Álgebra Linear II-marc

Drio Souza Rocha Disney Douglas de Lima Oliveira Domingos Anselmo Moura da Silva
lgebra Linear II
4.
Manaus 2007
Perodo
FICHA TCNICA
Governador
Eduardo Braga
ViceGovernador
Omar Aziz
Reitora
Marilene Corra da Silva Freitas

ViceReitor
Carlos Eduardo S. Gonalves

PrReitor de Planejamento
Osail de Souza Medeiros

PrReitor de Administrao
Fares Franc Abinader Rodrigues

PrReitor de Extenso e Assuntos Comunitrios
Roglio Casado Marinho

PrReitora de Ensino de Graduao
Edinea Mascarenhas Dias

PrReitor de PsGraduao e Pesquisa
Jos Luiz de Souza Pio

Coordenador Geral do Curso de Matemtica (Sistema Presencial Mediado)
Carlos Alberto Farias Jennings

Coordenador Pedaggico
Luciano Balbino dos Santos NUPROM Ncleo de Produo de Material

Coordenador Geral
Joo Batista Gomes

Editorao Eletrnica
Helcio Ferreira Junior

Reviso Tcnicogramatical
Joo Batista Gomes
Rocha, Drio Souza. R672a lgebra linear II / Drio Souza Rocha, Disney Douglas de Lima Oliveira, Domingos Anselmo Moura da Silva. - Manaus/AM: UEA, 2007. - (Licenciatura em Matemtica. 4. Perodo) 101 p.: il. ; 29 cm. Inclui bibliografia. 1. lgebra linear - Estudo e ensino. I. Oliveira, Disney Douglas de Lima. II. Silva, Domingos Anselmo Moura da. III. Srie. IV. Ttulo.
CDU (1997): 512.64 CDD (19.ed.): 512.5
SUMRIO
UNIDADE I Espao e Subespao Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 01 Espao Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 02 Subespaos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . UNIDADE II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial . . . . . . . . . . . . . . . . . . . . . . . . TEMA 03 Combinao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 04 Independncia e Dependncia Linear de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 05 Base e Dimenso de um Espao Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . UNIDADE III Transformaes Lineares e Matriz Mudana de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 06 Transformaes lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 07 Definies e Proposies sobre transformaes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 08 Mudana de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . UNIDADE IV Polinmio Caracterstico e Diagonalizao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 09 Polinmios sobre Matrizes ............................................................ 07 09 13 21 23 26 30 35 37 46 49 65 67 76 83 85 91 95
TEMA 10 Diagonalizao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . UNIDADE V Produto Interno, Operadores Lineares e Auto-Adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 11 Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 12 Operadores Lineares Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TEMA 13 Operadores Auto-Adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Referncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
PERFIL DOS AUTORES
Drio Souza Rocha

Licenciado e Bacharel em Matemtica - UFAM Especialista em Matemtica - UFAM
Disney Douglas de Lima Oliveira

Licenciado e Bacharel em Matemtica - UFAM Mestre em Matemtica - UFAM Doutorando em Computao Grfica - UFRJ
Domingos Anselmo Moura da Silva

Licenciado e Bacharel em Matemtica - UFAM Mestre em Matemtica - UFAM
UNIDADE I
Espao e Subespao Vetorial
lgebra Linear II Espao e Subespao Vetorial
TEMA 01 ESPAO VETORIAL 1. 1 Introduo O que lgebra Linear? lgebra linear um ramo da Matemtica que estuda vetores, espaos vetoriais, transformaes lineares, sistemas de equaes lineares e matrizes. Todos esses itens servem para um estudo detalhado de sistemas de equaes lineares. A inveno da lgebra Linear tem origem nos estudos de sistemas de equaes lineares. No obstante o fato de a lgebra Linear ser um campo abstrato da Matemtica, ela tem um grande nmero de aplicaes dentro e fora da Matemtica. Um dos conceitos bsicos em lgebra Linear o de espao vetorial ou espao linear. A noo comum de vetores como objetos com tamanho, direo e sentido, juntamente com as operaes de adio e multiplicao por nmero reais forma a idia bsica de um espao vetorial. Desse ponto de partida ento, para definirmos um espao vetorial, precisamos de um conjunto de elementos e duas operaes definidas sobre os elementos deste conjunto, adio e multiplicao por nmeros reais ou complexos. No necessrio que os vetores tenham interpretao geomtrica, mas podem ser quaisquer objetos que satisfaam os axiomas abaixo. Polinmios de grau menor que n formam um espao vetorial, por exemplo, assim como grupos de m x n e o espao de todas as funes de um conjunto em outro (com algumas condies adicionais). Dessa forma, vamos definio formal de Espao Vetorial. 1.2 Definio de Espao Vetorial Seja V um conjunto no-vazio munido com duas operaes: adio, que denotamos por + e multiplicao por um escalar, que denotaremos por , isto : e .
9
Sendo assim, diremos que o conjunto V acima com as duas operaes dito um espao vetorial real ou um espao vetorial sobre IR, se as seguintes propriedades listadas abaixo forem verificadas, para quaisquer u,v e wV e ,IR. i) u + (v + w) = (u + v) + w ii) u + v = v + u iii) V tal que u + = u ( chamado de vetor nulo) iv) para cada uV existe uV tal que u+(u) = v) ( + ).u = .u + .u vi) .(u + v) = .u + .v vii) ( . ).u = .(.u) viii 1IR tal que 1 . u = u Se, na definio acima, em vez de termos como escalares nmeros reais, tivermos nmeros complexos, V ser um espao vetorial complexo. Observaes: 1. Os elementos do espao vetorial V sero chamados vetores, independente de sua natureza. Vejamos alguns exemplos: a) V conjunto de matrizes reais m por n
b) V conjunto de todas as funes de
em
V= f (IR, IR) = {f : IR IR , funes reais} c) V conjunto dos nmeros complexos V= d) V o conjunto dos nmeros racionais ( )
, onde representa o conjunto dos nmeros inteiros.
e) V conjunto de matrizes complexas m por n , onde representa o conjunto dos nmeros complexos. 2. Daqui por diante, salvo referncia expressa em contrrio, sero considerados somente espa-
UEA Licenciatura em Matemtica
os vetoriais reais. Assim, quando dissermos que V um espao vetorial, deve ficar bem claro que V um espao vetorial sobre o conjunto IR dos nmeros reais. Vamos agora, como exemplo, mostrar que o conjunto , Munidos das operaes adio de matrizes e produto de um escalar por uma matriz respectivamente definidos por: +:Mm x n(IR) x Mm x n(IR) Mm x n(IR) (A,B) A + B : IR x Mm x n(IR) Mm x n(IR) (,B) .B Sendo A = (aij)m x n, B = (bij)m x n Mm x n(IR) e IR temos que: i) A + B = C = (cij)m x n, onde cij = aij + bij para todo 1 i m e 1 j n com m,n *. ii) .B = C = (cij)m x n, onde cij= bij para todo 1 i m e 1 j n com m,n *. Exemplo 1 Mostre que o conjunto Mm x n(IR) definido acima, com as operaes de adio de matrizes e produto de um escalar por uma matriz, um espao vetorial real. Soluo: Como foi definido acima, para todo par de matrizes A = (aij)m x n, B = (bij)m x n Mm x n(IR) e IR temos que: i) A + B = C = (cij)m x n, onde cij = aij + bij para todo 1 j m e 1 j n com m,n *. ii) .B = C = (cij)m x n, onde cij = bij para todo 1 i m e 1 j n com m,n *. Basta mostrar que a terna (Mmxn(IR), +, ) satifaz as seguintes propriedades, para todos u = (uij)m x n, v = (vij)m x n, w = (wij)m x n Mm x n (IR) e , IR. i) u + (v + w) = (u + v) + w ii) u + v = v + u iii) V tal que u + = u ( chamado de vetor nulo). iv) para cada u V existe u V tal que
10
u + (u) = v) ( + ).u = .u + .u vi) .(u + v) = .u + .v vii) (.).u = (.u) viii) 1IR tal que 1.u = u i) u + (v + w) = (u + v) + w u + (v + w) = (uij)mxn + ((vij)mxn + (wij)mxn) = = (uij)mxn + (vij + wij)mxn = (uij + (vij + wij))mxn (u + v) + w = ((uij)mxn +(vij)mxn) + (wij)mxn = = (uij+vij)mxn + (wij)mxn = ((uij + vij) + wij)mxn = onde uij + (vij + wij) = (uij + vij) + wij uij, vij, wij IR portanto u+(v +w) = (u + v) + w u, v, wMm x n(IR) ii) u + v = v + u u + v = (uij)m x n + (vij)m x n = (uij + vij)m x n v + u = (vij)m x n + (uij)m x n = (vij + uij)m x n onde uij + vij = vij + uij portanto u+v=v+u iii) V tal que u + = u ( chamado de vetor nulo) Seja = (ij)m x n Mm x n(IR) tal que ij = 01 i m e 1 j n, esta matriz denominada de matriz nula .Sendo assim temos: u + = (uij)m x n + (ij)m x n = (uij + ij)m x n Sendo ij = 01 i m e 1 j n, temos que uij + ij = uij. De onde conclumos que u + = u uMm x n(IR) iv) para cada uMm x n(IR) existe uMm x n(IR), tal que u + (u) = Dada a matriz u = (uij)m x nV, podemos definir a matriz 1.u = uMm x n(IR) pondo u = (uij)m x n. Dessa forma, temos: u + (u) = (uij)m x n + (uij)m x n = = (uij + (uij))m x n = Pois uij + (uij) = 0 1 i m e 1 j m v) ( + ).u = .u + .u
uij, vij IR
( + ).u = ( + ).(uij)m x n = (( + ).uij)m x n
i) u + (v + w) = (u + v) + w ii) u + v = v + u iii) F tal que u + = u ( chamado de vetor nulo) iv) para cada uF existe uF tal que u+(u) = v) ( + ).u = .u + .u vi) .(u + v) = .u + .v vii) ( . ).u = .(.u) viii) 1IR tal que 1. u = u i) u + (v + w) = (u + v) + w Aplicando u + (v + w) em x IR temos que: (u + (v + w))(x) = u(x) + (v + w)(x)= = u(x)+(v(x) + w(x)) = (u(x) + v(x)) +w(x) = = (u + v)(x) + w(x) = ((u + v) + w)(x) sendo (u + (v + w))(x) = ((u + v) + w)(x) xIR temos que vlida a propriedade u + (v + w) = (u + v) + w u, v, wF ii) u + v = v + u Aplicando u + v em x IR, temos que: (u+v)(x)= u(x) + v(x) = v(x)+u(x) = (v+u)(x) Sendo (u + v)(x) = (v + u)(x) x , temos u + v = v + u u, vF. iii) F tal que u + = u ( chamado de vetor nulo) Tome F como sendo a aplicao nula , ou seja : IR IR; (x) = 0 xIR . Logo, para toda funo u F tem-se (u + )(x) = u(x) + (x) = u(x) + 0 = u(x) xIR, sendo assim temos que u + = u. iv) para cada u F existe u F tal que u + (u) = Para cada vamos definir
.u + .u = (uij)m x n + (uij)m x n =(uij)m x n +

+ (uij)m x n =(uij + uij)m x n onde ( + ).uij = uij + uij 1 i m e 1 j n portanto ( + ).u = . u + . u vi) .(u + v) = .u + .v
.(u+v) = .((uij )m x n + (vij )m x n) = .(uij +vij)m x n .(u+v) = .(uij + vij)m x n = (.(uij +vij))m x n .u + .v = .(uij)m x n + .(vij)m x n =
= (uij )m x n +(vij)m x n = (uij + vij)m x n onde (uij + vij) = uij + vij 1 i m e 1 j n portanto (u + v) = .u + .v. vii) (.).u = (.u) (.).u = (.).(uij)m x n = ((.).uij)m x n = = (.(.uij))m x n = .(.uij)m x n = = .(.(uij)m x n) = .(.u) viii) 1IR tal que 1 . u = u 1.u = 1.(uij)m x n = (1.uij)m x n = (uij)m x n = u Exemplo 2 Mostre que o conjunto de todas as funes F = F(IR, IR) = {f : IRIR, funes reais}, com as operaes de adio de funes e produto de um escalar por uma funo definidas abaixo, um espao vetorial real. +: F x F F (f, g) f + g : IR IR x (f + g)(x) = f(x) + g(x)
xIR
e : IR x F F (,g) .g : IR IR x (.g)(x) .=..g(x)
xIR
Soluo: De fato, vamos mostrar que a terna (F, +, ) satifaz as seguintes propriedades a seguir para todos u,v,wF e , IR.
11
. Destas forma temos que: (u+(u))(x) = u(x) + (u)(x)= u(x)+(u(x)) = 0 xIR Logo u + (u) = para cada u F.
v) ( + ).u = .u + .u Aplicando ( + ).u em xIR temos que: ((+).u)(x)= ( + )u(x) = u(x) + u(x) = = (u)(x) + (u)(x) = (u + u)(x) xIR Sendo assim ( + ).u = .u + .u ,IR e uF. vi) .(u + v) = .u + .v Aplicando .(u+v) em x IR temos que: (.(u+v))(x)=.(u(x)+v(x))=.u(x)+.v(x)= = (.u)(x) + (v)(x) = (.u + x)(x) xIR Sendo assim (u + v) = .u + .v IR e u,vF. vii) (.).u = (.u) Aplicando (.).u em xIR temos que: ((.).u)(x) = (.).u(x) = .(u(x)) = = .(u)(x) = (.(u)(x) xIR Sendo assim (.).u = .(.u) , IR e uF. viii) 1IR tal que 1 . u = u De fato tome u F, logo teremos que 1. u aplicado em x IR ser (1.u)(x) = 1.u(x) = u(x) Exemplo 3 O conjunto IR3 = {(x, y, z); x,y,z IR} um espao vetorial com as operaes de adio e multiplicao por um escalar assim definida:
Suponha que exista um outro vetor neutro, ~ ~ digamos V tal que u + = u uV. Dessa forma, temos que:
+ = e + = =
ii) Para cada u V, existe apenas um e nico simtrico u V, tal que u + (u)= . Demonstrao: Suponha que para este uV, exista um outro simtrico, digamos bV tal que u + b = . Sendo assim, temos: u = u + = u + (u + b) = (u + u) + b =+b=b iii) Se u + v = u + w v = w u, v, w V Demonstrao: Por hiptese, u + v = u + w, como u V temos que existe u V tal que u + (u) = . Logo, u + (u + v) = u + (u + w)
(u + u) + v (u + u) + w +v=+w v=w
1. Sendo V um espao vetorial, mostre que (u) = u u V. 2. Sendo V um espao vetorial, mostre que 0 . u = u V. 3. Sendo V um espao vetorial, mostre que . = IR. 4. Sendo V um espao vetorial, mostre que .u = = ou u = . 5. Para todo uV temos (1)u = u. 6. Verifique se o IR3, munido das operaes adio (a,b,c) + (x,y,z) = (a + x, b + y, c + z) e mutiplicao por um escalar (x,y,z) = (0,0,0), (a,b,c), (x,y,z) IR3 e IR um espao vetorial real. 7. Verifique se o IR2, munido das operaes
12
u, vIR3 e IR temos que u + vIR3 e uIR3. Sendo u = (u1, u2, u3) e v = (v1, v2, v3)
conhecidos, temos que: u + v = (u1, u2, u3) + (v1, v2, v3) = = (u1, v1, u2 + v2, u3 + v3) e u = (u1, u2, u3) = (u1, u2, u3) Vamos deixar a verificao para o leitor como exerccio. 1.3 Propriedades dos Espaos Vetoriais Como conseqncia da definio de espao vetorial V, decorrem as seguintes propriedades: i) O vetor nulo (elemento neutro da adio) em V nico . Demonstrao: Temos que V tal que u + = u. Vamos mostrar que tal vetor nico.
adio (a,b) + (x,y) = (a x, b +y) e mutiplicao por um escalar (x,y) = (x,y), (a,b), (x,y) IR2 e IR um espao vetorial real. 8. Verifique se o conjunto M2 x 2(IR) das matrizes de ordem 2, munido das operaes adio e mutiplicao
TEMA 02 SUBESPAOS VETORIAIS 2.1 Subespao vetorial Definio Seja V um espao vetorial, e S um subconjunto no vazio de V. Diremos que S um subespao vetorial de V se forem satisfeitas as seguintes condies: i) u, vS tem-se u + vS. ii) uS e IR tem-se uS. Exemplo 1 Seja V = IR2 e S = {(x,2x); xIR} IR2 uma reta que passa pela origem dos espaos. Mostre que S um subespao vetorial de IR2. Soluo: Vamos verificar as condies (i) e (ii) da definio de subespao vetorial. i) u, vS tem-se u + vS. ii) uS e IR tem-se uS. i) Se u = (a, 2a) e v = (b,2b), temos que: u+v = (a,2a) + (b,2b) = (a + b, 2a + 2b) = = (a + b, 2(a + b))S ii) Se u = (a, 2a) e IR, temos que:
por um escalar
e IR um espao vetorial real.
u = (a, 2a) = (a, (2a)) = (a,(.2)a) =

= (a,(2.)a) = (a, 2(a))S Sendo satisfeitas as condies (i) e (ii), temos que o conjunto S um subespao vetorial do espao vetorial IR2. Esse subespao vetorial representa geometricamente uma reta que passa pela origem .
Exemplo 2 Mostre que o conjunto S = {(t, t + 1); tIR}IR2 no um subespao de IR2.

13
Soluo: Basta mostrar que uma das condies dadas na definio no satisfeita. Por exemplo: i) u,vS tem-se u + vS. Sendo u = (a, a +1) e v = (b,b + 1), temos que u + v = (a, a + 1) + (b, b + 1) = = (a + b, (a + b) + 2)S Logo, S no um subespao vetorial de IR . Geometricamente, temos:
2
vetor nulo do IR3. Sendo assim, suponha que o vetor nulo pertena a S, logo teramos:
O que gera um absurdo, pois a2 + 1 0 aIR. Donde conclumos que osubconjunto S = {(a2 + 1,b,0); a,bIR}, no pode ser um subespao vetorial do espao vetorial IR3. Exemplo 5 Seja V = IR4 um espao vetorial, e SV, dada por S = {(a,b,c,d)IR4; a = b + d e c = 0}. Mostre que tal conjunto, munido das operaes de adio e produto por um escalar definidas
em V, subespao vetorial .
Soluo: Observe que podemos reescrever o subconjunto S, como sendo S = {(b + d,b,0,d);b,dIR} Vamos verificar as condies (i) e (ii) da definio de subespao vetorial. i) u = (b1+d1,b1,0,d1), v = (b2+d2, b2, 0, d2)S temos que: Exemplo 3 Seja S um subespao vetorial do espao vetorial V. Sendo o vetor nulo de V, ento S. Soluo: Sendo S subespao vetorial de V, vamos fazer uso da condio (ii) da definio de subespao, que nos diz que uS e IR tem-se uS. Fazendo = , teremos 0.u = S. Observao: O exemplo 2 diz-nos que, se o subconjunto S no possui o vetor nulo do espao vetorial, ento tal subconjunto no pode ser um subespao vetorial. Exemplo 4 Verifique se o subconjunto S = {(a2 + 1, b, 0); a, bIR} um subespao vetorial do espao vetorial V = IR3. Soluo: Uma condio necessria para que tal subconjunto seja um subespao que ele possua o
14
u + v = (b1+d1,b1,0,d1) + (b2+d2, b2, 0, d2) u + v = (b1+d1) + (b2 + d2), b1+ b2, 0, d1+d2) u + v = ((b1+b2)+(d1+d2),b1+b2,0, d1+d2)S ii) u = (b+d, b, 0, d1)S e IR, temos que: u = (b+d, b, 0, d) = ((b + d), b, 0, d) = = (b + d, b, 0, d)S Portanto S um subespao vetorial de IR4. Exemplo 6 Seja V = Mnxn(IR) o espao vetorial das matrizes quadradas de ordem n, e seja BMnxn(IR) fixa. Mostre que o subconjunto S={AMnxn(IR); A.B = 0} das matrizes que ao multiplicar esquerda de B um subespao vetorial. Soluo: Vamos verificar as condies (i) e (ii) da definio de subespao vetorial, as quais so: i) u, vS tem-se u + vS. ii) uS e IR tem-se uS. i) A1, A2 S temos que A1 . B = 0 e A2 . B = 0, dessa forma temos:
(A1 + A2)B = A1.B + A2.B = 0 + 0 = 0 A1 + A2S ii) AS e S tem-se que AS De fato, AS temos que A.B = 0. Sendo assim, S e AS tem-se que AS, j que (A).B = (A.B) = .0 = 0. Portanto S um subespao vetorial de Mnxn(IR). Exemplo 7 Seja V = M2x2(IR) o espao vetorial das matrizes de ordem 2 e um subconjunto de M2x2(IR). Mostre que tal subconjunto um subespao vetorial. Soluo: Vamos verificar as condies (i) e (ii) da definio de subespao vetorial, as quais so: i) u, vS tem-se u + vS. ii) uS e IR tem-se uS. i) Se e elementos 4. Seja V = IR3 um espao vetorial munido com um produto interno, e seja wIR3 fixo. Mostre que o subconjunto S = {uIR3; uw = 0} um subespao vetorial de IR3. 5. Sejam S,W subespaos vetoriais do espao vetorial V e um valor real fixo. Mostre que: a) SW = {u; uS e uW} b) S + W = {u = s + w; sS e wW} c) S = {s; sS} so subespaos vetoriais do espao vetorial V. 6. Sejam V = M1x3(IR) e S o conjunto soluo do sistema linear homogneo a trs variveis definido abaixo. Dessa forma, mostre que S um subespao vetorial de M1x3(IR). 7. Sejam ii) Seja o es2. Seja V = Mn x n(IR) o espao vetorial das matrizes quadradas de ordem n, e seja S = {AMnxn(IR); At = A} um subconjunto de V. Mostre que S um subespao vetorial de V. 3. Seja V = Mn x n(IR) o espao vetorial das matrizes quadradas de ordem n, e seja S = {AMnxn(IR); At = A} um subconjunto de V. Mostre que S um subespao vetorial de V.
quaisquer de S, podemos concluir que:
S e IR, dessa forma
termos Portanto S um subespao vetorial de M2X2(IR).
pao vetorial das funes polinomiais de grau n, com aiIR i = 1,2,...,n e S um subconjunto das funes pares de V definido por S = {fV; f(x) = f(x) xIR}. Mostre que S um subespao vetorial . 8. Sejam o es-
pao vetorial das funes polinomiais de grau
n, com aiIR i = 1,2,...,n e S um subconjunto das funes mpares de V definido por S = {fV; f(x) = f(x) xIR} . Mostre que S um subespao vetorial . 1. Mostre que os subconjuntos do espao vetorial IR3 so subespaos vetoriais. a) S = {(x,y,z)IR3 ; x + y = z} b) S = {(x,y,z)IR ; x y + z = 0}
3 3
2.3 Interseo e soma de subespaos vetoriais 2.3.1 Teorema da interseo de subespaos Seja S a interseo dos n subespaos vetoriais
15
c) S = {(x,y,z)IR ; x = 0}
S1,S2,S3,...,Sn do espao vetorial V, ou seja, . Sendo assim, temos que S um subespao vetorial de V. Demonstrao: i) Se u,v so elementos quaisquer de S, ento u, vSk k = 1,2,3,...,n. Logo teramos que u + v Sk k, emplicando que . Satisfaz-se, assim, a primeira condio. ii) Para qualquer IR: se u elemento quaisquer de S, ento uSk k = 1,2,3,...,n. Logo teramos que uSk k, emplicando que .
(x,x2,x3,x4)S1 e (x,x2,x3,x4)S2
x1 = 0 e x4 = 0
De onde conclumos que interseo de S1 com S2, dada por S1 S2 ={(0,x2,x3,0); x2,x3IR}.
1. Sejam S = {(a,b,c,d); a + b = 0 e c d = 0} e W = {(a,b,c,d); a b c + d = 0} subespaos vetoriais do espao vetorial IR4; determine SW. 2. Sendo e
Satisfaz-se, assim, a segunda condio. Sendo assim, temos que um subespaos vetoriais do espao vetorial das matrizes M2x2(IR), determine SW.
subespao vetorial do espao vetorial V. Exemplo 8 V = IR3 e S1 S2 a reta de interseo dos planos S1 e S2, onde S1 e S2 so subespao vetoriais do IR3.
2.5 Teorema da soma de subespaos A soma dos n subespaos vetoriais S1, S2, S3,...,Sn do espao vetorial V um subespao vetorial do espao vetorial V. Seja, onde skSk. Temos que S um subespao vetorial de V. Demonstrao: Seja para cada k = 1,2,3,...,n. Se u e v so elementos quaisquer de S, onde , ukSk e , vkSk onde skSk
Exemplo 9 Seja o espao vetorial IR4e os subespaos S1 = {(x,y,z,0); x,y,zIR} e S2 = {(0,b,c,d); b,c,d IR}. Determine a interseo de S1 com S2. Soluo: Seja (x,x2,x3,x4)S1 S2 qualquer. Dessa forma, teramos:
16
k = 1,2,...n. Dessa forma, temos:
Se uk,vkSk, temos que uk + vkSk, pois, por hiptese, Sk subespao vetorial k = 1,2,...n. Satisfaz-se, assim, a condio (i) da definio de subespao vetorial.
Para qualquer IR e para todo uSk k = 1,2,3,...,n, temos: .
com
. Mostre que S1 + S2 = M2x2(IR) Soluo: Temos que S1 + S2 = {u + v | uS1 e vS2}. Logo
Satisfaz-se, assim, a condio (ii) da definio de subespao veetorial. Exemplo 10 Sejam w1 e w2 dois subespaos do espao vetorial IR3, sendo W1 e W2 duas retas concorrentes. Esboe, geometricamente, a soma de W1 com W2. Soluo: Sabemos, da geometria espacial, que duas retas concorrentes determinam um nico plano, e esde plano pode ser determinado fazendo uso da lgebra Linear da seguinte forma: Os vetores diretores das retas so linearmente independentes, pois as retas so, por hiptese, concorrentes. Dessa forma, podemos determinar o vetor normal a esse plano fazendo uso do produto vetorial entre os vetores diretores da retas, determinando, assim, a equao normal do plano que passa pela origem. Sendo assim, temos que a soma dos dois subespaos um plano que passa pela origem e que contm as retas. Geometricamente, temos:
1. Sejam S = {(a,b,c,d); a + b = 0 e c d = 0} e W = {(a,b,c,d); a b c + d = 0} subesapaos vetoriais do espao vetorial IR4; determine S + W. 2. Sendo
subes-
paos vetoriais do espao vetorial das matrizes M2x2(IR), determine S + W. 3. Sejam
espao vetorial das funes polinomiais de grau n, munido das operaes usuais de adio e produto por um escalar, S e W definidos abaixo so subespaos vetoriais de F(IR, IR). S = {fV; f(x) = f(x) xIR} Exemplo 11 Sejam S1 e S2 subespaos vetoriais do espao vetorial das matrizis reais de dimenso 2, definidas por:
17
W = {fV; f(x) = f(x) xIR} Mostre que F(IR,IR) = S + W, ou seja, toda funo f de F(IR, IR) pode ser escrita como a soma de uma funo gS com uma funo hW, isto , f = g + h.
2.7 Soma direta de dois ou mais subespaos vetoriais. 2.7.1 Definio de soma direta. Sejam U,W subespaoes de um espao vetorial V. Diremos que o espao vetorial V a soma direta dos subespao U,W, a qual ser representada por, V = U W se as seguintes condioes forem satisfeitas: i) U W = {}, onde o vetor nulo de V. ii) V = U + W, ou seja, para todo vV temos que v = u + w onde uU e wW. Exemplo 12 Se S1 = {(x,0); xIR} e S2 = {(0,y); yIR} so subespaos vetoriais de IR2, ento IR2 = S1 S2. Soluo: Diremos que igualdade dada IR2 = S1S2 verdadeira se as seguintes condioes forem satisfeitas: i) S1 S2 = {(0,0)}. ii) IR2 = S1 + S2, ou seja, para todo vV, temos que v = u + w onde uS1 e wS2. i) Tome s = (a,b)S1 S2 qualquer. Logo (a,b)S2 b = 0 e (a,b)S1 a = 0. Sendo assim, s(a,b)S1 S2 tem-se que s = (0,0), logo S1 S2 = {(0,0)}. Satisfaz-se, dessa forma, a condio (i). ii) v = (x,y)IR2 temos que v = (x, y) = = (x,0) + (0,y) = u + w, onde u = (x,0)S1 e w = (0,y)S2. Dessa forma, temos que IR2 = S1 + S2, satisfazendo, assim, a condio (ii). Sendo satisfeias as condies (i) e (ii), temos que IR2 = S1 S2. Geometricamente, temos que:
Exemplo 13 (Teorema) Se V a soma direta dos subespaos vetoriais V1 e V2, mostre que todo elemento de V se escreve de modo nico como a soma de um elemento de V1 com um elemento de V2. Soluo: Temos, por hiptese, que V=V1V2; logo, para todo vV existem v1V1 e v2V2, tais que v = v1+v2. Suponha, ento, que pudessem existir a e b vetores tais que v = a + b, com aV1 e bV2. Dessa forma, teramos v1 + v2 = a + b, implicando que v1 a = v2 b. Sendo V1 V2 = {(0)} e v1 a = b v2, temos que v1 a = e b v2 = , implicando v1 = a e b = v2, pois v1 aV1 V2 = {(0)} e b v2V1 V2 = {(0)}.
1. Sejam o espao vetorial das funes polinomiais grau n, munido das operaes usuais adio e produto por um escalar, S e definidos abaixo so subespaos vetoriais F(IR, IR). S = {fV; f(x) = f(x) xIR} W = {fV; f(x) = f(x) xIR} Mostre que F(IR, IR) = S W. 2. Sejam S1 e S2 subespaos vetoriais do espao vetorial das matrizis reais de dimenso 2, definidas por e de de W de
. Mostre que M2x2(IR) = S1 S2.
3. Sejam S = {(a,b,c,d); a + b = 0} e W = {(a,b,c,d)}; c 2d = 0} subespaos veto-
18
riais do espao vetorial IR4. Verifique se W = 4. 4. Sendo
subespa-os vetoriais do espao vetorial das matrizes M2x2(IR). Verifique se S W = M2x2( ). 5. Sejam S ={(0,y,z); z,y } e S = {(x,0,0); x } dois subconjunto do 3. Mostre que S e S so subespaos vetoriais. Verifique ainda que S S = 3. 6. Sejam f : V W uma funo entre os espaos vetoriais reais V e W, tal que f(x + y) = f(x) + f(y) e f(x) = f(x) x, yV e . Sendo f uma funo bijetiva, S1 e S2 subespaos vetoriais de V com S1 S2 = V, verifique se f(S1) f(S2) = W.
19
UNIDADE II
Combinao Linear, Vetores LI e LD. Base de um Espao vetoriaL
lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial
TEMA 03 COMBINAO LINEAR 3.1 Definio de combinao linear Sejam v1,v2,...,vn vetores do espao vetorial V e 1,2,...,n escalares reais ou complexos. Qualquer vetor vV da forma Exemplo 3: Seja uma combinao linear dos vetores v1,v2,...,vn. Exemplo 1: Sendo v1 = (1,0,1), v2 = (1,1,0), v3 = (0,0,1) vetores do espao vetorial IR3. Mostre que o vetor v = (2, 1, 1) de IR3, pode ser escrito como combinao linear dos vetores v1, v2 e v3. Soluo: Para verificar se o vetor v = (2, 1,1) IR3 pode ser escrito como combinao linear dos vetores v1, v2 e v3, temos que encontrar escalares reais 1, 2, 3 tais que (2,1,1) = 1(1,0,1) + 2(1,1,0) + 3(0,0,1) (2,1,1) = (1 +2, 2, 1 + 3) . o espao vetorial das funes polinomiais de grau n, com ai IR i = 1,2,...,n. Se f, g, h e p so funes de V definidas por f(x) = 1, g(x) = 2 x, h(x) = x + x2 e p(x) = 2x2 + 3x 6. Verifique se p pode ser escrito como combinao linear dos vetores f, g e h. Soluo: Para verificar que o vetor p pode ser escrito como combinao linear dos vetores f, g e h, temos que encontrar escalares a, b e c reais tais que p = af + bg + ch. Como p e af + bg + ch possuem mesmo domnio e mesmo contra-domnio, verificar que p(x) = af(x) + bg(x) + ch(x) xIR 2x2 + 3x 6 = a.1 + b(2 x) + c(x + x2) Exemplo 2: Sendo 2x2 + 3x 6 = a + 2b bx + cx + cx2 6 + 3x + 2x2 = (a + 2b) + (b + c)x + cx2 e Verifique se vetores do espao vetorial M2x2(IR). o vetor , 3.2 Subespao Vetorial Gerado Fixado v1,v2,...,vn vetores do espao vetorial V. Seja W o conjunto de todas os vetores de V tais que esses vetores se escrevem com combinao linear dos vetores v1,v2,...,vn. Vamos denotar tal conjunto por W = [v1,v2,...,vn] ou W = G(A) onde A = {v1,v2,...,vn} ou . Mostraremos que tal conjunto um subespao vetorial de V.
23
pode ser escrito como combinao linear dos vetores v1, v2 e v3. Soluo: Para verificar se o vetor pode ser escrito como combinao linear dos vetores v1,v2 e v3, temos que encontrar escalares reais a, b e c tais que v = av1 + bv2 + cv3.
De fato se : e quaisquer podemos ter so elementos de W
Exemplo 6: Seja V = 3, u,v wV e u v + w , IR. Desta forma, temos que [u,v,w] = {X = u + v + w|, , IR} o prprio IR3.
Sendo u + vW e uW u,vW e , temos que W um subespao espao vetorial de V. Exemplo 4: Seja V = 3, vV e v . Desta forma , temos que [v] = {x = v| } uma equao da reta que passa pela origem.
Exemplo 7: Determine o subespao gerado pelos vetores u = (1,0) e v = (0,2) pertencente ao 2. Soluo: Temos que o subespao gerado pelos vetores u = (1,0) e v = (0,2) dado por: [u,v] = {w
2
|w = au + bv, onde a e bIR}.
Sendo temos que: w = au + bv = a(1,0) + b(0,2) = (a,2b), de onde concluimos que todo vetor de 2 pode ser escrito como combinao linear dos vetores u e v. Sendo assim temos que [u,v] = 2. Exemplo 5: Seja V = IR3, u, vV e u v IR. Desta forma , temos que [u,v] = {X = u + v | , IR} uma equao de um plano que passa pela origem. Exemplo 8: Sejam u = (1,0,1) e v = (0,1,1) 3 .Determine o vetores do espao vetorial subespao gerado pelos vetores u e v. Soluo: Observe que u v , e fazendo uso do exemplo 2 temos que [u,v] = {X = u + v | , IR} a equao de um plano. Sendo X = (x,y,z)[u,v] temos que: (x,y,z) = (1,0,1) + (0,1,1) (x,y,z) = (,0,) + (0,,) = (, , + ) x = , y = , z = + z = x y x y z = 0 [u,v] = {(x,y,z)IR3|x y z = 0} Exemplo 9: Mostre que o conjunto A = {u,v,w} gera o 3, sendo u = (1,1,0), v = (0,1,1) e w = (2,0,1). Soluo:
24
3 Dizer que o gerado pelo conjunto A, seguinifica que todo vetor z = (x,y,z) de 3 se escrevem como combinao linear dos vetores u = (1,1,0), v = (0,1,1) e w = (2,0,1), isto , existem escalares a,b,c tais que z = au + bv + cw.
subconjunto AM2x2( G(A).
) tal que M2x2(

3
) =
De fato , para toda matriz AM2x2( tem-se:
) com
(x,y,z) = a(1,1,0) + b(0,1,1) + c(2,0,1) (x,y,z) = (a,a,0) + (0,b,b) + (2c,0,c) (x,y,z) = (a + 2c, a b, b c) logo tomando teremos que M2x2( Tomando a equao (i) temos que a + 2c = x
3
) = G(A).
a = x 2c(iv).
Substituindo a equao (iv) em (ii) temos: x 2c b = y b 2c = y x e . . Substituindo o valor de c em (i), temos Determine G(A). 2. Seja V = 3 um espao vetorial. Verifique se o vetor (3,4,1)[(1,2,0),(0,1,1),(1,3,0),(0,0,1)]. 3. Verifique se o conjunto A = {u,v,w} gera o 3 , sendo u = (1,2,0), v = (0,1,1). 4. Mostre que o mente gerado.
3
1. Sejam V = M2x3 (
)e
. Desta forma podemos escrever qualquer (x,y,z) de 3 como combinao linear dos vetores u = (1,1,0), v = (0,1,1) e w = (2,0,1). Observao: Sendo V um espao vetorial e A = {v1,v2,v3,v4,...,vn} um subconjunto finito de V. Diremos que V um espao vetorial finitamente gerado se, e somente se, V = G(A), isto , o espao vetorial V gerado pelo subconjunto A. Exemplo 10: Temos que o 3 um espao vetorial finitamente gerado, pois existe um subconjunto A 3 tal que G(A) = 3. Soluo: De fato , para todo (x,y,z)
3
um espao vetorial finita-
5. Seja W um subconjunto de 3 definido por w = {(1,0,0),(0,0,1),(1,0,1),(0,2,0),(1,1,2)}. a) Verifique se um dos vetores, digamos (1,1,2) a combinao linear dos demais vetores. b) Verifique se o subconjunto W gera o
3
c) Encontre um subconjunto A em W, tal que 3 = G(A).
tem-se que:
(x,y,z) = x(1,0,0) + y(0,1,0) + z(0,0,1)}, logo tomando A = {(1,0,0),(0,1,0),(0,0,1)} temos que G(A) = 3. Exemplo 11: Temos que o espao vetorial M2x2( 3) finitamente gerado, pois existe um
25
Faa TEMA 04 INDEPENDNCIA E DEPENDNCIA LINEAR DE VETORES. 4.1 Definio Seja V um espao vetorial e A = {v1,v2,v3,v4,...,vn} um subconjunto de V. Diremos que o conjunto A Linearmente Independente (L.I) se a equao admite apenas a solouo tri. (x,y,z) = a(1,0,1) + b(0,0,1) + c(0,1,0) (x,y,z) = (a,0,a) + (0,0,b) + (0,c,0) (x,y,z) = (a, c, a + b)
Sendo assim concluimos que o conjunto A gera IR3 Exemplo 3: Sejam M2 x 2(IR) o espao vetorial das matrizes reais de ordem 2 e um subconjunto de M2 x 2(IR). Verifique se A L.I. Verifique ainda se A gera M2 x 2(IR) = G(A). Soluo: Sabemos que o conjunto A L.I se, se somente se, a equao abaixo admite apenas a soluo trivial, ou seja a = b = c = d = 0.
vial, ou seja, ak = 0 k = 1,2,3,...,n. Caso exista algum ak 0 na soluo da equao , diremos que tal conjunto linearmente dependente (L.D). Exemplo 1: Mostre que o conjunto A {(1,1,0), (0,1,1)} IR3 linearmente independente. Soluo: Basta mostrar que a equao a(1,1,0) + b(0,1,1) = (0,0,0) com a,bIR adimite soluo trivial, ou seja, a = b = 0. a(1,1,0) + b(0,1,1) = (0,0,0) (a, a + b, b) = (0,0,0) a = b = 0 Exemplo 2: Verifique se o subconjunto A IR3 dado por A = {(1,0,1),(0,0,1),(0,1,0)} L.I, e se o mesmo gera o IR3. Soluo: Vamos verificar em primeiro lugar se A L.I. Sabemos que um subconjunto A IR3 L.I se, e somente se, a equao a(1,0,1) + b(0,0,1) + c(0,1,0) = (0,0,0) admite apenas a soluo trivial, ou seja a = b = c = 0. Sendo (a,0,a) + (0,0,b) + (0,c,0) = (0,0,0) temos: (a,c, a + b) = (0,0,0)
Sendo assim, temos:
Vamos verificar se M2 x 2(IR) = G(A). Tome qualquer, logo:
onde concluimos que A L.I. Vamos agora verificar se tal conjunto gera o IR3. Isto , todo vetor (x,y,z)IR3 se escreve como combinao linear dos vetores (1,0,1), (0,0,1) e (0,1,0).
26
a1 + b1x + c1x2 + d1x3 a + bx + b + 2c cx2 + d + dx + x + x3) = a1 + b1x + c1x2 + d1x3 (a + b + 2c + d) + (b + d)x cx2 + dx3 = Onde concluimos que o conjunto A gera M2x2(IR), isto M2x2(IR) = G(A). Exemplo 4: Se o espao das funes polinomiais reais de grau 3 e A = {f1,f2,f3,f4} um subconjunto de (IR,IR), onde cada fi com i = 1,2,3,4 definida por f1(x) = 1, f2(x) = x + 1, f3(x) = 2 x2 e f4(x) = 1 + x + x3. Verifique se A L.I ou L.D. Verifique ainda se (IR,IR) = G(A). Soluo: Seja f (IR,IR) a funo polinomial nula, ou ~ seja f(x) = 0 xIR. Sendo assim temos que ~ mostrar que af1 + bf2 + cf3 + df4 = f a = b = c = d = 0. De fato, tome: (af1 + bf2 + cf3 + df4)(x) = f (x) (af1)(x) + (bf2)(x) + (cf3)(x) + (df4)(x) = f (x) = 0 af1(x) + bf2(x) + cf3(x) + df4(x) = f (x) = 0 a.1 + b(x + 1) + c(2 x2) + d(1 + x + x3) = 0 a + bx + b + 2c cx2 + d +dx + dx3 = 0 (a + b + 2c + d) + (b + d) x cx2 + dx3 = 0
~ ~ ~ ~
Onde concluimos que
(IR,IR) = G(A)
Exemplo 5: Sejam M2 x 2(IR) o espao vetorial das matrizes reais de ordem 2 e A = {X,Xt} um subconjunto de A onde que A L.I. Soluo: De fato, basta mostra que aX + bXt = a = b = 0, sedo a matriz nula de ordem 2. . Mostre
Sendo assim temos que o conjunto A L.I.
Onde concluimos que A L.I.Vamos agora verificar se (IR,IR) = G(A), isto , se o conjunto A gera o espao vetorial (IR,IR). Sendo assim, tome a equao af1 + bf2 + cf3 + df4 = f f (IR,IR) e mostre que existem a,b,c,dIR tais que satisfazem a igualdade, onde f dada por f(x) = a1 + b1x + c1x2 + d1x3. (af1 + bf2 + cf3 + df4)(x) = f (x) (af1)(x) + (bf2)(x) + (cf3)(x) + (df4)(x) = f(x) af1(x) + bf2(x) + cf3(x) + df4(x) = f(x) a . 1 + b(x + 1) + c(2 x2) + d(1 + x + x3) =
27 ~
1. Seja W um subconjunto de IR3 definido por W = {(1,0,0),(0,0,1),(1,1,0),(0,2,0)}. a) Verifique se o subconjunto W L.I ou L.D. b) Verifique se o subconjunto W gera o IR3. c) Caso o subconjunto W seja L.D, encontre um subconjunto S de W tal que S seja L.I. d) Mostre ainda que o subconjunto S de W gera o IR3.
2. Se
temos que com 1 = 1 0 e, portanto, {v1,v2,v3,...,vj 1,vj ,vj + 1,...,vn} L.D. Uma proposio equivalente ao teorema a seguinte: Um conjunto de vetores A L.I se, e somente se nenhum deles for a combinao linear dos outros.
espao das funes polinmiais reais de grau 3 e A = {f1,f2,f3,f4} um subconjunto de (IR,IR), onde cada fi com i = 1,2,3,4 definida por f1(x) = 2, f2(x) = x + 2, f3(x) = 1 + x + x2 e f4(x) = 2 + x x3. Verifique se A L.I ou L.D. 3. Sejam M2 x 2(IR) o espao vetorial das matrizes reais de ordem 2 e A = {X,Xt,Y,Yt} um subconjunto de A onde Verifique se A L.I. 4. Mostre que o conjunto A = {(1,1,2,0), (0,0,2,1), (0,1,0,0),(0,0,1,0)} L.I e gera o IR4. , .
Exemplo 6: Se dois vetores u e v so colineares , ento eles so L.D, isto existe um escalar tal que u = v. Exemplo 7: Dois vetores u e v coplanares e no colineares so sempre L.I, pois no existe um tal que u = v.
4.3 Teorema Dado um espao vetorial V e um subconjunto finito A de V, diremos que tal conjunto ou L.I ou L.D. Uma forma elegaante de se verificar se tal conjunto A L.I ou L.D, pode ser verificado fazendo uso do teorema o qual vamos enunciar abaixo. Teorema: Seja V um espao vetorial e A um subconjunto de V dada por A = {v1,v2,v3,...,vn}. Diremos que A L.D se, e somente se, um desses vetores a combinao linear dos demais vetores. Demonstrao: Sendo A linearrmente dependente, temos que um dos coificientes da equao
Exemplo 8: Trs vetores u, v e w coplanares e no colineares so sempre L.D, pois no existe escalares , tal que w = u + v.
diferente de zero. Suponha ento que aj seja tal coeficiente, desta forma teremos que emplicando que
Exemplo 9: Sejam M2 x 2(IR) o espao vetorial das matrizes reais de ordem 2 e um subconjunto de M2 x 2(IR). Verifique se A L.I ou L.D. Soluo: Afirmo que o conjunto L.D..Pois ao observar o conjunto A que tem apenas dois elementos, temos que um deles o mltiplo escalar do outro. Ou seja , existe um nmero real, neste
28
. Onde concluimos que vj uma combinao dos vetores v1, v2,v3,...,vj 1, vj + 1,...,vn. Por outro lado , se tivermos {v1,v2,v3,...,vj 1,vj + 1,...,vn} tal que para algum j,
caso
tal que
c) Caso o subconjunto W seja L.D, encontre um subconjunto S de S tal que S seja L.I. d) Mostre ainda que o subconjunto S de W gera o 3. 2. Mostre que o conjunto A = {u,v,w} 3, sendo u = (1,1,0), v = (0,1,1) e w = (2,0,1) L.I. 3. Mostrar que se u, v e w so L.I, ento u + v, u + w e v w so tambm L.I. 4. Determine o valor de k para que o conjunto seja L.D.
4.4
Propriedades de Dependncia Independncia linear
da
Seja V um espao vetorial real ( ou complexo) 1) Seja A = {u} um subconjunto de V, com u 0 ento A L.I. Sendo u 0, temos que a combinao linear au = emplica que a = 0. Logo o conjunto A L.I. 2. Todo conjunto A V no vazio no qual A L.D. Sendo A = {v1,v2,v3,...,vj 1, ,vj + 1,...,vn} tal conjunto, temos que a equao a1v1+a2v2+...+ajivji+aj+aj+ivj+i+...+anvn = verdadeira para todo aj 0 e a1 = a2 = ... = aj i = aj + i = an = 0. Onde concluimos que o conjunto A L.D. 3. Seja B V um subconjunto no vazio,se B contm um subconjunto L.D ento B L.D. Seja B = {v1,v2,v3,...,vj 1, vj, vj + 1,...,vn} tal subconjunto de V e A = {v1,v2,v3,...,vj 1} um subconjunto de B L.D. Sendo A = {v1,v2,v3,...,vj 1} L.D temos que a equao a1v1 + a2v2 +...+ akvk + ... + aj 1vj para algum ak 0 com 1 = se verifica k = 1,2,...,j 1. E para esse mesmo ak 0 teremos a1v1 + akvk +...+ aj 1vj 1 + 0aj 0vj + 1 + 0vn = onde concluimos que B L.D. 4. Se um conjunto A V L.I, ento qualquer qualquer parte prpria de A no vazia tambm L.I. Fica como exerccio para o leitor
5. Determine o valor de k para que o conjunto A = {(1,2,k),(0,3k,2),(3,4,2)} seja L.I. 6. Seja M2x3( ) o espao vetorial das matrizes 2 x 3, verificar de {u,v,w} L.I ou L.D, sendo , e
7. Considere dois vetores u e v do plano. Mostre que: a) Se ad bc = 0 ento u e v so L.D. b) Se ad bc 0 ento u e v so L.I.
1. Seja W um subconjunto de 3 dafinido por W = {(1,0,0),(0,0,1),(1,0,1),(0,2,0),(1,1,2)}. a) Verifique se o subconjunto W L.I ou L.D. b) Verifique se o subconjunto W gera o
3
.
29
(a, c, a + b) = (0,0,0) TEMA 05 BASE E DIMENSO DE UM ESPAO VETORIAL 5.1 Definio Sejam V um espao vetorial real (ou complexo) e = {v1,v2,...,vn} um subconjunto de V no vazio. Diremos que uma base de V se: i) L.I ii) gera V Exemplo 1: Sejam M2x2( ) o espao vetorial das matrizes reais de ordem 2 e um subconjunto de M2x2( ). Mostre que o conjunto A uma base para M2x2( ). Soluo: Fazendo uso da resoluo do exemplo 3 (4.1 Exemplos), afirmo que tal conjunto uma base para o espao vetorial M2x2( ). Exemplo 2: Se o espao das funes polinomiais reais de grau 3 e A = {f1,f2,f3,f4} um subconjunto de (IR,IR), onde cada fi com i = 1,2,3,4 definida por f1(x) = 1, f2(x) = x + 1, f3(x) = 2 x2 e f4(x) = 1 + x + x3. Mostre que o conjunto A uma base para (IR,IR). Soluo: Fazendo uso da resoluo do exemplo 4 (4.1 Exemplos), afirmo que tal conjunto uma base para o espao vetorial (IR,IR). Exemplo 3: Mostre que o conjunto A = {(1,0,1),(0,0,1),(0,1,0)} uma base para o 3. Soluo: Vamos verificar em primeiro lugar que A L.I. Sabemos que o subconjunto AIR3 L.I se, e somente se, a equao a(1,0,1) + b(0,0,1) + c(0,1,0) = (0,0,0) admite apenas a soluo trivial, ou seja a = b = c = 0. Desta forma temos: (a,0,a) + (0,0,b) + (0,c,0) = (0,0,0) temos:
30
onde concluimos que A L.I. Vamos mostrar que o conjunto A GERA O IR3. Isto , todo vetor (x,y,z)IR3 se escreve como combinao linear dos vetores (1,0,1), (0,0,1), (0,1,0). Faa (x,y,z) = a(1,0,1) + b(0,0,1) + c(0,1,0) (x,y,z) = (a,0,a) + (0,0,b) + (0,c,0) (x,y,z) = (a,c, a + b)
Sendo assim concluimos que o conjunto A gera IR3. Onde concluimos que A uma base de 3. Observases: 1. Quando um espao vetorial V admite uma base finita, dizemos que V um espao vetorial de dimenso finita. 2. Seja = {v1,v2,...,vn} uma base para o espao vetorial V. Pela observao (1) temos que V um espao vetorial de dimeno finita, e neste caso diremos que dimV = n, no qual a quantidade de vetores existente na base neste espao.
1. Verifique quais dos seguintes conjuntos de vetores formam base do 2: a) {(1,1),(0,1)} b) {(1,2),(3,1)} c) 2. Mostre que o conjunto uma base do espao vetorial M2x2( ).
3. Se (IR,IR) o espao das funes polinomiais reais de grau 3 e A = {f1,f2,f3,f4} um subconjunto de (IR,IR), onde cada fi com i = 1,2,3,4 definida por f1(x) = 1, f2(x) = 2 x, f3(x) = 1 + x + x2 e f4(x) = x x3. Mostre que o conjunto A uma base para (IR,IR). 4. Seja A = {(1,0,1),(0,1,1),(0,0,1),(2,1,2),(1,3,1)} um subconjunto do 3. Determine uma base para o 3, com os elementos do conjunto A. 5. Complete o conjunto de modo que o conjunto A, venha a ser uma base para o espao vetorial M2x2( ).
v1,v2,...,vn2 so linearmente independentes, ento eles cumprem as condies para um base, logo o teorema estaria demonstrado. Agora se v1,v2,...,vn2 so linearmente dependentes, ento existe uma combinao linear deles, com algum coeficientes no zero, dando o vetor nulo .
Seguindo desta forma, aps uma quantidade finitas de estgios, chegaremos a um subconjunto de {v1,v2,...,vn}, formado por r(r n) vetores L.I vi1,vi2,...,vir que ainda geram V, ou seja, formaremos uma base. 5.3.2 Teorema: Seja um espao vetorial V gerado por um conjunto finito de vetores v1,v2,...,vn. Ento, qualquer conjunto com mais de n vetores necessariamente L.D (e, portanto, qualquer conjunto L.I). Demonstrao: Como G{(v1,v2,...,vn)} = V, pelo toreoma anterior, podemos extrair uma base para V de v1,v2,...,vn. Seja {v1,v2,...,vr} com r n, esta base . Consideremos agora w1,w2,...,wm, m vetores de V, com m > n. Ento existem, constantes aij, tais que para cada
5.3 Teoremas 5.3.1 Teorema: Sejam v1,v2,...,vn vetores no nulos que geram um espao vetorial V. Ento, entre esses vetores podemos extrair uma base de V. Demonstrao: Se v1,v2,...,vn so linearmente independentes, ento eles cumprem as condies para um base, logo o teorema estaria demonstrado. Agora se v1,v2,...,vn so linearmente dependentes, ento existe uma combinao linear deles, com algum coeficientes no zero, dando o vetor nulo .
i = 1,2,...,m. Consideremos agora uma combinao dos vetores w1,w2,...,wm dando zero (II). Substituindo as relaes (I) em (II) e cocoletando os termos, obtemos
Seja, por exemplo n 0. Ento podemos escrever ou seja vn a combi-
nao linear dos vetores v1,v2,...,vn1 e, portanto geram V, ou seja G({v1,v2,...,vn1}) = V. Se v1,v2,...,vn1 so linearmente independentes, ento eles cumprem as condies para um base, logo o teorema estaria demonstrado. Agora se v1,v2,...,vn1 so linearmente dependentes, ento existe uma combinao linear deles, com algum coeficientes no zero, dando o vetor nulo .
Como v1,v2,...,vr so L.I, ento
Seja, por exemplo n10. Ento podemos escrever ou seja vn1 a combiTemos ento um sistema linear homogneo com r equaes e m incgnitas x1,x2,...,xm e, como r n < m, ele admite uma soluo no trivial. Portanto w1,w2,...,wm so L.D.
31
nao linear dos vetores v1,v2,...,vn2 e, portanto geram V, ou seja G{(v1,v2,...,vn2)} = V. Se
Exemplo 5: Determine os coeficientes do vetor em relao a base 1. Se dimV = n, qualquer conjunto de n vetores L.I formar uma base de V. 2. Dada uma base = {v1,v2,...,vn} de V, cada vetor de V escrito de modo nico como combinao linear dos vetores v1,v2,...,vn. 3. Se U e W so subespaos vetoriais do espao vetorial V que tem dimiso dimenso finita, ento dimU dimV e dimW dimV. Alm disso dim(U + W) = dimU + dimW dim(UW). 4. Qualquer conjunto de vetores L.I de um espao vetorial V de dimenso finita pode ser completado de modo a formar uma base de V.
. Soluo: Tome
5.5 Coordenadas de vetor 5.5.1 Definio Sejam = {v1,v2,...,vn} base de V e vV onde . Chamamos estes nmeros
a1,a2,...,an de coeficientes de v em relao base e denotaremos por
1. Determine os coeficientes do v = (1,1,2) 3 em relao as bases: Exemplo 4: Determine os coeficientes do vetor v = (2,1,3) 3 em relao a base = {(1,1,0),(0,1,1),(0,0,2)}. Soluo: Faa (2,1,3) = a(1,1,0) + b(0,1,1) + c(0,0,2) (2,1,3) = (a,a,0) + (0,b,b) + (0,0,c) (2,1,3) = (a, a + b, b 2c) a) = {(1,0,0),(0,1,0),(0,0,1)} b) = {(1,2,0),(1,1,1),(0,2,1)} c) = {(1,0,1),(0,1,1),(0,0,1)}
vetor
2. Determine os coeficientes do vetor h (IR,IR), definido por h(x) = 2 + x x2 + 3x3 em relao as bases: a) = {f1,f2,f3,f4} onde cada fi com i = 1,2,3,4 definida por f1(x) = 2, f2(x) = x + 2, f3(x) = 1 + x +x2 e f4(x) = 2 + x x3. b) = {f1,f2,f3,f4} onde cada fi com i = 1,2,3,4 definida por f1(x) = 1, f2(x) = x, f3(x) = x2 e f4(x) = x3. c) = {f1,f2,f3,f4} onde cada fi com i = 1,2,3,4 definida por f1(x) = 1, f2(x) = x + 1, f3(x) = 1 + x + x2 e f4(x) = 1 + x + x3.
32
3. Sejam
{(1,0,1),(0,2,1),(0,0,1)} bases do
e
3
Determine [v], sendo
4. Determine os coeficientes do vetor vM2x2( ) em relao a base . Sendo
que
onde
5. Seja T :
3x1
( )uma funo definida por .
a) Sendo {(1,0,0),(0,2,0),(0,0,1)} uma base do 3, determine [(3,4,2)]. b) Verifique se = {T(1,0,0),T(0,1,0),T(0,0,1)} uma base de 3x1( ). c) Sendo = {T(1,0,0),T(0,1,0),T(0,0,1)} uma base de 3x1( ), determine [T(1,2,3)].
33
UNIDADE III
Transformaes Lineares e Matriz mudana de base
lgebra Linear II Transformaes Lineares e Matriz mudana de base
TEMA 06 TRANSFORMAES LINEARES 6.1 Introduo Vamos estudar um tipo especial de aplicao (funo), onde o domnio e o contradomnio so espaos vetoriais sobre o mesmo corpo (real ou complexo). Tais aplicaes satisfazendo determinadas condies, so determinadas, transformaes lineares. Tais funes descrevem um tipo de dependncia entre variveis. Por exemplo: Se de um kilograma de soja, so extrados 0,2 litros de de leo, de uma produo de qkg de soja seriam extrados 0,2q litros de leo. A aplicao matemtica que pode descrever tal problema o seguinte: Q(q) = 0,2q onde Q simboliza a quandidade em litros de leo e q simboliza kg a quandidade de soja.Estes dodos podem ser representado graficamente por: Q:
Essas duas propriedades, aqui apresentadas serviro para caracterizar as transformaes lineares. 6.2 Transformaes lineares 6.2.1 Definio de Funo Sejam V e W espaos vetoriais reais(ou compleos) Diremos que T : V W uma aplicao entre os espaos vetoriais V e W, se para todo vetor vV podemos associar de modo nico um vetor wW. Notao: Q : V W v | T(v)
q | Q(q) = 0,2q
.2.2 Definio de Transformao Linear Sejam V e W espaos vetoriais reais(ou compleos). Diremos que a aplicao T : V W uma transformao linear entre os espaos vetoriais V e W, se as seguintes condies abaixo so satisfeitas: i) T(u + v) = T(u) + T(v )
Vamos estender a aplicao Q para todo q real, ou seja: Vamos analizar neste exemplo simples duas propriedades importante: i) Para calcular a produo de leo fornecida por (q1 + q2)kg de soja, podemos tanto multiplicar q1 + q2 pelo fator de rendimento 0,2, como calcular as produes de leo de cada uma das quantidades q1 e q2 e somlos, isto , Q(q1 + q2) = 0,2(q1 + q2) = 0,2q1 + 0,2q2 = Q(q1) + Q(q2) ii) Se a quantidade de soja for multiplicada por um fator (digamos real), a prduo de leo ser multiplicado por este mesmo fator, isto , Q(q) = 0,2(q) = (0,2q) = Q(q).
37
u,vV
ii) T(u) = T(u) uV e Exemplo 1: Seja T : V uma aplicao do espao vetorial V em , definida por T(v) = 0 vV. Verifique que a plicao linear. Soluo: De fato, basta verificar que T satisfaz as condies (i) e (ii) da definio 6.2.2 i) Para todo u,vV temos que T(u) = 0 e T(v) = 0, logo T(u + v) = 0 = 0 + 0 = T(u) + T(v). ii) Para todo uV temos que T(u) = 0, logo T(u) = 0 = 0 = T(u) para todo .
Exemplo 2: Mostre que a aplicao T : 2 2 definida por T(x,y) = (x,y) uma transformao linear. Soluo: Basta verificar, se T satisfaz as condies (i) e (ii) da definio 6.2.2.
e (ii) da definio 6.2.2. Sejam u = (x,y,z) e v = (a,b,c) vetores quaisquer do 3 e um valor real. i) T(u + v) = T(x + a, y + b, z + c) T(u + v) = (0, y + z, z + c) T(u + v) = (0,y,z) + (0,b,c) T(u + v) = T(u) = T(v) ii) T(u) = T(x,y,z) T(u) = (0,y,z) T(u) = (0,y,z) T(u) = (0,y,z)
Para todo u = (x,y) e v = (a,b) 2 e para todo real, temos que u + v = (x + a, y + b) e u = (x,y). Logo: i) T(u+v) = T(x + a, y + b) = (x + a, (y + b)) T(u+v) = (x + a, y b) = (x, y) + (a b) T(u+v) = T(x, y) + T(a, b) = T(u) + T(v) Satisfazendo assim a condio (i) ii) T(u) = T(x, y) = (x, (y)) = (x, y) T(u) = T(x, y) = T(x,y) = T(u) Satisfazendo assim a condio (ii) Exemplo 3: Mostre que a aplicao T : definida por T(x,y,z) = (0,y,z) uma transformao linear. Soluo: Geometricamente temos:
3 3
T(u) = T(u) Sendo satisfeitas as condies as condies (i) e (ii) da definio 6.2.2. Temos que T linear. Exemplo 4: Mostre que a aplicao T : M2x2( ) M2x2( ) definida por T(A) = A uma transformao linear. Soluo: i) T(A + B) = (A + B) = A A = T(A) + T(B) ii) T(A) = (A) = (A) = T(A)
A,B M2x2( ) e
Sendo satisfeitas as condies as condies (i) e (ii) da definio 6.2.2. Temos que T linear. Exemplo 5: Mostre que a aplicao T : M2x2( ) M2x2( ) definida por T(A) = At uma transformao linear. Soluo: i) T(A + B) = (A + B)t = At + Bt = T(A) + T(B) ii) T(A) = (A)t = At = T(A)
A,B M2x2( ) e
Sendo satisfeitas as condies as condies (i) e (ii) da definio 6.2.2. Temos que T linear. Exemplo 6: Mostre que a aplicao T : M2x2( ) definida por transformao linear. Soluo: Vamos verificar, se T satisfaz s condies (i)
38
4
uma
Sejam u(x,y,z,t) e v = (a,b,c,d) vetores quaisquer do 4 e um valor real.
i) T(u + v) = T(x + a, y + b, z + c, t +d)
seja, temos que mostrar que ,para todo x,yV e para todo tem-se: i) (T + S)(x + y) = (T + S)(x) + (T + S )(y) ii) (T + S)(x) = (T + S)(x) Demonstrao:
T(u + v) = T(u) + T(v) ii) T(u) = T(x,y,z,t)
i) (T + S)(x + y) = T(x + y) + S(x + y) (T + S)(x + y) = T(x) + T(y) + S(x) +S(y) (T + S)(x + y) = T(x) + S(x) + T(y) + S(y) (T + S)(x + y) = (T + S)(x) + (T + S)(y) Satisfazendo a condio (i) da definio 6.2.2 ii) (T + S)(x) = T(x) + S(x)
T(u) = T(x,y,z,t) T(u) = T(u) Sendo satisfeitas as condies as condies (ii) e (ii) da definio 6.2.2. Temos que T linear. Observao: Se uma das duas condies da definio 6.2.2. no for satisfeita diremos que a aplicao T : V W no a uma transformao linear.
(T + S)(x) = T(x) + S(x) (T + S)(x) = (T(x) + S(x) (T + S)(x) = (T(x) + S(x)) (T + S)(x) = (T + S(x)) Satisfazendo a condio (ii) da definio 6.2.2 Onde concluimos que T + S uma transformao linear. Exemplo 8: Sejam T,S : 2 2 transformaes lineares definidas por T(x,y) = (x + y, x y) e S(x,y) = (y x, x +y). Determine a soma de T com S. Soluo: Sabemos que a soma de vtransformao lineares linear e que a soma dada por: (T + S)(u) = T(u) + S(u) u (T + S)(x,y) = T(x,y) + S(x,y) (T + S)(x,y) = (x + y, x y) + (y x, x + y) (T + S)(x,y) = ((x + y)+(y x),(x y) + (x + y)) (T + S)(x,y) = (2y,2x)
2
Exemplo 7: Verifique se a aplicao T : definida por T(x) = |x| uma transformao linear.
Soluo: i) Vamos verificar se x,y tem-se T(x + y = T(x) + T(y). Sendo assim: T(x + y) = |x + y| T(x) + T(y) = |x|+|y| T(x + y) = |x + y||x|+|y| = T(x) + T(y) Basta tomar x = 2 e y = 2, logo teremos: 0 = |2 + (2)||2|+|2|4 6.3 Soma de duas ou mais transformao lineares Sejam T e S duas transformaes lineares de V em W. Definimos a soma de T e S, como sendo: T + S : V W onde (T + S)(x) = T(x) + S(x) xV Sendo assim, vamos mostrar que a soma de transformaes lineares ainda uma trnasformao linear. Para isto temos que mostrarn que T + S satisfaz as condies (i) e (ii) da definio 6.2.2. Ou
39
1. Produto de um escalar por uma transformao linear) Sejam T uma transformao linear de V em W e . Definimos o produto de por T, como sendo:
T : V W onde (T)(x) = T(x) xV

Mostre que a aplicao T : V W definida acima uma transformao linear.
2. (Composio de transformaes lineares) Sejam T : V W e S : W U transformaes lineares.Definimos a composio de T com S como sendo S T : V U dada por S T(u) = S(T(u)).
6.5.2 A projeo ortogonal A projeo ortogonal do ou seja,

3
sobre o plano xy,
P : 3 3 definida por P(x,y,z) = (x,y.0) uma transformao linear. Vejamos a figura abaixo
u = S(w) = S(T(v)) = (S T)(v) Mostre que a aplicao S T : V U acima uma transformao linear.
3 3. Sejam T, S : 3 aplicaes lineares, definidas por T(x,y,z) = (x,y,x + y + z) e S(x,y,z) = (x,y z,z). Determine:
a) T + S b) 5T c) T S d) S T
De fato temos que P uma transformaao linear, pois para todo u = (x,y,z) e v = (a,b,c) 3 e para todo so satisfeitas as condies (i) e (ii) da definio 6.2.2 , isto : i) P(u + v) = P((x,y,z) + (a,b,c)) P(u + v) = P(x + a, y + b, z + c) P(u + v) = (x + a, y + b, 0) = (x,y,0) + (a,b,0) P(u + v) = P(u) + P(v) ii) P(u) = P((x,y,z)) = P(x,y,z) P(u) = (x,y,0) = (x,y,0) P(u) = (x,y,0) = P(u) 6.6 Propriedades da transformao Linear 6.6.1 Propriedade 1 Sendo T : V W uma transformao linear , ento T(0V) = OW, ou seja, a transformao linear leva o vetor nulo de V no vetor nulo de W.
40
6.5 Tipos Especiais de Transformaes Lineares 6.5.1 Transformao linear nula A transformao linear nula entre os espaos vetoriais V e W, a aplicao Q : VW u | T(u) = 0. De fato: i) T(u + v) = 0 = 0 + 0 = T(u) + T(v) ii) T(u) = 0 = .0 = T(u)
Demonstrao: Faa = 0 na condio (ii) da definio 6.2.2, logo teremos que: T(0,u) = 0.T(u) T(0v) = 0W Observaes: 1. A propriedade ns diz que se uma determinada aplicao entre espaos vetoriais no leva o vetor nulo no vetor nulo, ento ela no uma transformao linear. 2. A recproca dessa propriedade no verdadeira, isto , se uma determinada aplicao entre espaos vetoriais leva o vetor nulo no vetor nulo no emplica que a mesma seja uma transformao linear. Contra-exemplo para a observao 2.
Um fato muito importante, que decorre dessa propriedade: Uma transformao linear fica completamente determinada se conhecemos as imagens dos vetores de uma base do espao vetorial domnio. Assim, se T : V W uma transformao linear, ento ns s precisamos saber como T atua nos vetores de uma base de V para determinarmos a imagem de qualquer outro vetor de V. Para ver esse fato tomemos,
nicos escalares a1,a2,...,an tais que: , ento
= {v1,v2,...,vn}, uma base de V e qualquer outro vetor vV. Como uma base de V, existem
uma aplicao definida por Seja T : 2 T(x,y,z) = (x ,y,z). Observe que T(0,0,0) = (02,0,0) = (0,0,0), ou seja , leva o vetor nulo no vetor nulo.
Porm T(u + v) = T((x,y,z) + (a,b,c)) = T(x + a, y + b, z + c) T(u + v) = ((x + a)2, y + b, z + c) T(u + v) = (x2 + 2xa + a2, y + b, z + c) e T(u) + T(v) = T(x,y,z) + T(a,b,c) T(u) + T(v) = (x ,y,z) + T(a ,b,c) T(u) + T(v) = (x2 + a2, y + b, z + c) Onde concluimos que T(u + v) T(u) + T(v), logo a aplicao no uma transformao linear. 6.6.2 Propriedade 2 Sendo T : V W for uma transformao linear, ento T(au + bv) = aT(u) + bT(v), u,vV e a,b . Demonstrao: Sendo T uma transformao linear , temos que as condies (i) e (ii) da definio 6.2.2 so satisfeitas, isto : i) T(u + v) = T(u) + T(v) ii) T(u) = T(u)
2 2
Exemplo 9: Seja T : 2 2 uma transformao linear e = {(1,1),(0,1)} uma base do 2 . Se T(1,1) = (1,0) e T(0,1) = (0,1), determine T(x,y). Soluao: Vamos expressar (x,y) = a(1,1) + b(0,1) = (a, a + b)
(x,y) = x(1,1) + (y x)(0,1) T(x,y) = T(x(1,1) + (y x)(0,1)) T(x,y) = xT(1,1) + (y x)T(0,1) T(x,y) = x(1,0) + (y x)(0,1) T(x,y) = (x,0) + (0, y x) T(x,y) = (x, y x) Exemplo 10: Seja T : 3 2 uma transformao linear e = {v1,v2,v3} uma base do 3, sendo v1 = (0,1,0), v2 = (1,0,1) e v3 = (1,1,0). Determine T(5,3,2), sabendo que T(v1) = (1,3), T(v2) = (3,1) e T(v3) = (0,2). Soluo: Expressamos o vetor v = (5,3,2) como combinao linear dos vetores da base: (5,3,2) = a(0,1,0) + b(1,01) + c(1,1,0)
u, vV e
sendo assim temos:
e
Ento: (5,3,2) = 4(0,1,0) 2(1,01) + 7(1,1,0)
41
T(au + bv) = T(au) + T(bv) = aT(u) + bT(v)
Determine o conjunto
Nos exerccios de 1 a 10 so dadas as aplicaes. Verifique quais so transformaes lineares. 1. T : 2. T : 3. T : 4. T : 5. T : 6. T :
14. Seja T : M2x2( ) definida por
uma transformao linear, . Se
, T(x) = (x,x,x + 3) , T(x,y) = (x y, x + y, x2) , T(x,y,z) = (x y, x + y, cox z)
uma base do espao vetorial M2x2( ), ento uma base para

4
, T(x,y,z) = (x y, x + y, |z|) , T(x,y,z,t) = (x y, z + t) .

3
, T(x,y,z) = |x + y + z|
t
7. L : M2x2( ) M2x2( ), L(A) = A
15. Sejam T,S : Determine:
transformaes lineares.
8. L : M2x2( ) M2x2( ), LX(A) = A.X + X.A onde X uma matriz fixa. 9. T : M2x2( ) 10. , T(A) = det A , Pn( ) o espao vetorial dos polinmis de grau n. 11. Consideremos o operador linear T : definido por T(x,y,z) = (x + 2y + 2z, x + 2y z, x + y + 4z). a) Determine o vetor u (1,8,11).
3 3 3
a) A aplicao T tal que T(1,1,0) = (0,1,0), T(0,1,1) = (0,0,2) e T(0,0,1) = (0,0,0) b) A aplicao S tal que S(1,1,0) = (0,1,1), S(0,1,1) = (1,0,1) e S(0,0,1) = (0,0,1) c) A aplicao h, tal que h = S T
6.8 Ncleo de uma transformao linear 6.8.1 Definio Seja T : V W uma transformao linear, o conjunto de todos os vetores vV tal que T(v) = 0 chamado de ncleo , isto , {vV|T(v) = 0} tal Vamos denotar tal conjunto por KerT ou N(T), sendo assim temos KerT = {vV|T(v) = 0} ou N(T) = {vV|T(v) = 0}.
tal que T(u) =

3
b) Determine, caso exista o vetor u que T(u) = u.
12. Um operador linear T,S : 3 3 tal que: T(1,1,0) = (0,0,0), T(0,1,0) = (0,2,0) e T(0,1,1) = (2,0,1). Sendo assim determine: a) T(x,y,z) b) Os vetores do 13. Seja L : M2x2( ) definida por
3
tais que T(x,y,z) = (0,0,0) uma transformao linear, . Observaes Importantes: 1. O ncleo de uma transformao linear T : V W,
42
dado por KerT = {vV|T(v) = 0} diferente do conjunto vazio, pois T(0) = 0. Onde concluimos que o vetor nulo de V pertence ao ncleo da aplicao. 2. O ncleo de uma transformao linear T : V W, dado por KerT = {vV|T(v) = 0} um subespao vetorial de V. De fato, para todo u e v pertencente ao conjunto KerT e para todo tem-se: i) T(u + v) = T(u) + T(v) = 0 + 0 = 0, emplicando que u + vKerT. ii) T(u) = T(u) = . 0 = 0, emplicando que uKerT. 3. Sendo KerT um subespao vetorial, temos que dimKerT dimV. Exemplo 11: Determine o ncleo da transformao linear T : 2 2 definida por T(x,y) = (x + y, x y). Soluo: Neste caso temos que o ncleo da aplicao dado por KerT = {(x,y) 2 |T(x,y) = (0,0)}. Sendo assim temos: T(x,y) = (x + y, x y) = (0,0)
Soluo: a) Neste caso temos que o ncleo da aplicao dado por KerT = {(x,y) 3 |T(x,y,z) = 0}. Sendo assim temos: T(x,y,z) = x + y + z = 0, emplicando x + y + z = 0. Logo z = x y, onde concluimos que o ncleo dado por KerT = {(x,y, x y); x }. b) Dado um vetor qualquer uKerT, temos que u(x,y, x y) = (x,0,x) + (0,y,y) u = x(1,0, 1) + y(0,1,1) Onde concluimos que o conjunto A dado por A = {(1,0,1),(0,1,1)}. Exemplo 14: Seja T : M2x2( ) M2x2( ) uma transformao linear definida por . a) Determine o KerT. b) Determine uma base para o ncleo. Soluo: a) Neste caso temos que o ncleo da aplicao dado por .
Onde concluimos que o ncleo dado por KerT = {(0,0)} Exemplo 12: Determine o ncleo da transformao linear T : 2 2 definida por T(x,y) = (x y, 0). Soluo: Neste caso temos que o ncleo da aplicao dado por KerT = {(x,y) 2|T(x,y) = (0,0)}. Sendo assim, temos que: T(x,y) = (xy,0) = (0,0), emplicando que x y = 0. Logo x = y, onde concluimos que o ncleo dado por KerT = {(x,x,x); x . uma transforExemplo 13: Seja T : 3 mao linear definida por T(x,y,z) = x + y + z. a) Determine N(T) b) Determine A
3
Sendo assim, temos:
Onde concluimos que o ncleo, do tipo:
b) Vamos determinar uma base para o ncleo, j que o ncleo um subespao vetorial.Sendo assim, tome um elemento qualquer do ncleo KerT, logo teremos:
, tal que G(A) = N(T)

43
Onde concluimos que o ncleo gerado apenas por . E como um s vetor
T : V W, dado por Im(T) = {wW|T(v) = w para algum vV} diferente do conjunto vazio, pois T(0) = 0. Onde concluimos que o vetor nulo W peretence ao conjunto imagem de T. 2. O conjunto imagem de uma transformao linear T : V W, dado por Im(T) = {wW|T(v) = w para algum vV} um subespao vetorial de W. De fato, para todo a,bW existem u,vV tais que T(u) = a e T(v) = b. i) a + b = T(u) + T(v), como T uma transformao linear temos que : a + b = T(u) + T(v) = T(u + v) Logo para todo a + ,bW, existe pelo menos u + vV tal que T(u + v) = a + b. Onde concluimos que a + bIm(T). ii) Temos a = T(u) para todo aW. .Desta forma e aW tem-se:
no nulo sempre L.I, temos que uma base para o KerT.
uma transforExemplo 15: Seja T : mao linear definida por T(x,y) = (x y,0) e KerT o ncleo da T.L dado por KerT ={(x,x); x }.
Observe que todo vetor do tipo (x,x)KerT e portanto T(x,x) = (x x,0) = (0,0). Exemplo 16: A transformao linear nula entre os espaos vetoriais V e W, a aplicao T : V W u | T(u) = 0 uV Onde concluimos que o ncleo da aplicao KerT = V. 6.9 Imagem de uma transformao linear 6.9.1 Definio Seja T : V W uma transformao linear. A coleo de todos os vetores de W tais que esses vetores esto relacionados com algum vetor de V chamado da imagem da aplicao T, ou seja, Im(T) = {wW|T(v) = w para algum vV
a = T(u) = T(u)
Logo para todo aW,existe pelo menos uV tal que T(u) = a. Onde concluimos que aIm(T). 3. Sendo Im(T) um subespao vetorial, temos que dim(T) dimV. Exemplo 17: Seja a transformao linear T : 3 3 definida por T(x,y,z) = (x,2y,z). Determine a imagem de T. Soluo: Temos que T(x,y,z) = (x,2y,z), sendo assim : T(x,y,z) = (x,2y,z) = (x,0,0) + (0,2y,0) + +(0,0,z) = x(1,0,0) + y(0,2,0) + z(0,0,1) Onde concluimos que o conjunto imagem Im(T) gerado pelos vetores (1,0,0),(0,2,0) e (0,0,1). Sendo tais vetores so L.I, temos que {(1,0,0),(0,2,0),(0,0,1)} uma base para Im(T). Onde concluimos que a dim(T) = 3, logo Im(T) = 3. Exemplo 18 : Seja a transformao linear T : 2 3 definida por T(x,y) = (x,y,0). Determine a imagem de T. Soluo: Temos que T(x,y) = (x,y,0), sendo assim:
Observaes Importantes: 1. O conjunto imagem de uma transformao linear

44
T(x,y) = (x,y,0) = (x,0,0) + (0,y,0) T(x,y,z) = x(1,0,0) + y(0,1,0)
Onde concluimos que o conjunto imagem Im(T) gerado pelos vetores (1,0,0) e (0,1,0). Sendo tais vetores so L.I, temos que {(1,0,0),(0,1,0)} uma base para Im(T). Onde concluimos que a dimIm(T) = 2, o que seguinifica que o conjunto imagem um plano que passa pela origem.
T(1,1,0) = (0,0,0), T(0,1,0) = (0,2,0) e T(0,1,1) = (2,0,1). Sendo assim determine: a) T(x,y,z)
3
b) Os vetores do 13. Seja M2x2( ) definida por

4
tais que T(x,y,z) = (0,0,0)
uma transformao linear, .
Determine o conjunto Nos exerccios de 1 a 10 so dadas as transformaes lineares. Em cada caso determine o ncleo e a imagem das aplicaes. 1. T : 2. T : 3. T : 4. T : 5. T : 6. T : .
, T(x) = (x,x,x)
3
14. Seja T : M2x2( ) ar, definida por
uma transformao line-
, T(x,y) = (x y, x + y,x) , T(x,y,z) = (x y, x + z,0) , T(x,y,z) = (x y, x + y,x) , T(x,y,z,t) = (x y, z + t)
. Se base do espao vetorial M2x2( uma ), ento
, T(x,y,z) = x + y + z
t
7. L : M2x2( ) M2x2( ), L(A) = A 8. L : M2x3( ) P4( ),
uma base para 15. Sejam T , S : es. Determine:

3
.
3
transformaes linear-
a) A aplicao T tal que T(1,1,0) = (0,1,0), T(0,1,1) = (0,0,2) e T(0,0,1) = (0,0,0) 9. T : M2x2( ) 10. , T(A) = A , Pn( ) o espao vetorial dos polinmis de grau n. 11. Consideremos o operador linear T : 3 3 definido por T(x,y,z) = (x + 2y + 2z, x + 2y z, x + y + 4z). a) Determine o vetor u (1,8,11).
3
b) A aplicao S tal que S(1,1,0) = (0,1,1), S(0,1,1) = (1,0,1) e S(0,0,1) = (0,0,1) c) A aplicao h, tal que h = S T
tal que T(u) =

3
b) Determine, caso exista o vetor u que T(u) = u. 12. Um operador linear T , S :

3
tal
tal que:
45
TEMA 07 DEFINIES E PROPOSIES SOBRE TRANSFORMAES LINEARES 7.1 Definio Dada uma aplicao T : V W, diremos que T injetora(injetiva) se, e somente se, para todo u,vV como T(u) = T(v) tivermos que u = v. Simbolicamente temos: T injetora u, vV com T(u) = T(v) u = v Uma forma equivalente de escrever esta definio, a seguinte: Dada uma aplicao T : V W, diremos que T injetora se, e somente se, para todo u,vV como u v tivermos que T(u) T(v). Simbolicamente temos: T injetora u, vV com u v T(u) T(v) Exemplo 1: Seja T : 2 2 uma transformao linear, definido por T(x,y) = (x + y, x y). Mostre que T injetiva. Soluo: T injetiva u, v 2 com T(u) = T(v) u = v. Logo sendo u =(x,y) e v = (a,b) vetores do 2 temos que: T(u) = T(v) T(x,y) = T(a,b) T(u) = T(v) (x + y, x y) = (a + b, a b)
Logo sendo de M2x2( ) temos que:
vetores
(x + y, y + z, z + t, t) = (a + b, b + c, c + d, d)
onde concluimos Onde concluimos que T injetiva. Observao:
Dada uma transformao linear T : V W, nem sempre fcil verificar pela definio que a mesma injetiva. Para isto, vamos enunciar uma proposio que vai caracterizar as funes lineares injetiva. 7.2 Proposio Uma transformao linear T : V W injetora se, e somente se, KerT = {}. Demonstrao: Lembremos que a demonstrao do tipo se, e somente se, se da em duas partes. Primeira parte: Uma transformao linear T : V W injetora, ento kerT = {}. Para todo vKerT temos que T(v) = W. Sendo T uma transformao linear , temos que T leva o vetor nulo V no vetor nulo de W, isto , T()=W. Desta forma temos que T(v) = W = T(), emp[licando que v = , pois T injetiva. Segunda parte: Uma transformao linear T : V W injetora se, e somente se, KerT = {}. Se o ncleo de uma transformao linear T : V
x = a e y = b (x,y) = (a,b) u = v Onde concluimos que T injetiva. Exemplo 2: Seja T : M2x2 ( ) formao linear, definido por
4
uma trans-
. Mostre que T injetiva. Soluo: T injetiva u, v M2x2( ) com T(u) = T(v)
W formado s pelo vetor nulo, isto , KerT = {} ento T injetiva.

Vamos mostrar que u,vV com T(u) = T(v) tem-se u = v. Sendo assim temos: T(u) = T(v) T(u) T(v) = W T(u v) = W
46
u = v.
T(u v) = W u vKerT = {} u v =
Vamos mostrar que Im(T)= [T(vn+1), T(vn+2),...,T(vm)]. Dado um wIm(T) qualquer, temos que existe vV tal que T(v) = w, ento: , para k
u = v. Onde concuimos que T injetiva.

Exemplo 3: Seja T : uma transformao linear, definido por T(x,y) = (x + y, x y). Mostre que T injetiva. Soluo: Vamos fazer uso da Proposio: T(x,y) = (x + y, x y) = (0,0)
2 2
k = 1,2,...,m
como T(vk) = 0 k = 1,2,...,n pois vkKerT Onde concluimos que KerT = {(0,0)}. Sendo assim temos que T injetiva. Exemplo 4: Seja T : M2x2 ( ) formao linear, definido por
4
temos
, logo
uma trans-
. Onde concluimos que Im(T) = [T(vn + 1),T(vn + 2),...,T(vm)]
. Mostre que T injetiva. Soluo: Vamos fazer uso da Proposio:
Afirmo que {T(vn + 1),T(vn + 2),...,T(vm)} L.I. De fato, an+1T(vn+1) + an+2T(vn+2) +... + anT(vm) = 0 T(an+1vn+1) + T(an+2 + vn+2) +... + T(anvm) = 0 T(an+1vn+1 + an+2+vn+2 +... + anvm) = 0 logo Onde concluimos que do assim temos que T injetiva. 7.3 Teorema(Teorema da dimenso) Seja T : V W uma transformao linear, definida num espao vetorial V de dimenso finita e W um espao vetorial qualquer. Ento , dimKerT + dim(T) = dimV. Demonstrao: Digamos que dimV = m e seja 1 = {v1,v2,v3,...,vn} uma base de KerT. Como KerT um suespao vetorial do espao vetorial V, podemos completar at obtermos uma base para V. Seja 1 = {v1,v2,v3,...,vn,vn + 1,vn + 2,...,vm} a base de V. Vamos mostrar que 2 = T(vn + 1), T(vn + 2),...,T(vm) uma base para Im(T), ou seja Im(T)= [T(vn + 1), T(vn + 2),...,T(vm)] e {T(vn + 1), T(vn + 2),...,T(vm)} L.I.
47
. Sen-
an+1vn+1 + an+2vn+2 +... + anvmKerT. Sendo 1 = {v1,v2,v3,...,vn} uma base para o KerT, temos que
a1 =...= am = 0 pois = {v1,v2,v3,...,vn,vn+1,vn+2,...,vm} a base de V. Sendo assim, temos que dimKerT + dimIm(T) = dimV pois m = n + (m n). Exemplo 5: Considere a transformao linear T : 3 3 dada por T(x,y,z) = (x,z y, x). a) Determine uma base para o ncleo de T. b) D a dimenso da imagem de T. c) Verifique o teorema da dimenso. Soluo:
a) Sendo KerT = {(x,y,z); 3|T(x,y,z)=(0,0,0)} o ncleo da aplicao , temos que T(x,y,z) = (x, z y, x) = (0,0,0). Sendo assim teremos:
E portanto o ncleo dado por KerT = {(0,y,y);y } Tomando um vetor qualquer de KerT, teremos: (0,y,y) = y(0,1,1). Onde concluimos que o vetor (0,1,1) gera o ncleo, isto , KerT = [(0,1,1)]. E sendo tal vetor L.I, temos que {(0,1,1)} a base do KerT. Observe que dimKerT = 1. b) Temos que T(x,y,z) = (x, z y, x), logo: (x, z y, x) = (x,0,x) + (0,y,0) + (0,z,0) (x, z y, x) = x(1,0,1) + y(0,1,0) + z(0,1,0) Im(T) = [(1,0,1),(0,1,0),(0,1,0)] Observe que os vetores (1,0,1),(0,1,0) e (0,1,0) so L.D, pois (0,1,0) e (0,1,0)so colineares. Observe tambm que os vetores (1,0,1) e (0,1,0) so L.I. E portanto o conjunto formado pelos dois geram a imagem da aplicao e so L.I, o que define uma base para Im(T), isto , {(1,0,1),(0,1,0)} uma base de Im(T). Observe que dimIm(t) = 2. c) dimKerT + dimIm(T) = dim
3
KerT = {(x,x,0,0);x }, onde concluimos que {(1,1,0,0)} uma base para o ncleo, logo a dim KerT = 1. Sendo a dim 4= 4 , temos que: dimKert + dimIm(T) = dim dimIm(T) = dim
4 4
dimKert = 4 1 = 3
1. Seja T : 2 2 uma transformao linear, dada por T(x,y) = (x + y, x y). a) Mostre que T injetiva. b) Determine a dimIm(T). c) Se {(1,1),(0,1)} uma base de {T(1,1),T(0,1)} uma base de 2. 2. Seja T : M2x2 ( ) por
4 2
, ento
uma aplicao definida .
a) Mostre que T uma aplicao linear. b) Determine o ncleo da aplicao. c) Determine a dimIm(T). d) Verifique o teorema da dimeno. 3. Seja L : M2x2 ( ) definida por a) Mostre que T injetiva. b) Se base
4 4
Dos itens (a) e (b) temos dimKerT = 1 e dimIm(T) = 2. Sendo dim 3 = 3 temos que o teorema da dimenso satisfeita, pois 3 = dim
3
= 1 + 2 = dimKerT + dimIm(T)
4
uma aplicao linear, .
Exemplo 6: Seja T :
M2x2 ( ) uma trans.
formao linear, dada por Determine dimIm(T). Soluo:
Vamos primeiramente calcular a dimeno do ncleo.
de M2x2 ( ). Determine uma base para o
4. Seja T : V W uma transformao linear. Se dimV = dimW, ento T injetiva se, e somente se T sobrejetiva.
48
5. Seja T : V W uma transformao linear injetiva. Se dimV = dimW, ento T leva base em base. 6. Determine o ncleo e a imagem do operador T : 3 3, definido por T(x,y,z) = (x + 2y z, y 3z, y + z). 7. Seja T : 3 2 a transformao linear tal que T(1) = (1,2), T(2) = (0,1), T(3) = (2,3), sendo {1,2,3} a base cannica de 3. a) Determine o KerT e uma de suas bases. T injetiva? b) Determine a Im(T)e uma de suas bases. T sobrejetiva? 8. Chama-se isomorfismo do espao vetorial V no espao vetorial W a uma transformao linear T : V W, que bijetora. Neste caso, os espaos vetoriais V e W so ditos isomorfos.Alm disso, se T : V W um isomorfismo ento T possui uma aplicao inversa a qual vamos denotar por T 1 : W V. Mostre mostre que a inversa de um isomorfismo uma transformao linear. 9. Mostre que a aplicao L : 3 3 definida por L(x,y,z) = (y x, z + y, 2x) um isomorfismo. Determine ainda uma a inversa de L.
TEMA 08 MUDANA DE BASE
Sejam = {u1,u2,...,un} e = {v1,v2,...,vn} duas bases ordenadas de um espao vetorial V. Dado um vetor vV, podemos escreve-lo como:
e Como podemos relacianar as coordenadas de v em relao base .
Com as coordenadas do mesmo vetor v em relao base .
Escrevendo cada vk na base , temos:
Sendo assim, temos: v = y1v1 + y2v2 + ... + ynvn
Como v = x1u1 + x2u2 + ... + xnun teremos :

49
Vamos determinar [I] .
(0,1) = x(2,0) + y(0,1) (0,1) = (2x,0) + (0,y) (0,1) = (2x,y) x = 0, y = 1 (0,1) = 0(2,0) + (1)(0,1) (2,1) = a(2,0) + b(0,1) Em forma matricial teremos: (2,1) = (2a,0) + (0,b) (2,1) = (2a,b) a = 1, b = 0 (2,1) = 1(2,0) + 0(0,1) Sendo Isto , denotando temos que
[v] = [I] . [v] temos Exemplo 1: Sejam = {(2,0),(0,1)} e = {(0,1),(2,1)} bases de 2. Determine [I] e [I] Soluo: Vamos determinar [I] . (2,0) = a(0,1) + b(2,1) (2,0) = (0,a) + (2b,b) (2,0) = (2b, b a)
Exemplo 2: Sendo e
bases de
. M2x2( ). Determine [I] e [I]
Soluo: Vamos determinar em primeiro lugar a matriz [I] . Para isto vamos escrever cada elemento da base como a combinao dos vetores na base .
(2,0) = 1(0,1) + 1(2,1) (0,1) = a(0,1) + b(2,1) (0,1) = (0,a) + (2b,b) (0,1) = (2b, b a)
(0,1) = 1(0,1) + 0,(2,1) Sendo Sendo assim temos: temos que
50
Vamos determinar em segundo lugar a matriz [I] . Para isto vamos escrever cada elemento da base como a combinao dos vetores na base . Exemplo 3: Sejam e
3. Determine
[(0,1,1,2)],
sabendo-se
que
4. Determine bases do espao vetorial M2x2( ). Sendo
, sabendo-se que
, determine uma
v em relao a base de M2x2( ). Soluo: Sabemos que [v] = [I] . [v], desta forma temos:

base de M2x2( ). 5. Se
1 , determine ([I]A B) .
6. Sejam A = {(1,1),(0,2)}, B = {(3,0),(0,1)} e C = {(1,1),(0,1)} bases do 2. Determine [I]B C B A A e [I]A B. Verifique ainda que [I]C . [I] B = [I] C .
8.2 Matriz de uma aplicao linear Sejam T : V W uma transformao linear, uma base de V e uma base de W. Sem perda de generalizao, consideremos o caso em que dimV = 2 e dimW = 3. Sejam = {v1,v2} e = {w1,w2,w3} bases de V e W respectivamente. Um vetor vV pode ser espresso por: v = x1v1 + x2v2 e sua imagem T(v) = y1w1 + y2w2 + y3w3 1. Sejam = {(1,1,0,0),(0,0,0,1),(0,1,0,1),(0,2,1,0)} e = {(1,1,0,0),(0,2,1,0),(0,0,0,3),(0,0,3,0)} bases do 4. Determine [I] e [I] . Por outro lado temos que T(v) = T(x1v1 + x2v2) = x1T(v1)+ x2T(v2) (II) Sendo 1T(v1),T(v2) vetores de W, temos que eles podem ser escrito como combinao linear dos vetores de : (I)
2. Seja
. Deter-
mine [v] = [I] . [v].

51
Substituindo (III) em (II), temos:
T(v) = x1T(v1) + x2T(v2) = = x1(a11w1 + a21w2 + a31w3) + x2(a12w1 + a22w2 + a32w3) = (x1a11 + x2a12)w1 + (x1a21 + x2a22)w2 + (x1a31 + x2a32)w3 comparando a ltima igualdade com (I) temos:
. = {(0,1),(1,0)}, determine [T] e [T]
Soluo: Vamos determinar [T] , sendo = {(1,1),(0,1) e = {(0,1),(1,0)}. Logo T(1,1) = (2,0) = a11(0,1) + a21(1,0) (i) T(0,1) = (1,1) = a12(0,1) + a22(1,0) (ii) De (i) e (ii)temos:
ou em formatricial:
Sendo ou, simbolicamente: [T(v)] = [T] . [v] sendo a matriz [T] denominada de matriz de T em relao as bases e . Observaes: 1. A ordem da matriz [T] 3 x 2 quando dimV = 2 e dim = W = 3 2. as colunas da matriz [T] so as componentes das imagens dos vetores das bases em relao base .

e a11 = 0, a12 = a22 = 1,
a21 = 2 teremos que
. Vamos determinar [T] , sendo = {(1,1),(0,1)} e = {(0,1),(1,0)}.

Logo T(0,1) = (1, 1) = a11(1,1) + a21(0,1) (i) T(1,0) = (1, 1) = a12(1,1) + a22(0,1) (ii) De (i) e (ii) temos:
Sendo De modo geral, para T : V Wlinear, se dimV = n e dimW = m, = {v1,v2,...,vn} e = {w1,w2,...,wm} so bases de V e W, resppectivamente, logo teremos que
e a11 = 1, a12 = 1,
a21 = 2, a22 = 0 teremos que

4
Exemplo 5: Sejam T : formao linear
M2x2( ) uma transdefinida por , e bases
cannicas de Exemplo 4: Sejam T : 2 2 uma transformao linear dada por T(x,y) = (x + y, x y) e , bases de 2. Sendo = {(1,1),(0,1)} e
52
e M2x2( ). Determine [T] .
Soluo: Sendo a lei da
transformao linear, = {(1,0,0),(0,1,0),(0,0,1)} e = {1,2,3,4} as bases cannicas do 4 e M2x2( ) respectivamentes, onde . Vamos agora determinar [T] , e para isto vamos determinar T(1,0,0,0), T(0,1,0,0),T(0,0,1,0) e T(0,0,0,1) na base . Desta forma temos: , e Vamos tomar uma matriz AM2x2( ) qualquer e escrever como combinao linear na base . Seja tal matriz, logo teremos: ,
Exemplo 6: Seja T : P3 uma transformao linear definida por T(a + bt + ct2+ dt3) = (a + b) + (c + d)i. Se e bases respectivamente.Sendo cannicas de P3 e assim determine [T] . Soluo: Sendo T(a + bt + ct2+ dt3) = (a + b) + (c + d)i a lei da transformao linear, e e bases respectivamente. cannicas de P3 e Logo T(p(t) = (1a + 1b + 0c + 0d) + (0a + 0b+1c + 1d)i onde p(t) = a + bt + ct2 + dt3. Desta forma a matriz da transformao [T] , ser dada por:
Onde concluimos que x1 = a, x2 = b, x3 = c, x4 = d Portanto
Onde concluimos que [T] dada por:
Exemplo 7: Sejam T : 4 M2x2( ) uma transformao linear definida por , = {(1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1)} base cannicas do 4 e = {u1,u2,u3,u4} uma base
Observao: Como e so as bases cannicas do 4 e do espaos das matrizes M2x2( ) respectivamente, temos que a matriz da transfor mao linear [T] dada de modo imediato, isto , s de olhar a lei da transformao.
do espao M2x2( ), onde
, Determine [T] . Soluo:

53
Para isto, temos: , ,
temos que: , ,
e Vamos tomar uma matriz AM2x2( ) qualquer e escrever como combinao linear na base . Seja tal matriz, logo teremos:
e Como = {1,2,3,4} a base cannica de M2x2( ) onde . Sendo assim, temos que toda matriz
Onde concluimos que forma: Portanto Logo
expresso na base da
Onde concluimos que
Onde concluimos que
Exemplo 8: Sejam T : formao linear x
M2x2( ) uma transpor e 1. Sejam T :

4
bases do e do espao das matrizes M2x2( ) respectivamentes.

4
T ( x, y , z , t ) = z
y definida x+ y+ z +t ,
M2x2( ) uma transformao

,
linear definida por
Determine [T] , sendo = {(1,0,0,0), (0,1,0,0), (0,0,1,0), (0,0,0,2)} e a base cannica . Soluo: Sendo e
e bases do 4 e do espao das matrizes M2x2( ) respectivamentes. Determine [T] , sendo = {(1,0,1,0), (0,1,0,1), (0,1,1,0), (0,0,0,2)} e a base cannica . 2. Seja T : P3
54
2x2
= {(1,0,0,0), (0,1,0,0), (0,0,1,0), (0,0,0,2)},
( ) uma transformao lin-
ear definida por . Se e bases cannicas de P3 e 2x2( ) respectiva mente.Sendo assim determine [T] . 3. Consideremos a transformao linear T : 3 3 definida por T(x,y,z) = (x y, y z, 2z) e as bases A = {(1,1,0),(0,2,1),(0,0,1)} e B = {(1,0,0),(0,1,0),(0,1,2)} do 3. DetermiA ne [T]A B. Qual a matriz [T] C, onde C a base cannica do 3. 4. Seja T :
3
Soluo: a) Vamos determinar [T + L]A B (T + L)(x,y) = T(x,y) + L(x,y) (T + L)(x,y) = (x + y, x y) + (y x, x + y) = (2y,2x) (T + L)(x,y) = (2y,2x) (T + L)(1,0) = (0,2) = 0(1,1) +(1)(0,2) (T + L)(0,1) = (2,0) = 2(1,1) +(1)(0,2)
b) Vamos determinar [T]A B
tal que
2
senB respecti-
T(1,0) = (1,1) = (1)(1,1) + 1(0,2) T(0,1) = (1,1) = 1(1,1) + 0(0,2)
do A = {(1,1,0),(0,1,0),(0,0,1)} e = {(0,1),(1,0)} bases do 3 e do vamente. a) Encontre a expresso T(x,y,z).
c) Vamos determinar [L]A B L(1,0) = (1,1) = 1(1,1) + 0(0,2) L(1,1) = (1,1) = 1(1,1) + (1)(0,2)
b) Dertermine Im(T) e uma base para esse subespao. c) Determine Ker(T) e uma base para esse subespao. d) T injetora? T sobrejetora? Justificar.
A A d) Vamos verificar se [T + L]A B = [T] B + [L] B
8.4 Operaces com transformaes lineares 8.4.1 Adio Sejam T : V W e L : V W transformaes lineares. Chama-se soma das transformaes lineares T e L transformao linear T+L:VW
|
Exemplo 10: Sejam T, J : 2x2 aplicaes lineares definidas , A e B bases de
duas por e do
2x2
(T + L)(v) = T(v) + L(v) vV

4
Se A e B so bases de V e W, respectivamente A A temos que [T + L]A B = [T] B + [L] B Exemplo 9 : Sejam T, L : transformaes lineares definidas por T(x,y) = (x + y, x y) e L(x,y) = (y x, x + y). Sendo A = {(1,0),(0,1)} e B = {(1,1),(0,2)} so bases do 2. a) Determine [T + L]A B b) Determine [T]A B c) Determine [L]A B
A A d) Verifique se [T + L]A B = [T] B + [L] B 2 2
respectivamente. Sendo , determine [T + J]A B.
Soluo:
A A Sabemos que [T + J]A B = [T] B +[J] B, desta forma temos que:
55
8.4.2 Multiplicao por um escalar Seja T : V W uma tansformao linear. Definimos o produto de um escalar pela tansformao T, como sendo a tansformao linear T : V W
|
T:
2x2
( )
uma transformao linear , A e

2x2
definida por B as bases cannicas de respectivamente. Soluo: Sendo A e B as bases cannicas de do 4 respectivamente, ou seja, e
2x2
( ) e do
W(T)(v) = T(v)
Sendo A e B bases de V e W, respectivamente A temos que [T]A B = [T] B. Exemplo 11: T: ) 2x2( definida por B as bases cannicas de respectivamente. Soluo: Em primeiro lugar vamos determinar a aplicao linear 3T.
2x2
( )e
Determine [3T] , sendo uma transformao linear , A e ( ) e do

4
A B
B = {e1,e2,e3,e4}, onde e1 = (1,0,0,0), e2 = (0,1,0,0), e3 = (0,0,1,0), e4 = (0,0,0,1). Logo
Sendo A e B as bases cannicas de do 4 respectivamente, ou seja, e
2x2
( )e sendo assim, temos:
B = {e1,e2,e3,e4}, onde e1 = (1,0,0,0), e2 = (0,1,0,0), e3 = (0,0,1,0), e4 = (0,0,0,1). Logo E portanto
Observe que dos exemplos 11e 12 temos A [3T]A B = [3T] B sendo assim, temos: 8.4.3 Composio Sejam T : V W e J : W U transformaes lineares. Chama-se aplicao composta de T e J, e se representa por J T, transformao linear JT:VU Exemplo 12: Determine 3[T] ,
A B
sendo
56
(J T)(v) = J(T(V)) vV
Vamos determinar [L]B C L(1,0,1) = (1,0,0,1) = 1e1 + 0e2 + 0e3 + 1e4 L(0,1,1) = (0,1,1,1) = 0e1 + 1e2 + 1e3 + 1e4 L(0,0,1) = (0,0,0,1) = 0e1+1e2 + 1e3 +(1)e4
c) (L T)(x,y) = (x,y,y,x + y) (LT)(1,0) = (1,0,0,1) = 1e1 + 0e2 + 0e3 + 1e4 (L T)(0,1) = (0,1,1,1) (L T)(0,1) = 0e1 + (1)e2 + (1)e3 + (1)e4
Se A, B e C so bases de V, W e U respecB A tivamentes, temos que [J T]A C = [J] C . [T] B. Exemplo 13: Sejam T : 2 3 e L : 3 4 transformao lineares definidas por T(x,y) = (x,y,x + y) e L(x,y,z) = (x,y,y,z). Se A = {(1,0),(0,1)}, B = {(1,0,1),(0,1,1),(0,0,1)} e C {e1,e2,e3,e4} so as bases do 2, 3 e 4 respectivamente , determine: a) L T
B b) [T]A B e [L]C
Observe que:
Exemplo 14: Sejam T : ) e 2x2( 3 transformao lineares definidas L: por e L(t) = (t,t,0). Se B = {1} e C = {u1 = (1,0,0), u2 = (0,1,0), u2 = (0,0,1)} so as bases cannicas de ), e 3 respectivamente , determine [L 2x2( A T] C. Soluo: Para determinar [L T]A C, basta determinar A A B A . [T] pois [L T] [L]B C B C = [L]C . [T] B. Desta B A forma vamos calcular [L]C e [T] B. [T]A B = ? Se nnicas temos: [T]A B = (1 1 1 1).
57
c) [L T]A C Observao: C {e1,e2,e3,e4} a base cannica do 4. Soluo : a) Vamos determinar L T (L T)(x,y) = L(T(x,y)) = L(x,y,x + y) (L T)(x,y) = (x,y,y,x + y) b) Vamos determinar [T]A B Faa u1 = (1,0,1), u2 = (0,1,1), u3 = 0(0,0,1) T(1,0) = (1,0,1) = 1u1 + 0u2 + 0u3 T(0,1) = (0,1,1) = 0u1 + (1)u2 + 0u3
, A e B bases ca-
[L]B C = ? Se L(t) = (t,t,0), B e C bases cannicas temos:
2. Sendo C a base cannica do 3 e T1,T2 eT3 3 operadores lineares de , definidos por T1(x,y,z) = (x,x y,z), T2(x,y,z) = (x,y,y + z) e T3(x,y,z) = (x + z,x,y). Determine: a) [T1 + T2] C b) [T1 + T3] C
C C
E portanto temos
c) [T1 + T2 + T3] C d) [T1 T2] C e) [T1 T3] C f) [T2 T3] C g) [T1 T2 T3] C
C C C C
Sejam T1 : V1 V2, T2 : V2 V3,..., Tn : Vn W transformao lineares. Se 1,2,3,...,n e so bases de V1,V2V3W
4 3. As transformaes lineares T : 2 e 2 3 so tais que T(x,y,z,t) = (x + y, z L: + t) e L(x,y) = (x,y,x y).
a) Sendo A a base cannica do 4 e B a base cannica do 2, determine a matriz [T]A B. b) Sendo B a base cannica do 2 e C a base B . cannica do 3, determine a matriz [L]C
Sejam T1 : V1 V2, T2 : V2 V3,..., Tn : Vn W transformao lineares . Se 1,2,3,...,n e so bases de V1,V2,V3,..,Vn e W respectivamente. Desta forma temos
c) Sendo A, B e C as bases cannicas do 2 e 3, determine a matriz [L T]A C. 4. Seja T :

2x2
( )
uma transformao line.
ar definido por a) Mostre que T um isomorfismo b) Determine sua inveersa
1. Sejam T1,T2 e T3 operadores lineares de 3, definidos por T1(x,y,z) = (x,y,z), T2(x,y,z) = (x,y,z) e T3(x,y,z) = (z,x,y). Determine: a) T1 + T2 b) T1 T2 c) T1 T2 d) T2 T1 e) T1 + T3 f) T1 T1 g) T2 T2 h) T3 T2 i) T1 T2 T3 j) T1 T3 T2
58
c) Mostre que T T1 = id, onde T1 a inversa de T e que id a identidade. d) Determine [T T1]A B, onde A e B so as bases cannicas de 2x2( ) e 4 respectivamente.
B 1 = (T]A e) Mostre que [T1]A B)
5. Sejam T e S dois oparadores lineares definidos em P3 tais que T(a + bt + ct2 + dt3) = b + 2c + 3dt2 e S(a + bt + ct2 + dt3) = d + ct + bt2 + at3. a) Determine [T S]A B, sendo A a base cannica de P3 e B uma base P3 de definida por B = {1,2 t, t2, t t3}.
8.5 OPERADORES LINEARES 8.5.1 Definio As transfprmaes lineares T de um espao
vetorial V em si mesmo, isto , T : V V so ditas operadores lineares. Como exemplos temos: a) T :

4
como consequncia o operador T invertvel se, e somente se, det[T] 0. Observao: Se a base for a base cannica do espao vertorial V, denotaremos [T1] = [T]1. 3 - T regular se, e somente se, T leva a base em base. Fica como exerccio para o leitor. Exemplo 15: Seja T : 2 2 um operador definido por T(x,y) = (x + y, x y). a) Mostre que T no-singular. b) Encontre uma regra para T1 como a que define T. c) Se = {(1,0),(0,1)} uma base do 1 verifique que [T1] . ([T] ) . Soluo a : Basta mostrar que o KerT = {(0,0)}. De fato: KerT = {(x,y)
2 2
definida por
T(a,b,c,d) = (0,0,a + b,c d) b) D : P3 P3 definida por D(a + bx + cx2 + dx3) = b + 2cx + 3dx2 c) J : 2x2( ) 2x2( ) definida por J(A) = AT, onde AT a matriz transposta da matriz A. definida por T(z) = z . d) T : 8.5.2 Operadores Inversives Diremos que o operador linear T : V V inversvel se, e somente se, existe um operador S : V V tal que T S = S T = id Equivalentimente temos que: Diremos que o operador linear T : V V inversvel se, e somente se, T um operador linear bijetivo. Observaes: 1- Sendo T : V V inversvel, denotaremos o operador inverso por T1 : V V. 2- Quando o operador T admite a inversa T1, dizse que T inversvel, invertvel, regular ou nosingular. 8.5.3 Propriedades dos operadores Inversives Seja T um operador linear. 1 - Diremos que o operador linear T : V V inversvel se, e somente se, kerT = {}. De fato T invetvel se, e somente se, T bijetivo. Logo T injetivo, onde concluimos que kerT = {}. Sendo kerT = {}, temos o operador T injetivo e como consequcia dimKerT = 0. Logo, fazendo uso da expresso dimKerT + dimIm(T) = dimV, concluimos que T sobrejetivo pois dimIm(T) = dimV. 2 - Se T no-singular e base qualquer de V, ento T1 linear e:
1 [T1] = ([T] )
|T(x,y) = (0,0)}
O ncleo do operador dado por , deste modo teremos que: , onde concluimos que x = y = 0. Logo o KerT = {(0,0)}, e portanto T no-singular. Soluo b: Seja = {(1,0),(0,1)} a base cannica do temos que: T(1,0) = (1,1) T1(1,1) = (1,0) T(0,1) = (1,1) T1(1,1) = (0,1) Sendo T invertvel temos que , T leva a base numa base = {(1,1),(1,1)}. Sendo assim temos que:
2
(x,y)
que
, (x,y) = a(1,1) + b(1,1) emplicado e .
Fica como exerccio para o leitor.

. ([T] ) = [I], e Sendo assim, temos que [T1]
59
[a b c] + [0 0 0] a = b = c = 0 Portanto o conjunto = {[1 0 0],[0 1 0],[0 0 1]} L.I. Sendo dimM1x3( ) = 3, temos 0 conjunto uma base de M1x3( ). Mostraremos agora que uma base de M1x3( ).
c) Vamos determinar [T] .
a [0 1 0] + b[1 1 0] + c[0 0 1] = [0 0 0] [0 a 0] + [b b 0] + [0 0 c] = [0 0 0] [b a + b c] = [0 0 0] a = b = c = 0 Portanto o conjunto = {[0 1 0],[1 1 0],[0 0 1]} L.I. Sendo dimM1x3( ) = 3, temos 0 conjunto uma base de M1x3( ).5r
T(1,0) = (1,1) = 1(1,0) + (1)(0,1) T(0,1) = (1,1) = (1)(1,0) + (1)(0,1)
Sendo assim temos
Como T definido por T([1 0 0]) = [0 1 0], T([0 1 0]) = [1 1 0] e T([0 0 1]) = [0 0 1], temos T leva a base na base . Onde concluimos que T no-singular. b) Vamos determinar T1. Tomando v1 = [1 0 0], v2 = [0 1 0], v3 = [0 0 1], u1 = [0 1 0], u2 = [1 1 0] e u3 = [0 0 1] temos T(v1) = u1 T1(u1) = v1 T(v2) = u2 T1(u2) = v2 T(v3) = u3 T1(u3) = v3 [x y z] = a[0 1 0] + b[1 1 0] + c[0 0 1] [x y z] = [0 a 0] + [b b 0] + [0 0 c]
Vamos determinar [T1] .
Donde concluimos que [T ] = ([T ]) . Exemplo 16: Seja T : 1x3( ) 1x3( ) um operador definido por T([1 0 0]) = [0 1 0], T([0 1 0]) = [1 1 0] e T([0 0 1]) = [0 0 1]. a) Verifique se T no-singular. b) Caso T seja no-singular, determine T1. c) Se base cannica de M1x3( ), verifique que [T1] = [T]1 Soluo a: Basta mostrar que T leva base em base por exemplo. Afirmo que = {[1 0 0],[0 1 0],[0 0 1]} e = {[0 1 0],[1 1 0],[0 0 1]} so bases de M1x3( ). De fato: a = [1 0 0] + b[0 1 0] + c[0 0 1] = [0 0 0] [a 0 0] + [0 b 0] + [0 0 c] = [0 0 0]
60
Logo teremos que a = y x, b = x e c = z. [x y z] = (y x)u1 + xu2 + zu3 T1[x y z] = (y x)T1 (u1)+ xT1(u2) + zT1(u3) T1([x y z]) = (y x)v1 + xv2 + zv3) Sendo (y x)v1 = (y x)[1 0 0] = [x y 0 0] zv2 = x[0 1 0] = [0 x 0] zv3 = z[0 0 1] = [0 0 z] Temos T1 ([x y z]) = [x y x z] Soluo c: Diremos que [T1] = [T]1 [T1] .[T] = [I]
Em primeiro lugar vamos determinar a lei do operador T. Temos que: [x y z] = a[1 0 0] + b[0 1 0] + c[0 0 1] [x y z] = [a 0 0] + [0 b 0] + [0 0 c] [x y z] = [a b c] a = x, b = y, c = z [x y z] = x[1 0 0] + y[0 1 0] + z[0 0 1] t[(x y z)] = xT(v1) + yT(v2)+ zT(v3) t[(x y z)] = xu1 + yu2+ zu3 Onde concluimos que T([x y z]) = [y y x z]. Sendo assim vamos determinar [T] = [T]. Para isto, vamos calcular a imagem de cada vetor da base cannica , pela aplicao T. T([1 0 0]) = [0 1 0] T([0 1 0]) = [1 1 0] T([0 0 1]) = [0 0 1] Logo teremos:

1. Em cada caso abaixo, verifique quais dos operadores lineares so inversveis, e nos casos afirmativos determine uma frmula para T1, [T] e [T1]. a) T : b) T : c) T : d) T : e) T : f) T : g) T : h) T : i) T : j) T : l) T : m) T : n) T :
2 2 3 3 3 3 3 3 2 2 2 2 2
2 2
, T(x,y) = (y,x) , T(x,y) = (y x,x) , T(x,y) = (y,x + y) , T(x,y) = (0,x y)
2 2 2
, T(x,y) = (2x y,0)
, T(x,y) = (y, x) , T(x,y) = (y + x,x)
2 3 3
, T(x,y,z) = (y,x,z)
, T(x,y,z) = (x + y,x,z) , T(x,y,z) = (y,x,z y)
3 3
, T(x,y,z) = (x y,0, z x) , T(x,y,z) = (x + y + z,x,y) , T(x,y,z) = (0,x,x z)
3 3
1 Vamos determinar [T1] = [T ].
8.7 Matrizes Semelhantes Dado um operador linear T : V Ve uma base qualquer de V, vamos denotar [T] por [t], isto , [T] = [T]. Sejam T : V V um operador linear, e bases de V, [t] e [t] as matrizes que representam o operador T nas bases e , respectivamente. Sendo assim temos que
1 . [t] . [I] [t] = ([I] ) , sendo [T] a matriz mudana de base para a base .
Sabemos que T1([x y z]) = [x y x z]. Desta forma, vamos calcular a imagem de cada vetor da base cannica , pela aplicao T1. T1([1 0 0]) = [1 1 0] T1([0 1 0]) = [1 1 0] T1([0 0 1]) = [0 0 1] Logo teremos:
De (I) e (II)temos:
De fato: Dadas asa bases e bases de V, temos que [T(v)] = [T] . [v] e [T(v)] = [T] . [v]. Sendo [I] a matriz mudana de base para a base , tem-se que: e [T(v)] = [I] [v] = [I] . [v] . [T(v)] desta forma ao substituir [v] = [I] . [v] e [T(v)] = [I] . [T(v)] em [T(v)] = [T] . [v], obtemos :
[I] . [T(v)] = [T] . [I] . [v]
Ondde concluimos que [T1] = [T]1.
Sendo [I] inversvel, logo teremos:

61
1 [T(v)] = ([I ]) .[T] . [I ] . [v] 1 Sendo [T(v)] = ([I] ) .[T] . [I] . [v] e [T(v)] = [T] . [v], teremos que:
Vamos chamar
, a matriz das coor-
denadas da base = {(1,1),(0,2)} e , a matriz das coordenadas da base = {(1,1),(1,2)}. Desta forma vamos determinar M = 1 . , onde 1 a matriz inversa da matriz . Logo: . Uma propriedade entre duas matrizes semelhantes [T] e [T] a seguinte: 8.7.1 Propriedade entre matrizes semelhantes Dadas duasa matrizes semelhantes [T] e [T], temos que det[T] = det[T]. Demonstrao: Sendo [t] e [t] semelhantes, temos que existe uma matriz M = [I] tal que [T] = M1.[T]M. Destab forma calculando o determinante de [t] teremos: det[T] = det(M1.[T]M) = detM1 . det[T] . detM det[T] = 1 . det[T] . 1 = det[T]
[T] . [v] = ([I] ) .[T] . [I] . [v], onde conclui 1 mos que [T] = ([I] ) .[T] . [I] . Denotando [I] = M, teremos [T] = M .[T].M. Desta forma diremos que as matrizes [T] e [T], so ditas semelhantes. Exemplo 17: Seja T : 2 2 um operador linear. Se = {(1,1),(0,2)} e = {(1,1),(1,2)} so bases do
2 1
. Determine
[t], fazendo uso da relao [T] = M1.[T].M. Soluo: Vamos em primeiro lugar determinar a matriz M = [I] . De modo geral, temos que todo (x,y) escreve na base do seguinte modo:
2
se
Sendo assim temos: (1,1) = 1(1,1) + 0(0,2)
Logo e: 1. Sejam = {(2,0),(0,2)}, = {(1,2),(0,1)} e = {(0,1),(2,0)} bases do 2. Determine: a) [I] logo: [T] = M .[T] .M
1
b) [I] c) [I] d) [I] 2- Sabendo que detrermine a base . 3. Sejam = {(1,0,0),(0,1,0),(0,0,1)} e = {(1,0,1),(0,1,0),(0,1,1)} bases do 3. a) Determine [I] .
62
e a= {(1,0),(0,1)}
Uma forma prtica de determinar M = [I] a seguinte:
b) Utilizar a matriz obtida no item a) para calcular [v], sendo

c) Determime a matriz [I] .
4. Sejam = {(1,1),(0,1)} e = {(0,1),(2,0)} bases do 2. Determine em cada caso abaixo a matriz M, tal que [T] = M1.[T]M. a) T : b) T : c) T : d) T : e) T : f) T : g) T :
2 2 2 2 2 2 2
( ), T(x,y) = (y,x)
2 2 2 2 2 2
, T(x,y) = (y x,x) , T(x,y) = (y,x + y) , T(x,y) = (2x + y, x y) , T(x,y) = (2x y,y) , T(x,y) = (y, x) , T(x,y) = (y + x,x)
5. Sejam = {(1,1,0),(0,1,0),(0,0,2)} e = {(0,1,0),(2,0,0),(0,1,1)} bases do 3. Determine em cada caso abaixo a matriz M, tal que [T] = M1.[T]M. a) T : b) T : c) T : d) T : e) T : f) T :
3 3 3 3 3 3
3 3 3 3 3 3
, T(x,y,z) = (y,x,z) , T(x,y,z) = (x + y,x,z) , T(x,y,z) = (y,x,z y) , T(x,y,z) = (x y,x,z x) , T(x,y,z) = (x + y,z,x,z) , T(x,y,z) = (y,x,x z)
63
UNIDADE IV
Polinmio caracterstico e Diagonalizao
lgebra Linear II Polinmio caracterstico e diagonalizao
TEMA 09 Polinmios sobre matrizes Seja A uma matriz quadrada definida sobre um corpo K. Definimos as potncias de A por: A2 = A . A; A3 = A2 . A; A4 = A3 . A; . . . An+1 = An . A; e A0 = I Assim para qualquer polinmio f(x) = a0 + a1x + a2x2 + ... + anxn onde aiK Podemos definir o polinmio f sobre matriz A, como sendo a matriz: f(A) = a0I + a1A + a2A + ... + anA
2 n
b) g(x) = x2 5x + 1 g(A) = A2 5A + I
c) h(t) = t2 + 9 h(A) = A2 + 9I
Observe que f(A) obtido de f(x) substituindo a varivel x pela matriz A e substituindo o escalar a0 pela matriz escalar a0I. Se f(A) a matriz nula ento A chamado de zero ou raiz de f(x). Exemplo 1: Dada a matriz A calcule o valor do polinmio dado em A: a) f(t) = t2 3t 18; b) g(x) = x2 5x + 1; c) h(t) = t + 9; Soluo: a)
2
Exemplo 2: Seja
. Verifique se A
raiz dos polinmios f(x) = 2x2 3x + 5 e g(x) = x2 3x + 7. Soluo:
f(x) = 2x2 3x + 5 f(A) = 2A2 3A + 5I
f(t) = t2 3t 18 f(A) = A2 3A 18I
g(A) = A2 + 3A 10I
67
Assim A no raiz do polinmio f(x), mas raiz do polinmio g(x). Teorema 9.1: Sejam f e g polinmios quaisquer. Para qualquer matriz quadrada A e qualquer escalar k temos: (i) (f + g)(A) = f(A) + g(A) (ii) (f . g)(A) = f(A) . g(A) (iii) (K.f(A) = k . f(A) (iv) (f)(A) . g(A) = g(A) . f(A) Observe que o produto de dois polinmios em A comuta como vemos no item (iv). Demonstrao: Suponha que f(x) = a0 + a1x + a2x + ... + amx e g(x) = b0 + b1x + b2x + ... + bnx . Ento, por definio f(A) = a0I + a1A + a2A + ... + anA e g(A) = b0I + b1A + b2A2 + ... + bmAm. (i) Suponha que m n, assim bi = 0 para i > m. Ento (f + g)(x) = (a0 + b0) + (a1 + b1)x + + (a2 + b2)x2 + ... + (an + bn)xn (f + g)(A) = (a0 + b0)I + (a1 + b1)A + + (a2 + b2)A2 + ... + (an + bn)An (f + g) = a0 I + b0I + a1A + b1A + a2A2 + b2A2 + ... + anAn + bnAn (f + g)(A) = f(A) + g(A) (ii) Por definio (f.g)(x) = cn+mxn+m + ... + c2x2 + c1x + c0 , onde Portanto e g(A) = A2 5A + I f(A) = A2 3A 18I a) Agora sabendo que f(t) = t2 3t 18 e g(t) = t2 5t + 1, temos: (f + g)(t) = f(t) + g(t) (f + g)(t) = 2t2 8t 17 (f + g)(A) = 2A2 8A 17I
2 n 2 n 2 m
f(A).g(A) = (f.g)(A) Deixamos como exerccios a demonstrao de (iii) e (iv). Os exemplos a seguir so para ilustrar as propriedades e para relembrar como devemos proceder para operar polinmios. Exemplo 3: Dada a matriz , e os
polinmios f(t) = t2 3t 18 e g(t) = t2 5t + 1, calcule: a) (f + g)(A) e f(A) + g(A); b) (f . g)(A) e f(A) . g(A); c) (2 . f)(A) e 2 . f(A); d) g(A) . f(A). Soluo: Vamos inicialmente calcular A2 que ser utilizado em todos os itens deste exemplo:
68
Assim observamos o item (i) do teorema 9.1 (kf)(A) = k . f (A). d) Finalmente vamos calcular g(A) . f(A) : Assim observamos o item (i) do teorema 9.1 (f + g)(A) = f(A) + g(A). b) Vamos obter agora (f . g)(A) (f . g)(t) = f(t) . g(t) (f . g)(t) = (t2 3t 18)(t2 5t +1) (f . g)(t) = (t2 3t 18)(t2 5t +1) (f . g)(t) = t 8t 2t + 87t 18 (f . g)(A) = A4 8A3 2A2 + 87A 18I
4 3 2
Aqui podemos concluir dois fatos interessantes: 1 Exemplificamos o item (iv) f(A) . f(A) = g(A) . f(A), do teorema 9.1; 2 Apesar do produto de matrizes no ser comutativo, temos aqui, pelo teorema 9.1, um grupo de matrizes que comutam: Se duas matrizes so imagens de duas matrizes quaisquer, por funes polinomiais, ento essas matrizes comutam no produto de matrizes. 9.1 Matrizes e operadores lineares Seja T : V V um operador linear no espao vetorial V. Podemos definir potncias de T atravs da operao de composio de operadores, isto ,
Calculando f(A).g(A), temos:
T2 = T T; T3 = T2 T; T4 = T3 T; . . . Tn+1 = Tn T; e
Assim observamos o item (ii) do teorema 9.1 (f . g)(A) = f(A) . g(A). c) Obteremos agora (2 . f)(A): (2 . f)(t) = 2 . f(t) = 2(t2 3t 18) (2 . f)(t) = 2t2 6t 36 (2 . f)(A) = 2A2 6A 36I)
T0 = I. Da mesma forma que fizemos com as matrizes, podemos definir tambm para qualquer polinmio f(x) = a0 + a1x + a2x2 + ... + anxn, o operador f(T): f(T) = a0I + a1T + a2T2 + ... + anTn onde I agora o operador identidade. Tambm dizemos que T um zero ou raiz de f(x), se f(T) igual ao operador nulo, ou seja, f(T) = 0.
Calculando 2 . f(A), obtemos:

69
As relaes do Teorema 9.1 so vlidas para operadores lineares, assim como eram para
matrizes. Seja A a representao matricial do operador linear T. Ento f(A) a representao matricial de f(T) e, em particular, f(T) = 0 se e somente se f(A) = 0. Exemplo 4: Seja T : IR2 IR2, a transformao linear definida por T(x,y) = (x 2y, 4x + 5y). Verifique se T raiz dos polinmios abaixo. a) f(t) = t2 3t + 7 b) g(t) = t 6t + 13 Soluo: Em primeiro lugar calcular vamos obter a matriz [T]: T(1,0) = (1 2 . 0,4 . 1 + 5 . 0) = (1,4) = 1 . (1,0) + 4 . (0,1) T(0,1) = (0 2 . 1,4 . 0 + 5 . 1) = (2,5) = 2 . (1,0) + 5 . (0,1) 4. Verifique a validade do teorema 9.1 para os polinmios f e g, e para a matriz B do exerccio 1.(Para a propriedade (iii) tome k = 5) 5. Sabendo que as propriedades demonstrada para o teorema 9.1 so vlidas tambm para operadores lineares, verifique-as para o oper3 ador T ; 3 definida por T(x,y,z) = (2x,y,z), e os polinmios f(t) = t3 2t2 + t + 3 e g(t) = t3 4t2 + 5t 2. tal que B = A3. 3. Verifique a validade do teorema 9.1 para os polinmios f e g, e para a matriz A do exerccio 1.(Para a propriedade (iii) tome k = 3)
2
1. Sejam
. Calcule f(A),
g(A), f(B), g(B) onde f(x) = 2x2 5x + 6 e g(x) = t3 2t2+ t + 3.
2. Seja
. Calcule a matriz real A
. Assim a) f(t) = t2 3t + 7 f([t]) = [t]2 3[t] + 7I
9.3 Polinmio Caracterstico 9.3.1 Polinmio caracterstico de uma matriz b) g(t) = t 6t + 13 g([T]) = [T]2 6[T] + 13I
2
Seja A = [aij] uma matriz quadrada de ordem n. A matriz M = A tIn, onde In a matriz identidade de ordem n e t uma incgnita, pode ser obtida subtraindo-se t de cada elemento da diagonal de A. Definimos o polinmio caracterstico p(t) da matriz A por
Como f(A) 0 e g(A) = 0, conclumos que A raiz apenas do polinmio g(x), e portanto T tambm o .
p(t) = det(M) = det(A tIn) Teorema 9.2: Toda matriz A raiz de seu polinmio caracterstico. Demonstrao: De fato, para p(t) = det(A tIn) basta substituirmos t por A, ento obtemos
70
p(A) = det(A AIn) = det(A A) p(A) = 0, como queramos. Exemplo 5: Determine o polinmio caracterstico da matriz Soluo: p(t) = det(A tI2) . p(t) = (5 3)(3 t)(5 t)(1 t) p(t) = t4 14t3 + 68t2 130t + 75
Determine o polinmio caracterstico de cada uma das matrizes abaixo: p(t) = (1 t)(5 t) 6 p(t) = t2 6t 1 Exemplo 6. Determine o polinmio caracterstico da matriz . a)
b) c)
Soluo p(t) = det(A tI3):
d)
e)
Teorema 9.3: Matrizes semelhantes possuem o mesmo polinmio caracterstico. p(t) = t3 13t2 + 31t 17 Exemplo 7. Determine o polinmio caracterstico da matriz Demonstrao: Sejam A e V matrizes semelhantes, digamos que B = PAP1, onde P inversvel. Sabemos que tI = PtIP1, assim temos PB(t) = det(B tI) = det(PAP1 tI) PB(t) = det(PAP1 PtIP1) PB(t) = det[P((A tI)P1] Soluo: p(t) = det(A tI4) PB(t) = det(P).det(A tI).det(P1) PB(t) = det(A tI) PB(t) = PA(t) 9.5 Polinmio caracterstico de um operador linear Seja T : V V um operador linear sobre um
71
espao vetorial V de dimenso finita. Definimos o polinmio caracterstico p(t) de T como sendo o polinmio caracterstico de qualquer representao matricial de T. Exemplo 8: Determine o polinmio caracterstico de cada um dos operadores abaixo: a) F : IR2 IR2, definida por F(x,y) = (3x + 5y, 2x 7y). b) D : V V, definida por , onde V
1. Mostre que uma matriz A e sua transposta At possuem o mesmo polinmio caracterstico. 2. Seja A uma matriz quadrada qualquer e f(t) um polinmio. Mostre que: a) f(PAP1)n = PAnP1 b) f(PAP1) = Pf(A)P1 c) f(AT) = [f(A)]T d) Se A simtrica ento f(A) simtrica. 3. Calcule o polinmio caractersticos dos operadores abaixo: a) T(x,y,z) = (x + 2y + 3z, 3x + 4z, 6x + 4y + 5z) b) T(x,y,z,w) = (x + y + 2z + 2w, 3y + 3z + 4w, 5z + 5w, 6w)
o espao das funes de base B = {sent, cost}. Soluo: a) Vamos determinar inicialmente a matriz A que define F, na base cannica de IR2.
p(t) = det(A tI2)
c) T(x,y) = (x 2y, 4x + 5y) 4. Determine o polinmio caracterstico para o operador linear D : V V, definida por , onde V o espao das funes con-
p(t) = (3 t)(7 t) 10 p(t) = t2 + 4t 31 b) Novamente determinaremos inicialmente a matriz A que define D, na base B = {sen t, cos t}. D(sent) = cost = 0 . sent + 1 . cost D(cost) = sent = 1 . sent + 0 . cost Assim obtemos
tnuas de uma varivel real de base B = {cost, sent}.
9.7 Autovalores e autovetores 9.7.1 Autovalores e autovetores de matrizes Seja A uma matriz quadrada de ordem n. Um escalar chamado de autovalor de A se existe um vetor (coluna) v no nulo tal que Av = v. Qualquer vetor Satisfazendo esta relao chamado de autovetor de A associado ao autovalor . Observe que qualquer mltiplo escalar kv de um autovetor v associado a tambm um autovetor, com efeito:
p(t) = det(A tI2)
p(t) = (t)(t) 1 p(t) = t2 + 1
A(kv) = k(Av) = k(v) = (kv) Os termos valor caracterstico ou valor prprio e vetor caracterstico ou vetor prprio so tambm usados no lugar de autovalores e autovetores.
72
9.7.2 Propriedades dos autovalores e autovetores de matrizes Propriedade 1: Seja A uma matriz quadrada. So equivalentes: (i) O escalar um autovalor de A. (ii) A matriz M = A I singular. (iii)O escalar uma raiz do polinmio caracterstico p(t) de A. Propriedade 2: Seja A uma matriz quadrada sobre o corpo dos complexos. Ento a matriz A possui ao menos um autovalor. Propriedade 3: Os autovalores de uma matriz diagonal so os elementos de sua diagonal principal. Propriedade 4: Sejam v1, v2,...,vn so autovetores de uma matriz A associados aos autovalores distintos 1, 2, ... ,n. Ento v1, v2,...,vn so linearmente independentes. Propriedade 5: (Teorema da matriz inversvel) Seja A uma matriz quadrada. Ento A inversvel se, e somente se, o escalar zero no autovalor para A. Observao: muito simples determinar se um vetor autovetor de uma matriz, como tambm simples decidir se um escalar um autovalor, como mostram os exemplos abaixo. Exemplo 9: Sejam , e
Exemplo 10: Mostre que 7 um autovalor da matriz A do exemplo anterior e determine os autovetores associados. Soluo: Como o 7 autovalor de A, ento satisfaz a equao Au = 7u onde autovetor associado ao auto va-
lor 7. Assim temos Au 7u = 0 (A 7I)u = 0
Temos ento um sistema possvel, mas indeterminado, pois uma equao mltipla escalar da outra, portanto pelo escalonamento obtemos
Assim temos que todo vetor da forma
com x 0, um autovetor de A associado ao autovalor = 7. 9.7.3 Autovalores e autovetores de operadores lineares. Seja T um operador linear. Um escalar chamado de autovalor de T se existe um vetor v no nulo tal que T(v) = v. Qualquer vetor Satisfazendo esta relao chamado de autovetor de T associado ao autovalor .
ser que u e v so autovetores de A? Soluo:
Au = 4 . u , Conclumos ento que u autovetor de A associado ao autovalor 4, ao passo que v no autovetor de A, pois Av no mltiplo escalar de v.
73
O conjunto W de todos os autovetores de V associados a , formam um subespao de V chamado de auto-espao. Com efeito, 0W pois T(0) = 0 = 0, para v1, v2 W temos T(v1 + v2) = T(v1) + T(v2) T(v1 + v2) = v1 + v2
T(v1 + v2) = (v1 + v2) portanto v1 + v2 W, e T(kv) = kT(v) = k(v) = (kv), para todo k no corpo. De maneira anloga podemos demonstrar que cada autovetor associado ao respectivo autovalor de uma matriz quadrada gera um subespao. 9.7.4 Propriedades dos autovalores e autovetores de operadores lineares Seja T um operador linear sobre um espao de dimenso finita V: Propriedade 1: T pode ser representado por uma matriz diagonal D se e somente se existe uma base B de V formada apenas por autovetores de T. Neste caso, os elementos diagonais de D so os autovalores correspondentes. Propriedade 2: Seja T um operador linear. So equivalentes: (i) O escalar um autovalor de T. (ii) O operador linear T I singular. (iii)O escalar uma raiz do polinmio caracterstico p(t) de T. Propriedade 3: Seja V um espao vetorial complexo. Ento T possui ao menos um autovalor. Propriedade 4: Sejam v1, v2,...,vn so autovetores no nulos de um operador linear T associados aos autovalores distintos 1, 2,...,n. Ento v1, v2,...,vn so linearmente independentes. Propriedade 5: Seja p(t) = (t a1)(t a2)...(t an) o polinmio caracterstico de T. Ento T semelhante a matriz diagonal D = diag(a1, a2,...,an). Propriedade 6: Seja A uma representao matricial de T. Ento T diagonalizvel se, e somente se, A diagonalizvel. Exemplo 11: Seja . e
Soluo: Nesse exemplo, mostraremos os passos necessrios para obtermos o polinmio caracterstico de matrizes de ordem 2 de uma maneira bem simples. a) Para qualquer matriz A de ordem dois seu polinmio caracterstico dado por: p(t) = t2 tr(A)t + det(A), onde tr(A) o trao de A (somatrio dos elementos da diagonal principal de A) e det(A) o determinante de A. Assim p(t) = t2 + 3t 10 cujas razes so 1 = 2 e 2 = 5 e so tambm autovalores de A. Vamos agora determinar os autovetores associados a cada auto valor: Seja v1(x,y) o auto vetor associado ao autovalor 1 = 2. Assim Av1 = 1v
{x 4y = 0 {x = 4y A soluo do sistema ento (4y,y) = y(4,1). Assim v1 = (4,1) o auto vetor associado ao autovalor 1 = 2. Procedendo da mesma maneira para 1 = 5, temos:
a) Determine todos os autovalores autovetrores correspondentes.
b) Determine matrizes P e D tais que P no singular e D = P1AP diagonal.

74
{2x y = 0 {y = 2x A soluo do sistema ento (x,2x) = x(1,2). Assim v2 = (1,2) o auto vetor associado ao autovalor 2 = 5. b) Seja P a matriz cujas colunas so v1 e v2. Ento , obtendo a matriz inversa
c)
, = 1, = 2, = 3
d)
, =3
6. Para
determine um autovalor sem
fazer qualquer clculo e justifique sua resposta. de P , temos , . 7. Explique por que uma matriz quadrada de ordem 2 pode ter no mximo dois autovalores distintos. Explique por que uma matriz quadrada de ordem n pode ter no mximo n autovalores distintos. 8. Seja um autovalor para a matriz inversvel A. mostre que 1 um autovalor para A1. 9. Mostre que A e At tm os mesmos autovalores. 1. verdade que = 2 autovalor para ? 10. Considere uma matriz quadrada A de ordem n com a propriedade de que a soma de cada linha tem o mesmo valor s. Mostre que s um autovalor para A. 11. Determinar autovalores, em IR, e autovetores de autovetor para a) T(x,y) = (y,x) b) T(x,y) = (y,x) ? c) T(x,y,z) = (x,y,0) d) T(x,y) = (x + y, x y) ? 4. verdade que = 4 autovalor para
2.
verdade ?
que
autovetor
para
3. verdade que
5. Determine uma base para o auto-espao associado a cada autovalor. , = 1, = 5 , = 10
a)
b)
75
TEMA 10 DIAGONALIZAO Agora temos as ferramentas matemticas necessrias para determinar quando uma matriz quadrada A ou uma matriz associada a um operador T sobre um espao de dimenso finita V diagonalizvel. Antes comearmos a falar de diagonalizao propriamente, veremos um mtodo para calcular Ak, onde A uma matriz quadrada. 10.1 Determinao de Ak A informao sobre autovalores e autovetores contida numa matriz A pode ser apresentada atravs de uma fatorao til do tipo A = PDP1. A fatorao acima nos permite calcular Ak rapidamente para valores grandes de k, uma idia fundamental em muitas aplicaes de lgebra linear. Exemplo1: Se , ento :
O aplicando o mtodo para obter a inversa de P temos:
Assim A2 = (PDP1)(PDP1)
A2 = PD2P1 A3 = A2A = (PD2P1)(PDP1)
A3 = PD3P1 Em geral para k 1, AK = PDKP1
Teorema 10.1 (Teorema da diagonalizao): Uma matriz quadrada A de ordem n diagonalizvel se, e somente se, A tem n autovetores linearmente independentes. De fato, A = PDP1, onde D uma matriz diagonal se, e somente se, as colunas de P so os n autovetores de A linearmente independentes. Nesse caso, os elementos da diagonal principal de D so os autovalores de A associados, respectivamente, aos autovalores em P.
Em geral
, para k 1.
Agora vejamos para uma matriz qualquer 1 A = PDP , com P uma matriz inversvel e D uma matriz diagonal: Exemplo 2:. Seja . Determine uma frmula para Ak, dado que A = PDP1, onde e Soluo:
76
Em outras palavras se A a matriz de um operador linear T : V V, com V espao vetorial de dimenso finita, A diagonalizvel se e somente se existem autovetores suficientes para formar uma base para V. Chamamos tal base de base de autovetores. Demonstrao: Primeiro, observe que se P for qualquer matriz quadrada de ordem n com colunas v v1,v2,v3,...,vn e se D qualquer matriz diagonal cujos elementos da diagonal principal so 1,2,3,...,n, ento AP = A[v1,v2,...,vn] AP = [Av1,Av2,...,Avn] (1)
Passo 1: Determinar os autovalores de A. Enquanto O polinmio caracterstico de A p(t) = det(A tI) PD = [1v1,2v2,...,Nvn] (2) Suponha, agora, que A seja diagonalizvel e que A = PDP1. Ento multiplicando essa relao direita por P , obtemos AP = PD. Nesse caso (1) e (2) implicam que [v1,v2,...,vn] = [1v1,2v2,...,Nvn] (3) Igualando as colunas, obtemos Av1 = 1v1 Av2 = 2v2 . . . Avn = nvn (4) Como P inversvel suas coluna so linearmente independentes. Mais ainda, como essas colunas so no nulas, (4) mostra que 1, 2,...,n so autovalores e v1, v2,...,vn so os autovetores associados. Essa argumentao prova as primeiras duas afirmaes do teorema. Finalmente dados quais quer n autovetores v1, v2,...,vn , use-os para montar as colunas de P e use os autovalores associados 1, 2,...,n para montar D. Por (1) (3), AP = PD. E se P inversvel conclumos que A = PDP1. Exemplo 3: Diagonalize a seguinte matriz, se possvel,
p(t) = t3 3t2 + 4 p(t) = (t 1)(t + 2)2 Assim os autovalores so 1 = 1 e 2 = 2. Passo 2: Determinar os autovetores de A. No esquea que para termos A diagonalizvel necessrio que encontremos 3 vetores linearmente independentes, pois A de ordem 3. O mtodo estudado na seo 9.7 fornece uma base para cada auto-espao: Para 1 = 1, a base
Para 2 = 2, a base so
Voc pode verificar que {v1,v2,v3} um conjunto linearmente independente. Passo 3: Monte P a partir dos vetores do passo 2. No importa a ordem dos vetores, mas usando a ordem escolhida no passo 2 temos P = [v1 v2 v3]
Passo 4: Monte D a partir dos autovalores associados. Soluo: Diagonalizar uma matriz determinar uma matriz inversvel P e uma matriz diagonal D tal que A = PDP1. Vamos fornecer, ao resolver este exemplo, um algoritmo para determinar os autovalores e autovetores da matriz A e se existe ou no uma matriz P inversvel tal que D = P1AP diagonal.
77
Neste passo temos que tomar o cuidado de escolher os autovalores na mesma ordem escolhida para as colunas de P . use o autovalor 2 = - 2 duas vezes, uma para cada autovetor que a ele est associado.
izvel. A matriz do exemplo 1, de ordem 3, desta seo diagonalizvel e possui apenas dois autovalores distintos. sempre bom verificar se P e D realmente funcionam. Para evitar calcular P1, verifique simplesmente que AP = PD. Isso equivalente a A = PDP1 quando P inversvel. Exemplo 4: Diagonalize a seguinte matriz, se possvel, Teorema 10.3: Seja A uma matriz quadrada de ordem n cujos autovalores distintos so 1,2,,...,p. (i) para 1 k p, a dimenso do auto-espao para k menor ou igual a multiplicidade do autovalor k. (ii) A matriz A diagonalizvel se e somente se a soma das dimenses dos auto-espaos distintos igual a n, e isso acontece se e somente se a dimenso do auto-espao para cada k for igual multiplicidade de k. (iii)Se A diagonalizvel e Bk uma base para o auto-espao associado a k para cada k, ento a coleo total dos vetores de B1, B2,..., Bp forma uma base de autovetores para o IRn. Exemplo 5: Seja .
Soluo: O polinmio caracterstico o mesmo do exemplo 1. p(t) = t3 3t2 + 4 p(t) = (t 1)(t + 2)2 Assim os autovalores so 1 = 1 e 2 = 2. Mas ao calcularmos os autovetores vemos que cada auto-espao de dimenso 1. Para 1 = 1, a base
a) Determine todos os autovalores de A. b) Determine um conjunto maximal S de auto vetores linearmente independentes de A. c) A diagonalizvel? Se for , determine P tal que D =P1AP diagonal. Para 2 = 2, a base Portanto A impossvel obter uma base para o 3 IR . Pelo teorema da diagonalizao A no diagonalizvel. Teorema 10.2: Uma matriz quadrada de ordem n com n autovalores distintos diagonalizvel. Demonstrao: Sejam v1,v2,...,vn autovetores associados aos n autovalores distintos da matriz A, ento {v1,v2,...,vn} linearmente independente, pela propriedade 4 de autovalores e autovetores de uma matriz A. portanto pelo Teorema 10.1 diagonalizvel. Observao: No necessrio que uma matriz de ordem n tenha n autovalores distintos para ser diagonal78
Soluo: a) Vamos calcular o polinmio caracterstico de A. Para isso veremos um mtodo prtico para determin-lo sempre que a matriz for de ordem 3: p(t) = t tr(A)t + (A11 + A22 + A33)t det(A), onde tr(A) o trao de A, Aii a matriz do cofator aii de A e det(A) o determinante de A. tr(A) = 4 + 5 + 2 = 11 det(A) = 40 2 2 + 5 + 8 4 = 45 , ,
3 2
p(t) = t3 11t2 + 39t 45 Considerando que p(t) possui uma raiz racional ela um dos seguintes nmeros:
1, 3, 5, 9, 15, 45. Testando cada raiz e utilizando o mtodo de Briott-Ruffini temos 1. Calcule A8 onde .
2. Diagonalize as matrizes abaixo, se possvel. Os autovalores dos exerccios: (c) {1, 2, 3}, (d) {5, 1}. Assim t = 3 3 raiz de p(t) e t 3 um de seus fatores, portanto p(t) = (t 3)(t 5)(t 3) = (t 3)2(t 5) Assim = 3 e = 5 so os autovalores de A. b) Utilizando os mtodos dos exemplos anteriores: i) Para = 3, fazendo Av = v obtemos a equao x+yz=0 x+y=z cujo conjunto soluo dado por (x,y,x + y) = x(1,0,1) + y(0,1,1) Assim obtemos os vetores u = (1, 0, 1) e v = (0, 1, 1) linearmente independentes. ii) = 5, fazendo Aw = w obtemos o sistema 3. A uma matriz quadrada de ordem 5 com dois autovalores. Um auto-espao tridimensional e o outro bidimensional. A diagonalizvel? Por qu? 4. A uma matriz quadrada de ordem 4 com trs autovalores. Um auto-espao unidimensional e um dos outros bidimensional. possvel que A no seja diagonalizvel? Justifique sua resposta. 5. Se B = PAP1 e x um autovetor para A associado a um autovalor , ento Px um autovetor para B associado tambm a . 6. Demonstre o Teorema 10.3. e) c) d) a) b)
cujo conjunto ouluo (z,2z,z) = z(1,2,1) Assim w = (1, 2, 1) uma soluo. Desta forma S = {u,v,w} = {1,0,1},(0,1,1),(1,2,1)} um conjunto maximal de autovetores de linearmente independentes de A, pela propriedade 4 de autovalores e autovetores. c) A diagonalizvel pois possui trs vetores linearmente independentes. Para obtermos P basta tomarmos os autovetores como colunas de P. e
10.3 Diagonalizao de matrizes simtricas H muitas matrizes reais A quadradas que no so diagonalizveis. Na verdade, algumas matrizes reais no possuem autovalor (real). Contudo, se A uma matriz real simtrica, ento esses problemas no ocorrem. Especificamente, temos os seguintes teoremas: Teorema 10.4: Seja A uma matriz real simtrica. Ento toda raiz de seu polinmio caracterstico real. Teorema 10.5: Seja A uma matriz real simtrica. Suponha que u e v so vetores de A pertencentes a autovalores distintos 1 e 2 .
79
Note que se A diagonalizvel, a diagonal principal da matriz D formada pelos autovalores de A, na ordem que foram tomados os autovetores associados aos autovalores.
Ento u e v so ortogonais, isto , (u,v) = 0. Os dois teoremas acima nos do o seguinte resultado fundamental. Teorema 10.6: Seja A uma matriz real simtrica. Ento existe uma matriz ortogonal P tal que A = PDP1, onde D uma matriz diagonal. Neste caso A dita ortogonalmente diagonalizvel. Exemplo 6: Diagonalize ortogonalmente a matriz simtrica Soluo: p(t) = det(A tI) .
a) b) c)
10.5 Polinmio Minimal Seja A uma matriz quadrada qualquer. Seja J(A) o conjunto de todos os polinmios f(t) que possuem A com raiz, isto , para os quais f(A) = 0. O conjunto J(A) no vazio uma vez que o Teorema 9.2 nos diz que o polinmio caracterstico pA(t) de A pertence a J(A). Seja m(t) o polinmio mnico de menor grau em J(A). (tal polinmio existe e nico.) Chamamos m(t) de polinmio minimal da matriz A. Um polinmio f(t) dito mnico quando o coeficiente de seu termo de maior grau um. O polinmio mnimo m(t) de um operador linear T definido da mesma forma que definido para uma matriz quadrada, claro tendo o operador T como raiz. Contudo, para qualquer polinmio f(t), temos f(T) = 0 se e s se f(A) = 0 onde A qualquer representao matricial de T. Desta forma T e A possuem o mesmo polinmio minimal. Assim os teoremas a seguir se aplicam para os operadores lineares e para as matrizes. Teorema 10.7: O polinmio mnimo m(t) de uma matriz A (operador linear) divide qualquer polinmio que possui A como raiz. Em particular m(t) divide o polinmio caracterstico p(t) de A. Demonstrao: Seja f(t) um polinmio tal que f(A) = 0 e m(t) o polinmio minimal de A. Pelo algoritmo da diviso, existem polinmios q(t) e r(t) tais que f(t) = m(t) q(t) + r(t). Temos ento que r(t) = 0 ou r(t) tem grau menor que m(t). Substituindo t por A, temos f(A) = m(A) q(A) + r(A) 0 = 0 q(A) + r(A)
80
p(t) = t2 7t + 6 p(t) = (t 6)(t 1) Assim os autovetores so 1 = 6 e 2 = 1. Para 1 = 6, a base
Para 2 = 1, a base Normalizando os autovetores temos e .
1. Diagonalize a matriz simtrica
2. Determine a matriz ortogonal P tal que D = PAP1 diagonal:
r(A) = 0. Se r(t) 0, ento o grau de r(t) menor que o grau de m(t) e possui A como raiz, o que contraria a definio de polinmio mnimo. Assim conclumos que r(t) = 0 e dessa forma f(t) = m(t)q(t), isto , m(t) um divisor de f(t). Teorema 10.8: O polinmio caracterstico p(t) e o polinmio mnimo m(t) de uma matriz A possuem os mesmos fatores irredutveis. Teorema 10.9: Um escalar um autovalor da matriz A se e s se uma raiz do polinmio mnimo de A. Exemplo 7: Determine o polinmio mnimo da matriz 1. Sejam e . O polinmio caracterstico dessas duas matrizes p(t) = (t 2)(t 1)2. Determine o polinmio mnimo m(t) de cada uma dessas matrizes. 2. Determine o polinmio mnimo de cada uma das matrizes abaixo: a)
Soluo: p(t) = det(A tI)
b)
p(t) = t3 5t2 + 7t 3 p(t) = (t 1)2(t 3) O polinmio minimal m(t) deve ser um divisor de p(t). Alm disso, qualquer fator irredutvel de p(t), isto , t 1 e t 3, devem ser fatores de m(t). Assim m(t) pode ser: f(t) = (t 3)(t 1) ou g(t) = (t 3)(t 1)2 Sabemos pelo Teorema 9.2 que g(A) = f(A) = p(A) = 0. Ento devemos verificar se A raiz f(t): f(t)= (t 3)(t 1) f(A) = (A I)(A 3I)
81
c)
3. Para cada uma das matrizes B simtricas dadas, determine seus autovalores, um conjunto maximal S de autovetores ortogonais e 1 uma matriz ortogonal P tal que D =P AP diagonal.
a)
b)
UNIDADE V
Produtos Internos, Operadores Lineares e Auto-Adjuntos
lgebra Linear II Produto Interno, Operadores Lineares e Auto-Adjuntos
TEMA 11 Tema 11: Produto interno O produto interno, que j foi mencionado antes na disciplina lgebra Linear I, ser apresentado de modo mais geral nesta seo e adotado sistematicamente a partir daqui. Trata-se de uma noo que completa e enriquece a estrutura de um espao vetorial, permitindo a utilizao de uma linguagem geomtrica altamente sugestiva e o destaque de tipos especiais de operadores, os quais admitem uma anlise mais profunda de suas propriedades, como veremos a seguir. Os axiomas de espao vetorial no so suficientes para abordar certas noes geomtricas como ngulo, perpendicularismo, comprimento, distncia, etc. Isso se torna possvel com a introduo de um produto interno. Um produto interno num espao vetorial tg E um funcional bilinear simtrico e positivo em E. Mais precisamente, um produto interno uma funo E x E , que ssocia a cada par de vetores u,vE um nmero real u,v chamado produto interno de u por v, de modo que sejam vlidas as seguintes propriedades, para quaisquer u, u, v, vE e . i) Bilinearidade: u u,v = u,v + u,v, u,v = u,v, u, v + v = u,v + u,v, u, v = u,v ii) Comutatividade (simetria): u,v = v,u; iii) Positividade: u,u > 0 se u 0. Como 0,v = 0 + 0,v = 0,v +0,v , segue-se que 0,v = v,0 = 0 para todo vE. Resulta da positividade que se u.v = 0 para todo vE ento u = 0. Com efeito, se fosse u 0, teramos u,v 0 pelo menos quando v = u. Segue-se dessa observao que se u,uE so vetores tais que u,v = u,v para todo vE ento u = u. Com efeito, isso implica que u u,v para todo vE, logo u = u = 0 e u = u. O nmero no-negativo chama-se a norma ou o comprimento do vetor u.
85
Com essa notao, tem-se |u|2 = u,u e a igualdade u + v, u + v = u,u + u,v + v,u + v,v l-se: |u + v|2 = |u|2+|v|2 + 2u,v. Quando |u| = 1 diz-se que uE um vetor unitrio. Todo vetor u 0 se escreve como u=|u|.u, em que u um vetor unitrio. Basta pr u = |u|1.u. Exemplo 1 No espao euclidiano n, o produto interno cannico os vetores u = (1,...,n) e v = (1,...,n) e definido por u,v = 11 +...+ nn. Esse o produto interno que consideraremos em n, salvo aviso em contrrio. Exemplo 2 Consideremos 2 como o modelo aritmtico do plano euclidiano, no qual se introduziu um sistema de coordenadas cartesianas. Dados u = (12) e v = (12), os nmeros
medem realmente os comprimentos das flechas que representam esses vetores. Suponhamos u 0, v 0 e chamemos de o ngulo formado por essas flechas. Afirmamos que o produto interno u,v = 12 + 22 acima definido igual a |u||v|cos . Isso ser provado em trs passos: 1. Se os vetores u e v so perpendiculares, ento u,v = 0 = |u||v|cos90. Com efeito, por um lado, |u + v|2 = u + v, u + v = |u|2 + |v|2 + 2u,v e por outro lado, pelo Teorema de Pitgoras, |u +v|2 = |u|2 + |u|2
Logo u.v = 0.
2. Se |u|=|v|=1 ento u,v = cos . Com efeito, tomando o vetor unitrio u* perpendicular a u, temos, pela definio de seno e cosseno, v = cos. u + sen. u*. Veja figura abaixo.
Exemplo 4 Se V o espao de funes contnuas no intervalo [0,1] dadas f1 e f2V, definimos
Poderemos verificar que as quatro condies da definio so satisfeitas em cada exemplo e, portanto, , um produto interno. Nesse caso, a norma da funo f1
Tomando o produto interno de ambos os membros desta igualdade por u vem u,v = cos. u,u + sen . u,u*. Como u,u = 1 e u,u*= 0 pelo primeiro passo, temos u,v = cos . 3. Caso geral Pomos u = |u|.u e v = |v|.v onde unitrios. Ento, u,v = |u||v|u,v = |u||v|cos . Vemos, em particular, que os vetores u,v formam um ngulo agudo quando u,u > 0, um ngulo obtuso quando u,v < 0 e um ngulo reto quando u,u = 0. Exemplo 3 Sejam V = M(2,2) as matrizes quadradas de ordem 2 reais e o produto interno dado pela expresso (comprove que realmente um produto interno, testando as propriedades): e so vetores
Esse produto interno utilizado no estudo das sries de Fourier. Observao Seja E um espao vetorial de dimenso finita arbitrrio. Dada uma base {u1,...un} E, podemos definir um produto interno em E pondo, para u = iui, u,v = ii, por definio. Isso mostra que todo espao vetorial de dimenso finita pode ser munido de um produto interno (fato verdadeiro em geral, pois qualquer espao vetorial possui base, mas no entraremos nesse terreno). Assim, quando nos referirmos a um espao munido de um produto interno, no estaremos com isso atribuindo uma propriedade especial a esse espao, mas apenas dizendo que, entre os possveis produtos internos que nele podem ser introduzidos, um particular foi escolhido e fixado. Seja V um espao vetorial com produto interno ,. Diz-se que dois vetores v e w de V so ortogonais (em relao a esse produto interno) se v,w = 0. No caso em que v e w so ortogonais, escrevemos v w. Propriedades: i) 0 v para todo vV.
Vamos calcular o ngulo entre as matrizes e Ento, , segundo esse produto interno.
ii) v w implica que w v. iii) Se v w para todo wV, ento v = 0. e Portanto . e assim, iv) Se v1 w e v2 w, ento v1 + v2 w. v) Se v w e um escalar, v w. Vamos demonstrar a primeira delas, e voc poder provar facilmente as outras, usando as propriedades do produto interno.
86
i) Para mostrar que 0 ortogonal a todo vetor v, lembremos que 0 = 0. v e, portanto, 0,v = 0.v,v = 0v,v = 0. Um conjunto X E diz-se ortogonal quando dois vetores distintos quaisquer em X so ortogonais. Se, alm disso, todos os vetores de X so unitrios, ento X chamase um conjunto ortonormal. Portanto o conjunto X E ortonormal se, e somente se, dados u,vX tem-se u,v = 0 se u v e u,v = 1 se v = u. Uma base ortonormal uma base de E que um conjunto ortonormal. Teorema 1 Num espao vetorial E com produto interno, todo conjunto ortogonal X de vetores no-nulos L.I. Demonstrao Sejam v1,...,vnX. Temos vi,vj = 0 se i j. Se 1v1 +...+nvn= 0 uma combinao linear nula desses vetores, ento, para cada i = 1,2,...,n, tomamos o produto interno de ambos os membros dessa igualdade por vi e temos 1v1,v1 +...+nvn,vi += 0. Logo ivi,vi = i|vi|2, pois todos os produtos internos vj,vi, com j i, so nulos em virtude da ortogonalidade de X. Alm disso, como os vetores pertencentes ao conjunto X so todos no-nulos, resulta de i|vi|2 = 0 que i = 0. Assim, os coeficientes da combinao linear ivi = 0 so todos iguais a zero, e os vetores do conjunto X so, portanto, linearmente independentes. Exemplo 5 A base cannica {e1,...en} n ortonormal: tem-se ei,ej = ij, onde ij = 0 se i j e ij = 1 se i = j. No plano 2, os vetores u = (1,1) e v = (1,1) so ortogonais. Pondo e ,
Num espao vetorial E com produto interno, seja u um vetor unitrio. Dado qualquer vE, o vetor u,v . u chama-se a projeo ortogonal de v sobre o eixo que contm u. A justificativa para esta denominao est no fato de que, escrevendo w = v u,vu, tem-se v = u,vu + w, onde w perpendicular a u. Com efeito, tomando o produto interno de u por ambos os membros da igualdade w = v u,vu, tem-se u,w = u,v u,vu,u = u,v u,v = 0, pois u,u = 1. Como na figura abaixo:
Quando se tem apenas u 0, o eixo que contm u o mesmo que contm o vetor unitrio
A projeo ortogonal de v sobre este eixo , portanto, igual a u,vu, ou seja, . Usaremos a notao
para indicar a projeo ortogonal do vetor v sobre o eixo que contm vetor no-nulo u. Se z = pru(v), tem-se v = z + w, com w z. Pelo Teorema Pitgoras, |v|2=|z|2+|w|2. Em particular, vemos que |z||v|, isto , o comprimento da projeo pru(v) menor do que ou igual ao primento de v. Ora, a norma do vetor pru(v) igual a .
Segue-se, ento, que, para quaisquer u,vE, temse , ou seja |u,v| |u|.|v| (desigual-
o conjunto {u,v} 2 uma base ortonormal. |u +v|2 = |u|2 + |v|2 + 2u,v Quando u e v so ortogonais, a igualdade se torna |u +v| = |u| + |u| . Esta a verso do Teorema de Pitgoras para um espao vetorial com produto interno.
87
2 2 2
dade de Schwarz). A rigor, o argumento acima prova a desigualdade de Schwarz apenas no caso em que u 0. Mas ela bvia no caso em que u = 0. Logo vale em geral.
Um importante complemento da desigualdade de Schwarz que e a igualdade |u,v|=|u||v| se, e somente se, um dos vetores u,v mltiplo do outro. Isso resulta do raciocnio acima, pois, no Teorema Pitgoras |v|2 = |z|2+|w|2, dizer |v|=|z| significa que w = 0, isto , que v mltiplo de u. Resulta da desigualdade de Schwarz que num espao vetorial com produto interno a norma satisfaz a desigualdade triangular: |u + v||u|+|v| Como se trata de nmeros no-negativos, para provar essa desigualdade basta mostrar que |u + v||u|+|v| |u + v|2 (|u|+|v|)2 Ora, |u + v| = u + v, u + v = |u|2 + |v|2 + 2 u,v
2
Isso significa que
Ficamos, ento, com v 1 = v1
|u|2 + |v|2 + 2|u||v|

= (|u|+|v|)
2
pois u,v |u||v| pela desigualdade de Schwarz. Vale a igualdade |u + v|=|u|+|v| somente quando um dos vetores u,v um mltiplo nonegativo do outro. Com efeito, pelo argumento acima, |u + v|=|u|+|v| ocorre quando u,v = |u||v|, o que bvio quando u = 0 e implica v = u quando u 0. Nesse caso, |u||v|= u,v = |u|2, logo 0. Alm da desigualdade triangular, a norma goza ainda das seguintes propriedades, de imediata verificao: |u|>0 se u 0 e |.u| = ||u| Em particular, |u|=|u|. 11.2 PROCESSO DE ORTOGONALlZAO DE GRAM-SCHMIDT A partir de uma base qualquer de um espao vetorial, existe um processo para se obter uma base ortonormal. Inicialmente, vamos dar uma descrio desse processo de ortonormalizao para uma base = {v1,v2}. = v1 Precisamos encontrar, a partir de Seja v1 , isto , v2, um novo vetor v2 ortogonal a v1 ,v1 = v2 cv1 = 0. Para isso, tomamos v2 , v2 onde c um nmero escolhido de modo que , cv1 ,v1 = 0, isto , v2 cv1 = 0. v2
88
Observe que v2 foi obtido de v2, subtraindo-se deste a projeo do vetor v2 na direo de v 1, e e v2 so vetores ortogonais no-nulos. que v1 Podemos, ento, normaliz-los, e obtendo uma base = {u1,u2} que ortonormal. Como voc pode afirmar que u1 e u2 so L.I.? (Veja o Teorema 1). Exemplo 6 Seja = {(2,1),(1,1)} uma base do R2. Vamos obter, a partir de , uma base ortonormal em relao ao produto interno usual. Sejam v1 = (2,1) e v2 = (1,1). = v1 = (2,1) v1 = v2 cv1 v2 Como j vimos, a condio de que v2 seja ortogonal a v1 implica que
e, portanto
Normalizando esses vetores, obtemos:
Este procedimento conhecido como processo de ortogonalizao de Gram-Schmidt. Se quisermos agora obter uma base ortonormal, basta normalizarmos os vetores v1. Isto , tomando , obtemos a base
Ento, = {u1,u2} uma base ortonormal. O procedimento de ortogonalizao de dois vetores pode ser generalizado para uma base = {v1,...,vn}. Tomemos, como no caso anterior, v 1 = v1 = v2 cv1 onde v2 ortogonal a v2 . Ento, v1 que seja Vamos procurar agora um vetor v3 . Por anaortogonal ao mesmo tempo a v1 e v2 logia ao caso anterior, vamos estabelecer que = v3 mv2 kv1 e determinar os valores de v3 ,v2 ,v2 = 0 e v3 = 0. Dem e k tais que v3 senvolvendo estas duas condies, obtemos: ,v1 = 0 v3 mv2 kv1 , v1 = 0 v3 ,v1 ,v2 = 0, temos v3 = 0 se, Assim, como v2 e somente se, ,v2 = 0 se, e somente se, Da mesma forma, v3 .
{u1,u2,...,un} de vetores ortonormais. Observamos que se os primeiros m vetores da base {v1,...vn} E j formarem uma base ortonormal do subespao por eles gerado, ento o processo de Gram-Schmidt transforma essa base numa base normal {u1,...un} E na qual u1 = v1,..., um = vm Segue-se da que, dado um subespao vetorial F E, toda base normal de F estende-se a uma base ortonormal de E: basta estend-la a uma base qualquer de E e depois ortonormalizar esta ltima por Gram-Schmidt. Exemplo 7 Seja = {(1,1,1),(0,2,1),(0,0,1)} uma base de R3. Vamos obter, a partir de , uma base ortonormal em relao ao produto usual. Sejam v1 = (1,1,1), v2 = (0,2,1), v3 = (0,0,1). = v1 = (1,1,1) v1
E, portanto, Procedendo de maneira anloga, obtemos os , ... , vn . vetores v4 Assim, a partir de uma base = {v1,...,vn} de um espao vetorial V, construmos a base orto , ... , vn } dada por: gonal {v1 = v1 v1 .
Normalizando esses vetores, obteremos a base ortonormal; temos:

89
b) Tr(A.B) = Tr(B.A)? c) Tr(A) = Tr(At)? d) Tr(A) = (Tr(A1))1? e) Tr(A.B) = Tr(A).Tr(B)? . Portanto a base = {u1,u2,u3} ortonormal. 6. Sejam A e B matrizes de M(2,2). Define-se <A,B> = Tr(Bt . A). a) Verifique que <A,B> um produto interno. b) Exiba uma base ortonormal segundo este produto interno, a partir da base . 1. Seja = {(1,1,0),(1,0,1),(0,2,0)}. Ache uma base ortonormal de 3, em relao ao produto interno usual. 2. Seja V =
2
. Sejam v1(x1,y1) e v2(x2,y2). Se
f(v1,v2) = 2x1x2 + x1y2 + x2y1 + y1y2. a) Mostre que f um produto interno. b) Seja = {(1,1),(1,1)}. Ache uma base ortogonal de 2 em relao ao produto interno definido por f. 3. Considere o subespao W de 3 gerado por v1 = (1,0,0), v2 = (0,1,1) e v3 = (1,1,1). Sendo <,> o produto interno cannico: a) Ache W. b) Exiba uma transformao linear T : tal que Im(T) = W e ker(T) = W. 4. Seja V =
3 3 3
e S = {(1,0,1),(1,1,0),(2,1,1)}.
a) Encontre S. b) Encontre uma base ortogonal para S e S. c) Se S fosse [(1,0,1),(1,1,0),(2,1,1)], qual seria S? Nesse caso, encontre uma base ortogonal para S e S. 5. Seja A = (aij)n x n. Definimos o trao de .
a) Calcule
90
TEMA 12 OPERADORES LINEARES ESPECIAIS Mostraremos, nesta seo, como o produto interno permite-nos associar a cada transformao linear A : E F uma nova transformao A* : E F, chamada a adjunta de A. (Em espaos sem produto interno, tambm existe uma noo de adjunta, mas a se trata de uma transformao linear F* E* no dual de F no dual de E. O produto interno d-nos condio de permanecer com E e F. Isso particularmente interessante no caso de um operador linear A : E E). Teorema 1 Sejam V um espao vetorial real com produto interno ,, e = {u1,...,un} base ortonormal de V. Ento, se v e w so vetores de V com
da transformao A sob um novo ngulo. Essa mudana de ponto de vista reveladora, especialmente quando ocorre a existncia de relaes entre A e A*. Definio Seja A uma matriz n x n real e At sua transposta. a) Se A = At, dizemos que A uma matriz simtrica. b) Se A . At = At . A = I (ou seja, a inversa de A At), dizemos que A uma matriz ortogonal. Em lgebra Linear I, j vimos exemplos de matrizes simtricas. Quanto segunda definio, as matrizes ortogonais determinam um subconjunto das matrizes inversveis. Efetivamente a relao entre matrizes simtricas, inversveis e ortogonais indicada pela figura abaixo.
, temos
M: matrizes MI: matrizes inversveis
v,w = x1y1 + x2y2 + ... + xnyn Em outras palavras, ao trabalharmos com uma base ortonormal, para efetuar o produto interno de dois vetores basta multiplicar as coordenadas correspondentes e somar. Prova: v = x1u1 + x2u2 +...+ xnun e w = y1u1 + y2u2 +...+ ynun u,w = x1u1 +...+ xnun, y1u1 +...+ ynun = x1u1 +...+ xnun, y1u1 + x1u1 +...+ xnun, y2u2+ +...+ x1u1 +...+ xnun, ynun
MO: matrizes ortogonais MS : matrizes simtricas Como exemplos de matrizes ortogonais temos:
e Para verificar isso, basta multiplicar cada uma pela sua transposta, obtendo, assim, a matriz identidade. Calculando, temos, no primeiro caso:
Mas como
, os nicos ter-
mos no-nulos so aqueles onde i = j. Logo, u,w = x1y1 + x2y2 + ... + xnyn A adjunta d-nos, por assim dizer, uma viso
91
Observe que a transformao associada primeira matriz uma rotao. Consideremos agora trs propriedades das matrizes ortogonais.
Teorema 2 Seja A uma matriz ortogonal. Ento, detA = 1 Prova: Como A ortogonal, A. A = I. Ento, det(A . At ) = det I e det(A).(detA ) = 1. Mas det(A) = det(At ). Assim, (det(A))2 = 1, ou seja, det(A) = 1. Teorema 3 Uma matriz ortogonal se, e somente se, as colunas (ou as linhas) so vetores ortonormais. Prova: Seja nulo, ou seja, vetores-coluna so dois a dois ortogonais quando i j. Est terminada, ento, a primeira parte da prova. Ainda falta provar que se os vetores-coluna (linha) de uma matriz forem ortonormais, a matriz ser ortogonal. Vamos deixar esta prova para voc, j que ela apenas uma adaptao da prova dada acima. Apresentaremos agora uma situao em que as matrizes ortogonais ocorrem naturalmente. Exemplo 1 Seja V = R2 e = {(1,0),(0,1)} e {(cos, sen),(sen . cos)} bases ortonormais. Calculemos a matriz de mudana de ba se [I] . Como uma base ortonormal, podemos encontrar as coordenadas dos elementos da base em relao a por meio dos coeficientes de Fourier.
t t
quer dizer que
unitrio. Da mesma for-
ma, percorrendo a diagonal principal, vemos que cada vetor-coluna da matriz A unitrio. O que encontramos saindo dessa diagonal? O elemento na posio i, j(i j) a1ia1j +...+ anianj, e seu valor deve ser zero. Mas isso diz que o produto interno por
Na primeira parte da prova, queremos mostrar que, se A ortogonal, isso implica que
so ortonormais (o mesmo vale para as linhas). Para isso, faamos o produto de A pela sua transposta. pois AA = I.
= cos(cos, sen) + sen(sen,cos) (0,1) = sen(cos, sen) + cos(sen, cos) Assim, pois At A = I. Observe que esta matriz ortogonal. Tal resultado vale em geral. Observamos que . Mas isso
92
Teorema 4 Se V um espao vetorial com produto interno, e e so bases ortonormais de V, ento a matriz de mudana de base [I] uma matriz ortogonal. Prova: Sejam = {v1,...,vn} e = {w1,...,wn}
de seus autovalores. Isso nos permitir chegar a importantes resultados sobre diagonalizao na prxima seco. Definio Seja V um espao vetorial com produto interno, uma base ortonormal e T : V V um operador linear. Ento: a) T chamado um operador auto-adjunto se [T] uma matriz simtrica. b) T chamado um operador ortogonal se [T] uma matriz ortogonal. Os operadores auto-adjuntos (ou ortogonais) esto bem definidos no sentido de que o fato de um operador ser auto-adjunto (ou ortogonal) no depende da base ortonormal escolhi da, isto , se [T] for simtrica (ou ortogonal) numa determinada base ortonormal , ento [T] tambm ser simtrica (ou ortogonal) para qualquer outra base ortonormal . Mostremos esse fato no caso do operador ser auto-adjunto. (O caso ortogonal demonstrado de maneira similar). Sejam e bases ortonormais e suponhamos que [T] seja simtrica.
Queremos mostrar que [T] tambm simtri ca, isto , ([T]) = [T].
Como base, existem nmeros aij tais que
Mas ortonormal e por isso cada vi unitrio. Isto , 1 = vi,vi. Alm disso, ortonormal e, assim, podemos encontrar vi,vi multiplicando as coordenadas. (Veja Teorema 1) Portanto . Em outras palavras, cada vetor-coluna de [I] unitrio. Mostraremos agora que esses vetores so ortogonais e portanto [I] ortogonal. (Teorema 3) Como vi e vj so ortogonais quando i j, 0 = vi , vj = a1i,a1j+...+anianj ou seja, e
Observamos que 1 . ([ T ] ) = ([I] ) [ T ] . [I] Tambm

1 ([ T ] ) = ([T] ),
so ortogonais sempre que i j. Assim, a afirmao de que [I] ortogonal verdadeira. Observamos, ento, que nessa situao 1 [I] ([I] ) = I ou seja, ([I] ) = ([I] ) , e ainda mais ([I] ) = [I] Isso facilita o processo seguido para se en contrar [I] conhecendo [I] onde e so bases ortonormais. [I] nada mais que a transposta de [I] . Estamos agora em condies de introduzir os conceitos de operador ortogonal e auto-adjunto. 12.2 OPERADORES AUTO-ADJUNTOS E ORTOGONAIS Agora definiremos os operadores associados s matrizes estudadas na seco anterior, e estabeleceremos relaes entre estes e o produto interno, e descobriremos as particularidades
93

pois e so ortonormais (Teorema 4). Ento, . [ T ] = ([I] ) [ T ] . [I] Tomando a transposta, temos: . ([ T ] ) = ([I] ) ([ T ] ) . [I] , pois
(([I] )) = [I] e [T] simtrica.
Exemplo 2 Consideremos T : 3 3, a rotao de um ngulo em torno do eixo-z. Podemos expressar T por: T(x,y,z) = (xcos ysen, xsen + ycos, z) (verifique).
Tomando a base cannica e calculando a matriz de T nessa base, temos
= v1,2v2 = 2v1,v2 Ento, (1 2) v1,v2 = 0 Como 1 2 0, vem que v1,v2 = 0 ou v1 v2. As propriedades dadas a seguir so conseqncias dos resultados anteriores, mas so to importantes que as destacaremos numa seco especial.
J vimos que esta matriz ortogonal e, portanto, T um operador ortogonal. Exemplo 3 Seja T :
2
, onde
2
T(x,y) = (2x 2y, 2x + 5y). Se a base cannica de , a matriz de T 1. Seja = {w1,w2,w3} uma base de V, um espao vetorial real com produto interno <,>. e .
, uma matriz simtrica e, portanto, T operador auto-adjunto. Estudemos agora as propriedades desses operadores. Teorema 5 Seja V um espao vetorial com produto interno , e T : V V linear. Ento, T auto-adjunto implica que Tv,w = v,Tw para todo v,wV. Prova (caso n = 2) Sejam = {v1,v2} uma base ortonormal, v = x1v1 + y1v2 e w = x2v1 + y2v2 ou e

Se <u,v> = 2, a base ortonormal? 2. Sejam = {(1,1),(2,0)} e = {(1,0),(2,1)}. A Partir das bases e , construa bases ortonormais usando o Gram-Schmidt. Denotando estas bases respectivamente por e , mostre que 3. Seja T(x,y,z) = (2x + y, x + y, y 3z) de 3 com produto interno cannico.
3
em
Como T auto-adjunto, [T] simtrica. Seja
a) Mostre que T umoperador auto-adjunto mas no ortogonal. b) Se v = (2, 1, 5) e w = (3,0,1), verifique que <Tv,w> = <v,Tw>. c) Exiba uma base de autovalores de T e verifique que uma base ortogonal. d) A partir da base obtida no item c) obtenha uma base ortonormal. 4. Seja o operador linear T :
3
Ento, e Assim, Tv,w = (ax1 + by1)x2 +(bx1 + cy1)y2 e v,Tw = x1(ax2 + by2) + y1(bx2 + cy2) e, portanto, Tv,w = v,Tw Teorema 6 Seja T : V V auto-adjunto e 1,2 autovalores distintos de T e v1 e v2 os autovetores associados 1 e 2 respectivamente. Ento, v1 v2. Prova:
cuja matriz
em relao base cannica
Exiba uma base uma base ortonormal de vetores.
1v1,v2 = 1v1,v2 = v1,v2 = v1,v2

94
Pv,v = z,v = z,z = v,z = v,Pv TEMA 13 OPERADORES AUTO-ADJUNTOS 13.1 Introduo O Teorema Espectral para operadores auto-adjuntos, a ser provado nesta seo, um dos resultados mais relevantes da lgebra Linear. Sero tambm demonstradas algumas de suas conseqncias, entre as quais se destaca o Teorema dos Valores Singulares. Um operador linear A : E E, num espao vetorial munido de produto interno, chama-se auto-adjunto quando A = A*, ou seja, quando Au,v = u,Av para quaisquer u,vE. Se A, B : E E so operadores auto-adjuntos e ento (A + B)* = A* + B* = A + B e (A)* = A* = A, logo A + B e A so autoadjuntos. O produto AB dos operadores auto-adjuntos A,B auto-adjunto se, e somente se, A e B comutam, isto , AB = BA. Com efeito, sendo A e B auto-adjuntos, temos (AB)* = B*A* = BA. Logo, AB auto-adjunto se, e somente se, BA = AB. Exemplo 1 Sejam A,B : 2 2 os operadores lineares definidos por A(x,y) = (x,2y) e B(x,y) = (y,x). Para todo v = (x,y) tem-se: e1,A*v = Ae1 = e1,v = x e2,A*v = Ae2,v = 2e2,v = 2y, Portanto A*v = (x,2y) = Av e A* = A. Analogamente se mostra que B* = B. Entretanto, como AB(x,y) = (y,2x), v-se que, para v = (x,y),e1,(AB)*v = ABe1,v = 2y, enquanto e1,ABv = y logo (AB)* AB, ou seja, o produto AB dos operadores auto-adjuntos A,B no auto-adjunto. Isto se d porque AB BA. Com efeito, AB(x,y) = (y = 2x) e BA(x,y) = (2y,x). Exemplo 2 A projeo ortogonal P : E E sobre um subespao F E um operador auto-adjunto. Com efeito, dados v = z + w, v = z + w com z, zF e w, w F temos:
95
Reciprocamente, se a projeo P : E E sobre o subespao F1 paralelamente a F2, onde E = F1 F2, for um operador auto-adjunto, ento para quaisquer v1F1, v2F2 vale: v1,v2 = Pv1,v2 = v1,Pv2 = v1,0 = 0. Logo, F2 = F 1. Assim, a projeo P : E E um operador auto-adjunto se, e somente se, uma projeo ortogonal. Uma matriz quadrada a = [aij] diz-se simtrica quando igual sua transposta a, isto , quando aij = aij para todo i e todo j. No teorema 1, dado um operador linear A : E E, espao vetorial de dimenso finita, dotado de produto interno. 13.2 Teoremas Teorema 1 A : E E auto-adjunto se, e somente se, sua matriz a = [aij] relativamente a uma (e portanto a qualquer) base ortonormal u = {u1,...,un}E uma matriz simtrica. Demonstrao ui,auj = [i-sima coordenada do vetor Auj na base u] = [i-simo elemento da j-sima coluna de a] = aij. Portanto a matriz a simtrica se, e somente se, ui,Auj = Aui,uj para quaisquer i,j = 1,...,n. Devido linearidade de A e bilinearidade do produto interno, isso equivale a dizer que u,Av = Au,v para quaisquer u,vE, ou seja, que A auto-adjunto. Exemplo 3 As matrizes dos operadores A e B do Exemplo 1 na base cannica de 2 so, respectivamente, e ambas simtricas. Quanto ao Exemplo 2, se tomarmos em E uma base ortonormal cujos primeiros m elementos formem uma base de F e os ltimos uma base de F, a matriz da projeo P nessa base ter os m primeiros termos da diagonal iguais a 1 e todos os demais elementos iguais a zero. Seu formato ser
em que os termos fora da diagonal, no indicados acima, so todos zeros. Essas matrizes so simtricas, refletindo o fato de que representam operadores auto-adjuntos em bases ortonormais. Teorema 2 Seja A : E E um operador autoadjunto. Se o subespao F E invariante por A, seu complemento ortogonal F tambm . Teorema 3 Se o subespao F E invariante pelo operador linear A : E E, ento seu complemento ortogonal F invariante pelo operador adjunto A* : E E. Demonstrao: [uF, vF] AuF
Um problema importante sobre operadores num espao vetorial de dimenso finita o de encontrar uma base em relao qual a matriz desse operador seja a mais simples possvel. Mostraremos, nesta seo, que, se A : E E um operador auto-adjunto num espao vetorial de dimenso finita com produto interno, existe uma base ortonormal em E, relativamente qual a matriz de A uma matriz diagonal a = [aij], isto , aij = 0 se i j. Esse o contedo do Teorema Espectral. Existe um tipo de operador auto-adjunto para o qual o Teorema Espectral imediato: se P : E E a projeo ortogonal sobre o subespao F, tomando uma base ortonormal {ui,...,un}E cujos primeiros vetores ui,...,um formem uma base de F (portanto os n m ltimos formam uma base de F), a matriz de P nessa base tem a forma diagonal vista no Exemplo 3. Quando se diz que a matriz do operador A : E E na base {ui,...,un}E uma matriz diagonal, isso significa que, para todo j = 1,...,n, tem-se Auj = juj, ou seja, que os vetores da base dada so todos eles autovetores de A. No caso da projeo ortogonal sobre o subespao F, tem-se Puj = uj para j = 1,...,m e Puj = 0 se j = m + 1,...,n. Assim, a base ortonormal acima fixada de fato formada por autovetores de P . Os autovalores so 1 e 0. Comecemos com o caso particular do Teorema Espectral em que o espao tem dimenso 2. Teorema 5 Seja A : E E um operador autoadjunto num espao vetorial de dimenso 2, munido de produto interno. Existe uma base ortonormal {u1,u2}E formada por autovetores de A. Demonstrao Seja {v,w}E uma base ortonormal arbitrria. Em virtude do Teorema 1, temos Av = av + bw + Aw = bv + cw. Como j vimos antes, os autovalores de A so as razes reais do polinmio caracterstico P() = 2 (a + c) + ac b2. O discriminante deste trinmio
u,A*v = Au,v = A*vF

logo F invariante por A*. Exemplo 4 No cisalhamento A : 2 2, em que A(x,y) = (x y, y), com 0, o eixo x, das abcissas, invariante, mas seu complemento ortogonal, o eixo y, das ordenadas, no , pois Ae2 = (,1) no vertical. Teorema 4 Se 1,...,m so autovalores dois a dois diferentes do operador auto-adjunto A : E E os autovetores correspondentes v1,...,vm so dois a dois ortogonais. Demonstrao Para i j quaisquer: (1 j)vi,vj = jvi,vj vi,jvj = Avi,vj vi,Avj Avi,vj Avi, vlj = 0 pois A auto-adjunto. Como 1 j 0 de (1 j)vi,vj = 0 resulta vi,vj = 0. Observao Se Av = v, ento, para todo mltiplo w = v, tem-se ainda Aw = w. Logo, na situao do Teorema 4, os vetores v1, ... ,vm podem ser tomados unitrios, caso haja convenincia.
96
= (a + c)2 4(ac b2) = (a c)2 + 4b2 0.
Se = 0, ento b = 0, a = c e A = aI, logo todo vetor no-nulo em E um autovetor. Se > 0, ento o trinmio P() possui 2 razes reais distintas 1,2. Isso, como sabemos, quer dizer que os operadores A 1I e A 2I so ambos no-invertveis, logo existem vetores nonulos (que podemos supor unitrios) u1,u2E tais que (A 1I)u1 = 0 e (A 2I)u2 = 0, ou seja, Au1 = 1u e Au2 = 2u2. Pelo Teorema 4, {u1,u2}E uma base ortonormal de autovetores de A. Corolrio Todo operador auto-adjunto A : E E, num espao vetorial de dimenso finita com produto interno, possui um autovetor. Com efeito, existe um subespao F E, de dimenso 1 ou 2, invariante por A. Se dimF = 1, todo vetor no-nulo vF um autovetor de A. Se dim F = 2, ento, aplicando o Teorema 5 restrio A : F F de A ao subespao invariante F, obtemos um autovetor vF. Teorema 6 (Teorema Espectral) Para todo operador auto-adjunto A : E E, num espao vetorial de dimenso finita munido de produto interno, existe uma base ortonormal {u1,...,un}E, formada por autovetores de A. Demonstrao Usaremos induo na dimenso de E. O teorema evidente se dimE = 1. Supondo-o verdadeiro em dimenso n 1, seja E = n. Pelo Corolrio do Teorema 5, existe um autovetor unitrio un, portanto um subespao F E, de dimenso 1, invarian por A. Pelo Teorema 2, o complemento ortogonal F tambm invariante por A. Como dimF = n 1, a hiptese de induo assegura a existncia de uma base ortonormal {u1,...,un1}F formada por autovetores da restrio A : F F. Segue-se que {u1,...,un1,un}E uma base ortonormal formada por autovetores de A.
vetores para este operador? Inicialmente, observamos que T um operador auto-adjunto, pois a base cannica ortonormal (em relao ao produto interno cannico), e a matriz simtrica. O teorema espectral garante, ento, a existncia de uma base ortonormal de autovetores. Calculando os autovalores e autovetores associados, temos: Para 1 = 2, v1 = (1,0,0); para 2 = 7, v2 = (0,1,1) e para 3 = 5, v3 = (0,1,1). Como esses autovetores provm de autovalores distintos e T auto-adjunto, o teorema 4 garante que eles so ortogonais. Ento, {(1,0,0),(0,1,1),(0,1,1)} uma base ortogonal de autovetores. Basta agora normaliz-los para obtermos a base procurada:
Observao Vale a recproca do Teorema Espectral: se existe uma base ortonormal {u1,...,un}E formada por autovetores do operador A : E E, ento este operador autoadjunto. Com efeito, para quaisquer i,j = 1,...,n tem-se Aui,vj = iui,vj = iij = uijvj = uiAuj e da resulta que Au,v = u,Av para quaisquer u, vE. Exemplo 6 Seja o operador linear T : R3 R3 cuja matriz em relao base cannica
Exemplo 5 Seja T : R3 R3 o operador linear cuja matriz em relao base cannica
Exibamos uma base ortonormal de autovetores para este operador. Procedendo de modo anlogo ao anterior, vemos que T autoadjunto e, portanto, tal base existe. Calculando os autovalores e autovetores associados, temos: Para 1 = 0; os autovetores so do tipo (y,y,y), e o subespao desses autovetores tem dimenso 1. Para 2 = 3, os autovetores so do tipo (y + z,y,z), e o subespao associado tem dimenso 2. Vamos construir uma base de autovetores escolhendo um autovetor do subespao associado a 1 = 0 e dois autovetores L.I. do subespa-
Podemos exibir uma base ortonormal de auto-
97
o associado a 2 = 3. Suponhamos que v1 = (-1, 1, 1) tenha sido tomado no primeiro subespao. Como todos os autovetores no segundo so da forma (y + z, y, z), observamos que o produto interno de (1,1,1) com qualquer da forma (y + z,y,z) 0. Mas no garantido que quaisquer dois vetores de (y + z,y,z) so ortogonais, mesmo que sejam L.I. Por exemplo, (1,1,0)e (1,0,1) so L.I., mas no ortogonais. Contudo, podemos usar o vetor (1,1,0) e procurar outro vetor do tipo (y + z, y, z) que seja ortogonal a (1,1,0), isto , o produto interno destes deve ser nulo. Ou seja, y + z + y = 2y + z = 0 ou z = 2y Um vetor que satisfaa essas relaes deve ser do tipo (y,y,2y). Por exemplo, (1,1,2). Ficamos, assim, com a base {(1,1,1),(1,1,0),(1,1,2)}, que formada de autovetores dois a dois ortogonais. Normalizando esses vetores, temos a base procurada: .
5. Seja T(x,y,z) = (2x + y, x + y + z, y 3z) de R3 em R3 com produto interno cannico. a) Mostre que T um operador auto-adjunto, mas no ortogonal. b) Se v = (2,1,5) e w = (3,0,1), verifique que Tv,w = v,Tw. c) Exiba uma base de autovetores de T e verifique que uma base ortogonal. A partir dessa base, escreva uma base ortonormal.
6. Dada a matriz
a) Mostre que os autovalores so: a,b + c e b c. b) Ache uma base de autovetores. 7. Seja o operador linear T : R3 R3 cuja matriz em relao base cannica .
Exiba uma base ortonormal de autovetores. 8. a) Mostre que se T uma transformao ortogonal do plano no plano, sua matriz em relao base cannica s pode ser da forma:
1. Seja = {w1,w2,w3} uma base de V, um espao vetorial real com produto interno ,. e a ortonormal? 2. Ache valores para x e y tais que uma matriz ortogonal. 3. Sejam = {(1,1),(2,0)} e = {(1,0),(2,1)}. A partir das bases e , construa bases ortonormais, usando o mtodo de Gram-Schmidt. Se essas novas bases forem e respectivamente, mostre que a matriz de mudana de base ortogonal. seja . Se u,v = 2, a base
ou da forma
(Sugesto: 9.3.3 (d)). b) Observe que se a matriz de T for da forma dada por A. T ser uma rotao de um ngulo a. Mostre que B = A . J onde . (J a
matriz em relao base cannica de reflexo no eixo-x). Conclua, finalmente, usando composio de funes, que se a transformao T for dada por B,T, ser uma reflexo por meio de uma reta do plano que passa pela origem. 9. Seja V um espao vetorial real de dimenso n,T : V V um operador linear auto-adjunto e
98
4. Dada uma matriz A cujas colunas so vetores ortonormais, prove que A ortogonal.
vVum autovetor de T. a) Mostre que [v], o espao gerado por v, invariante por aplicao do operador T, isto , se w[v], ento Tw[v]. b) Mostre que [v]. o complemento ortogonal de [v] (veja 8.5) invariante por aplicao do operador T, isto , se w[v], ento Tw[v] e, portanto, T induz um operador linear T1 : [v] [v] w Tw c) Mostre que o operador T1 definido no item (b) auto-adjunto. d) Mostre que todo autovetor w de T1 com autovalor o tambm autovetor de T com o mesmo autovalor . 10. a) D a transformao linear que descreve o movimento rgido que leva o segmento de extremos (6,2) e (1,2) no segmento de extremos (2,6) e (1,2) respectivamente. b) Mostre que esta transformao uma rotao e encontre seu ngulo.
99
REFERNCIAS
Ayres Jr, F. - Geometria analtica plana e slida - S. Paulo - Mc Graw Hill do Brasil - 1983. Iezzi,G - Geometria analtica - S. Paulo - Atual - 1996. Oliva, W.M. - Vetores e geometria - S. Paulo - Edgard Blucher - 1990. Carvalho, J.P . - Introduo lgebra linear - Rio de Janeiro- livros tcnicos e cientficos - 2002. Lang,S. - lgebra linear - S. Paulo - Edgard Blucher - 1983. Machado, Antnio dos Santos - lgebra linear e geometria analtica - S. Paulo- Atual editora - 1991.
101

Álgebra Linear II-marc

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Álgebra Linear II-marc

Enviado por

Direitos autorais:

Formatos disponíveis

Drio Souza Rocha Disney Douglas de Lima Oliveira Domingos Anselmo Moura da Silva

Marilene Corra da Silva Freitas

Carlos Eduardo S. Gonalves

Osail de Souza Medeiros

Fares Franc Abinader Rodrigues

Roglio Casado Marinho

Edinea Mascarenhas Dias

Jos Luiz de Souza Pio

Carlos Alberto Farias Jennings

Luciano Balbino dos Santos NUPROM Ncleo de Produo de Material

Joo Batista Gomes

Helcio Ferreira Junior

Joo Batista Gomes

PERFIL DOS AUTORES

Drio Souza Rocha

Disney Douglas de Lima Oliveira

Domingos Anselmo Moura da Silva

lgebra Linear II Espao e Subespao Vetorial

b) V conjunto de todas as funes de

, onde representa o conjunto dos nmeros inteiros.

UEA Licenciatura em Matemtica

lgebra Linear II Espao e Subespao Vetorial

( + ).u = ( + ).(uij)m x n = (( + ).uij)m x n

.u + .u = (uij)m x n + (uij)m x n =(uij)m x n +

UEA Licenciatura em Matemtica

lgebra Linear II Espao e Subespao Vetorial

e IR um espao vetorial real.

u = (a, 2a) = (a, (2a)) = (a,(.2)a) =

Exemplo 2 Mostre que o conjunto S = {(t, t + 1); tIR}IR2 no um subespao de IR2.

UEA Licenciatura em Matemtica

lgebra Linear II Espao e Subespao Vetorial

quaisquer de S, podemos concluir que:

S e IR, dessa forma

termos Portanto S um subespao vetorial de M2X2(IR).

pao vetorial das funes polinomiais de grau

k = 1,2,...n. Dessa forma, temos:

lgebra Linear II Espao e Subespao Vetorial

Para qualquer IR e para todo uSk k = 1,2,3,...,n, temos: .

. Mostre que S1 + S2 = M2x2(IR) Soluo: Temos que S1 + S2 = {u + v | uS1 e vS2}. Logo

paos vetoriais do espao vetorial das matrizes M2x2(IR), determine S + W. 3. Sejam

UEA Licenciatura em Matemtica

. Mostre que M2x2(IR) = S1 S2.

3. Sejam S = {(a,b,c,d); a + b = 0} e W = {(a,b,c,d)}; c 2d = 0} subespaos veto-

lgebra Linear II Espao e Subespao Vetorial

riais do espao vetorial IR4. Verifique se W = 4. 4. Sendo

lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial

UEA Licenciatura em Matemtica

De fato se : e quaisquer podemos ter so elementos de W

|w = au + bv, onde a e bIR}.

lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial

subconjunto AM2x2( G(A).

) tal que M2x2(

De fato , para toda matriz AM2x2( tem-se:

um espao vetorial finita-

c) Encontre um subconjunto A em W, tal que 3 = G(A).

UEA Licenciatura em Matemtica

Sendo assim, temos:

Vamos verificar se M2 x 2(IR) = G(A). Tome qualquer, logo:

lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial

Onde concluimos que

Sendo assim temos que o conjunto A L.I.

UEA Licenciatura em Matemtica

lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial