); r, j R
(c) \ = '(3, 1) tal que \ o conjunto soluo do sistema homogneo
_
_
_
r +j . = 0
2r +j + 3. = 0
r + 2j 6. = 0
22. Seja \ um subespao do R
3
dado pelas equaes paramtricas r = 2t, j =
5t, . = 4t, t R. Determine \
?
. Qual a distncia do vetor

=
(1, 0, 1) aos subespaos \ e \
?
, respectivamente ?
23. Seja \ o espao das funes contnuas no intervalo [0, 1]. Dena em \ o
seguinte produto interno:
), q =
_
1
0
)(t)q(t)dt.
a) Aplique o algoritmo de Gram-Schmidt ao conjunto 1, t, t
2
para obter
um conjunto ortonormal )
0
, )
1
, )
2
.
b) Achar o complemento ortogonal do subespao \ = [5, 1 +t] .
24. Seja \ = 1
3
, j = a
0
+ /
0
r + c
0
r
2
+ d
0
r
3
e = a
1
+ /
1
r + c
1
r
2
+ d
1
r
3
e j, = a
0
a
1
+ /
0
/
1
+ c
0
c
1
+ d
0
d
1
um produto interno em 1
3
. Ache
uma base ortonormal para o subespao \ de 1
3
gerado pelos vetores

1
= 1 +r+r
2
+r
3
,

2
= 1 +r+2r
2
+4r
3
e

3
= 1 +2r4r
2
3r
3
.
25. Seja n, = r
1
j
1
+2r
2
j
2
+3r
3
j
3
um produto interno em R
3
. Encontre as
coordenadas do vetor =
_
2
3
, 1,
2
3
_
em relao base ortonormal obtida
a partir da base , = (1, 1, 1), (1, 1, 0), (1, 0, 0).
26. Seja l =
__
a a
a a
_
; a R
_
um subespao vetorial de '
22
. Deter-
mine uma base ortonormal de l
?
, usando o produto interno , 1 =
tr(
T
1).
27. Seja \ = 1
2
, com produto interno usual.
(a) Determine uma base ortonormal para o subespao \ de 1
2
gerado
por 4t + 3t
2
e por 12 +t + 7t
2
.
(b) Determine a projeo ortogonal de j(t) = t
2
sobre \.
28. Encontre a projeo ortogonal de = (1, 2, 3) sobre o subespao \ gera-
dos pelos vetores n
1
= (2, 2, 1) e n
2
= (1, 1, 4).
166
29. Encontre a decomposio ortogonal de = (4, 2, 3) em relao a \ =
[(1, 2, 1), (1, 1, 1)].
30. Ache uma matriz ortogonal 1 cuja primeira linha n
1
=
_
1
3
,
2
3
,
2
3
_
. Obs.:
a matriz 1 no nica.
31. Encontre a fatorao Q1 da matriz =
_

_
1 2 1
0 1 1
1 0 1
1 0 1
_

_
.
32. Utilize a fatorao Q1 para resolver o sistema A = 1 onde =
_
_
2 1
1 1
2 1
_
_
e 1 =
_
_
12
6
18
_
_
.
33. Classique cada armao como verdadeira ou falsa:
(a) Todo conjunto linearmente independente em R
n
um conjunto or-
togonal.
(b) Se uma matriz quadrada, cujas colunas so ortonormais ento
inversvel e
1
=
T
.
(c) Se \ um subespao de um espao com produto interno \ ento o
vetor nulo pertence a \
?
.
(d) Qualque matriz com determinante no- nulo tem uma decomposio
Q1.
(e) Se

r ortogonal a ambos

n e

, ento x ortogonal a

n

.
(f) Todo conjunto ortogonal ortonormal.
(g) Todo vetor pode ser normalizado.
34. No assunto Diagonalizao de Operadores, vimos que: "Se a
matriz cannica de um operador linear T e 1 a matriz de T na base , de
autovetores, temos
1 = 1
1
1
onde 1 a matriz cujas colunas so os autovetores de T. Dizemos que a
matriz 1 diagonaliza ou que 1 a matriz diagonalizadora".
No caso de ser uma matriz simtrica, e portanto sempre diagonalizvel,
podemos obter uma base ortogonal de autovetores que, aps a normal-
izao, ser uma base ortonormal. A matriz, acima citada, por ter suas
colunas formadas por vetores ortonormais, uma matriz ortogonal, ou
seja, tal que 1
1
= 1
T
. A matriz 1, nesse caso, obtida pela relao
1 = 1
T
1
167
e, dizemos que 1 diagonaliza ortogonalmente.
Seja T : 1
3
1
3
a transformao linear denida por: T(r, j, .) = (2r +
j + ., r + 2j ., r j + 2.).Encontre uma matriz 1 que diagonalize
ortogonalmente a matriz cannica de T.
168