Você está na página 1de 431

Ayres Jr.

& Mendelson
Clculo, 4.ed.
Bronson & Costa
Equaes Diferenciais, 3.ed.
Carter, N.
Arquitetura de
Computadores
Cathey, J.
Dispositivos e Circuitos
Eletrnicos, 2.ed.
Edminister, J.
Eletromagnetismo, 2.ed.
Gussow, M.
Eletricidade Bsica, 2.ed.
Gustafson, D.
Engenharia de Software
Hayes, M. H.
Processamento Digital de
Sinais
Hsu, H.
Comunicao Analgica e
Digital, 2.ed.
Hsu, H.
Sinais e Sistemas
Hubbard, J. R.
Programao com Java, 2.ed.
Hubbard, J. R.
Programao em C++, 2.ed.
Kazmier, L. J.
Estatstica Aplicada
Administrao e Economia,
4.ed.
Lipschutz & Lipson
lgebra Linear, 4.ed.
Lipschutz & Lipson
Matemtica Discreta, 2.ed.
lgebra Linear
lgebra Linear

l
g
e
b
r
a

L
i
n
e
a
r




Q
u
a
r
t
a

e
d
i

l
g
e
b
r
a

L
i
n
e
a
r




Q
u
a
r
t
a

e
d
i

o
Quarta edio
Quarta edio
Seymour Lipschutz e Marc Lipson
Seymour Lipschutz e Marc Lipson
Mais de 600 problemas resolvidos
Explicaes concisas de todos os conceitos da disciplina
Informao pertinente sobre sistemas algbricos, polinomiais e
aplicaes matriciais
COMPATVEL COM TODOS OS LIVROS-TEXTO!
Mendelson, E.
Introduo ao Clculo, 2.ed.
Moyer & Ayres Jr.
Trigonometria, 3.ed.
Nahvi & Edminister
Circuitos Eltricos, 4.ed.
Rich, B.
Geometria, 3.ed.
Rosenberg & Epstein
Qumica Geral, 8.ed.
Saer, F.
Pr-clculo
Schmidt & Ayres
Matemtica para Ensino
Superior, 3.ed.
Spiegel & Moyer
lgebra, 2.ed.
Spiegel & Liu
Manual de Frmulas e
Tabelas Matemticas, 2.ed.
Spiegel & Stephens
Estatstica, 4.ed.
Spiegel, Schiller &
Srinivasan
Probabilidade e Estatstica,
2.ed.
Tittel, E.
Rede de Computadores

Tittel, E.
XML
Wrede & Spiegel
Clculo Avanado, 2.ed.
Mais de 40 milhes de estudantes
conaram na Coleo Schaum para
ajud-los a entender e exercitar a matria
estudada. Cada livro desenvolve passo
a passo todo o contedo essencial da
disciplina, de uma forma muito didtica.
Inmeros exemplos, problemas resolvidos
e exerccios prticos para testar as
habilidades adquiridas so algumas das
caractersticas presentes em todos os
livros da Coleo.
Conhea tambm
Problema
Resolvido
Manual de Frmulas e
Tabelas Matemticas
Terceira edio
Murray R. Spiegel, Seymour Lipschutz e John Liu
Mais de 2400 frmulas e tabelas
Abrange desde a matemtica elementar at tpicos avanados
Organizado de forma a facilitar a consulta
TIL NASDISCIPLINAS
Clculo numrico Clculo
Equaes diferenciais Probabilidade e estatstica
MATEMTICA
93197 algebra_linear NV.indd 1 31/1/2011 13:22:23
L767a Lipschutz, Seymour.
lgebra linear [recurso eletrnico] / Seymou Lipschutz,
Marc Lars Lipson ; traduo: Dr. Claus Ivo Doering.4.ed.
Dados eletrnicos. Porto Alegre : Bookman, 2011.
(Coleo Schaum)
Editado tambm como livro impresso em 2011.
ISBN 978-85-407-0041-3
1. Matemtica. 2. lgebra linear. I. Lipson, Marc Lars.
II. Ttulo.
CDU 512
Catalogao na publicao: Ana Paula M. Magnus CRB 10/2052
SEYMOUR LIPSCHUTZ professor da Temple University e tambm j lecionou no Instituto Politcnico do Brooklyn.
Recebeu seu Ph.D. em 1960 pelo Courant Institute da Universidade de Nova York. um dos autores mais profcuos da
Coleo Schaum. Em particular, entre outros, escreveu Beginning Linear Algebra, Probability, Discrete Mathematics,
Set Theory, Finite Mathematics e General Topology.
MARC LARS LIPSON professor da Universidade de Virgnia, tendo antes trabalhado na Universidade de Gergia.
Ph.D. em Finanas desde 1994 pela Universidade de Michigan. Tambm o coautor de Matemtica Discreta e Probabi-
lity, com Seymour Lipschutz.
Traduo tcnica
Dr. Claus Ivo Doering
Professor Titular do
Instituto de Matemtica da UFRGS
2011
Seymour Lipschutz, Ph.D.
Marc Lars Lipson, Ph.D.
Verso impressa
desta obra: 2011
_Book_Lipschutz.indb iv 22/12/10 08:56
Reservados todos os direitos de publicao, em lngua portuguesa,
ARTMED

EDITORA S.A.
(BOOKMAN

COMPANHIA EDITORA uma diviso da ARTMED

EDITORA S. A.)
Av. Jernimo de Ornelas, 670 - Santana
90040-340 Porto Alegre RS
Fone (51) 3027-7000 Fax (51) 3027-7070
proibida a duplicao ou reproduo deste volume, no todo ou em parte, sob quaisquer
formas ou por quaisquer meios (eletrnico, mecnico, gravao, fotocpia, distribuio na Web
e outros), sem permisso expressa da Editora.
SO PAULO
Av. Embaixador Macedo Soares, 10.735 - Pavilho 5 - Cond. Espace Center
Vila Anastcio 05095-035 So Paulo SP
Fone (11) 3665-1100 Fax (11) 3667-1333
SAC 0800 703-3444
IMPRESSO NO BRASIL
PRINTED IN BRAZIL
Obra originalmente publicada sob o ttulo Schaum's Outline: Linear Algebra,4/Ed.
ISBN 007-154352-X
Copyright 2009 by the McGraw-Hill Companies, Inc., New York, New York, United States of America.
All rights reserved.
Portuguese-language translation copyright 2011 by Bookman Companhia Editora Ltda., a Division of Artmed Editora S.A.
All rights reserved.
Capa: Rogrio Grilho (arte sobre capa original)
Preparao de original: Renata Ramisch
Editora Snior: Denise Weber Nowaczyk
Projeto e editorao: Techbooks
Nos ltimos anos, a lgebra Linear se tornou parte essencial do conhecimento matemtico bsico exigido de ma-
temticos e professores de Matemtica, engenheiros, cientistas da computao, fsicos, economistas e estatsticos,
entre outros. Essa exigncia reflete a importncia e as mltiplas aplicaes desse assunto.
Este livro foi desenvolvido para ser usado como livro-texto na disciplina de lgebra Linear mas tambm pode
ser usado como suplemento para outros livros. Apresenta uma introduo lgebra Linear que se mostrar til a
todos os leitores, independentemente de suas reas de especializao. Incluiu-se mais material do que pode ser
abordado na maioria dos cursos iniciais. Fizemos isso para tornar o livro mais flexvel, para torn-lo um livro de
referncia til e para estimular um maior desenvolvimento do material.
Cada captulo comea com afirmaes claras das definies, princpios e teoremas pertinentes, junto com ma-
terial descritivo e ilustrativo adicional. A isso se segue um conjunto de exerccios graduais resolvidos e problemas
complementares. Os problemas resolvidos servem para ilustrar e ampliar a teoria e fornecem a repetio de princ-
pios bsicos to vital para o aprendizado. Vrias demonstraes, especialmente as de todos os teoremas essenciais,
esto includas entre os problemas resolvidos. Os problemas complementares servem como uma reviso completa
do contedo de cada captulo.
Nos trs primeiros captulos, tratamos de vetores no espao euclidiano, lgebra de matrizes e sistemas de equa-
es lineares. Esses captulos proporcionam a motivao e as ferramentas computacionais bsicas para as investi-
gaes abstratas de espaos vetoriais e transformaes lineares que seguem. Depois de captulos referentes a pro-
duto interno e ortogonalidade e determinantes, apresentamos uma discusso detalhada de autovalores e autovetores,
dando condies para a representao de um operador linear por uma matriz diagonal. Isto leva naturalmente ao
estudo das vrias formas cannicas, especialmente a triangular, a de Jordan e a racional. Nos ltimos captulos,
estudamos funcionais lineares e o espao dual V*, bem como formas bilineares, quadrticas e hermitianas. No l-
timo captulo, tratamos de operadores lineares em espaos com produto interno.
As principais alteraes desta quarta edio ocorreram nos apndices. Expandimos o Apndice A relativo a
produtos tensorial e exterior de espaos vetoriais, incluindo demonstraes de existncia e unicidade desses produ-
tos. Acrescentamos apndices relativos a estruturas algbricas, inclusive mdulos e polinmios sobre um corpo e
no Apndice Miscelnea inclumos a inversa generalizada de Moore-Penrose, utilizada em vrias aplicaes, como
na Estatstica. Tambm introduzimos novos problemas resolvidos e complementares.
Finalmente, gostaramos de agradecer equipe da Coleo Schaum da McGraw-Hill, especialmente a Charles
Wall, por sua constante cooperao.
SEYMOUR LIPSCHUTZ
MARC LARS LIPSON
Prefcio
_Book_Lipschutz.indb v 22/12/10 08:56
Sumrio
CAPTULO 1 Vetores em R
n
e C
n
, Vetores Espaciais 9
1.1 Introduo 1.2 Vetores de R
n
1.3 Soma de vetores e multiplicao por esca-
lar 1.4 Produto escalar (ou interno) 1.5 Vetores aplicados, hiperplanos, retas e
curvas em R
n
1.6 Vetores de R
3
(Vetores espaciais), Notao ijk 1.7 Nmeros
complexos 1.8 Vetores de C
n
CAPTULO 2 lgebra de Matrizes 35
2.1 Introduo 2.2 Matrizes 2.3 Soma de matrizes e multiplicao por esca-
lar 2.4 O smbolo de somatrio 2.5 Multiplicao de matrizes 2.6 Transposta
de uma matriz 2.7 Matrizes quadradas 2.8 Potncias de matrizes, polinmios
matriciais 2.9 Matrizes invertveis (ou no singulares) 2.10 Tipos especiais de
matrizes quadradas 2.11 Matrizes complexas 2.12 Matrizes em blocos
CAPTULO 3 Sistemas de Equaes Lineares 65
3.1 Introduo 3.2 Definies bsicas, solues 3.3 Sistemas equivalentes,
operaes elementares 3.4 Sistemas Quadrados e pequenos de equaes linea-
res 3.5 Sistemas em forma triangular e escalonada 3.6 Eliminao gaussia-
na 3.7 Matrizes escalonadas, forma cannica por linhas, equivalncia por li-
nhas 3.8 Eliminao gaussiana, formulao matricial 3.9 Equao matricial de
um sistema de equaes lineares 3.10 Sistemas de equaes lineares e combinao
linear de vetores 3.11 Sistemas homogneos de equaes lineares 3.12 Matrizes
elementares 3.13 Decomposio LU
CAPTULO 4 Espaos Vetoriais 120
4.1 Introduo 4.2 Espaos vetoriais 4.3 Exemplos de espaos veto-
riais 4.4 Combinaes lineares, conjuntos geradores 4.5 Subespaos 4.6 Es-
paos gerados, espao linha de uma matriz 4.7 Dependncia e independncia
linear 4.8 Base e dimenso 4.9 Aplicaes a matrizes, posto de uma ma-
triz 4.10 Somas e somas diretas 4.11 Coordenadas
CAPTULO 5 Transformaes Lineares 172
5.1 Introduo 5.2 Aplicaes, funes 5.3 Transformaes lineares 5.4 N-
cleo e imagem de uma transformao linear 5.5 Transformaes lineares singulares
e no singulares, isomorsmos 5.6 Operaes com transformaes lineares 5.7 A
lgebra A(V) dos operadores lineares
CAPTULO 6 Transformaes Lineares e Matrizes 203
6.1 Introduo 6.2 Representao matricial de um operador linear 6.3 Mudana
de base 6.4 Semelhana 6.5 Matrizes e transformaes lineares arbitrrias
CAPTULO 7 Espaos com Produto Interno, Ortogonalidade 234
7.1 Introduo 7.2 Espaos com produto interno 7.3 Exemplos de espaos com
produto interno 7.4 Desigualdade de Cauchy-Schwarz, aplicaes 7.5 Ortogo-
_Book_Lipschutz.indb 7 22/12/10 08:56
SUMRIO
8
nalidade 7.6 Conjuntos ortogonais e bases 7.7 Processo de ortogonalizao de
Gram-Schmidt 7.8 Matrizes ortogonais e positivas 7.9 Espaos complexos com
produto interno 7.10 Espaos vetoriais normados (opcional)
CAPTULO 8 Determinantes 272
8.1 Introduo 8.2 Determinantes de ordens 1 e 2 8.3 Determinantes de ordem
3 8.4 Permutaes 8.5 Determinantes de ordem arbitrria 8.6 Propriedades de
determinantes 8.7 Menores e cofatores 8.8 Clculo de determinantes 8.9 Ad-
junta clssica 8.10 Aplicaes a equaes lineares, Regra de Cramer 8.11 Sub-
matrizes, menores e menores principais 8.12 Matrizes em blocos e determi-
nantes 8.13 Determinantes e volume 8.14 Determinante de um operador
linear 8.15 Multilinearidade e determinantes
CAPTULO 9 Diagonalizao: Autovalores e Autovetores 300
9.1 Introduo 9.2 Polinmios de matrizes 9.3 Polinmio caracterstico, teorema
de Cayley-Hamilton 9.4 Diagonalizao, autovalores e autovetores 9.5 Clculo de
autovalores e autovetores, diagonalizao de matrizes 9.6 Diagonalizao de matri-
zes reais simtricas e formas quadrticas 9.7 Polinmio mnimo 9.8 Polinmios
caracterstico e mnimo de matrizes em blocos
CAPTULO 10 Formas Cannicas 333
10.1 Introduo 10.2 Forma triangular 10.3 Invarincia 10.4 Decomposio
em somas diretas invariantes 10.5 Decomposio primria 10.6 Operadores nil-
potentes 10.7 Forma cannica de Jordan 10.8 Subespaos cclicos 10.9 Forma
cannica racional 10.10 Espao quociente
CAPTULO 11 Funcionais Lineares e o Espao Dual 357
11.1 Introduo 11.2 Funcionais lineares e o espao dual 11.3 Base
dual 11.4 Espao bidual 11.5 Anuladores 11.6 Transposta de uma transforma-
o linear
CAPTULO 12 Formas Bilineares, Quadrticas e Hermitianas 367
12.1 Introduo 12.2 Formas bilineares 12.3 Formas bilineares e matri-
zes 12.4 Formas bilineares alternadas 12.5 Formas bilineares simtricas, formas
quadrticas 12.6 Formas bilineares simtricas reais, Lei da Inrcia 12.7 Formas
hermitianas
CAPTULO 13 Operadores Lineares em Espaos com Produto Interno 385
13.1 Introduo 13.2 Operadores adjuntos 13.3 Analogia entre A(V) e C, ope-
radores lineares especiais 13.4 Operadores autoadjuntos 13.5 Operadores orto-
gonais e unitrios 13.6 Matrizes ortogonais e unitrias 13.7 Mudana de bases
ortonormais 13.8 Operadores no negativos e positivos 13.9 Diagonalizao e
formas cannicas em espaos com produto interno 13.10 Teorema espectral
APNDICE A Produtos Multilineares 404
APNDICE B Estruturas Algbricas 411
APNDICE C Polinmios Sobre um Corpo 419
APNDICE D Miscelnea 423
LISTA DE SMBOLOS 428
NDICE 429
_Book_Lipschutz.indb 8 22/12/10 08:56
1.1 INTRODUO
A noo de vetor pode ser motivada ou por uma lista de nmeros e ndices, ou por meio de certos objetos da Fsica.
Vejamos ambas maneiras.
Para isso, vamos supor que o leitor esteja familiarizado com as propriedades elementares do corpo dos nmeros
reais, denotado por R. Alm desse corpo, vamos revisar algumas propriedades do corpo dos nmeros complexos,
denotado por C. No contexto de vetores, os elementos de nossos corpos numricos so denominados escalares.
Mesmo que neste captulo nos restrinjamos a vetores cujos elementos provenham de R e, mais tarde, de C, muitas
das nossas operaes tambm so aplicveis a vetores cujas entradas sejam provenientes de algum corpo arbitrrio K.
Lista de nmeros
Digamos que os pesos (em kg) de oito universitrios sejam dados pela lista
78, 63, 73, 62, 88, 73, 81, 97.
Utilizando apenas um smbolo, digamos, w, e ndices subscritos distintos, podemos denotar os oito valores dessa
lista, como segue.
w
1
, w
2
, w
3
, w
4
, w
5
, w
6
, w
7
, w
8
Observe que cada ndice denota a posio do valor na lista. Por exemplo,
w
1
78, o primeiro nmero, w
2
63, o segundo nmero da lista, ...
Uma lista de valores como essa,
w (w
1
, w
2
, w
3
, ..., w
8
),
denominada tabela linear ou vetor.
Vetores na Fsica
Muitas grandezas fsicas, como temperatura e velocidade escalar, possuem apenas magnitude. Essas grandezas
podem ser representadas por nmeros reais e so denominadas escalares. Alm dessas, tambm existem grandezas,
como fora e velocidade, que possuem tanto magnitude quanto direo e sentido. Essas grandezas so deno-
minadas vetores e podem ser representadas por setas que comeam em algum ponto referencial O dado, sendo
dotadas de comprimento, direo e sentido apropriados.
Agora vamos supor que o leitor tambm esteja familiarizado com o espao R
3
, em que todos os pontos so
representados por ternos ordenados de nmeros reais. Suponha que para o ponto referencial O mencionado esco-
Vetores em R
n
e C
n
,
Vetores Espaciais
Captulo 1
_Book_Lipschutz.indb 9 22/12/10 11:55
LGEBRA LINEAR
10
lhamos a origem dos eixos de R
3
. Ento, cada vetor determinado de maneira nica pelas coordenadas de seu
ponto final e vice-versa.
Existem duas operaes importantes associadas aos vetores da Fsica, a soma de vetores e a multiplicao por
escalar. Vejamos a definio dessas operaes e as relaes entre essas operaes e os pontos finais dos vetores.
(i) Soma de vetores. O vetor resultante u v de dois vetores u e v obtido pela lei do paralelogramo, que diz
que u v a diagonal do paralelogramo formado por u e v. Alm disso, se (a, b, c) e (a', b', c') forem os pontos finais
dos vetores u e v, ento o ponto final do vetor u v ser dado por (a a', b b', c c'). Essas propriedades podem
ser vistas na Figura 1-1(a).
(ii) Multiplicao por escalar. O mltiplo ru de um vetor u por um nmero real r o vetor de mesma direo de
u que obtido multiplicando-se o tamanho de u por r e mantendo o mesmo sentido se [r > 0] ou invertendo o sentido se
[r < 0]. Alm disso, se (a, b, c) for o ponto final do vetor u, ento (ra, rb, rc) o ponto final do vetor ru. Essas proprie-
dades podem ser vistas na Figura 1-1(b).
Matematicamente, identificamos o vetor u com (a, b, c) e escrevemos u (a, b, c). Alm disso, o terno orde-
nado (a, b, c) de nmeros reais denominado ponto ou vetor, dependendo da interpretao. Generalizamos essa
noo e dizemos que uma nupla (a
1
, a
2
, ..., a
n
) de nmeros reais um vetor. Entretanto, para os vetores de R
3
,
denominados vetores espaciais, podemos usar notao especial (Seo 1.6).
1.2 VETORES DE R
n
O conjunto de todas as nuplas de nmeros reais, denotado por R
n
, chamado de espao n-dimensional. Uma
nupla especfica de R
n
, digamos,
u (a
1
, a
2
, ..., a
n
),
denominada ponto ou vetor. Os nmeros a
i
so denominados coordenadas, componentes ou entradas de u. Alm
disso, quando trabalhamos com o espao R
n
, usamos o termo escalar para os elementos de R.
Dizemos que dois vetores u e so iguais, e escrevemos u , se possurem o mesmo nmero de componentes
e se os componentes correspondentes forem iguais. Embora os vetores (1, 2, 3) e (2, 3, 1) contenham os mesmos
trs nmeros, esses vetores no so iguais, porque as entradas correspondentes no so iguais.
O vetor (0, 0, ..., 0), cujas entradas so todas 0, denominado vetor nulo, ou vetor zero, e costuma ser denotado
por 0.
Exemplo 1.1
(a) So vetores
(2, 5), (7, 9), (0, 0, 0) e (3, 4, 5).
Os dois primeiros pertencem a R
2
, enquanto os dois ltimos pertencem a R
3
. O terceiro o vetor nulo de R
3
.
(b) Encontre x, y e z tais que (x y, x y, z 1) (4, 2, 3).
Pela definio de igualdade de vetores, os componentes correspondentes devem ser iguais. Assim,
x y 4, x y 2, z 1 3
Resolvendo esse sistema de equaes, obtemos x 4, y 1, z 4.
z
y
x
0
u
ru
( , , ) a b c
( ) Multiplicao por escalar b
( , , ) ra rb rc
( , , ) a b c
z
y
x
0
v
u
u v +
( , , ) a b c
( + , + , + ) a a b b c c
(a) Soma de vetores
Figura 1-1
_Book_Lipschutz.indb 10 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 11
Vetores coluna
s vezes, escrevemos um vetor do espao n-dimensional R
n
verticalmente em vez de horizontalmente. Dizemos que
um vetor desses um vetor coluna e, nesse contexto, os vetores do Exemplo 1.1 escritos na forma horizontal so
denominados vetores linha. Por exemplo, seguem vetores coluna com 2, 2, 3 e 3 componentes, respectivamente.
Tambm observamos que qualquer operao definida para vetores linha est definida para vetores coluna de ma-
neira anloga.
1.3 SOMA DE VETORES E MULTIPLICAO POR ESCALAR
Considere dois vetores u e de R
n
, digamos
u (a
1
, a
2
, ..., a
n
) e (b
1
, b
2
, ..., b
n
)
A soma u desses vetores o vetor obtido somando os componentes correspondentes de u e , ou seja,
u (a
1
b
1
, a
2
b
2
, ..., a
n
b
n
)
A multiplicao por escalar ru do vetor u pelo nmero real r o vetor obtido pela multiplicao de cada compo-
nente de u por r, ou seja,
ru r(a
1
, a
2
, ..., a
n
) (ra
1
, ra
2
, ..., ra
n
)
Observe que u e ru tambm so vetores de R
n
. No se define a soma entre vetores com nmero distinto de
componentes.
O oposto de um vetor e a subtrao de vetores em R
n
so dados por
u (1)u e u u ( )
O vetor u denominado oposto ou negativo de u e u a diferena de u e .
Agora suponha que sejam dados os vetores u
1
, u
2
, ..., u
m
de R
n
e os escalares r
1
, r
2
, ..., r
m
de R. Podemos multi-
plicar os vetores pelos escalares correspondentes e ento somar os mltiplos escalares resultantes para constituir o
vetor
r
1
u
1
r
2
u
2
r
3
u
3

r
m
u
m
Um vetor desses denominado combinao linear dos vetores u
1
, u
2
, ..., u
m
.
Exemplo 1.2
(a) Sejam u (2, 4, 5) e (1, 6, 9). Ento
(b) O vetor zero 0 (0, 0, ..., 0) de R
n
semelhante ao escalar 0 no seguinte sentido. Dado qualquer vetor u
(a
1
, a
2
, ..., a
n
), temos
u 0 (a
1
0, a
2
0, ..., a
n
0) (a
1
, a
2
, ..., a
n
) u
(c) Sejam e . Ento .
_Book_Lipschutz.indb 11 22/12/10 11:55
LGEBRA LINEAR
12
As propriedades bsicas dos vetores sujeitos s operaes de adio de vetores e de multiplicao por escalar
so dadas no teorema a seguir.
Teorema 1.1 Dados quaisquer vetores u, e w em R
n
e escalares r e r em R,
(i) (u ) w u ( w), (v) r(u ) ru r ,
(ii) u 0 u, (vi) (r r)u ru ru,
(iii) u (u) 0, (vii) (rr)u r(ru),
(iv) u u, (viii) 1u u.
A demonstrao do Teorema 1.1 ser dada no Captulo 2, onde aparece no contexto de matrizes (Problema 2.3).
Suponha que u e sejam vetores de R
n
tais que u r para algum escalar no nulo r de R. Ento dizemos
que u um mltiplo de . Dizemos, tambm, que u tem o mesmo sentido que se [r > 0] ou sentido oposto ao de
[r < 0].
1.4 PRODUTO ESCALAR (OU INTERNO)
Considere dois vetores quaisquer u e de R
n
, digamos,
u (a
1
, a
2
, ..., a
n
) e (b
1
, b
2
, ..., b
n
)
O produto escalar, ou produto interno, de u e denotado e definido por
Ou seja, obtido com a multiplicao dos componentes correspondentes e com a soma dos produtos resultan-
tes. Dizemos que os vetores u e so ortogonais, ou perpendiculares, se seu produto escalar for nulo, ou seja, se
Exemplo 1.3
(a) Sejam u (1, 2, 3), (4, 5, 1) e w (2, 7, 4). Ento
Assim, u e w so ortogonais.
(b) Sejam . Ento
(c) Considere . Encontre r tal que u e sejam ortogonais.
Inicialmente obtemos . Faa ento e resolva para r:
10 2r 0 ou 2r 10 ou r 5
Seguem as propriedades bsicas do produto escalar de R
n
(mostradas no Problema 1.13).
Teorema 1.2 Dados quaisquer vetores u, e w em R
n
e escalar r em R,
se, e s se, u 0.
Observe que (ii) afirma que podemos tirar r para fora da primeira posio de um produto escalar. A partir de (iii)
e (ii), obtemos
Ou seja, tambm podemos tirar r para fora da segunda posio de um produto escalar.
_Book_Lipschutz.indb 12 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 13
O espao R
n
com essas operaes de adio de vetores, multiplicao por escalar e produto escalar costuma ser
denominado espao euclidiano n-dimensional.
Norma (ou comprimento) de um vetor
A norma ou comprimento de um vetor u de R
n
, denotado por ||u||, definido como a raiz quadrada no negativa de
Em particular, se u (a
1
, a
2
, ..., a
n
), ento
Ou seja, ||u|| a raiz quadrada da soma dos quadrados dos componentes de u. Assim, ||u|| 0 e ||u|| 0 se, e s se,
u 0.
Dizemos que um vetor u unitrio se ||u|| 1 ou, de modo equivalente, se . Dado qualquer vetor no
nulo de R
n
, o vetor
o nico vetor unitrio de mesma direo e mesmo sentido de . O processo de encontrar a partir de denomi-
nado normalizao de .
Exemplo 1.4
(a) Seja . Para obter ||u||, podemos calcular primeiro ||u||
2
tomando o quadrado de cada com-
ponente e somando, como segue.
Ento .
(b) Sejam (1, 3, 4, 2) e . Ento
Assim, w um vetor unitrio, mas no . Contudo, podemos normalizar .
Esse o nico vetor unitrio com a mesma direo e sentido de .
A frmula seguinte (que ser demonstrada no Problema 1.14) conhecida como a desigualdade de Schwarz,
ou ento, desigualdade de Cauchy-Schwarz. Ela utilizada em muitos ramos da Matemtica.
Teorema 1.3 (Schwarz) Dados quaisquer vetores u e de .
Usando essa desigualdade, tambm demonstramos (Problema 1.15) o seguinte resultado, conhecido como desi-
gualdade triangular, ou desigualdade de Minkowski.
Teorema 1.4 (Minkowski) Dados quaisquer vetores u e de .
Distncia, ngulos e projees
A distncia entre os vetores u (a
1
, a
2
, ..., a
n
) e (b
1
, b
2
, ..., b
n
) de R
n
denotada e definida por
Pode ser mostrado que essa definio est de acordo com a noo usual de distncia no plano euclidiano R
2
ou
no espao R
3
.
_Book_Lipschutz.indb 13 22/12/10 11:55
LGEBRA LINEAR
14
O ngulo entre dois vetores no nulos u e de R
n
definido por
O ngulo est bem definido porque, pela desigualdade de Schwartz (Teorema 1.3),
Observe que se , ento (ou ). Isso est de acordo com nossa definio anterior de ortogo-
nalidade.
A projeo de um vetor u sobre um vetor no nulo denotada e definida por
Veremos adiante que essa definio est de acordo com a noo usual de projeo da Fsica.
Exemplo 1.5
(a) Suponha que u (1, 2, 3) e (2, 4, 5). Ento
Para encontrar , onde o ngulo entre u e , primeiro determinamos
Ento
Tambm
(b) Considere os vetores u e dados na Figura 1-2(a) (com respectivos pontos finais em A e B). A projeo (per-
pendicular) de u sobre o vetor u* de norma
z
y
x
0
u
( ) b
B b b b ( , , )
1 2 3
u = B A
A a a a ( , , )
1 2 3
P b a b a b a ( , )
1 1 2 2 3 3
0
u
( ) a
Projeo de sobre u* u
A
u*
B
C

Figura 1-2
_Book_Lipschutz.indb 14 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 15
Para obter u*, multiplicamos sua norma pelo vetor unitrio na direo e sentido de , obtendo
Esse valor coincide com o dado na definio de proj(u, ).
1.5 VETORES APLICADOS, HIPERPLANOS, RETAS E CURVAS EM R
n
Nesta seo fazemos uma distino entre a nupla vista como um ponto de R
n
e a nupla
u [c
1
, c
2
, ..., c
n
] vista como uma seta (vetor) da origem O at o ponto C(c
1
, c
2
, ..., c
n
).
Vetores aplicados
Qualquer par de pontos e de R
n
define um vetor aplicado ou um segmento de reta orientado de A para
B, denotado por . Identificamos o vetor com o vetor
porque e u tm a mesma norma e a mesma direo. Isso est ilustrado na Figura 1-2(b) para os pontos
A(a
1
, a
2
, a
3
) e B(b
1
, b
2
, b
3
) de R
3
e o vetor u B A de ponto final P(b
1
a
1
, b
2
a
2
, b
3
a
3
).
Hiperplanos
Um hiperplano H em R
n
o conjunto de pontos (x
1
, x
2
, ..., x
n
) que satisfazem uma equao linear
em que o vetor de coeficientes u [a
1
, a
2
, ..., a
n
] no nulo. Assim, um hiperplano H em R
2
uma reta e um hiper-
plano H em R
3
um plano. Mostraremos adiante que, conforme mostrado na Figura 1-3(a) para o R
3
, u ortogonal
a qualquer segmento de reta orientado , em que P(p
i
) e Q(q
i
) so pontos de H. [Por essa razo, dizemos que u
normal a H e que H normal a u.]
Figura 1-3
Como P(p
i
) e Q(q
i
) pertencem a H, esses pontos satisfazem a equao do hiperplano, ou seja,
Seja
_Book_Lipschutz.indb 15 22/12/10 11:55
LGEBRA LINEAR
16
Ento
Assim, ortogonal a u, como afirmado.
Retas em R
n
A reta L de R
n
que passa pelo ponto P(b
1
, b
2
, ..., b
n
) na direo e sentido do vetor no nulo u [a
1
, a
2
, ..., a
n
] con-
siste nos pontos X(x
1
, x
2
, ..., x
n
) que satisfazem
em que o parmetro t percorre todos os valores reais. Uma tal reta L de R
3
aparece na Figura 1-3(b).
Exemplo 1.6
(a) Seja H o plano de R
3
que corresponde equao linear 2x 5y 7z 4. Observe que P(1, 1, 1) e Q(5, 4, 2)
so solues dessa equao. Assim, P e Q, bem como o segmento de reta orientado
esto no plano H. O vetor u [2, 5, 7] normal a H e, como era de se esperar,
Portanto, u ortogonal a .
(b) Encontre uma equao do hiperplano H de R
4
que passa pelo ponto P(1, 3, 4, 2) e normal ao vetor [4,
2, 5, 6].
Os coeficientes das incgnitas na equao de H so os componentes do vetor normal u, portanto, a equa-
o de H deve ser da forma
Substituindo P nessa equao, obtemos
Assim, a equao de H dada por .
(c) Encontre a representao paramtrica da reta L de R
4
que passa pelo ponto P(1, 2, 3, 4) e que tem a direo
e o sentido de u [5, 6, 7, 8]. Encontre, tambm, o ponto Q de L dado por t 1.
Substituindo os componentes de P e u nos componentes da equao paramtrica geral dada, obtemos a
representao paramtrica a seguir.
ou, equivalentemente,
Observe que usando t 0 obtemos o ponto P de L. A substituio t 1 fornece o ponto Q(6, 8, 4, 4) de L.
Curvas em R
n
Seja D um intervalo (finito ou no) da reta real R. Uma funo contnua uma curva de R
n
. Assim, a
cada ponto est associado o ponto
F(t) [F
1
(t), F
2
(t), ... , F
n
(t)]
_Book_Lipschutz.indb 16 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 17
de [R
n
]. Alm disso, a derivada de F(t), se existir, fornece o vetor
que tangente curva. Normalizando V(t), obtemos
Assim, T(t) um vetor tangente unitrio curva. (Vetores unitrios com significado geomtrico costumam ser
denotados em negrito.)
Exemplo 1.7 Considere a curva F(t) [sen t, cos t, t] de R
3
. Tomando a derivada de F(t) [ou, de cada componen-
te de F(t)], obtemos
V(t) [cos t, sen t, 1]
que um vetor tangente curva. Normalizemos V(t). Inicialmente obtemos
Decorre que o vetor tangente unitrio T(t) dessa curva dado por
1.6 VETORES DE R
3
(VETORES ESPACIAIS), NOTAO ijk
Os vetores de R
3
, denominados vetores espaciais, ocorrem em muitas aplicaes, especialmente na Fsica. Existe
at uma notao especial para trs desses vetores, como segue.
i [1, 0, 0] denota o vetor unitrio na direo e sentido de x positivo.
j [0, 1, 0] denota o vetor unitrio na direo e sentido de y positivo.
k [1, 0, 1] denota o vetor unitrio na direo e sentido de z positivo.
Ento cada vetor u [a, b, c] de R
3
pode ser escrito de maneira nica no formato
u [a, b, c] ai bj ck
Como os vetores i, j e k so unitrios e mutuamente ortogonais, obtemos os produtos escalares seguintes.
Alm disso, as operaes vetoriais apresentadas anteriormente podem ser dadas em termos da notao ijk como
segue. Suponha que
Ento
onde r um escalar. Tambm
Exemplo 1.8 Suponha que u 3i 5j 2k e 4i 8j 7k.
(a) Para encontrar u , somamos componentes, obtendo u 7i 3j 5k
_Book_Lipschutz.indb 17 22/12/10 11:55
LGEBRA LINEAR
18
(b) Para encontrar 3u 2 , multiplicamos primeiro pelos escalares e depois somamos.
(c) Para encontrar , multiplicamos os componentes correspondentes e depois somamos.
(d) Para encontrar ||u||, tomamos a raiz quadrada da soma dos quadrados dos componentes.
Produto vetorial
Existe uma operao especial envolvendo vetores de R
3
que no est definida em R
n
, com . Essa operao
denominada produto vetorial e denotada por Uma maneira de lembrar facilmente da frmula para o clcu-
lo de usar o determinante (de ordem dois) e seu simtrico, que so denotados e definidos como segue.
Aqui, dizemos que a e d so os elementos da diagonal e b e c os elementos da diagonal oposta. Assim, o determi-
nante o produto ad dos elementos da diagonal menos o produto bc dos elementos da diagonal oposta, mas o
simtrico disso para o simtrico do determinante.
Supondo que u a
1
i a
2
j a
3
k e b
1
i b
2
j b
3
k, temos
Ou seja, os trs componentes de so obtidos da tabela
(que contm, na primeira linha, os componentes de u e, na segunda, os de ) como segue.
(1) Oculte a primeira coluna e calcule o determinante.
(2) Oculte a segunda coluna e calcule o simtrico do determinante.
(3) Oculte a terceira coluna e calcule o determinante.
Observe que um vetor, o que justifica a denominao de produto vetorial.
Exemplo 1.9 Encontre nos casos seguintes. (a) u 4i 3j 6k, 2i 5j 3k; (b) u [2, 1, 5],
[3, 7, 6].
(a) Usamos para obter .
(b) Usamos para obter .
OBSERVAO O produto vetorial dos vetores i, j e k so os seguintes.
Assim, se interpretarmos o terno (i, j, k) como uma permutao cclica, em que i segue k e, portanto, k antecede i,
ento o produto vetorial de dois deles no sentido dado o terceiro, mas o produto vetorial de dois deles no sentido
oposto o simtrico do terceiro.
Duas propriedades importantes do produto vetorial esto destacadas no prximo teorema.
Lipschutz_01.indd 18 07/02/11 17:01
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 19
Teorema 1.5 Sejam u, e w vetores de R
3
.
(a) O vetor ortogonal a ambos, u e .
(b) O valor absoluto do produto triplo
representa o volume do paraleleppedo formado pelos vetores u, e w. [Ver Figura 1-4(a).]
Observamos que os vetores u, e formam um sistema orientado de mo direita e vale a frmula seguinte
para o mdulo de ,
onde o ngulo entre u e .
1.7 NMEROS COMPLEXOS
O conjunto dos nmeros complexos denotado por C. Formalmente, um nmero complexo um par ordenado (a,
b) de nmeros reais, sendo a igualdade, a adio e a multiplicao desses pares definidas como segue.
Identificamos o nmero real a com o complexo (a, 0), ou seja,
Isso possvel porque as operaes de adio e multiplicao de nmeros reais so preservadas por essa correspon-
dncia, isto ,
Assim, vemos R como um subconjunto de C e substitumos (a, 0) por a sempre que for conveniente e possvel.
Observamos que o conjunto C dos nmeros complexos, dotado das operaes de adio e multiplicao assim
definidas, constitui um corpo numrico, da mesma forma que o conjunto R dos nmeros reais e o conjunto Q dos
nmeros racionais.
Volume u
.
w Plano complexo
Figura 1-4
_Book_Lipschutz.indb 19 22/12/10 11:55
LGEBRA LINEAR
20
O nmero complexo (0, 1) denotado por i. Esse nmero tem a importante propriedade de que
Dessa forma, qualquer nmero complexo z (a, b) pode ser escrito da forma
Essa notao z a bi, em que e Im z so denominadas, respectivamente, a parte real e a par-
te imaginria de z, mais conveniente do que a de par ordenado (a, b). Isso se deve ao fato de que a soma e o
produto dos nmeros complexos z a bi e w c di podem ser efetuados simplesmente usando a comutativi-
dade e a distributividade e lembrando que i
2
1, como segue.
Tambm definimos o simtrico de z e a subtrao em C por
z 1z e w z w (z)
Ateno: A letra i que representa no tem relao alguma com o vetor i [1, 0, 0] da Seo 1.6.
Conjugado complexo, valor absoluto
Considere o nmero complexo z a bi. O conjugado de z denotado e definido por
Ento . Observe que z real se, e s se, .
O valor absoluto de z, denotado por |z|, definido como a raiz quadrada no negativa de , ou seja, por
Observe que |z| igual norma do vetor (a, b) de R
2
.
Suponha que . Ento o inverso de z e a diviso em C de w por z so definidos, respectivamente, por
Exemplo 1.10 Suponha que z 2 3i e w 5 2i. Ento
Plano complexo
O conjunto R dos nmeros reais pode ser representado pelos pontos de uma reta. Analogamente, o conjunto C dos
nmeros complexos pode ser representado pelos pontos de um plano. Mais precisamente, consideramos que o
ponto (a, b) do plano representa o nmero complexo z a bi, conforme Figura 1-4 (b). Nesse caso, |z| a dis-
tncia da origem O do plano ao ponto z. O plano com essa representao denominado plano complexo, assim
como a reta que representa R denominada reta real.
_Book_Lipschutz.indb 20 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 21
1.8 VETORES DE C
n
O conjunto de todas as nuplas de nmeros complexos, denotado por C
n
, denominado espao n-dimensional
complexo. Assim como no caso real, os elementos de C
n
so denominados pontos ou vetores, os elementos de C
so os escalares e a soma de vetores em C
n
e a multiplicao por escalar em C
n
so dadas por
com z
k
, w
k
e z em C.
Exemplo 1.11 Considere os vetores u [2 3i, 4 i, 3] e [3 2i, 5i, 4 6i] de C
3
. Ento
Produto escalar (ou interno) em C
n
Considere os vetores u [z
1
, z
2
, ... , z
n
] e [w
1
, w
2
, ... , w
n
] em C
n
. O produto escalar, ou produto interno, de u e
denotado e definido por
Essa definio reduz ao caso real, pois quando w
k
for real. A norma de u definida por
Reforamos que e, portanto, ||u|| so reais e positivos quando e iguais a 0 quando u 0.
Exemplo 1.12 Considere os vetores u [2 3i, 4 i, 3 5i] e [3 4i, 5i, 4 2i] de C
3
. Ento
O espao C
n
, com as operaes dadas de soma de vetores, multiplicao por escalar e produto interno, deno-
minado espao euclidiano n-dimensional complexo. O Teorema 1.2 dado para R
n
tambm vlido em C
n
, bastando
substituir por
Alm disso, as desigualdades de Schwarz (Teorema 1.3) e de Minkowski (Teorema 1.4) so verdadeiras em C
n
sem
alterao alguma.
Problemas Resolvidos
Vetores de R
n
1.1 Decida quais vetores dentre os dados so iguais.
u
1
(1, 2, 3), u
2
(2, 3, 1), u
3
(1, 3, 2), u
4
(2, 3, 1)
Dois vetores so iguais se suas entradas correspondentes forem iguais; logo, s u
2
u
4
.
_Book_Lipschutz.indb 21 22/12/10 11:55
LGEBRA LINEAR
22
1.2 Sejam u (2, 7, 1), (3, 0, 4) e w (0, 5, 8). Encontre
(a) 3u 4 ,
(b) 2u 3 5w.
Primeiro multiplicamos pelos escalares e s depois efetuamos a soma dos vetores.
(a)
(b)
1.3 Sejam

e . Encontre
(a) 5u 2 ,
(b) 2u 4 3w.
Primeiro multiplicamos pelos escalares e s depois efetuamos a soma dos vetores.
1.4 Encontre x e y tais que valham as igualdades: (a) (x, 3) (2, x y), (b) (4, y) x(2, 3).
(a) Como os vetores so iguais, igualamos seus componentes correspondentes, obtendo
x 2, 3 x y
Resolvendo as equaes lineares, obtemos x 2, y 1.
(b) Multiplicando pelo escalar x obtemos (4, y) (2x, 3x). Igualando as entradas correspondentes, obtemos
4 2x, y 3x
Resolvendo as equaes, obtemos x 2, y 6.
1.5 Escreva o vetor (1, 2, 5) como uma combinao linear dos vetores u
1
(1, 1, 1), u
2
(1, 2, 3) e u
3

(2, 1, 1).
Queremos escrever no formato , com x, y e z ainda desconhecidos. Inicialmente, temos
( mais conveniente escrever vetores como colunas, e no como linhas, quando formamos combinaes lineares.) Igua-
lando as entradas correspondentes, obtemos
A nica soluo desse sistema triangular x 6, y 3 e z 2. Assim, 6u
1
3u
2
2u
3
.
_Book_Lipschutz.indb 22 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 23
1.6 Escreva (2, 5, 3) como uma combinao linear de
u
1
(1, 3, 2), u
2
(2, 4, 1) e u
3
(1, 5, 7).
Obtenha o sistema de equaes lineares equivalente e resolva. Temos
Igualando as entradas correspondentes, obtemos
A terceira equao 0x 0y 0z 3 indica que esse sistema no tem soluo. Assim, no pode ser escrito como uma
combinao linear dos vetores u
1
, u
2
e u
3
.
Produto escalar (interno), ortogonalidade, norma em R
n
1.7 Obtenha , sendo
(a) u (2, 5, 6) e (8, 2, 3),
(b) u (4, 2, 3, 5, 1) e (2, 6, 1, 4, 8).
Multiplicamos os componentes correspondentes e somamos.
1.8 Sejam u (5, 4, 1), (3, 4, 1) e w (1, 2, 3). Quais pares desses vetores (se houver) so perpendicu-
lares (ortogonais)?
Calculamos o produto escalar de cada par de vetores.
Assim, u e so ortogonais, u e w so ortogonais, mas e w no so.
1.9 Obtenha k tal que u e sejam ortogonais, nos casos seguintes.
(a) u (1, k, 3) e (2, 5, 4),
(b) u (2, 3k, 4, 1, 5) e (6, 1, 3, 7, 2k).
Calculamos , igualamos a zero e resolvemos em k.
(a) Ento ou k 2.
(b) Ento ou k 1.
1.10 Encontre ||u||, nos casos (a) u (3, 12, 4), (b) u (2, 3, 8, 7).
Primeiro calculamos , somando o quadrado das entradas do vetor. Ento
(a) Ento
(b) Ento
_Book_Lipschutz.indb 23 22/12/10 11:55
LGEBRA LINEAR
24
1.11 Lembre que normalizar um vetor no nulo significa encontrar o nico vetor unitrio com mesma direo
e sentido que , dado por
Normalize (a) u (3, 4), (b) (4, 2, 3, 8), (c) w
(a) Primeiro calculamos Ento dividimos cada entrada de u por 5, obtendo
(b) Temos Logo,
(c) Observe que w, e qualquer mltiplo positivo de w, tero a mesma normalizao. Portanto, primeiro multiplicamos
w por 12 para eliminar as fraes, ou seja, primeiro calculamos Ento
1.12 Sejam u (1, 3, 4) e (3, 4, 7). Encontre
(a) , onde o ngulo entre u e ;
(b) a projeo proj(u, ) de u sobre ;
(c) a distncia d(u, ) entre u e .
Primeiro calculamos Ento
1.13 Demonstre o Teorema 1.2. Dados quaisquer u, e w em R
n
e r em R,
(i)
(iv) e se, e s se, u 0.
Sejam u (u
1
, u
2
, ..., u
n
), (
1
,
2
, ...,
n
) e w (w
1
, w
2
, ..., w
n
).
(i) Como
(ii) Como
(iii)
(iv) Como , no negativo, para cada k, e como a soma de nmeros no negativos no negativa,
Alm disso, se, e s se, , para cada k, ou seja, se, e s se, u 0.
_Book_Lipschutz.indb 24 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 25
1.14 Demonstre o Teorema 1.3 (Schwarz).
Dado qualquer nmero real t, o Teorema 1.2 garante que
Sejam e . Ento, para cada valor de t, temos Isso significa que esse
polinmio de segundo grau no pode ter duas razes reais. Disso decorre que o discriminante ou,
equivalentemente, que Assim,
Resta dividir por 4 para obter nosso resultado.
1.15 Demonstre o Teorema 1.4 (Minkowski).
Pela desigualdade de Schwarz e outras propriedades do produto escalar, temos
Tirando a raiz quadrada de ambos lados, obtemos a desigualdade procurada.
Pontos, retas e hiperplanos em R
n
Nesta parte vamos distinguir entre uma nupla P(a
1
, a
2
, ..., a
n
), considerada como sendo um ponto de R
n
, e uma
nupla u [c
1
, c
2
, ..., c
n
], considerada como sendo um vetor (segmento orientado) desde a origem O at o ponto
C(c
1
, c
2
, ..., c
n
).
1.16 Encontre o vetor u identificado com o segmento de reta orientado para os pontos
(a) P(1, 2, 4) e Q(6, 1, 5) em R
3
, (b) P(2, 3, 6, 5) e Q(7, 1, 4, 8) em R
4
.
1.17 Encontre uma equao do hiperplano H de R
4
que passa por P(3, 4, 1, 2) e normal a u [ 2, 5, 6, 3].
Os coeficientes das incgnitas na equao de H so os componentes do vetor normal u. Assim, uma equao de H
da forma Substituindo P nessa equao, obtemos k 1. Ento uma equao de H
1.18 Encontre uma equao do plano H de R
3
que contm o ponto P(1, 3, 4) e paralelo ao plano determi-
nado pela equao 3x 6y 5z 2.
Os planos H e so paralelos se, e s se, suas direes normais so paralelas, com mesmo sentido ou sentidos opos-
tos. Logo, uma equao de H do tipo 3x 6y 5z k. Substituindo P nessa equao, obtemos k 1. Ento, uma
equao de H 3x 6y 5z 1.
1.19 Encontre uma representao paramtrica da reta L de R
4
que passa por P(4, 2, 3, 1) na direo de
u [2, 5, 7, 8].
Aqui, L consiste nos pontos X(x
k
) que satisfazem
X P tu, ou x
i
a
k
t b
k
, ou L(t) (a
k
t b
k
),
em que o parmetro t percorre todos os reais. Ento, obtemos
_Book_Lipschutz.indb 25 22/12/10 11:55
LGEBRA LINEAR
26
1.20 Seja C a curva dada por F(t) (t
2
, 3t 2, t
3
, t
2
5) de R
4
, com .
(a) Encontre o ponto P de C que corresponde a t 2.
(b) Encontre o ponto inicial Q de C e seu ponto final .
(c) Encontre o vetor tangente unitrio T curva C com t 2.
(a) Substituindo t 2 em F(t), obtemos P F(2) (4, 4, 8, 9).
(b) O parmetro t varia de t 0 at t 4. Portanto, Q F(0) (0, 2, 0, 5) e
(c) Tomando a derivada de F(t), ou seja, de cada componente de F(t), obtemos um vetor V que tangente curva.
Agora, calculamos V com t 2, ou seja, substitumos t 2 na equao de V(t) para obter V V(2) [4, 3, 12, 4].
Em seguida, normalizamos V para obter o vetor tangente unitrio T requerido. Temos
Vetores espaciais (de R
3
), notao ijk, produto vetorial
1.21 Sejam u 2i 3j 4k, 3i j 2k e w i 5j 3k. Encontre
Tratamos os coeficientes de i, j e k como se fossem componentes de um vetor de R
3
.
(a) Somamos os coeficientes correspondentes para obter u 5i 2j 2k.
(b) Primeiro multiplicamos por escalar e depois somamos os vetores.
(c) Multiplicamos os coeficientes correspondentes e depois somamos.
(d) A norma a raiz quadrada da soma dos quadrados dos coeficientes.
1.22 Encontre equaes paramtricas da reta L que
(a) passa pelos pontos P(1, 3, 2) e Q(2, 5, 6);
(b) contm o ponto P(1, 2, 4) e perpendicular ao plano H de equao 3x 5y 7z 15.
(a) Inicialmente obtemos . Ento
(b) Como L perpendicular a H, a reta L tem a mesma direo do vetor normal N 3i 5j 7k ao plano H. Assim,
1.23 Seja S a superfcie de equao xy
2
2yz 16 em R
3
.
(a) Encontre o vetor normal N(x, y, z) superfcie S.
(b) Encontre o plano tangente H superfcie S no ponto P(1, 2, 3).
_Book_Lipschutz.indb 26 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 27
(a) A frmula do vetor normal a uma superfcie dada por F(x, y, z) 0
onde F
x
, F
y
e F
z
so as derivadas parciais de F. Usando F(x, y, z) xy
2
2yz 16, obtemos
Assim, N(x, y, z) y
2
i (2xy 2z)j 2yk.
(b) O vetor normal superfcie S no ponto P
Logo, N 2i 5j 2k tambm normal a S em P. Portanto, uma equao de H tem a forma 2x 5y 2z c.
Substituindo P nessa equao, obtemos c 18. Assim, o plano tangente H a S em P dado por 2x 5y 2z 18.
1.24 Calcule os determinantes e os simtricos de determinantes de ordem dois seguintes.
Usamos Assim,
1.25 Sejam u 2i 3j 4k, 3i j 2k e w i 5j 3k. Encontre (a)
(a) Usamos para obter
(b) Usamos para obter
1.26 Encontre , sendo (a) u (1, 2, 3), (4, 5, 6); (b) u (4, 7, 3), (6, 5, 2).
(a) Usamos para obter
(b) Usamos para obter
1.27 Encontre um vetor unitrio u ortogonal a [1, 3, 4] e w [2, 6, 5].
Primeiro calculamos , que ortogonal a e a w.
A tabela nos d
Agora normalizamos para obter
1.28 Dados u (a
1
, a
2
, a
3
) e (b
1
, b
2
, b
3
), temos Prove
que
(a) ortogonal a u e a [Teorema 1.5(a)].
(b) (Identidade de Lagrange).
_Book_Lipschutz.indb 27 22/12/10 11:55
LGEBRA LINEAR
28
(a) Temos
Assim, ortogonal a u. Analogamente, ortogonal a .
(b) Temos
Expandindo o lado direito das igualdades (1) e (2), estabelecemos a identidade.
Nmeros complexos, vetores de C
n
1.29 Suponha que z 5 3i e w 2 4i. Encontre (a) z w, (b) z w, (c) zw.
Usamos as regras algbricas usuais, junto com i
2
1, para obter os resultados no formato padro a bi.
1.30 Simplifique
1.31 Simplifique
(c) Usando i
4
1 e , dividimos o expoente n por 4 para obter o resto r.
1.32 Encontre o conjugado de cada um dos nmeros complexos seguintes.
(Observe que o conjugado de um nmero real o prprio nmero real, mas o conjugado de um nmero imaginrio puro
seu simtrico.)
1.33 Encontre e |z| para z 3 4i.
Com z a bi usamos e Logo,
1.34 Simplifique
Para simplificar uma frao z/w de nmeros complexos, multiplicamos pelo conjugado do denominador tanto o nu-
merador quanto o denominador.
_Book_Lipschutz.indb 28 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 29
1.35 Demonstre que, para quaisquer nmeros complexos
Suponha que z a bi e w c di, com
1.36 Demonstre que, para quaisquer nmeros complexos z e w, vale |zw| |z| |w|.
Pela parte (ii) do problema precedente,
Tirando a raiz quadrada dos dois lados dessa igualdade obtemos nosso resultado.
1.37 Demonstre que, para quaisquer nmeros complexos z e w, vale
Suponha que z a bi e w c di, com Considere os vetores u (a, b) e (c, d) de R
2
. Observe
que
e
Pela desigualdade de Minkowski (Problema 1.15), e, portanto,
1.38 Encontre os produtos escalares nos casos seguintes.


No esquea que no produto escalar aparecem os conjugados do segundo vetor.
Em ambos casos, Isso vlido em geral, conforme Problema 1.40.
1.39 Sejam u (7 2i, 2 5i) e (1 i, 3 6i). Encontre
Lipschutz_01.indd 29 07/02/11 17:05
LGEBRA LINEAR
30
1.40 Demonstre que, para quaisquer vetores e escalar
valem
Suponha que
(i) Usando as propriedades da conjugao,
(ii) Como
(Compare essa identidade com a do item (ii) do Teorema 1.2 para vetores de R
n
.)
(iii) Usando (i) e (ii),
Problemas Complementares
Vetores de R
n
1.41 Sejam u (1, 2, 4), (3, 5, 1) e w (2, 1, 3). Encontre
(e) , sendo o ngulo entre u e ; (f) d(u, ); (g) proj(u, ).
1.42 Refaa o problema precedente com os vetores
1.43 Sejam u (2, 5, 4, 6, 3) e (5, 2, 1, 7, 4). Encontre
1.44 Normalize cada vetor dado.
1.45 Sejam u (1, 2, 2), (3, 12, 4) e r 3.
(a) Encontre ||u||, || ||, ||u || e ||ru||.
(b) Verifique que ||ru|| |r| ||u|| e que
1.46 Encontre x e y tais que
(a) (x, y 1) (y 2, 6); (b) x(2, y) y(1, 2).
1.47 Encontre x, y e z tais que (x, y 1, y z) (2x y, 4, 3z).
1.48 Escreva (2, 5) como uma combinao linear de u
1
e u
2
, sendo
(a) u
1
(1, 2) e u
2
(3, 5);
(b) u
1
(3, 4) e u
2
(2, 3).
_Book_Lipschutz.indb 30 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 31
1.49 Escreva como uma combinao linear de
1.50 Encontre um escalar k tal que u e sejam ortogonais, nos casos seguintes.
(a) u (3, k, 2), (6, 4, 3);
(b) u (5, k, 4, 2), (1, 3, 2, 2k);
(c) u (1, 7, k 2, 2), (3, k, 3, k).
Vetores aplicados, hiperplanos e retas de R
n
1.51 Encontre o vetor identificado com o segmento de reta orientado para os pontos dados.
(a) P(2, 3, 7) e Q(1, 6, 5) em R
3
;
(b) P(1, 8, 4, 6) e Q(3, 5, 2, 4) em R
4
.
1.52 Encontre uma equao do hiperplano H de R
4
que
(a) contenha P(1, 2, 3, 2) e seja normal a u [2, 3, 5, 6];
(b) contenha P(3, 1, 2, 5) e seja paralelo ao hiperplano 2x
1
3x
2
5x
3
7x
4
4.
1.53 Encontre uma representao paramtrica da reta de R
4
que
(a) passe pelos pontos P(1, 2, 1, 2) e Q(3, 5, 7, 9);
(b) passe por P(1, 1, 3, 3) e seja perpendicular ao hiperplano 2x
1
4x
2
6x
3
8x
4
5.
Vetores espaciais (de R
3
), notao ijk
1.54 Sejam u 3i 4j 2k, 2i 5j 3k e w 4i 7j 2k. Encontre
1.55 Encontre uma equao do plano H que
(a) tenha uma normal N 3i 4j 5k e que contenha o ponto P(1, 2, 3);
(b) seja paralelo ao plano 4x 3y 2z 11 e que contenha o ponto Q(2, 1, 3);
1.56 Encontre uma equao (paramtrica) da reta L que
(a) passe pelo ponto P(2, 5, 3) na direo do vetor 4i 5j 7k;
(b) seja perpendicular ao plano 2x 3y 7z 4 e que contenha o ponto Q(1, 5, 7).
1.57 Considere a curva C de R
3
, com , dada por
(a) Encontre o ponto P de C que corresponde a t 2;
(b) Encontre o ponto inicial Q e o ponto final de C;
(c) Encontre o vetor tangente unitrio T curva C que corresponde a t 2.
1.58 Um certo objeto B em movimento tem sua posio no instante de tempo t dada por R(t) t
2
i t
3
j 2tk.
[Ento V(t) dR(t)/dt e A(t) dV(t)/dt denotam a velocidade e a acelerao de B, respectivamente.] Quan-
do t 1, obtenha, para o objeto B, sua
(a) posio R; (b) velocidade V; (c) velocidade escalar ||V|| e (d) acelerao A.
_Book_Lipschutz.indb 31 22/12/10 11:55
LGEBRA LINEAR
32
1.59 Encontre um vetor normal N e o plano tangente H a cada superfcie dada no ponto dado.
(a) A superfcie x
2
y 3yz 20 e o ponto P(1,3,2).
(b) A superfcie x
2
3y
2
5z
2
160 e o ponto P(3, 2, 1).
Produto vetorial
1.60 Calcule os determinantes e os simtricos de determinantes de ordem dois seguintes.
1.61 Sejam u 3i 4j 2k, 2i 5j 3k e w 4i 7j 2k. Encontre
1.62 Sejam u [2, 1, 3], [4, 2, 2] e w [1, 1, 5]. Encontre
1.63 Encontre o volume V do paraleleppedo determinado pelos vetores u, e w dados no
(a) Problema 1.61 (b) Problema 1.62
1.64 Encontre um vetor unitrio u que seja ortogonal aos vetores
(a) [1, 2, 3] e w [1, 1, 2];
(b) 3i j 2k e w 4i 2j k.
1.65 Demonstre as propriedades seguintes do produto vetorial, vlidas para quaisquer vetores u, e w de R
3
e
escalar r.
Nmeros complexos
1.66 Simplifique:
1.67 Simplifique:
1.68 Sejam z 2 5i e w 7 3i. Encontre:
1.69 Mostre que para nmeros complexos z e w quaisquer valem
Vetores em C
n
1.70 Sejam u (1 7i, 2 6i) e (5 2i, 3 4i). Encontre:
_Book_Lipschutz.indb 32 22/12/10 11:55
CAPTULO 1 VETORES EM R
n
E C
n
, VETORES ESPACIAIS 33
1.71 Demonstre que, para quaisquer vetores u, , w em C
n
valem:
1.72 Demonstre que a norma de C
n
satisfaz as propriedades seguintes.
[N
1
] Dado qualquer vetor u, e ||u|| 0 se, e s se, u 0.
[N
2
] Dados quaisquer vetor u e complexo z, ||zu|| |z| ||u||.
[N
3
] Para quaisquer vetores u e
Respostas dos Problemas Complementares
1.41
1.42 (Vetores coluna)
1.43
1.44
1.45
1.46
1.47
1.48
1.49
1.50
1.51
1.52
1.53
1.54
1.55
1.56
1.57
1.58
1.59
_Book_Lipschutz.indb 33 22/12/10 11:55
LGEBRA LINEAR
34
1.60
1.61
1.62
1.63

1.64
1.66
1.67
1.68
1.69 Sugesto: Se zw 0, ento
.
1.70
_Book_Lipschutz.indb 34 22/12/10 11:55
2.1 INTRODUO
Neste captulo estudamos as matrizes e suas operaes algbricas. Essas matrizes podem ser vistas como tabelas
retangulares de elementos, em que cada entrada depende de dois ndices (diferente, portanto, dos vetores, em que
cada entrada depende de apenas um ndice). Os sistemas de equaes lineares e suas solues (Captulo 3) podem
ser entendidos eficientemente por meio da linguagem das matrizes. Alm disso, alguns conceitos abstratos que
sero introduzidos em captulos posteriores, como mudana de base, transformaes lineares e formas qua-
drticas podem ser representados por essas matrizes (tabelas retangulares). Por outro lado, o tratamento abstrato
da lgebra Linear que veremos mais adiante nos dar uma nova maneira de entender a estrutura dessas matrizes.
As entradas de nossas matrizes provm de algum corpo arbitrrio K, que consideramos fixado. Os elementos
de K so ditos nmeros, ou escalares. Nada ser perdido se o leitor simplesmente supor que K o corpo R dos
nmeros reais.
2.2 MATRIZES
Uma matriz A sobre um corpo K ou, simplesmente, uma matriz A (quando K estiver subentendido) uma tabela
retangular de escalares, costumeiramente apresentada no formato seguinte.
As linhas de uma tal matriz A so as m listas horizontais de escalares dadas por
e as colunas de A so as n listas verticais de escalares dadas por
Observe que o elemento a
ij
, denominado ij-sima entrada, ou elemento, aparece na linha i e na coluna j. Em geral,
denotamos uma tal matriz simplesmente escrevendo A [a
ij
].
Dizemos que uma matriz com m linhas e n colunas uma matriz m por n, que escrevemos . O par de
nmeros m e n dito o tamanho da matriz. Duas matrizes A e B so iguais, e escrevemos A B, se ambas tiverem
o mesmo tamanho e se as entradas correspondentes forem iguais. Assim, a igualdade de duas matrizes
equivalente a um sistema de mn igualdades, uma para cada par de entradas correspondentes.
lgebra de Matrizes
Captulo 2
_Book_Lipschutz.indb 35 22/12/10 08:57
LGEBRA LINEAR
36
Uma matriz com apenas uma linha denominada matriz linha, ou vetor linha, e uma matriz com apenas uma
coluna denominada matriz coluna, ou vetor coluna. Dizemos que uma matriz que tem todas as entradas nulas
uma matriz nula ou matriz zero, sendo denotada por 0.
As matrizes com todas as entradas dadas por nmeros reais so ditas matrizes reais, ou matrizes sobre R. Ana-
logamente, as matrizes com todas as entradas dadas por nmeros complexos so ditas matrizes complexas, ou
matrizes sobre C. Neste texto, tratamos praticamente s com matrizes reais e complexas.
Exemplo 2.1
(a) A tabela retangular uma matriz . Suas linhas so (1, 4, 5) e (0, 3, 2) e suas
colunas so
(b) a matriz nula dada por
(c) Encontre x, y, z, t tais que
Por definio de igualdade de matrizes, as quatro entradas correspondente devem ser iguais. Assim,
x y 3, x y 1, 2z t 7, z t 5
Resolvendo esse sistema de equaes, obtemos x 2, y 1, z 4, t 1.
2.3 SOMA DE MATRIZES E MULTIPLICAO POR ESCALAR
Sejam A [a
ij
] e B [b
ij
] duas matrizes de mesmo tamanho, digamos, . A soma de A e B, denotada por
A B, a matriz obtida pela soma de elementos correspondentes de A e B, ou seja,
O mltiplo da matriz A pelo escalar k, denotado por ou, simplesmente, kA, a matriz obtida pelo produto de
cada elemento de A por k, ou seja,
Observe que ambas, A B e kA, so matrizes . Tambm definimos
A (1)A e A B A (B)
Dizemos que A a matriz simtrica de A e que A B a matriz diferena de A e B. No se define a soma de ma-
trizes de tamanhos distintos.
_Book_Lipschutz.indb 36 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 37
Exemplo 2.2 Sejam dadas

Ento
Dizemos que a matriz 2A 3B uma combinao linear de A e B.
Em seguida apresentamos as propriedades bsicas da soma e da multiplicao por escalar de matrizes.
Teorema 2.1 Sejam A, B e C matrizes quaisquer (de mesmo tamanho) e k e escalares quaisquer. Ento
Observe que, nos itens (ii) e (iii) do teorema, o 0 se refere matriz nula. Tambm, por (i) e (iv), podemos es-
crever qualquer soma finita de matrizes
sem utilizar parnteses, sendo que essa soma no depende da ordem das matrizes. Alm disso, usando (vi) e (viii),
tambm temos
A A 2A, A A A 3A, ...
e assim por diante.
A demonstrao do Teorema 2.1 se reduz a mostrar que so iguais os ij-simos elementos de cada lado das
equaes matriciais. (Ver Problema 2.3.)
Observe a semelhana que ocorre entre o Teorema 2.1 para matrizes e o Teorema 1.1 para vetores. Na verdade,
essas operaes matriciais podem ser vistas como generalizaes das operaes vetoriais correspondentes.
2.4 O SMBOLO DE SOMATRIO
Antes de definir a multiplicao de matrizes, convm introduzir o smbolo de somatrio (a letra grega maiscula
sigma).
Suponha que f(k) seja uma expresso algbrica a uma varivel k. Ento a expresso
tem o significado como segue. Inicialmente, tomamos k 1 em f(k) e obtemos
f(1)
Em seguida, tomamos k 2 em f(k) e obtemos f(2) que, somado com f(1), fornece
f(1) f(2)
_Book_Lipschutz.indb 37 22/12/10 08:57
LGEBRA LINEAR
38
Em seguida, tomamos k 3 em f(k) e obtemos f(3) que, somado com a soma precedente, fornece
f(1) f(2) f(3)
Continuamos esse processo at obter a soma
Observe que, a cada passo, aumentamos o valor de k em 1 unidade at alcanarmos n. Dizemos que a letra k o
ndice do somatrio e que 1 e n so, respectivamente, as extremidades inferior e superior do somatrio. No lugar
de k frequentemente utilizamos outras letras, como i ou j, para ndice.
Tambm generalizamos nossa definio permitindo que a soma varie desde algum inteiro n
1
qualquer at al-
gum inteiro n
2
qualquer, ou seja, definimos
Exemplo 2.3
2.5 MULTIPLICAO DE MATRIZES
O produto das matrizes A e B, denotado por AB, um pouco mais complicado. Por isso, comeamos com um caso
especial.
O produto AB de uma matriz linha A [a
i
] e uma matriz coluna B [b
j
] com o mesmo nmero de elementos
definido como o escalar (ou a matriz ) obtido pela soma dos produtos das entradas correspondentes, ou seja,
Enfatizamos que, nesse caso, AB um escalar (ou, ento, uma matriz ). No definimos o produto AB se a
matriz linha A e a matriz coluna B possurem um nmero distinto de elementos.
Exemplo 2.4
Agora, estamos preparados para definir o produto de matrizes mais gerais.
_Book_Lipschutz.indb 38 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 39
DEFINIO Sejam A [a
ik
] e B [b
kj
] duas matrizes tais que o nmero de colunas de A seja igual ao nmero
de linhas de B, digamos p. Ou seja, supomos que A seja uma matriz e B uma matriz . Ento o produto
AB de A e B a matriz cuja ij-sima entrada dada pelo produto da i-sima linha de A com a j-sima coluna
de B. Assim,
onde
No definimos o produto AB quando A uma matriz e B uma matriz com
Exemplo 2.5
(a) Encontre AB se e
Como A tem tamanho e B o produto AB est definido e uma matriz . Para obter a pri-
meira linha da matriz produto AB, multiplicamos a primeira linha [1, 3] de A com cada uma das trs colunas
de B. Ou seja,
Para obter a segunda linha de AB, multiplicamos a segunda linha [2, 1] de A com cada coluna de B. Assim,
(b) Sejam Ento
Esse exemplo mostra que a multiplicao matricial no comutativa, ou seja, em geral, . No entanto,
a multiplicao matricial satisfaz as propriedades seguintes.
Teorema 2.2 Sejam A, B e C matrizes. Sempre que os produtos e somas envolvidos estiverem definidos, valem
(i) (AB)C A(BC) (associatividade do produto),
(ii) A(B C) AB AC (distributividade esquerda),
(iii) (A B)C AC BC (distributividade direita),
(iv) k(AB) (kA)B A(kB), onde k um escalar.
Observe que A0 0 e 0B 0, onde 0 a matriz nula.
_Book_Lipschutz.indb 39 22/12/10 08:57
LGEBRA LINEAR
40
2.6 TRANSPOSTA DE UMA MATRIZ
A transposta de uma matriz A, denotada por A
T
, a matriz obtida escrevendo as colunas de A, na mesma ordem,
como linhas. Por exemplo,
Em outras palavras, se A [a
ij
] uma matriz , ento A
T
[b
ij
] a matriz dada por b
ij
a
ji
.
Observe que a transposta de um vetor linha um vetor coluna. Analogamente, a transposta de um vetor coluna
um vetor linha.
O teorema a seguir enumera as propriedades bsicas da transposio.
Teorema 2.3 Sejam A e B matrizes e k um escalar. Ento, sempre que os produtos e somas envolvidos estiverem
definidos, valem
Enfatizamos que, por (iv), a transposta de um produto o produto das transpostas, s que na ordem inversa.
2.7 MATRIZES QUADRADAS
Uma matriz dita quadrada se tiver o mesmo nmero de linhas e colunas. Dizemos que uma matriz quadrada
de ordem n.
Vimos que nem sempre possvel somar ou multiplicar duas matrizes quaisquer. No entanto, considerando
apenas matrizes quadradas de alguma dada ordem n, esse inconveniente desaparece. Em outras palavras, as opera-
es de adio, multiplicao, multiplicao por escalar e transposio podem sempre ser efetuadas com matrizes
quadradas , e o resultado da operao uma matriz quadrada .
Exemplo 2.6 Duas matrizes quadradas de ordem 3 so as seguintes.
As seguintes matrizes tambm so matrizes de ordem 3.
Diagonal e trao
Seja A [a
ij
] uma matriz quadrada de ordem n. A diagonal, ou diagonal principal de A consiste nos elementos
com ndices iguais, isto ,
_Book_Lipschutz.indb 40 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 41
O trao de A, denotado por tr(A), a soma dos elementos da diagonal principal, a saber,
Vale o teorema a seguir.
Teorema 2.4 Sejam A e B matrizes quadradas de mesma ordem e k um escalar. Ento valem
Exemplo 2.7 Sejam A e B as duas matrizes quadradas do Exemplo 2.6. Ento
diagonal de A {1, 4, 7} e tr(A) 1 4 7 4
diagonal de B {2, 3, 4} e tr(B) 2 3 4 1
Alm disso,
Conforme afirma o Teorema 2.4, temos
tr(A B) tr(A) tr(B), tr(A
T
) tr(A), tr(2A) 2 tr(A)
Alm disso, mesmo tendo , os traos desses produtos so iguais.
Matriz identidade, matrizes escalares
A matriz identidade, ou matriz unitria, de ordem n, denotada por I
n
ou, simplesmente, por I, a matriz quadrada
com 1 na diagonal principal e 0 em todas as demais entradas. A matriz identidade I anloga ao escalar 1, pois,
dada qualquer matriz A, temos
AI IA A
Mais geralmente, se B uma matriz , ento BI
n
I
m
B B.
Dado qualquer escalar k, dizemos que a matriz kI, com k na diagonal principal e 0 em todas as demais entradas,
a matriz escalar correspondente ao escalar k. Observe que
(kI)A k(IA) kA
Ou seja, multiplicar uma matriz A pela matriz escalar kI equivalente a multiplicar A pelo escalar k.
Exemplo 2.8 As matrizes identidade de ordem 3 e 4 e as matrizes escalares correspondentes a k 5 so as se-
guintes.
OBSERVAO 1 costume omitir blocos ou padres de zeros quando no houver dvidas sobre essas entradas,
como fizemos na segunda e quarta matrizes do exemplo.
OBSERVAO 2 A funo delta de Kronecker definida por
Assim, podemos escrever a matriz identidade como
_Book_Lipschutz.indb 41 22/12/10 08:57
LGEBRA LINEAR
42
2.8 POTNCIAS DE MATRIZES, POLINMIOS MATRICIAIS
Seja A uma matriz quadrada de ordem n com entradas de algum corpo K. As potncias de A so definidas como segue.
Tambm definimos polinmios da matriz A. Mais precisamente, dado qualquer polinmio
em que os coeficientes a
i
so escalares de K, definimos a matriz f(A) como segue.
[Observe que f(A) obtida de f(x) substituindo a varivel x pela matriz A e substituindo o escalar a
0
pela matriz
escalar a
0
I.] Se f(A) for a matriz nula, dizemos que A um zero ou raiz de f(x).
Exemplo 2.9 Se , ento

Sejam f(x) 2x
2
3x 5 e g(x) x
2
3x 10. Ento
Assim, A um zero do polinmio g(x).
2.9 MATRIZES INVERTVEIS (OU NO SINGULARES)
Uma matriz quadrada A dita invertvel, ou no singular, se existir uma matriz B tal que
AB BA I
onde I a matriz identidade. Uma tal matriz B nica. Ou seja, se ento
Dizemos que uma tal matriz B a inversa de A e a denotamos por A
1
. Observe que a relao que define a inversa
simtrica; ou seja, se B for a inversa de A, ento A ser a inversa de B.
Exemplo 2.10 Suponha que . Ento
Assim, B inversa de A e A inversa de B.
Sabe-se (Teorema 3.18) que AB I se, e s se, BA I. Assim, necessrio testar apenas um produto para
determinar se duas matrizes so, ou no, inversas. (Ver Problema 2.17.)
Agora suponha que A e B sejam invertveis. Ento AB invertvel e (AB)
1
B
1
A
1
. Mais geralmente, se A
1
,
A
2
, ..., A
k
forem invertveis, ento seu produto invertvel e a inversa
o produto das inversas na ordem inversa.
_Book_Lipschutz.indb 42 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 43
Inversa de uma matriz 2 2
Seja A uma matriz arbitrria, digamos, . Queremos deduzir uma frmula para a inversa A
1
de

A. Mais precisamente, queremos encontrar 2
2
4 escalares, digamos, x
1
, y
1
, x
2
e y
2
tais que
Igualando as quatro entradas com as entradas correspondentes da matriz identidade, obtemos quatro equaes, que
podem ser repartidas em dois sistemas , como segue.
Denotemos por o assim chamado determinante de A. Supondo que , podemos resolver em x
1
,
y
1
, x
2
e y
2
de maneira nica, obtendo
Segue que
Em outras palavras, quando , a inversa de uma matriz A de ordem 2 pode ser obtida de A como segue.
(1) Trocamos de lugar os dois elementos da diagonal principal.
(2) Trocamos o sinal dos dois outros elementos.
(3) Multiplicamos a matriz resultante por 1/|A| ou, equivalentemente, dividimos cada elemento por |A|.
Se , ento a matriz A no invertvel.
Exemplo 2.11 Encontre a inversa de

Primeiro calculamos Como , a matriz A invertvel e
Agora calculamos Como , a matriz B no tem inversa.
OBSERVAO A propriedade de uma matriz ser invertvel se, e s se, seu determinante for no nulo vale para
matrizes quadradas de qualquer ordem. (Ver Captulo 8.)
Inversa de uma matriz
Suponha que A seja uma matriz quadrada de ordem n qualquer. Encontrar a inversa A
1
de A se reduz, tambm
nesse caso, a encontrar a soluo de uma coleo de n sistemas de equaes lineares. A soluo de tais siste-
mas e uma maneira eficiente de resolv-los sero abordadas no Captulo 3.
2.10 TIPOS ESPECIAIS DE MATRIZES QUADRADAS
Nesta seo descrevemos alguns tipos especiais de matrizes quadradas.
Matrizes diagonais e triangulares
Dizemos que uma matriz quadrada D [d
ij
] diagonal se todos os seus elementos fora da diagonal principal fo-
rem nulos. s vezes, denotamos uma tal matriz por
D diag(d
11
, d
22
, ..., d
nn
)
_Book_Lipschutz.indb 43 22/12/10 08:57
LGEBRA LINEAR
44
em que alguns d
ii
, ou todos, podem ser nulos. Por exemplo,
so matrizes diagonais que podem ser representadas, respectivamente, por
diag(3, 7, 2), diag(4, 5), diag(6, 0, 9, 8)
(Observe que o padro de zeros foi omitido na terceira matriz.)
Uma matriz quadrada A [a
ij
] triangular superior ou, simplesmente, triangular se todas as suas entradas
abaixo da diagonal (principal) forem nulas, ou seja, se a
ij
0, para i > j. Algumas matrizes triangulares superiores
arbitrrias de ordens 2, 3 e 4 so dadas a seguir.
(Assim como nas matrizes diagonais, costume omitir padres de zeros.)
Vale o teorema a seguir.
Teorema 2.5 Sejam A [a
ij
] e B [b
ij
] matrizes triangulares (superiores). Ento
(i) A B, kA e AB so triangulares com respectivas diagonais dadas por
(ii) Dado qualquer polinmio f(x), a matriz f(A) triangular com diagonal
(iii) A invertvel se, e s se, cada elemento diagonal de A for no nulo, ou seja, ; alm
disso, se existir, a inversa A
1
tambm triangular.
Uma matriz triangular inferior uma matriz quadrada cujas entradas acima da diagonal so todas nulas. Obser-
vamos que o Teorema 2.5 tambm vale substituindo triangular tanto por triangular inferior quanto diagonal.
OBSERVAO Uma coleo no vazia de matrizes dita uma lgebra matricial se for fechada em relao s
operaes de adio, multiplicao por escalar e multiplicao matriciais. Claramente, a coleo das matrizes qua-
dradas de alguma ordem fixada constitui uma lgebra de matrizes, bem como a das matrizes escalares, diagonais,
triangulares e triangulares inferiores.
Matrizes quadradas reais especiais: simtricas, ortogonais, normais
[opcional at o Captulo 12]
Seja, agora, A uma matriz quadrada com entradas reais, ou seja, uma matriz quadrada real. A relao entre A e sua
transposta A
T
fornece espcies importantes de matrizes.
(a) Matrizes simtricas
Dizemos que uma matriz A simtrica se A
T
A. Equivalentemente, A [a
ij
] simtrica se seus elementos sim-
tricos (aqueles que so espelhados pela diagonal) forem iguais, ou seja, se a
ij
a
ji
, para cada ij.
Uma matriz A dita antissimtrica se A
T
A ou, equivalentemente, se a
ij
a
ji
, para cada ij. Claramente, os
elementos diagonais de uma tal matriz devem ser, todos, nulos, pois a
ii
a
ii
implica a
ii
0.
(Observe que, se A
T
A ou A
T
A, ento A necessariamente quadrada.)
_Book_Lipschutz.indb 44 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 45
Exemplo 2.12 Sejam
(a) Visualmente, os elementos simtricos de A so iguais, ou A
T
A. Assim, A simtrica.
(b) Os elementos diagonais de B so 0 e os elementos simtricos tm sinal oposto, ou B
T
B. Assim, B antis-
simtrica.
(c) Como C no quadrada, no pode ser nem simtrica nem antissimtrica.
(b) Matrizes ortogonais
Uma matriz real ortogonal se A
T
A
1
ou, ou seja, se AA
T
A
T
A I. Assim, necessariamente, toda matriz orto-
gonal quadrada e invertvel.
Exemplo 2.13 Seja

Multiplicando A por A
T
, obtemos I, ou seja, AA
T
I. Isso significa

que, tambm, A
T
A I. Assim, A
T
A
1
, ou seja, A ortogonal.
Seja, agora, A uma matriz real ortogonal com linhas
u
1
(a
1
, a
2
, a
3
), u
2
(b
1
, b
2
, b
3
), u
3
(c
1
, c
2
, c
3
)
Por ser ortogonal, temos AA
T
I, ou seja,
Multiplicando A por A
T
e igualando cada entrada com a correspondente de I, obtemos as nove equaes seguintes.
Vemos que e , com Assim, as linhas u
1
, u
2
, u
3
de A so vetores
unitrios e dois a dois ortogonais.
Em geral, dizemos que os vetores u
1
, u
2
, ..., u
m
de R
n
constituem um conjunto ortonormal se os vetores forem
unitrios e dois a dois ortogonais, ou seja,
Em outras palavras, , onde o delta de Kronecker.
Mostramos que a condio AA
T
I implica que as linhas de A constituem um conjunto ortonormal de vetores.
Do mesmo modo, a condio A
T
A I implica que tambm as colunas de A formam um conjunto ortonormal de
vetores. Alm disso, como cada passo do argumento reversvel, a recproca tambm verdadeira.
Esses resultados para matrizes so verdadeiros em geral. Isto , vale o teorema a seguir.
Teorema 2.6 Seja A uma matriz real. As afirmaes seguintes so equivalentes.
(i) A ortogonal.
(ii) As linhas de A constituem um conjunto ortonormal.
(iii) As colunas de A constituem um conjunto ortonormal.
Para n 2, temos o resultado seguinte (demonstrado no Problema 2.28).
_Book_Lipschutz.indb 45 22/12/10 08:57
LGEBRA LINEAR
46
Teorema 2.7 Seja A uma matriz real e ortogonal . Ento, para algum nmero real , temos
(c) Matrizes normais
Uma matriz real A dita normal se comutar com sua transposta A
T
, ou seja, se AA
T
A
T
A. Se A for simtrica, orto-
gonal ou antissimtrica, ento A normal. Tambm h outras matrizes normais.
Exemplo 2.14 Seja Ento
Como AA
T
A
T
A, a matriz A normal.
2.11 MATRIZES COMPLEXAS
Seja A uma matriz complexa, isto , uma matriz com entradas complexas. Na Seo 1.7 vimos que, se z a bi
for um nmero complexo, ento seu conjugado . A conjugada de uma matriz complexa A, denotada
por , a matriz obtida de A tomando o conjugado de cada entrada de A. Ou seja, se A [a
ij
], ento com
. (Isso denotado escrevendo )
As duas operaes de transposio e conjugao comutam para qualquer matriz complexa A, e utilizamos a
notao especial A
H
para a transposta conjugada da matriz A. Ou seja,
Observe que, se A for real, ento A
H
A
T
. [Muitos livros usam A* no lugar de A
H
.]
Exemplo 2.15


Matrizes complexas especiais: hermitianas, unitrias, normais
[opcional at o Captulo 12]
Considere uma matriz complexa A. A relao entre A e sua transposta conjugada A
H
fornece espcies importantes
de matrizes complexas (anlogas s espcies de matrizes reais que j vimos).
Dizemos que uma matriz complexa A hermitiana ou antihermitiana se
A
H
A ou A
H
A.
Claramente, A [a
ij
] hermitiana se, e s se, seus elementos simtricos forem conjugados, ou seja, se cada
, caso em que cada elemento a
ii
da diagonal deve ser real. Analogamente, se A for antihermitiana, ento
cada elemento da diagonal deve ser nulo, a
ii
0. (Observe que se A
H
A ou A
H
A, ento A necessariamente
quadrada.)
Uma matriz complexa unitria se AA
H
A
H
A I, ou seja, se
A
H
A
1
.
Assim, necessariamente, toda matriz unitria quadrada e invertvel. Observamos que uma matriz complexa A
unitria se, e s se, suas linhas (colunas) formam um conjunto ortonormal relativo ao produto escalar de vetores
complexos.
Uma matriz complexa A dita normal se comutar com A
H
, ou seja, se
AA
H
A
H
A
_Book_Lipschutz.indb 46 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 47
(Assim, toda matriz normal quadrada.) Essa definio coincide com a dada para matrizes reais quando A for uma
matriz real.
Exemplo 2.16 Consideremos as matrizes complexas seguintes.
(a) Visualmente, os elementos diagonais de A so reais e os elementos simtricos 1 2i e 1 2i, 4 7i e 4
7i, bem como 2i e 2i so, todos, conjugados. Assim, A hermitiana.
(b) Multiplicar B por B
H
fornece I, ou seja, BB
H
I. Isso implica que tambm B
H
B I. Assim, B
H
B
1
, o que
significa que B unitria.
(c) Para mostrar que C normal, calculamos CC
H
e C
H
C. Temos
e, analogamente,

Como CC
H
C
H
C, essa matriz complexa C normal.
Observamos que, para matrizes reais, ser hermitiana o mesmo que ser simtrica, e ser unitria o mesmo que ser
ortogonal.
2.12 MATRIZES EM BLOCOS
Utilizando um sistema de linhas (tracejadas) horizontais e verticais, podemos particionar uma matriz A em subma-
trizes denominadas blocos de A. Certamente podemos dividir uma matriz em blocos de maneiras diferentes. Por
exemplo,
A convenincia da partio de matrizes em blocos, digamos, A e B, que o resultado das operaes com A e B pode
ser obtido fazendo as operaes em seus blocos, como se fossem autnticos elementos das matrizes. Ilustramos
isso a seguir, onde utilizamos a notao A [A
ij
] para uma matriz em blocos A com blocos A
ij
.
Suponha que A [A
ij
] e B [B
ij
] sejam matrizes em blocos com o mesmo nmero de blocos linha e coluna e
suponha que blocos correspondentes tenham o mesmo tamanho. Ento a soma de blocos correspondentes de A e de
B tambm soma os elementos correspondentes de A e de B e a multiplicao de cada bloco de A pelo mesmo esca-
lar k multiplica cada elemento de A por k. Assim,
e
_Book_Lipschutz.indb 47 22/12/10 08:57
LGEBRA LINEAR
48
O caso da multiplicao matricial menos bvio, mas ainda vlido. Isto , digamos que U [U
ik
] e V [V
kj
]
sejam matrizes em blocos tais que o nmero de colunas de cada bloco U
ik
seja igual ao nmero de linhas de cada
bloco V
kj
, de modo que esteja definido cada produto U
ik
V
kj
. Ento
A demonstrao dessa frmula para UV imediata, mas cheia de detalhes e demorada. Por isso, deixada como
exerccio (Problema Complementar 2.86).
Matrizes quadradas em blocos
Seja M uma matriz em blocos. Dizemos que M uma matriz quadrada em blocos se
(i) M uma matriz quadrada,
(ii) os blocos formam uma matriz quadrada e
(iii) os blocos da diagonal tambm so matrizes quadradas.
Essas duas ltimas condies ocorrem se, e s se, houver o mesmo nmero de linhas tracejadas horizontais e
verticais e se estiverem posicionadas simetricamente.
Considere as duas matrizes em blocos seguintes.
A matriz em blocos A no uma matriz quadrada em blocos, porque o segundo e o terceiro blocos da diagonal no
so quadrados. No entanto, a matriz em blocos B uma matriz quadrada em blocos.
Matrizes diagonais em blocos
Seja M [A
ij
] uma matriz quadrada em blocos. Dizemos que M uma matriz diagonal em blocos se todos os blo-
cos no diagonais de M forem matrizes nulas, ou seja, A
ij
0, com . s vezes, denotamos uma tal matriz por
M diag(A
11
, A
22
, ..., A
rr
) ou
A importncia das matrizes diagonais em blocos se deve ao fato de que a lgebra de matrizes em blocos, frequen-
temente, se reduz lgebra dos blocos individuais. Especificamente, suponha que f(x) seja um polinmio e que M
seja a matriz diagonal em blocos que acabamos de considerar. Ento f(M) uma matriz diagonal em blocos e
f(M) diag(f(A
11
), f(A
22
), ..., f(A
rr
))
Tambm vale que M invertvel se, e s se, cada A
ii
invertvel e, nesse caso, M
1
uma matriz diagonal em blocos,
com
Analogamente, uma matriz quadrada em blocos dita matriz triangular superior em blocos se os blocos abai-
xo da diagonal forem matrizes nulas e dita matriz triangular inferior em blocos se os blocos acima da diagonal
forem matrizes nulas.
_Book_Lipschutz.indb 48 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 49
Exemplo 2.17 Encontre as matrizes quadradas, triangulares superiores, triangulares ou diagonais dentre as ma-
trizes seguintes.
(a) A triangular superior, porque o bloco abaixo da diagonal uma matriz nula.
(b) B triangular inferior, porque os blocos acima da diagonal so matrizes nulas.
(c) C diagonal, porque os blocos acima e abaixo da diagonal so matrizes nulas.
(d) D no nem triangular superior nem triangular inferior. Mais que isso, no h partio de D que a faa ser
triangular superior ou inferior em blocos.
Problemas Resolvidos
Soma matricial e multiplicao por escalar
2.1 Dadas , encontre
(a) A B, (b) 2A 3B.
(a) Somando os elementos correspondentes, obtemos
(b) Primeiro multiplicamos pelos escalares e s depois efetuamos a soma das matrizes.
(Observe que multiplicamos B por 3 e depois somamos, em vez de multiplicar B por 3 e depois subtrair. Em geral,
isso evita erros.)
2.2 Encontre x, y, z, t tais que
Escrevemos cada lado da igualdade como uma nica equao,
Igualando entradas correspondentes, obtemos o seguinte sistema de quatro equaes.
ou
A soluo x 2, y 4, z 1, t 3.
2.3 Demonstre os itens (i) e (v) do Teorema 2.1. (i) (A B) C A (B C), (v) k(A B) kA kB.
Suponha que A [a
ij
], B [b
ij
] e C [c
ij
]. A demonstrao se reduz a mostrar que so iguais as ij-simas
entradas de cada lado das equaes matriciais. [Apenas demonstramos (i) e (v), pois os demais itens do
teorema so demonstrados de maneira anloga.]
_Book_Lipschutz.indb 49 22/12/10 08:57
LGEBRA LINEAR
50
(i) A ij-sima entrada de A B a
ij
b
ij
, portanto, a ij-sima entrada de (A B) C (a
ij
b
ij
) c
ij
. Do outro lado,
a ij-sima entrada de B C b
ij
c
ij
, portanto, a ij-sima entrada de A (B C) a
ij
(b
ij
c
ij
). No entanto,
para escalares de K, temos
(a
ij
b
ij
) c
ij
a
ij
(b
ij
c
ij
).
Assim, (A B) C e A (B C) tm ij-simas entradas idnticas, mostrando que (A B) C A (B C).
(ii) A ij-sima entrada de A B a
ij
b
ij
, portanto, a ij-sima entrada de k(A B) k(a
ij
b
ij
). Do outro lado, as
ij-simas entradas de kA e kB so ka
ij
e kb
ij
, respectivamente, portanto, a ij-sima entrada de kA kB ka
ij
kb
ij
.
No entanto, para escalares de K, temos
k(a
ij
b
ij
) ka
ij
kb
ij
.
Assim, k(A B) e kA kB tm ij-simas entradas idnticas, mostrando que k(A B) kA kB.
Multiplicao matricial
2.4 Calcule
(a) Multiplicando as entradas correspondentes e somando, obtemos
(b) Multiplicando as entradas correspondentes e somando, obtemos
(c) Esse produto no est definido quando a matriz linha e a matriz coluna tm nmero de elementos distintos.
2.5 Denotemos uma matriz de tamanho r s por (r s). Encontre o tamanho dos produtos matriciais que esti-
verem definidos.
Em cada caso, o produto est definido se os nmeros internos forem iguais e, nesse caso, o tamanho do produto
ser dado pelos nmeros externos na ordem em que aparecem.
(a) (c) No est definido. (e) No est definido.
(b)
2.6 Sejam e . Encontre (a) AB, (b) BA.
(a) Como A uma matriz e B , o produto AB est definido e uma matriz . Para obter as entradas
da primeira linha de AB, multiplicamos a primeira linha [1, 3] de A pelas colunas de B,
respectivamente, como segue.
_Book_Lipschutz.indb 50 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 51
Para obter as entradas da segunda linha de AB, multiplicamos a segunda linha [2, 1] de A pelas colunas de B.
Assim,
(b) O tamanho de B e o de A Os nmeros internos 3 e 2 no so iguais, portanto, o produto BA no est
definido.
2.7 Encontre AB, onde
Como A uma matriz e B , o produto AB est definido e uma matriz . Multiplicamos as linhas
de A pelas colunas de B para obter
2.8 Encontre
(a) O primeiro fator e o segundo , portanto, o produto est definido como uma matriz .
(b) O produto no est definido, porque o primeiro fator e o segundo fator
(c) O primeiro fator e o segundo portanto, o produto est definido como uma matriz linha .
2.9 Certamente 0A 0 e A0 0, onde 0 indica matrizes nulas (de tamanhos possivelmente distintos). Encontre
matrizes A e B sem entradas nulas tais que AB 0.
Basta tomar

Ento

2.10 Demonstre o item (i) do Teorema 2.2: (AB)C A(BC).
Sejam A [a
ij
], B [b
jk
], C [c
kl
] e AB S [s
ik
], BC T [t
jl
]. Ento
No produto de S AB por C, a il-sima entrada de (AB)C
Por outro lado, no produto de A por T BC, a il-sima entrada de A(BC)
Essas duas somas so iguais, ou seja, a il-sima entrada de (AB)C igual de A(BC). Assim, (AB)C A(BC).
_Book_Lipschutz.indb 51 22/12/10 08:57
LGEBRA LINEAR
52
2.11 Demonstre o item (ii) do Teorema 2.2: A(B C) AB AC.
Sejam A [a
ij
], B [b
jk
], C [c
jk
] e B C D [d
ik
], AB E [e
ik
], AC F [f
ik
]. Ento
Assim, a ik-sima entrada da matriz AB AC
Por outro lado, a ik-sima entrada da matriz AD A(B C)
Assim, A(B C) AB AC, pois as entradas correspondentes so iguais.
Transposta
2.12 Encontre a transposta de cada matriz.
Reescrevemos as linhas de cada matriz como colunas para obter as transpostas das matrizes.
(Observe que B
T
B e, portanto, B dita simtrica. Observe, tambm, que a transposta do vetor linha C um vetor
coluna e que a transposta do vetor coluna D um vetor linha.)
2.13 Demonstre o item (iv) do Teorema 2.3: (AB)
T
B
T
A
T
.
Sejam A [a
ik
] e B [b
kj
]. Ento a ij-sima entrada de AB
Essa a ji-sima entrada (ordem invertida) de (AB)
T
. Agora a coluna j de B se torna a linha j de B
T
e a linha i de A se
torna a coluna i de A
T
. Logo, a ij-sima entrada de B
T
A
T

Assim, (AB)
T
B
T
A
T
, pois as entradas correspondentes so iguais.
Matrizes quadradas
2.14 Encontre a diagonal e o trao de cada matriz dada.
(a) A diagonal de A consiste nos elementos entre o canto superior esquerdo de A e o canto inferior direito de A ou, em
outras palavras, nos elementos a
11
, a
22
, a
33
. Assim, a diagonal de A consiste nos nmeros 1, 5 e 9. O trao de A a
soma dos elementos diagonais. Assim,
tr(A) 1 5 9 5
(b) A diagonal de B consiste nos nmeros 2, 7 e 2. Assim,
tr(B) 2 7 2 3
_Book_Lipschutz.indb 52 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 53
(c) S se define diagonal e trao de matrizes quadradas.
2.15 Sejam , f(x) 2x
3
4x 5 e g(x) x
2
2x 11. Encontre
(c) Primeiro substitumos x por A e 5 por 5I em f(x), obtendo
Em seguida, multiplicamos pelos escalares e depois efetuamos a soma matricial.
(d) Substituindo x por A e 11 por 11I em g(x), calculamos
Como g(A) a matriz nula, A uma raiz do polinmio g(x).
2.16 Seja . (a) Encontre um vetor coluna no nulo tal que Au 3u. (b) Descreva todos
esses vetores coluna.
(a) Primeiro montamos a equao matricial Au 3u e depois escrevemos cada lado como uma nica matriz (vetor
coluna), como segue.

e, ento

Igualamos as entradas correspondentes para obter um sistema de equaes.
Esse sistema reduziu a uma equao linear no degenerada com duas incgnitas, portanto, tem uma infinidade de
solues. Para obter uma soluo no nula, tomamos, por exemplo, y 2; ento x 3. Assim, u (3, 2)
T
um
vetor no nulo tal que Au 3u.
(b) Para obter a soluo geral, tomamos y a, onde a um parmetro. Substituindo y a em 2x 3y 0, obtemos
. Assim, representa todas as solues.
Matrizes invertveis, inversas
2.17 Mostre que so inversas.
Para isso, calculamos o produto AB
Como AB I, podemos concluir (Teorema 3.18) que BA I. Por isso, A e B so inversas.
_Book_Lipschutz.indb 53 22/12/10 08:57
LGEBRA LINEAR
54
2.18 Encontre, caso exista, a inversa de cada matriz dada.
Utilize a frmula da inversa de matrizes de ordem 2 vista na Seo 2.9.
(a) Primeiro calculamos |A| 5(2) 3(4) 10 12 2. Em seguida, trocamos de lugar os dois elementos da
diagonal, trocamos o sinal dos elementos fora da diagonal e multiplicamos por 1/|A|, como segue.
(b) Primeiro calculamos |B| 2(3) (3)(1) 6 3 9. Em seguida, trocamos de lugar os dois elementos da
diagonal, trocamos o sinal dos elementos fora da diagonal e multiplicamos por 1/|B|, como segue.
(c) Primeiro calculamos |C| 2(9) 6(3) 18 18 0. Como |C| 0, essa matriz no tem inversa.
2.19 Seja Encontre
Multiplicando A por A
1
e igualando as nove entradas do produto com as nove entradas da matriz identidade I, obtemos
o sistema de trs equaes com trs incgnitas seguinte.
[Observe que a matriz de coeficientes dos trs sistemas A.]
Resolvendo os trs sistemas nas nove incgnitas, obtermos
Assim
(Observao: No Captulo 3 veremos uma maneira eficiente de resolver os trs sistemas.)
2.20 Sejam A e B matrizes invertveis (de mesmo tamanho). Mostre que AB tambm invertvel e que
(AB)
1
B
1
A
1
. [Assim, por induo, .]
Usando a associatividade do produto matricial, obtemos
Assim, (AB)
1
B
1
A
1
.
_Book_Lipschutz.indb 54 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 55
Matrizes diagonais e triangulares
2.21 Escreva em forma matricial as matrizes A diag(4, 3, 7), B diag(2, 6) e C diag(3, 8, 0, 5).
Colocamos os escalares dados na diagonal e completamos com 0.
2.22 Sejam A diag(2, 3, 5) e B diag(7, 0, 4). Encontre
(a) AB, A
2
, B
2
; (b) f(A), com f(x) x
2
3x 2; (c) A
1
e B
1
.
(a) A matriz produto AB uma matriz diagonal obtida multiplicando as entradas diagonais correspondentes, ou seja,
AB diag(2(7), 3(0), 5(4)) diag(14, 0, 20).
Os quadrados A
2
e B
2
so obtidos tomando o quadrado de cada entrada diagonal, ou seja,
(b) f(A) uma matriz diagonal obtida calculando f(x) em cada entrada diagonal de A. Temos
Assim, f(A) diag(8, 16, 38).
(c) A inversa de uma matriz diagonal uma matriz diagonal tomando o recproco de cada elemento diagonal. Assim,
mas B no tem inversa por possuir um 0 na diagonal.
2.23 Encontre uma matriz A de tamanho 2 2 tal que A
2
seja diagonal, mas no A.
Tomando , temos , que diagonal.
2.24 Encontre uma matriz triangular superior A tal que
Seja . Ento x
3
8, portanto, x 2 e z
3
27, portanto, z 3. Em seguida, calculamos A
3
usando
x 2 e z 3, obtendo
Assim, 19y 57, ou y 3. Isso mostra que .
2.25 Sejam A [a
ij
] e B [b
ij
] matrizes triangulares superiores. Demonstre que AB triangular superior com
diagonal a
11
b
11
, a
22
b
22
, ..., a
nn
b
nn
.
Seja AB [c
ij
]. Ento Suponha que i > j. Ento, dado qualquer k, ou i > k,
ou k > j, portanto,
ou a
ik
0, ou b
kj
0. Segue que c
ij
0 e AB triangular superior. Suponha que i j. Ento, dado
qualquer k, de k < i decorre a
ik
0 e, de k > i, decorre b
ki
0. Segue que c
ii
a
ii
b
ii
, conforme afirmado. [Isso demonstra
uma parte do item (i) do Teorema 2.5; as afirmaes para A B e kA so deixadas como exerccios.]
_Book_Lipschutz.indb 55 22/12/10 08:57
LGEBRA LINEAR
56
Matrizes reais especiais: simtricas e ortogonais
2.26 Decida se as matrizes dadas so simtricas (ou seja, iguais sua transposta) ou antissimtricas (ou seja,
iguais ao simtrico de sua transposta).
(a) Visualmente, os elementos simtricos (ou seja, imagens espelhadas pela diagonal) de A so 7 e 7, 1 e 1, 2 e 2.
Assim, A simtrica pela igualdade de seus elementos simtricos.
(b) Visualmente, os elementos da diagonal so todos nulos e os elementos simtricos de B, a saber, 4 e 4, 3 e 3, 5 e
5, so dois a dois simtricos. Assim, B antissimtrica.
(c) Como C no quadrada, C no nem simtrica nem antissimtrica.
2.27 Suponha que seja simtrica. Encontre x e B.
Igualando os elementos simtricos x 2 e 2x 3, obtemos 2x 3 x 2, ou x 5. Logo, .
2.28 Seja A uma matriz real arbitrria.
(a) Demonstre que se (a, b) for a primeira linha de A, ento e
(b) Demonstre o Teorema 2.7. Para algum nmero real , temos
(a) Suponha que (x, y) seja a segunda linha de A. Como as linhas de A constituem um conjunto ortonormal, temos
Analogamente, as colunas constituem um conjunto ortonormal, portanto
Segue que , de modo que .
Caso (i): x b. Ento b(a y) 0, logo y a.
Caso (ii): x b. Ento b(y a) 0, logo y a.
Disso decorre que, conforme afirmado,
(b) Como , temos . Seja . Ento , de modo que . Assim
demonstramos o teorema.
2.29 Encontre uma matriz ortogonal A de tamanho 2 2 cuja primeira linha seja um mltiplo (positivo) de (3, 4).
Normalizando (3, 4), obtemos . Ento, pelo Problema 2.28,
2.30 Encontre uma matriz ortogonal P cujas duas primeiras linhas sejam mltiplos de u
1
(1, 1, 1) e
u
2
(0, 1, 1), respectivamente. (Observe que u
1
e u
2
so ortogonais, conforme exige a definio de
matriz ortogonal.)
_Book_Lipschutz.indb 56 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 57
Inicialmente procuramos encontrar algum vetor no nulo u
3
que seja ortogonal a u
1
e u
2
, por exemplo, seu produto
vetorial . Sejam A matriz de linhas u
1
, u
2
e u
3
e P a matriz obtida de A normalizando cada
linha. Assim,
Matrizes complexas: hermitianas e unitrias
2.31 Encontre A
H
com
Por definio, a transposta conjugada de A. Assim,
2.32 Mostre que unitria.
As linhas de A constituem um conjunto ortonormal, como segue.
Assim, A unitria.
2.33 Demonstre o anlogo complexo do Teorema 2.6. Seja A uma matriz complexa. As afirmaes seguintes so
equivalentes. (i) A unitria. (ii) As linhas de A constituem um conjunto ortonormal. (iii) As colunas de A
constituem um conjunto ortonormal.
(A demonstrao quase idntica fornecida no Exemplo 2.13 para o caso de uma matriz real A de tamanho .)
Recordemos que os vetores u
1
, u
2
, ..., u
n
de C
n
constituem um conjunto ortonormal se forem vetores unitrios e dois a
dois ortogonais segundo o produto escalar de C
n
definido por
Seja A uma matriz unitria com linhas R
1
, R
2
, ..., R
n
. Ento so as colunas de A
H
. Denotemos AA
H

[c
ij
]. Por multiplicao matricial, . Como A unitria, temos AA
H
I. Multiplicando A por A
H
e
igualando cada entrada c
ij
com a correspondente entrada de I, obtemos as n
2
equaes seguintes.
Portanto, as linhas de A so vetores unitrios e dois a dois ortogonais, de modo que formam um conjunto ortonormal de
vetores. Analogamente, a condio A
T
A I implica que as colunas de A formam um conjunto ortonormal de vetores.
Alm disso, como podemos retornar a cada passo, tambm valem as recprocas, demonstrando o teorema.
Matrizes em blocos
2.34 Considere as matrizes em blocos (que so parties da mesma matriz) a seguir.
_Book_Lipschutz.indb 57 22/12/10 08:57
LGEBRA LINEAR
58
Encontre o tamanho de cada matriz em blocos e tambm o de cada bloco matricial.
(a) A matriz em blocos tem duas linhas de matrizes e trs colunas de matrizes, portanto, de tamanho . Os blocos
tm tamanhos e na primeira linha e e na segunda linha.
(b) A matriz em blocos tem tamanho e os blocos tm tamanhos e em cada uma das trs linhas.
2.35 Calcule AB usando multiplicao em blocos, onde
Aqui,

e

, onde E, F, G, R, S e T so os blocos dados e e so matrizes nulas
com os tamanhos indicados. Assim,
2.36 Seja M diag(A, B, C), com . Encontre M
2
.
Como M diagonal em blocos, elevamos cada bloco ao quadrado
e obtemos
Polinmios matriciais
2.37 Sejam f(x) e g(x) polinmios e A uma matriz quadrada. Mostre que
Suponha que
(a) Adicionando potncias de x com coeficientes 0, podemos supor que r s n. Ento
Logo
(b) Temos

Ento
(c) Usando f(x)g(x) g(x)f(x), vemos que
f(A)g(A) (fg)(A) (gf)(A) g(A)f(A)
_Book_Lipschutz.indb 58 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 59
Problemas Complementares
lgebra matricial
Os Problemas 2.38 a 2.41 se referem s matrizes seguintes.
2.38 Encontre (a) 5A 2B, (b) 2A 3B, (c) 2C 3D.
2.39 Encontre (a) AB e (AB)C, (b) BC e A(BC). [Lembre que (AB)C A(BC).]
2.40 Encontre (a) A
2
e A
3
, (b) AD e BD, (c) CD.
2.41 Encontre (a) A
T
, (b) B
T
, (c) (AB)
T
, (d) A
T
B
T
. [Lembre que .]
Os Problemas 2.42 e 2.43 se referem s matrizes seguintes.
2.42 Encontre (a) 3A 4B, (b) AC, (c) BC, (d) AD, (e) BD, (f) CD.
2.43 Encontre (a) A
T
, (b) A
T
B, (c) A
T
C.
2.44 Seja . Encontre uma matriz B de tamanho com entradas no nulas e tal que AB 0.
2.45 Sejam e
1
[1, 0, 0], e
2
[0, 1, 0], e
3
[0, 0, 1] e Encontre e
1
A, e
2
A, e
3
A
.
2.46 Seja e
i
[0, ..., 0, 1, 0, ..., 0], em que o 1 a i-sima entrada. Mostre que
(a) e
i
A A
i
, a i-sima linha de A. (c) Se e
i
A e
i
B para cada i, ento A B.
(b) , a j-sima coluna de B. (d) Se para cada j, ento A B.
2.47 Demonstre os itens (iii) e (iv) do Teorema 2.2: (iii) (A B)C AC BC, (iv) k(AB) (kA)B A(kB).
2.48 Demonstre o Teorema 2.3: (i) (A B)
T
A
T
B
T
, (ii) (A
T
)
T
A, (iii) (kA)
T
kA
T
.
2.49 Demonstre as afirmaes seguintes.
(a) Se A tem uma linha nula, ento AB tem uma linha nula.
(b) Se B tem uma coluna nula, ento AB tem uma coluna nula.
Matrizes quadradas, inversas
2.50 Encontre a diagonal e o trao de cada uma das matrizes seguintes.
Os Problemas 2.51 a 2.53 se referem s matrizes
2.51 Encontre (a) A
2
e A
3
, (b) f(A) e g(A), onde
f(x) x
3
2x
2
5, g(x) x
2
3x 17.
2.52 Encontre (a) B
2
e B
3
, (b) f(B) e g(B), onde
f(x) x
2
2x 22, g(x) x
2
3x 6.
Lipschutz_02.indd 59 07/02/11 17:08
LGEBRA LINEAR
60
2.53 Encontre um vetor coluna no nulo tal que C 4 .
2.54 Encontre a inversa de cada uma das matrizes seguintes (se existir).
2.55 Encontre as inversas de [Sugesto: ver Problema 2.19.]
2.56 Suponha que A seja invertvel. Mostre que, se AB AC, ento B C. D um exemplo de uma matriz A no
nula tal que AB AC, mas
2.57 Encontre matrizes invertveis A e B tais que e A B no seja invertvel.
2.58 Demonstre as afirmaes seguintes.
(a) A invertvel se, e s se, A
T
invertvel.
(b) As operaes de inverso e transposio comutam, ou seja, (A
T
)
1
(A
1
)
T
.
(c) Se A tem alguma linha nula ou coluna nula, ento A no invertvel.
Matrizes diagonais e triangulares
2.59 Sejam A diag(1, 2, 3) e B diag(2, 5, 0). Encontre (a) AB, A
2
e B
2
; (b) f(A), onde f(x) x
2
4x 3;
(c) A
1
e B
1
.
2.60 Sejam (a) Encontre A
n
. (b) Encontre B
n
.
2.61 Encontre todas as matrizes triangulares reais A tais que A
2
B, com
2.62 Seja . Encontre todos nmeros k tais que A seja uma raiz do polinmio
(a) f(x) x
2
7x 10; (b) g(x) x
2
25; (c) h(x) x
2
4.
2.63 Seja . Encontre uma matriz A tal que A
3
B.
2.64 Seja Encontre uma matriz triangular A com entradas diagonais positivas e tal que A
2
B.
2.65 Usando somente os elementos 0 e 1, encontre o nmero de matrizes que sejam (a) diagonais, (b) trian-
gulares superiores, (c) invertveis e triangulares superiores. Generalize para matrizes .
2.66 Seja D
k
kI a matriz escalar correspondente ao escalar k. Mostre que
_Book_Lipschutz.indb 60 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 61
2.67 Suponha que AB C, onde A e C so matrizes triangulares superiores.
(a) Encontre matrizes no nulas A, B, C, em que B no seja triangular superior.
(b) Suponha que A tambm seja invertvel. Mostre que B tambm deve ser triangular superior.
Tipos especiais de matrizes reais
2.68 Encontre x, y, z tais que A seja simtrica, sendo
2.69 Seja A uma matriz quadrada. Mostre que (a) A A
T
simtrica, (b) A A
T
antissimtrica, (c) A B C,
em que B simtrica e C antissimtrica.
2.70 Escreva

como a soma de uma matriz simtrica B e uma matriz antissimtrica C.
2.71 Suponha que A e B sejam simtricas. Mostre que as matrizes seguintes tambm so simtricas.
(a) A B; (b) kA, com qualquer escalar k; (c) A
2
;
(d) , com n > 0; (e) f(A), com qualquer polinmio f(x).
2.72 Encontre uma matriz ortogonal P cuja primeira linha seja algum mltiplo de
(a) (3, 4), (b) (1, 2)
2.73 Encontre uma matriz ortogonal P cujas duas primeiras linhas sejam mltiplos de
(a) (1, 2, 3) e (0, 2, 3), (b) (1, 3, 1) e (1, 0, 1).
2.74 Suponha que A e B sejam ortogonais. Mostre que A
T
, A
1
e AB tambm so ortogonais.
2.75 Decida quais das matrizes seguintes so normais.
Matrizes complexas
2.76 Encontre nmeros reais x, y, z tais que A seja hermitiana, com
2.77 Suponha que A seja uma matriz complexa. Mostre que AA
H
e A
H
A so hermitianas.
2.78 Seja A uma matriz quadrada. Mostre que (a) A A
H
hermitiana, (b) A A
H
antihermitiana, (c) A B
C, em que B hermitiana e C antihermitiana.
2.79 Decida quais das matrizes seguintes so unitrias.
2.80 Suponha que A e B sejam unitrias. Mostre que A
H
, A
1
e AB so unitrias.
2.81 Decida quais das matrizes seguintes so normais.
e
_Book_Lipschutz.indb 61 22/12/10 08:57
LGEBRA LINEAR
62
Matrizes em blocos
2.82 Sejam
(a) Encontre UV usando multiplicao em blocos. (b) Sero U e V matrizes diagonais em blocos?
(c) Ser UV diagonal em blocos?
2.83 Particione cada uma das seguintes matrizes de tal modo que seja uma matriz quadrada em blocos com o
maior nmero possvel de blocos na diagonal.
2.84 Encontre M
2
e M
3
no caso
2.85 Para cada matriz do Problema 2.84, encontre f(M), sendo f(x) x
2
4x 5.
2.86 Sejam U [U
ik
] e V [V
kj
] matrizes em blocos para as quais esteja definido o produto UV e tais que o n-
mero de colunas de cada bloco U
ik
seja igual ao nmero de linhas de cada bloco V
kj
. Mostre que UV [W
ij
],
com
2.87 Suponha que M e N sejam matrizes diagonais em blocos tais que blocos correspondentes tenham o mesmo
tamanho, digamos, M diag(A
i
) e N diag(B
i
). Mostre que
(i) M N diag(A
i
B
i
), (iii) MN diag(A
i
B
i
),
(ii) kM diag(kA
i
), (iv) f(M) diag(f(A
i
)), para qualquer polinmio f(x).
Respostas dos Problemas Complementares
Notao A [R
1
; R
2
; ...] denota uma matriz A com linhas R
1
, R
2
, ...
2.38
2.39
2.40


2.41
2.42

_Book_Lipschutz.indb 62 22/12/10 08:57
CAPTULO 2 LGEBRA DE MATRIZES 63
2.43
2.44
2.45
2.50
2.51
2.52
2.53
2.54
2.55
2.56
2.57
2.58 (c) Sugesto: Utilize o Problema 2.48
2.59

2.60
2.61
2.62 (a) k 2, (b) k 5, (c) No h.
2.63
2.64
2.65 Para uma matriz ser triangular superior, todas as entradas abaixo da diagonal devem ser 0 e para ser, tam-
bm, invertvel, todos os elementos diagonais devem ser 1.

2.67
2.68 (a) x 4, y 1, z 3; (b) x 0, y 6, z qualquer nmero real.
2.69 (c) Sugesto: Utilize
2.70
2.72
_Book_Lipschutz.indb 63 22/12/10 08:57
LGEBRA LINEAR
64
2.73
2.75 A e C
2.76 x 3, y 0, z 3
2.78 (c) Sugesto: Utilize
2.79 As trs.
2.81 A
2.82 (a) (b) No (c) Sim
2.83 Particione A com uma linha tracejada entre as primeira e segunda linhas (colunas); particione B com uma
linha tracejada entre as segunda e terceira linhas (colunas) e entre as quarta e quinta linhas (colunas); no h
como particionar C para torn-la uma matriz quadrada em blocos.
2.84
2.85
_Book_Lipschutz.indb 64 22/12/10 08:57
3.1 INTRODUO
Os sistemas de equaes lineares desempenham um papel importante e motivador na disciplina de lgebra Linear.
Na verdade, muitos problemas de lgebra Linear se reduzem a encontrar uma soluo de um sistema de equaes
lineares. Assim, as tcnicas introduzidas neste captulo sero aplicveis s ideias abstratas que sero introduzidas
mais tarde. Alm disso, alguns dos resultados abstratos nos proporcionam uma nova perspectiva da estrutura e das
propriedades de sistemas de equaes lineares.
Todos os nossos sistemas de equaes lineares contm escalares, tanto como coeficientes quanto como cons-
tantes, e esses escalares podem ser elementos de um corpo K qualquer. No h praticamente perda de generalidade
alguma se o leitor supuser que todos os nossos escalares sejam nmeros reais, isto , elementos do corpo R dos
reais.
3.2 DEFINIES BSICAS, SOLUES
Nesta seo apresentamos as definies bsicas relativas s solues de sistemas de equaes lineares. Os algorit-
mos que utilizamos para determinar essas solues s sero tratados adiante.
Equao linear e solues
Uma equao linear nas incgnitas x
1
, x
2
, ..., x
n
uma equao que pode ser colocada na seguinte forma padro
(3.1)
em que a
1
, a
2
, ..., a
n
e b so constantes. Dizemos que a constante a
k
o coeficiente de x
k
e b o termo constante da
equao.
Uma soluo da equao linear (3.1) uma lista de valores para as incgnitas ou, equivalentemente, um vetor
u de , digamos,
tal que seja verdadeira a afirmao seguinte (obtida substituindo x
i
por k
i
na equao).
Nesse caso, dizemos que u satisfaz a equao.
OBSERVAO Na Equao (3.1), implicitamente, estamos supondo que h uma ordenao das incgnitas. Para
evitar o uso de ndices, costumamos usar x, y para duas incgnitas, x, y, z para trs incgnitas e x, y, z, t para quatro
incgnitas, que sempre ordenamos dessa forma.
Sistemas de Equaes Lineares
Captulo 3
_Book_Lipschutz.indb 65 22/12/10 11:55
LGEBRA LINEAR
66
Exemplo 3.1 Considere a equao linear nas trs incgnitas x, y, z a seguir.
x 2y 3z 6
Vemos que x 5, y 2, z 1 ou, equivalentemente, o vetor u (5, 2, 1), uma soluo da equao. Isto ,
5 2(2) 3(1) 6 ou 5 4 3 6 ou 6 6
No entanto, w (1, 2, 3) no uma soluo, pois, substituindo esses valores, no obtemos uma afirmativa verda-
deira.
1 2(2) 3(3) 6 ou 1 4 9 6 ou 4 6
Sistema de equaes lineares
Um sistema de equaes lineares uma lista de equaes com as mesmas incgnitas. Em particular, um sistema de
m equaes lineares L
1
, L
2
, ..., L
m
nas n incgnitas x
1
, x
2
, ..., x
n
pode ser colocado na forma padro

(3.2)
em que os a
ij
e os b
i
so constantes. O nmero a
ij
o coeficiente da incgnita x
j
na equao L
i
, e o nmero b
i
o
termo constante dessa equao.
Dizemos que o sistema (3.2) um sistema (que lemos m por n). O sistema dito quadrado se m n, ou
seja, se o nmero m de equaes for igual ao nmero n de incgnitas.
Dizemos que o sistema (3.2) homogneo se todos os seus termos constantes forem nulos, isto , se b
1
0,
b
2
0, ..., b
m
0. Caso contrrio, o sistema dito no homogneo.
Uma soluo (ou soluo particular) do sistema (3.2) uma lista de valores para as incgnitas ou, de modo
equivalente, um vetor u de , que uma soluo de cada uma das equaes do sistema. O conjunto de todas as
solues do sistema denominado conjunto soluo ou soluo geral do sistema.
Exemplo 3.2 Considere o sistema de equaes lineares a seguir.
Por ter trs equaes com quatro incgnitas, o sistema 3 4. Decida se (a) u (8, 6, 1, 1) e (b) (10, 5, 1,
2) so solues do sistema.
(a) Substitumos os valores de u em cada equao, obtendo
Sim, u uma soluo do sistema, pois uma soluo de cada equao.
(b) Substitumos os valores de u em cada equao, obtendo
No, no uma soluo do sistema, pois no uma soluo da segunda equao. (Nem precisamos substituir
na terceira equao.)
_Book_Lipschutz.indb 66 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 67
Dizemos que o sistema (3.2) consistente se tiver uma ou mais solues; se no possuir soluo alguma, dize-
mos que o sistema inconsistente. Quando o corpo K de escalares infinito, como, por exemplo, no caso em que
K o corpo real ou o corpo complexo , vale o seguinte resultado importante.
Teorema 3.1 Seja K um corpo infinito. Ento qualquer sistema de equaes lineares tem (i) uma soluo, (ii)
nenhuma soluo, ou (iii) uma infinidade de solues.
Esta situao mostrada na Figura 3-1. Os trs casos possuem uma interpretao geomtrica se o sistema
consistir em duas equaes com duas incgnitas (Seo 3.4).
Sistema de equaes lineares
Inconsistentes Consistente
Sem
soluo
Soluo
nica
Nmero infinito
de solues
Figura 3-1
Matriz de coeficientes e matriz aumentada de um sistema
Voltemos ao sistema geral (3.2) de m equaes com n incgnitas. Associamos a esse sistema duas matrizes, como
segue.
Dizemos que a primeira matriz M a matriz aumentada do sistema e a segunda matriz A a matriz de coeficientes
do sistema.
A matriz de coeficientes , simplesmente, a matriz dos coeficientes do sistema, sendo igual matriz aumenta-
da M do sistema sem a ltima coluna de termos constantes. comum usar a notao M [A, B] para enfatizar as
duas partes da matriz M, em que B denota o vetor coluna dos termos constantes. A matriz aumentada M e a de co-
eficientes A do sistema estudado no Exemplo 3.2 so
Como era de se esperar, A consiste em todas as colunas de M, exceto a ltima, que a coluna dos termos constantes.
Claramente, um sistema de equaes lineares fica completamente determinado por sua matriz aumentada M e
vice-versa. Mais especificamente, cada linha de M corresponde a uma equao do sistema e cada coluna de M
corresponde aos coeficientes de uma incgnita, exceto a ltima coluna, que corresponde aos termos constantes do
sistema.
Equaes lineares degeneradas
Uma equao linear dita degenerada se todos seus coeficientes so nulos, isto , se ela tem a forma
_Book_Lipschutz.indb 67 22/12/10 11:55
LGEBRA LINEAR
68
A soluo de uma dessas equaes depende apenas do valor da constante b. Mais precisamente,
(i) se , ento a equao no possui soluo e
(ii) se b 0, ento cada vetor u (k
1
, k
2
, ..., k
n
) de uma soluo.
Vale o resultado seguinte.
Teorema 3.2 Seja um sistema de equaes lineares que contm uma equao degenerada L com termo cons-
tante b.
(i) Se , ento o sistema no possui soluo.
(ii) Se b 0, ento L pode ser retirada do sistema sem alterar seu conjunto soluo.
A parte (i) decorre da observao que a equao degenerada no possui soluo, por isso o sistema tambm
no possui soluo. A parte (ii) decorre da observao que cada elemento de soluo da equao degenerada.
Incgnita lder numa equao linear no degenerada
Seja, agora, L uma equao linear no degenerada. Isso significa que um ou mais dos coeficientes de L no so
nulos. A primeira incgnita de L com coeficiente no nulo denominada incgnita lder de L. Por exemplo, x
3
e y
so as incgnitas lderes, respectivamente, das equaes
costume omitir os termos com coeficientes nulos, portanto essas equaes seriam escritas como
Nesse caso, a incgnita lder a que aparece em primeiro lugar.
3.3 SISTEMAS EQUIVALENTES, OPERAES ELEMENTARES
Voltemos ao sistema geral (3.2) de m equaes com n incgnitas. Seja L a equao linear obtida multiplicando as
m equaes por constantes c
1
, c
2
, ..., c
m
, respectivamente, e depois somando as equaes resultantes. Mais precisa-
mente, seja L a equao linear
Dizemos que L uma combinao linear das equaes do sistema. fcil mostrar (Problema 3.43)
que qualquer soluo do sistema (3.2) tambm uma soluo da combinao linear L.
Exemplo 3.3 Sejam L
1
, L
2
e L
3
, respectivamente, as trs equaes do Exemplo 3.2. Seja L a equao obtida mul-
tiplicando L
1
, L
2
e L
3
por 3, 2 e 4 e somando, ou seja,
Ento L uma combinao linear de L
1
, L
2
e L
3
. Como se esperava, a soluo u (8, 6, 1, 1) do sistema tambm
uma soluo de L, ou seja, substituindo u em L obtemos uma afirmao verdadeira, a saber,
Vale o teorema a seguir.
_Book_Lipschutz.indb 68 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 69
Teorema 3.3 Dois sistemas de equaes lineares tm as mesmas solues se, e s se, cada equao de cada siste-
ma uma combinao linear de equaes do outro sistema.
Dois sistemas de equaes lineares so ditos equivalentes se possurem as mesmas solues. Na prxima subseo
mostramos uma maneira de obter sistemas equivalentes de equaes lineares.
Operaes elementares
As seguintes operaes num sistema de equaes lineares L
1
, L
2
, ..., L
m
so ditas operaes elementares.
[E
1
] Trocar duas equaes de posio. Indicamos que as equaes L
i
e L
j
foram trocadas de posio escrevendo
Trocar L
i
e L
j
entre si ou
[E
2
] Substituir uma equao por um mltiplo no nulo dela. Indicamos que a equao L
i
foi substituda por kL
i
(com
) escrevendo
Substituir L
i
por kL
i
ou
[E
3
] Substituir uma equao por um mltiplo de uma outra equao somado com ela mesma. Indicamos que a equao
L
j
foi substituda pela soma de kL
i
e L
j
escrevendo

A seta em [E
2
] e [E
3
] pode ser lida como substitui.
A propriedade principal dessas operaes elementares est contemplada no teorema seguinte (demonstrado no
Exerccio 3.45).
Teorema 3.4 Suponha que um sistema de equaes lineares seja obtido de um sistema de equaes lineares
por uma sequncia finita de operaes elementares. Ento e tm as mesmas solues.
OBSERVAO s vezes (digamos, para evitar fraes quando todos os escalares dados so inteiros) podemos
aplicar [E
2
] e [E
3
] num nico passo, isto , podemos aplicar a operao seguinte.
[E] Substituir a equao L
j
pela soma de kL
i
e (com ), que indicamos por

Enfatizamos que apenas a equao L
j
alterada nas operaes [E
3
] e [E].
A eliminao gaussiana, nosso principal mtodo para encontrar a soluo de um dado sistema de
equaes lineares, consiste no uso das operaes que acabamos de apresentar para transformar o
dado sistema num sistema equivalente cuja soluo possa ser obtida com facilidade.
Os detalhes da eliminao gaussiana so discutidos em sees subsequentes.
3.4 SISTEMAS QUADRADOS E PEQUENOS DE EQUAES LINEARES
Nesta seo consideramos os casos especiais de uma equao com uma incgnita e de duas equaes com duas
incgnitas. Como os conjuntos soluo desses sistemas simples podem ser descritos geometricamente e suas pro-
priedades motivam o caso geral, so tratados separadamente.
_Book_Lipschutz.indb 69 22/12/10 11:55
LGEBRA LINEAR
70
Equao linear com uma incgnita
O resultado a seguir simples e ser provado no Problema 3.4.
Teorema 3.5 Considere a equao linear ax b.
(i) Se , ento x b/a a nica soluo de ax b.
(ii) Se a 0, mas , ento ax b no possui soluo.
(iii) Se a 0 e b 0, ento cada escalar k uma soluo de ax b.
Exemplo 3.4 Resolva (a) 4x 1 x 6, (b) 2x 5 x x 3, (c) 4 x 3 2x 1 x.
(a) Reescrevemos a equao na forma padro, obtendo 3x 7. Ento a nica soluo [Teorema 3.5(i)].
(b) Reescrevemos a equao na forma padro, obtendo 0x 8. A equao no possui soluo [Teorema 3.5(ii)].
(c) Reescrevemos a equao na forma padro, obtendo 0x 0. Ento cada escalar k uma soluo [Teorema
3.5(iii)].
Sistema de duas equaes lineares com duas incgnitas (sistemas )
Consideremos um sistema de duas equaes lineares no degeneradas nas duas incgnitas x e y, que pode ser colo-
cado na forma padro
Como ambas equaes so no degeneradas, A
1
e B
1
no so simultaneamente nulos, nem o so A
2
e B
2
.
A soluo geral do sistema (3.4) de um dos trs tipos classificados na Figura 3-1. Se R for o corpo de escala-
res, ento o grfico de cada equao uma reta no plano R
2
e os trs tipos podem ser interpretados geometricamen-
te conforme indicado na Figura 3-2. Especificamente, temos os trs tipos seguintes.
(1) O sistema possui exatamente uma soluo.
Nesse caso, as duas retas se intersectam num ponto [Figura 3-2(a)]. Isto ocorre se as retas possurem inclina-
es distintas ou, equivalentemente, se os coeficientes de x e y no forem proporcionais.
Por exemplo, na Figura 3-2(a),
y
L
1
x
L
2
0 3 3
3
3
L x y
L x y
1
2
: = 1
: 3 + 2 = 12
6
y
( ) b
L
1
x
L
2
0 3
3
3
L x y
L x y
1
2
: + 3 = 3
: 2 + 6 = 8
6
3
y
( ) c
L L
1 2
e
x
0 3
3
3
L x y
L x y
1
2
: + 2 = 4
: 2 + 4 = 8
6
3
( ) a
Figura 3-2
_Book_Lipschutz.indb 70 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 71
(2) O sistema no possui soluo.
Nesse caso, as duas retas so paralelas e distintas [Figura 3-2(b)]. Isto ocorre se as retas possurem a mesma
inclinao, mas cruzarem o eixo y em pontos distintos, ou seja,
Por exemplo, na Figura 3-2(b),
(3) O sistema possui uma infinidade solues.
Nesse caso, as duas retas coincidem [Figura 3-2(c)]. Isto ocorre se as retas possurem a mesma inclinao
e cruzarem o eixo y no mesmo ponto ou, equivalentemente, se os coeficientes e os termos constantes forem
proporcionais.
Por exemplo, na Figura 3-2(c),
OBSERVAO A expresso seguinte e seu valor so denominados determinante de ordem dois.
Os determinantes sero estudados no Captulo 8. Assim, o sistema (3.4) possui soluo nica se, e s se, o determi-
nante de seus coeficientes no zero. (Mais adiante, mostraremos que essa afirmao verdadeira para qualquer
sistema quadrado de equaes lineares.)
Algoritmo de eliminao
A soluo do sistema (3.4) pode ser obtida pelo processo de eliminao, em que reduzimos o sistema a uma nica
equao com uma nica incgnita. Supondo que o sistema possua uma nica soluo, esse algoritmo de eliminao
tem duas partes.
Algoritmo 3.1 dado um sistema de duas equaes lineares no degeneradas L
1
e L
2
com duas incgnitas e uma
nica soluo.
Parte A (Eliminao Para Frente) Multiplique cada equao por uma constante para que os coeficientes resultan-
tes de uma das incgnitas sejam simtricos e, em seguida, some as duas equaes, obtendo uma nova equao L
com apenas uma incgnita.
Parte B (Substituio Para Trs) Resolva a nova equao L (de apenas uma incgnita), substitua esse valor da
incgnita em uma das equaes originais e resolva-a para obter o valor da outra incgnita.
A Parte A do Algoritmo 3.1 pode ser aplicada a qualquer sistema, mesmo que o sistema no possua soluo
nica. Nesse caso, a nova equao L ser degenerada e a parte B no poder ser aplicada.
Exemplo 3.5 (Soluo nica) Resolva o sistema
A incgnita x eliminada das equaes formando a nova equao L 3L
1
2L
2
, ou seja, multiplicamos L
1

por 3 e L
2
por 2 e depois somamos as equaes resultantes, como segue.
_Book_Lipschutz.indb 71 22/12/10 11:55
LGEBRA LINEAR
72
Resolvendo a nova equao em y, obtemos y 2. Substitumos y 2 numa das equaes originais, digamos, L
1
, e
resolvemos na outra varivel, x, obtendo
Assim, ou, ento, o par u (1, 2) a nica soluo do sistema. Como , j estvamos
esperando que a soluo fosse nica. [Geometricamente, as retas correspondentes s equaes tm interseo no
ponto (1, 2).]
Exemplo 3.6 (Soluo no nica)
(a) Resolva o sistema
Eliminamos x das equaes multiplicando L
1
por 2 e, depois, somando com L
2
, ou seja, formamos a nova
equao L 2L
1
L
2
. Isso fornece a equao degenerada
0x 0y 13
em que o termo constante b 13 no nulo. Assim, essa equao, e o sistema, no tm soluo. Isto era de
se esperar, pois . [Geometricamente, as retas correspondentes s equaes so paralelas e
no coincidem.]
(b) Resolva o sistema
Eliminamos x das equaes multiplicando L
1
por 2 e, depois, somando com L
2
, ou seja, formamos a nova
equao L 2L
1
L
2
. Isso fornece a equao degenerada
0x 0y 0
em que o termo constante nulo. Assim, o sistema tem uma infinidade de solues, que correspondem s so-
lues de cada uma das equaes. Isso era de se esperar, pois . [Geometricamente, as
retas correspondentes s equaes coincidem.]
Para encontrar a soluo geral, substitumos y a em L
1
para obter
x 3a 4 ou x 3a 4
Assim, a soluo geral do sistema
x 3a 4, y a ou u (3a 4, a)
em que o parmetro a um escalar qualquer.
3.5 SISTEMAS EM FORMA TRIANGULAR E ESCALONADA
A eliminao gaussiana, que o principal mtodo de resoluo de sistemas de equaes lineares, tratada na Seo
3.6. Aqui consideramos dois tipos simples de sistemas de equaes lineares, a saber, os triangulares e, mais geral-
mente, os escalonados.
Forma triangular
Considere o sistema de equaes lineares em forma triangular a seguir.
_Book_Lipschutz.indb 72 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 73
Num sistema em forma triangular, a primeira incgnita x
1
a incgnita lder da primeira equao, a segunda incg-
nita x
2
a incgnita lder da segunda equao e assim por diante. Em particular, o sistema quadrado e cada incg-
nita lder est imediatamente direita da incgnita lder da equao precedente.
Um sistema triangular desses sempre possui soluo nica, que pode ser obtida por substituio para trs,
como segue.
(1) Primeiro resolvemos a ltima equao, para obter x
4
4.
(2) Em seguida, substitumos esse valor x
4
4 na penltima equao e resolvemos na penltima varivel x
3
, como
segue.
7x
3
4 3 ou 7x
3
7 ou x
3
1
(3) Agora substitumos x
3
1 e x
4
4 na segunda equao e resolvemos na segunda varivel x
2
, como segue.
5x
2
1 12 1 ou 5x
2
11 1 ou 5x
2
10 ou x
2
2
(4) Finalmente, substitumos x
2
2, x
3
1 e x
4
4 na primeira equao e resolvemos na primeira varivel x
1
,
como segue.
2x
1
6 5 8 9 ou 2x
1
3 9 ou 2x
1
6 ou x
1
3
Assim, x
1
3, x
2
2, x
3
1 e x
4
4 ou, equivalentemente, o vetor u (3, 2, 1, 4) a nica soluo do
sistema.
OBSERVAO Existe uma forma alternativa para a substituio para trs (que ser utilizada quando resolvermos
um sistema na forma matricial). A saber, depois de encontrar o valor da ltima incgnita, substitumos esse valor
em todas as equaes que a precedem antes de resolver a penltima equao. Isso fornece um sistema triangular
com uma equao e uma incgnita a menos. Por exemplo, no sistema triangular que acabamos de resolver, substi-
tumos x
4
4 em todas as equaes anteriores para obter o sistema triangular
Ento repetimos o processo usando a nova ltima equao e, assim, sucessivamente.
Forma escalonada, piv e variveis livres
Dizemos que o sistema de equaes lineares seguinte est em forma escalonada.
Num sistema em forma escalonada, nenhuma equao degenerada, e a incgnita lder de cada equao a partir da
segunda est direita da incgnita lder da equao precedente. As incgnitas lderes das equaes do sistema, no
exemplo, x
1
, x
3
e x
4
, so denominadas variveis piv e as outras incgnitas, x
2
e x
5
no exemplo, so denominadas
variveis livres.
Em geral, um sistema escalonado ou um sistema em forma escalonada da forma seguinte.
_Book_Lipschutz.indb 73 22/12/10 11:55
LGEBRA LINEAR
74
onde e so no nulos. As variveis piv so . Observe que
O conjunto soluo de um sistema escalonado descrito no teorema seguinte (demonstrado no Problema 3.10).
Teorema 3.6 Considere um sistema de equaes lineares em forma escalonada, digamos, de r equaes com n
incgnitas. H dois casos.
(i) r n, ou seja, h o mesmo nmero de equaes e incgnitas (forma triangular). Nesse caso,
o sistema tem uma nica soluo.
(ii) r < n, ou seja, h mais incgnitas do que equaes. Nesse caso, podemos atribuir livremente
valores s n r variveis livres e resolver de modo nico nas r variveis piv, obtendo uma solu-
o do sistema.
Suponha que um sistema escalonado contenha mais incgnitas do que equaes. Supondo que o corpo K seja
infinito, o sistema possui uma infinidade de solues, porque a cada uma das n r variveis livres podemos atri-
buir qualquer valor escalar.
A soluo geral de um sistema com variveis livres pode ser descrita de uma de duas maneiras equivalentes,
que ilustramos usando o sistema escalonado de r 3 equaes e n 5 incgnitas dado acima. Uma descrio
dita forma paramtrica da soluo e a outra forma de variveis livres.
Forma paramtrica
Atribumos valores arbitrrios, denominados parmetros, s variveis livres x
2
e x
5
, digamos, x
2
a e x
5
b, e
utilizamos a substituio para trs para obter os valores das variveis piv x
1
, x
3
e x
4
em termos dos parmetros a e
b, como segue.
(1) Substitumos x
5
b na ltima equao e resolvemos em x
4
.
3x
4
9b 6 ou 3x
4
6 9b ou x
4
2 3b
(2) Substitumos x
4
2 3b e x
5
b na segunda equao e resolvemos em x
3
.
x
3
2(2 3b) 2b 5 ou x
3
4 8b 5 ou x
3
1 8b
(3) Substitumos x
2
a, x
3
1 8b, x
4
2 3b e x
5
b na primeira equao e resolvemos em x
1
.
2x
1
6a (1 8b) 4(2 3b) 2b 15 ou x
1
4 3a 9b
Assim, a soluo geral em forma paramtrica
x
1
4 3a 9b, x
2
a, x
3
1 8b, x
4
2 3b, x
5
b
ou, equivalentemente, (4 3a 9b, a, 1 8b, 2 3b, b), em que a e b so escalares arbitrrios.
Forma de variveis livres
Utilizamos a substituio para trs para resolver nas variveis piv x
1
, x
3
e x
4
diretamente em termos das vari-
veis livres piv x
2
e x
5
. Ou seja, a ltima equao fornece x
4
2 3x
5
, substituindo na segunda equao for-
nece x
3
1 8x
5
e substituindo na primeira equao fornece x
1
4 3x
2
9x
5
. Assim, obtemos
x
1
4 3x
2
9x
5
, x
2
varivel livre, x
3
1 8x
5
, x
4
2 3x
5
, x
5
varivel livre
ou, equivalentemente,
(4 3x
2
9x
5
, x
2
, 1 8x
5
, 2 3x
5
, x
5
),
a forma de variveis livres da soluo geral do sistema.
Enfatizamos que no h diferena alguma entre as duas formas da soluo geral, sendo a utilizao de uma ou
outra simplesmente uma questo de preferncia pessoal.
OBSERVAO Uma soluo particular do sistema estudado pode ser encontrada atribuindo quaisquer valores s
variveis livres e, ento, resolvendo nas variveis piv com substituio para trs. Por exemplo, tomando x
2
1 e
x
5
1, obtemos
Lipschutz_03.indd 74 07/02/11 17:42
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 75
x
4
2 3 5, x
3
1 8 7, x
1
4 3 9 8
Assim, u (8, 1, 7, 5, 1) a soluo particular correspondente a x
2
1 e x
5
1.
3.6 ELIMINAO GAUSSIANA
O mtodo principal de resoluo do sistema de equaes lineares (3.2) gerais denominado eliminao gaussiana
e consiste, essencialmente, em duas partes.
Parte A (Eliminao Para Frente) Reduo passo a passo do sistema, levando ou a uma equao degenerada sem
soluo (indicando que o sistema no tem soluo) ou a um sistema equivalente mais simples em forma triangular
ou escalonada.
Parte B (Substituio Para Trs) Substituio para trs passo a passo para obter a soluo do sistema mais simples.
A parte B j foi discutida nas sees precedentes, portanto, basta dar o algoritmo para a Parte A, como segue.
Algoritmo 3.2 (para Parte A) dado um sistema de equaes lineares (3.2).
Etapa de eliminao Encontre a primeira incgnita do sistema com um coeficiente no nulo (que agora, obriga-
toriamente, x
1
).
(a) Faa com que , ou seja, se necessrio, troque de lugar as equaes para que a primeira incgnita x
1
aparea
com um coeficiente no nulo na primeira equao.
(b) Use a
11
como um piv para eliminar x
1
de todas as equaes, exceto a primeira. Em outras palavras, para cada i > 1,
Agora, o sistema tem a forma seguinte,
em que x
1
aparece somente na primeira equao, e denota a primeira incgnita com um coefi-
ciente no nulo nas equaes depois da primeira.
(c) Examine cada nova equao L.
(1) Se L tiver a forma , com , ento
PARE
O sistema inconsistente e no possui soluo.
(2) Se L tiver a forma , ou se L for um mltiplo de alguma outra equao, ento
retire L do sistema.
Etapa de recurso Repita a Etapa de Eliminao para cada novo subsistema menor formado por todas as
equaes do sistema, exceto a primeira equao.
Resultado Ao final, o sistema est reduzido forma triangular ou escalonada, a menos que tenha sido encontrada
alguma equao degenerada sem soluo, indicando que o sistema inconsistente.
As observaes a seguir so relativas Etapa de Eliminao do Algoritmo 3.2.
(1) Dizemos que o nmero m dado em (b) um multiplicador.
(2) Alternativamente, poderamos tambm aplicar a operao seguinte em (b).
_Book_Lipschutz.indb 75 22/12/10 11:55
LGEBRA LINEAR
76
Substituir L
i
por a
i1
L
1
a
11
L
i
Isto evitaria o aparecimento de fraes se todos os escalares, inicialmente, forem inteiros.
Exemplo de eliminao gaussiana
Exemplifiquemos em detalhes a eliminao gaussiana usando o sistema de equaes lineares seguinte.
Parte A Usamos o coeficiente 1 de x na primeira equao L
1
como o piv para eliminar x da segunda equao
L
2
e da terceira equao L
3
. Isso feito como segue.
(1) Multiplicamos L
1
pelo multiplicador m 2 e somamos com L
2
, ou seja, substitua L
2
por 2L
1
L
2
.
(2) Multiplicamos L
1
pelo multiplicador m 3 e somamos com L
3
, ou seja, substitua L
3
por 3L
1
L
3
.
Com esses passos obtemos
Assim, o sistema original foi substitudo pelo sistema seguinte.
(Observe que as novas equaes L
2
e L
3
formam um subsistema com uma equao a menos e uma incgnita a me-
nos do que o sistema original.)
Agora usamos o coeficiente 2 de y na (nova) segunda equao L
2
como o piv para eliminar y da (nova) tercei-
ra equao L
3
. Isso feito como segue.
(3) Multiplicamos L
2
pelo multiplicador e somamos com L
3
, ou seja, substitua L
3
por .
(Alternativamente, substitua L
3
por 3L
2
2L
3
, que evita fraes.)
Com esse passo obtemos
Assim, nosso sistema original foi substitudo pelo sistema seguinte.
Agora o sistema est em forma triangular, portanto, completamos a Parte A.
Parte B Os valores das incgnitas so obtidos na ordem inversa, z, y, x, por substituio para trs, como segue.
(1) Resolvemos z em L
3
para obter z 2.
(2) Substitumos z 2 em L
2
e resolvemos y para obter y 3.
(3) Substitumos y 3 e z 2 em L
1
e resolvemos x para obter x 1.
Assim, a soluo do sistema triangular e, portanto, do sistema original
x 1, y 3, z 2 ou, equivalentemente, u (1, 3, 2).
_Book_Lipschutz.indb 76 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 77
Formato condensado
O algoritmo de eliminao gaussiana envolve reescrever os sistemas de equaes lineares. s vezes, podemos evi-
tar a cpia excessiva de algumas equaes utilizando o formato condensado. Apresentamos esse formato para a
soluo do sistema precedente.
Ou seja, inicialmente escrevemos o nmero de cada uma das equaes originais. Ao aplicar a eliminao gaussiana
ao sistema, apenas escrevemos as novas equaes e as identificamos com o mesmo nmero da equao original
correspondente, mas com um apstrofo. (Aps cada nova equao, indicamos, apenas por razes didticas, a ope-
rao elementar que forneceu a nova equao.)
O sistema em forma triangular consiste nas equaes (1), (2) e (3"), que so os nmeros com maior nmero de
apstrofos. A substituio para trs nessas equaes novamente fornece x 1, y 3, z 2.
OBSERVAO Se duas equaes necessitam ser trocadas de lugar, digamos, para obter um coeficiente no nulo
como um piv, ento isso pode ser facilmente realizado nesse formato, simplesmente renumerando as duas equa-
es, em vez de trocar suas posies.
Exemplo 3.7 Resolva o sistema
Resolvemos esse sistema com eliminao gaussiana.
Parte A (Eliminao Para Frente) Usamos o coeficiente 1 de x na primeira equao L
1
como o piv para
eliminar x da segunda equao L
2
e da terceira equao L
3
. Isso feito como segue.
(1) Multiplicamos L
1
pelo multiplicador m 2 e somamos com L
2
, ou seja, substitua L
2
por 2L
1
L
2
.
(2) Multiplicamos L
1
pelo multiplicador m 3 e somamos com L
3
, ou seja, substitua L
3
por 3L
1
L
3
.
Esses dois passos fornecem
(A terceira equao foi suprimida, por ser um mltiplo da segunda equao.) Agora o sistema est em forma esca-
lonada com varivel livre z.
Parte B (Eliminao Para Trs) Para obter a soluo geral, tomamos a varivel livre z a e resolvemos em x e
y por substituio para trs. Substituindo z a na segunda equao, obtemos y 2 2a e, substituindo z a e y
2 2a na primeira equao, obtemos
x 2(2 2a) 3a 1 ou x 4 4a 3a 1 ou x 3 a
Assim, a soluo geral, em que a um parmetro,
x 3 a, y 2 2a, z a ou u (3 a, 2 2a, a).
_Book_Lipschutz.indb 77 22/12/10 11:55
LGEBRA LINEAR
78
Exemplo 3.8 Resolva o sistema
Utilizamos eliminao gaussiana.
Parte A (Eliminao Para Frente) Usamos o coeficiente 1 de x
1
na primeira equao L
1
como o piv para elimi-
nar x
1
da segunda equao L
2
e da terceira equao L
3
. Isso feito com as operaes seguintes.
(1) Substitua L
2
por 2L
1
L
2
e (2) Substitua L
3
por 3L
1
L
3
.
Essas operaes fornecem
Agora utilizamos o coeficiente 2 de x
2
na segunda equao L
2
como o piv e o multiplicador m 2 para eliminar
x
2
da terceira equao L
3
. Isso feito com a operao substitua L
3
por 2L
2
L
3
, que, ento fornece a equao
degenerada
0x
1
0x
2
0x
3
0x
4
3
Essa equao e, portanto, o sistema original, no possui soluo.
NO CONTINUE
OBSERVAO 1 Como nos exemplos precedentes, a Parte A da eliminao nos diz se o sistema possui ou no
uma soluo, ou seja, se o sistema ou no consistente. Assim, a Parte B nunca precisa ser aplicada quando o sis-
tema no possuir soluo.
OBSERVAO 2 Se um sistema de equaes lineares tiver mais do que quatro equaes e quatro incgnitas,
pode ser mais conveniente usar o formato matricial para resolv-lo. Esse formato matricial ser discutido adiante.
3.7 MATRIZES ESCALONADAS, FORMA CANNICA POR LINHAS,
EQUIVALNCIA POR LINHAS
Uma maneira de resolver um sistema de equaes lineares trabalhar, no com o prprio sistema, mas com sua
matriz aumentada M. Nesta seo introduzimos os conceitos matriciais necessrios para isso. Esses conceitos,
como as matrizes escalonadas e operaes elementares por linhas, tambm tm interesse prprio.
Matrizes escalonadas
Dizemos que uma matriz A escalonada, ou que est em forma escalonada, se valerem as duas condies seguin-
tes (em que um elemento lder no nulo de uma linha de A significa o primeiro elemento no nulo dessa linha).
(1) Todas as linhas nulas, se existirem, esto agrupadas juntas nas linhas inferiores da matriz.
(2) Cada elemento lder no nulo de uma linha est direita do elemento lder no nulo da linha precedente.
Ou seja, A [a
ij
] uma matriz escalonada se existirem entradas no nulas
_Book_Lipschutz.indb 78 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 79
com a propriedade de que
As entradas , que so os elementos lderes no nulos de suas respectivas linhas, so denominadas
pivs da matriz escalonada.
Exemplo 3.9 A matriz seguinte uma matriz escalonada cujos pivs esto circulados.
Observe que os pivs esto nas colunas C
2
, C
4
, C
6
e C
7
e que cada um est direita do que o precede. Usando a
notao precedente,
com j
1
2, j
2
4, j
3
6, j
4
7. Aqui, r 4.
Forma cannica por linhas
Uma matriz A dita em forma cannica por linhas ou, ento, em forma escalonada reduzida por linhas, se for uma
matriz escalonada, ou seja, satisfaz as condies (1) e (2) precedentes e, tambm, as duas condies seguintes.
(3) Cada piv (elemento lder no nulo) igual a 1.
(4) Cada piv o nico elemento no nulo em sua coluna.
A principal diferena entre uma matriz escalonada e uma matriz em forma cannica por linhas que, numa
matriz escalonada, todas as entradas abaixo do piv so nulas [Propriedades (1) e (2)], mas numa matriz na forma
cannica por linhas, cada piv tambm deve ser igual a 1 [Propriedade (3)] e todas as entradas acima do piv so
nulas [Propriedade (4)].
As matrizes nula 0 e identidade I de qualquer tamanho so exemplos especiais importantes de matrizes em
forma cannica por linhas.
Exemplo 3.10
As matrizes seguintes so matrizes escalonadas cujos pivs esto circulados.
A terceira matriz tambm um exemplo de uma matriz em forma cannica por linhas. A segunda matriz no
est em forma cannica por linhas, por no satisfazer a Propriedade (4), j que possui uma entrada no nula acima
do segundo piv da terceira coluna. A primeira matriz no est em forma cannica por linhas, por no satisfazer
nem a Propriedade (3) nem a (4), j que alguns pivs no so iguais a 1 e h elementos no nulos acima dos pivs.
_Book_Lipschutz.indb 79 22/12/10 11:55
LGEBRA LINEAR
80
Operaes elementares com as linhas
Suponha que A seja uma matriz com linhas R
1
, R
2
, ..., R
m
. As seguintes operaes sobre A so denominadas opera-
es elementares sobre as linhas.
[E
1
] (Troca da Ordem de Linhas) Trocar de posio as linhas R
i
e R
j
. Isso pode ser escrito como segue.
Trocar R
i
e R
j
entre si ou
[E
2
] (Multiplicao de Linha por Escalar) Substituir a linha R
i
por um mltiplo no nulo kR
i
da linha R
i
. Isso pode ser
escrito como segue.
Substituir R
i
por kR
i
ou
[E
3
] (Soma de Linhas) Substituir a linha R
j
pela soma de um mltiplo kR
i
de uma linha R
i
com a prpria linha R
j
. Isso
pode ser escrito como segue.
Substituir R
j
por kR
i
R
j
ou
A seta nas operaes E
2
e E
3
pode ser lida como substitui.
s vezes (digamos, para evitar fraes quando todos os escalares dados so inteiros), podemos aplicar [E
2
] e
[E
3
] num nico passo, ou seja, podemos aplicar a operao seguinte.
[E] Substituir a linha R
j
pela soma de um mltiplo kR
i
de uma linha R
i
com um mltiplo no nulo da prpria linha
R
j
. Isso pode ser escrito como segue.
Enfatizamos que nas operaes [E
3
] e [E] somente trocamos a linha R
j
.
Equivalncia por linhas, posto de uma matriz
Dizemos que uma matriz A equivalente por linhas a uma matriz B, o que indicado por
se B puder ser obtida a partir de A por uma sequncia de operaes elementares com as linhas. Se B tambm for
uma matriz escalonada, dizemos que B uma forma escalonada de A.
Dois resultados bsicos sobre a equivalncia por linhas so os seguintes.
Teorema 3.7 Sejam A [a
ij
] e B [b
ij
] duas matrizes escalonadas equivalentes por linhas com respectivas en-
tradas piv
Ento A e B tm o mesmo nmero de linhas no nulas, ou seja, r s, e as entradas piv esto
nas mesmas posies, ou seja,
Teorema 3.8 Toda matriz A equivalente por linhas a uma nica matriz em forma cannica por linhas.
As demonstraes desses teoremas sero adiadas at o Captulo 4. A matriz nica no Teorema 3.8 denomina-
da forma cannica por linhas de A.
Usando esses dois teoremas, podemos dar nossa primeira definio de posto de uma matriz.
DEFINIO O posto de uma matriz A, denotado por pos(A), igual ao nmero de pivs numa forma escalonada
de A.
O posto uma propriedade muito importante de uma matriz e, dependendo do contexto em que
utilizamos as matrizes, pode ser definido de vrias maneiras diferentes. claro que todas as
definies sempre do o mesmo nmero.
_Book_Lipschutz.indb 80 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 81
Na prxima seo apresentamos a forma matricial da eliminao gaussiana, que determina uma forma escalo-
nada de qualquer matriz A (e, portanto, o posto de A) e tambm determina a forma cannica por linhas de A.
Pode ser demonstrado que a equivalncia por linhas uma relao de equivalncia. Isto significa que
(1) , para qualquer matriz A,
(2) se , ento e
(3) se e , ento .
A propriedade (2) decorre do fato de que cada operao elementar com as linhas tem uma operao inversa do
mesmo tipo, como segue.
(i) Trocar R
i
e R
j
entre si sua prpria inversa.
(ii) Substituir R
i
por kR
i
e Substituir R
i
por (1/k)R
i
so inversas.
(iii) Substituir R
j
por kR
i
R
j
e Substituir R
j
por kR
i
R
j
so inversas.
Para a operao E h um resultado anlogo (Problema 3.73).
3.8 ELIMINAO GAUSSIANA, FORMULAO MATRICIAL
Nesta seo, apresentamos dois algoritmos matriciais que tm os resultados seguintes.
(1) O algoritmo 3.3 transforma qualquer matriz A numa forma escalonada.
(2) O algoritmo 3.4 transforma a matriz escalonada em sua forma cannica por linhas.
Esses algoritmos, que usam as operaes elementares com as linhas, so simplesmente reformulaes da elimina-
o gaussiana aplicada a matrizes em vez de equaes lineares. (O termo reduzir por linhas ou simplesmente
reduzir significar transformar uma matriz por meio de operaes elementares com as linhas.)
Algoritmo 3.3 (Eliminao para frente) Dada qualquer matriz A, este algoritmo produz uma forma escalonada
de A, inserindo zeros abaixo de cada piv, trabalhando de cima para baixo.
Passo 1 Descubra a primeira coluna com alguma entrada no nula. Seja j
1
essa coluna.
(a) Arranje as linhas da matriz de tal modo que . Em outras palavras, se necessrio, troque a
posio de duas linhas para que na primeira linha tenha uma entrada no nula da coluna j
1
.
(b) Use como um piv para obter zeros abaixo de .
Mais precisamente, para i > 1,
[Ou seja, aplique a operao .]
Passo 2 Repita o Passo 1 com a submatriz formada por todas as linhas da matriz exceto a primeira. Para isso,
seja j
2
a primeira coluna do subsistema com uma entrada no nula. Assim, ao nal do Passo 2, temos
.
Passos 3 a Continue o presente processo at que uma submatriz possua apenas linhas nulas.
Enfatizamos que, ao final do algoritmo, os pivs sero
onde r denota o nmero de linhas no nulas na matriz escalonada final.
OBSERVAO 1 O nmero m introduzido no Passo 1(b)(1) denominado multiplicador.
_Book_Lipschutz.indb 81 22/12/10 11:55
LGEBRA LINEAR
82
OBSERVAO 2 Se todos os escalares originais forem nmeros inteiros, podemos evitar fraes se substituir-
mos a operao do Passo 1(b) pela seguinte.
Substituir R
i
por
Algoritmo 3.4 (Eliminao para trs) Dada qualquer matriz A [a
ij
] em forma escalonada com pivs nas en-
tradas
este algoritmo produz a forma cannica por linhas de A.
Passo 1 (a) (Uso de multiplicao por escalar para igualar o ltimo piv a 1) Multiplique a ltima linha no nula
R
r
por
(b) (Uso de para obter zero acima do piv) Para i r 1, r 2, ..., 2, 1,
(Ou seja, aplique a operao .)
Passos 2 a r 1 Repita o Passo 1 para as linhas R
r 1
, R
r 2
, ..., R
2
.
Passo r (Uso de multiplicao por escalar para igualar o primeiro piv a 1) Multiplique R
1
por
Existe uma forma alternativa do Algoritmo 3.4 que descrevemos usando apenas palavras. A descrio formal
desse algoritmo deixada ao leitor como um problema complementar.
Algoritmo 3.4 alternativo Coloque zeros acima dos pivs, linha a linha, de baixo para cima (em vez de coluna a
coluna da direita para a esquerda).
Esse algoritmo alternativo aplicado a uma matriz aumentada M de um sistema de equaes lineares essencial-
mente consiste em resolver uma a uma as incgnitas piv de baixo para cima.
OBSERVAO Enfatizamos que a eliminao gaussiana um processo de dois estgios, como segue.
ESTGIO A (ALGORITMO 3.3) Colocar zeros abaixo de cada piv, comeando com a primeira linha R
1
e seguin-
do para baixo.
ESTGIO B (ALGORITMO 3.4) Colocar zeros acima de cada piv, comeando com a ltima linha R
r
e seguindo
para cima.
Existe mais um algoritmo, o de Gauss-Jordan, que tambm reduz uma matriz por linhas sua forma cannica
por linhas. A diferena que Gauss-Jordan coloca zeros tanto abaixo quanto acima de cada piv medida em que
comea com a primeira linha R
1
e segue para baixo. Apesar de Gauss-Jordan poder at ser mais simples de enunciar
e compreender, muito menos eficiente do que o algoritmo de eliminao gaussiana de dois estgios.
Exemplo 3.11 Considere a matriz
(a) Use o Algoritmo 3.3 para reduzir A a uma forma escalonada.
(b) Use o Algoritmo 3.4 para reduzir A at sua forma cannica por linhas.
(a) Primeiro tomamos a
11
1 como um piv para obter zeros abaixo de a
11
, ou seja, aplicamos as operaes
Substituir R
2
por 2R
1
R
2
e Substituir R
3
por 3R
1
R
3
. Depois usamos a
23
2 como piv para obter
um zero abaixo de a
23
, ou seja, aplicamos a operao Substituir R
3
por . Isso fornece
Lipschutz_03.indd 82 07/02/11 17:11
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 83
Agora, a matriz est em forma escalonada.
(b) Multiplicamos R
3
por para obter a entrada piv a
35
1 e, ento, usamos a
35
1 como um piv para obter zeros
acima dele, usando as operaes Substituir R
2
por 6R
3
R
2
e, depois, Substituir R
1
por 2R
3
R
1
. Isso fornece
Multiplicamos R
2
por para obter a entrada piv a
23
1 e, ento, usamos a
23
1 como um piv para obter
zeros acima dele, usando a operao Substituir R
1
por 3R
2
R
1
. Isso fornece
A ltima matriz a forma cannica por linhas de A.
Aplicao a sistemas de equaes lineares
Uma maneira de resolver um sistema de equaes lineares utilizar sua matriz aumentada M em vez das equaes
em si. Mais precisamente, reduzimos M a uma forma escalonada (que nos diz se o sistema possui alguma soluo)
e, depois, voltamos a reduzir M sua forma cannica por linhas (que, essencialmente, nos d a soluo do sistema
original de equaes lineares). A justificativa desse processo decorre dos fatos seguintes.
(1) Qualquer operao elementar com as linhas da matriz aumentada M do sistema equivale a aplicar a operao cor-
respondente ao prprio sistema.
(2) O sistema tem alguma soluo se, e s se, a forma escalonada da matriz aumentada M no possui alguma linha da
forma (0, 0, ..., 0, b), com
(3) O coeficiente de cada varivel bsica na forma cannica por linhas da matriz aumentada M (exceto nas linhas
nulas) uma entrada piv igual a 1 e esse o nico elemento no nulo da respectiva coluna; logo, a forma de variveis
livres da soluo do sistema de equaes lineares obtida passando, simplesmente, as variveis livres para o outro lado
da igualdade.
A seguir ilustramos esse processo.
Exemplo 3.12 Resolva os sistemas seguintes.
(a) Reduzimos a matriz aumentada M desse sistema a uma forma escalonada e, depois, forma cannica por li-
nhas, como segue.
Reescrevemos a forma cannica por linhas em termos de um sistema de equaes lineares para obter a forma
de variveis livres da soluo. Isto ,
(Omitimos a linha nula na soluo.) Observe que x
1
e x
3
so as variveis piv e x
2
e x
4
so as variveis livres.
_Book_Lipschutz.indb 83 22/12/10 11:55
LGEBRA LINEAR
84
(b) Primeiro reduzimos a matriz aumentada M a uma forma escalonada, como segue.
No precisamos continuar at obter a forma cannica por linhas de M, porque a forma escalonada j nos diz
que o sistema no possui soluo. De fato, a terceira linha da matriz escalonada corresponde equao dege-
nerada
que no possui soluo. Assim, o sistema no possui soluo.
(c) Reduzimos a matriz aumentada M a uma forma escalonada e depois forma cannica por linhas, como segue.
Assim, o sistema tem a nica soluo x 2, y 1, z 3 ou, equivalentemente, o vetor u (2, 1, 3). Ob-
serve que a forma escalonada de M j indica que a soluo nica, pois corresponde a um sistema triangular.
Aplicao a teoremas de existncia e unicidade
Nesta subseo discutimos as condies tericas para a existncia e unicidade de uma soluo de um sistema de
equaes lineares usando o conceito de posto de uma matriz.
Teorema 3.9 Considere um sistema de equaes lineares com n incgnitas e matriz aumentada M [A, B]. Ento
(a) o sistema possui alguma soluo se, e s se, pos(A) pos(M),
(b) a soluo nica se, e s se, pos(A) pos(M) n.
Demonstrao de (a) O sistema tem alguma soluo se, e s se, alguma forma escalonada de M [A, B] no
possui uma linha no formato
(0, 0, ..., 0, b), com
Se alguma forma escalonada de M possui uma tal linha, ento b um piv de M, mas no de A e, portanto,
pos(M) > pos(A). Caso contrrio, as formas escalonadas de A e de M tm os mesmos pivs e, portanto, pos(A)
pos(M), provando (a).
Demonstrao de (b): O sistema possui uma nica soluo se, e s se, alguma forma escalonada no possui
variveis livres. Isso significa que existe um piv para cada incgnita. Assim, n pos(A) pos(M), provando (b).
Nessa demonstrao utilizamos o fato (Problema 3.74) que uma forma escalonada de uma matriz aumentada
M [A, B] automaticamente fornece uma forma escalonada de A.
_Book_Lipschutz.indb 84 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 85
3.9 EQUAO MATRICIAL DE UM SISTEMA DE EQUAES LINEARES
O sistema geral (3.2) de m equaes lineares com n incgnitas equivalente equao matricial
onde A [a
ij
] a matriz de coeficientes, X [x
j
] o vetor coluna das incgnitas e B [b
i
] o vetor coluna dos
termos constantes. (Em alguns livros pode ser encontrada a equao Ax b em vez de AX B, para enfatizar que
x e b so, simplesmente, vetores coluna.)
Afirmar que o sistema de equaes lineares e a equao matricial so equivalentes significa que qualquer vetor
soluo do sistema uma soluo da equao matricial e vice-versa.
Exemplo 3.13 So equivalentes o sistema de equaes lineares e a equao matricial seguintes.
Observe que x
1
3, x
2
1, x
3
2, x
4
1 ou, equivalentemente, o vetor u [3, 1, 2, 1] uma soluo do
sistema. Assim, o vetor (coluna) u tambm uma soluo da equao matricial.
A forma matricial AX B de um sistema de equaes lineares muito conveniente em termos de escrita
quando discutimos e demonstramos propriedades de sistemas de equaes lineares. Exemplificamos isso com
nosso primeiro teorema (descrito na Figura 3-1), que reformulamos como segue.
Teorema 3.1 Seja K um corpo infinito. Ento o sistema AX B tem (a) uma nica soluo, (b) nenhuma soluo,
ou (c) uma infinidade de solues.
Demonstrao Basta demonstrar que, se AX B tiver mais do que uma soluo, ento ter uma infinidade de
solues. Suponha que u e sejam solues distintas de AX B, ou seja, que Au B e A B. Ento, dado qual-
quer r de K,
A[u r(u )] Au r(Au A ) B r(B B) B
Assim, para cada r de K, o vetor u r(u ) uma soluo de AX B. Como todas essas solues so distintas
(Problema 3.47), AX B possui uma infinidade de solues.
Observe que esse teorema verdadeiro se K for o corpo dos nmeros reais R (ou o corpo complexo C). Na
Seo 3.3 mostramos que esse teorema tem uma interpretao geomtrica se o sistema consistir em duas equaes
com duas incgnitas, em que cada equao representa uma reta em R
2
. O teorema tambm tem uma interpretao
geomtrica se o sistema consistir em trs equaes no degeneradas com trs incgnitas, em que as trs equaes
representam planos H
1
, H
2
e H
3
em R
3
, como segue.
(a) Soluo nica Os trs planos se cortam exatamente num ponto.
(b) Nenhuma soluo Os planos podem se intersectar dois a dois, mas no possuir ponto comum de interseo, ou dois
dos planos podem ser paralelos e distintos.
(c) Uma infinidade de solues Os trs planos podem se intersectar numa reta (uma varivel livre) ou coincidem (duas
variveis livres).
Os trs casos esto ilustrados na Figura 3-3.
Equao matricial de um sistema de equaes lineares quadrado
Se a matriz A de coeficientes for quadrada, dizemos que o sistema de equaes lineares AX B quadrado. Nesse
caso, temos o resultado importante seguinte.
_Book_Lipschutz.indb 85 22/12/10 11:55
LGEBRA LINEAR
86
Teorema 3.10 Um sistema quadrado AX B de equaes lineares tem uma nica soluo se, e s se, a matriz A
invertvel. Nesse caso, A
1
B a nica soluo do sistema.
Aqui apenas demonstramos que se A for invertvel, ento A
1
B a nica soluo. Se A for invertvel, ento
A(A
1
B) (AA
1
)B IB B
e, portanto, A
1
B uma soluo. Seja, agora, uma soluo qualquer, ou seja, A B. Ento
Assim, a soluo A
1
B nica.
Exemplo 3.14 Considere o seguinte sistema de equaes lineares, com matriz de coeficientes A e inversa A
1

tambm dadas.
Pelo Teorema 3.10, a nica soluo do sistema
Isto , x 6, y 5, z 1.
OBSERVAO Enfatizamos que, em geral, o Teorema 3.10 no nos ajuda a encontrar a soluo de um sistema
quadrado. Isso ocorre porque, em geral, encontrar a inversa de uma matriz de coeficientes A no mais fcil do
que resolver o sistema diretamente. Assim, a menos que nos seja dada a inversa de uma matriz de coeficientes A,
como no exemplo precedente, resolvemos um sistema quadrado usando a eliminao gaussiana (ou algum mtodo
iterativo cuja discusso est fora dos objetivos deste texto.)
( ) Soluo nica a
H
2
H
3
H
1
H
1
H
2
H
3
( ) Uma infinidade de solues c
H
3
H H
1 2
e
(i) (ii) (iii)
H H H
1 2 3
, e
(i)
( ) Nenhuma soluo b
H
3
H
2
H
1
(ii) (iii) (i ) v
H
1
H
2
H
3
H
2
H
3
H
1
H
3
Figura 3-3
_Book_Lipschutz.indb 86 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 87
3.10 SISTEMAS DE EQUAES LINEARES E COMBINAO LINEAR DE VETORES
O sistema geral (3.2) de equaes lineares pode ser reescrito como a equao vetorial seguinte.
Lembre que um vetor de K
n
dito uma combinao linear dos vetores u
1
, u
2
, ..., u
m
de K
n
se existirem escalares
a
1
, a
2
, ..., a
m
em K tais que
Em vista disso, o sistema geral (3.2) de equaes lineares e a equao vetorial equivalente dada tm alguma solu-
o se, e s se, o vetor coluna dos termos constantes uma combinao linear das colunas da matriz de coeficien-
tes. Enunciamos essa observao formalmente.
Teorema 3.11 Um sistema AX B de equaes lineares possui alguma soluo se, e s se, B uma combinao
linear das colunas da matriz de coeficientes A.
Assim, o problema de expressar um dado vetor de K
n
como uma combinao linear de vetores u
1
, u
2
, ..., u
m
de
K
n
se reduz resoluo de um sistema de equaes lineares.
Exemplo de combinao linear
Digamos que queiramos expressar o vetor (1, 2, 5) como uma combinao linear dos vetores
Comeamos escrevendo xu
1
yu
2
zu
3
com incgnitas x, y, z e depois encontramos o sistema de equaes
lineares equivalente que resolvemos. Mais precisamente, primeiro escrevemos

(*)
Ento

(**)
Igualando entradas correspondentes, obtemos o sistema equivalente
Por convenincia notacional, escrevemos os vetores de R
n
como colunas, porque dessa forma mais fcil encontrar
o sistema de equaes lineares equivalente. De fato, fcil ir diretamente da equao vetorial (*) para o sistema
(**).
Agora resolvemos o sistema de equaes lineares equivalente por reduo forma escalonada. Isso fornece
Uma substituio para trs fornece a soluo x 6, y 3, z 2. Assim, 6u
1
3u
2
2u
3
.
_Book_Lipschutz.indb 87 22/12/10 11:55
LGEBRA LINEAR
88
Exemplo 3.15
(a) Escreva o vetor (4, 9, 19) como uma combinao linear de
Encontramos o sistema de equaes lineares equivalente escrevendo xu
1
yu
2
zu
3
e reduzimos o
sistema por reduo forma escalonada. Temos
A substituio para trs fornece a soluo x 4, y 2, z 3. Assim, uma combinao linear de u
1
, u
2
, u
3
.
Mais precisamente, 4u
1
2u
2
3u
3
.
(b) Escreva o vetor (2, 3, 5) como uma combinao linear de
Encontramos o sistema de equaes lineares equivalente escrevendo xu
1
yu
2
zu
3
e reduzimos o
sistema por reduo forma escalonada. Temos
Esse sistema no tem soluo. Assim, impossvel escrever como uma combinao linear de u
1
, u
2
, u
3
.
Combinaes lineares de vetores ortogonais, coeficientes de Fourier
Inicialmente revemos (Seo 1.4) que o produto escalar dos vetores u (a
1
, a
2
, ..., a
n
) e (b
1
, b
2
, ..., b
n
) de
R
n
definido por
Alm disso, os dois vetores u e so ditos ortogonais se seu produto escalar for nulo,
Suponha que u
1
, u
2
, ..., u
n
de R
n
sejam n vetores no nulos dois a dois ortogonais. Isso significa que
Ento, para qualquer vetor de R
n
, existe uma maneira simples de escrever como combinao linear de u
1
, u
2
, ...,
u
n
, que apresentamos no exemplo seguinte.
Exemplo 3.16 Considere os trs vetores de R
3
.
Esses vetores so dois a dois ortogonais, ou seja,
Suponha que queiramos escrever (4, 14, 9) como combinao linear de u
1
, u
2
, u
3
.
Mtodo 1 Encontre o sistema de equaes lineares equivalente, como no Exemplo 3.14 e resolva-o, encon-
trando 3u
1
4u
2
u
3
.
Mtodo 2 (Neste mtodo usamos a ortogonalidade dos vetores u
1
, u
2
, u
3
e, por isso, muito mais simples.)
Escreva como combinao linear de u
1
, u
2
, u
3
usando escalares x, y, z a determinar, como segue.
(*)
_Book_Lipschutz.indb 88 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 89
Tomando o produto escalar de (*) com u
1
, obtemos
(As duas ltimas parcelas do produto escalar desaparecem porque u
1
ortogonal a u
2
e a u
3
.) Tomando, em
seguida, o produto escalar de (*) com u
2
, obtemos
Finalmente, tomando o produto escalar de (*) com u
3
, obtemos
Assim, 3u
1
4u
2
u
3
.
O procedimento do Mtodo 2 vlido em geral, como segue.
Teorema 3.12 Sejam u
1
, u
2
, ..., u
n
vetores no nulos dois a dois ortogonais de R
n
. Ento, para qualquer vetor de
R
n
,
Enfatizamos que precisamos de n tais vetores ortogonais u
i
de R
n
para poder usar a frmula. Observe, tambm,
que cada , por ser u
i
um vetor no nulo.
OBSERVAO Dizemos que os escalares que aparecem no Teorema 3.12 so os coeficientes de Fourier de .
Mais precisamente, o coeficiente de Fourier de em relao a u
i

Esses coeficientes so anlogos aos famosos coeficientes da srie de Fourier de uma funo.
3.11 SISTEMAS HOMOGNEOS DE EQUAES LINEARES
Um sistema de equaes lineares dito homogneo se todos os seus termos constantes forem nulos. Assim, um
sistema homogneo tem a forma AX 0. Claramente, tais sistemas sempre tm o vetor nulo 0 (0, 0, ..., 0) como
uma soluo, denominada soluo nula ou trivial. Por isso, geralmente estamos interessados em saber se esses
sistemas tm, ou no, alguma soluo no nula.
Como o sistema homogneo AX 0 tem, pelo menos, a soluo nula, sempre pode ser colocado em forma
escalonada, digamos,
Aqui, r denota o nmero de equaes na forma escalonada e n denota o nmero de incgnitas. Assim, o sistema
escalonado tem n r variveis livres.
A questo de solues no nulas se reduz aos dois casos seguintes.
(i) r n. O sistema s tem a soluo nula.
(ii) r < n. O sistema tem alguma soluo no nula.
Por isso, comeando com menos equaes do que incgnitas, temos r < n na forma escalonada e o sistema ter
alguma soluo no nula. Isso demonstra o resultado importante a seguir.
Teorema 3.13 Um sistema homogneo AX 0 com mais incgnitas do que equaes tem alguma soluo no
nula.
_Book_Lipschutz.indb 89 22/12/10 11:55
LGEBRA LINEAR
90
Exemplo 3.17 Decida se os sistemas homogneos dados tm ou no soluo no nula.
(a) Reduzimos o sistema forma escalonada, como segue.
Esse sistema tem uma soluo no nula porque a forma escalonada tem somente duas equaes nas trs vari-
veis. Aqui, z uma varivel livre. Tomando, digamos, z 5, a substituio para trs d y 3 e x 2. Assim,
o vetor u (2, 3, 5) uma soluo no nula especfica.
(b) Reduzimos o sistema forma escalonada, como segue.
A forma escalonada tem trs equaes com trs variveis. Assim, o sistema s tem a soluo nula.
(c) O sistema precisa ter alguma soluo no nula (Teorema 3.13) porque h quatro incgnitas, mas s trs equa-
es. (Aqui no precisamos reduzir o sistema a uma forma escalonada.)
Base para o conjunto soluo de um sistema homogneo
Seja W o conjunto de todas as solues de um sistema homogneo AX 0. Uma lista u
1
, u
2
, ..., u
s
de vetores solu-
o no nulos do sistema uma base de W se cada vetor soluo pode ser expresso, de maneira nica, como
uma combinao linear dos vetores u
1
, u
2
, ..., u
s
, ou seja, se existem escalares nicos a
1
, a
2
, ..., a
s
tais que
O nmero s de tais vetores da base igual ao nmero de variveis livres. Este nmero s dito a dimenso de
W, que denotamos por dim W s. Caso W {0}, ou seja, se o sistema possuir apenas a soluo nula, definimos
dim W 0.
O teorema seguinte, demonstrado no Captulo 5, nos diz como determinar uma tal base.
Teorema 3.14 Seja W o conjunto das solues de um sistema homogneo AX 0 e suponha que a forma es-
calonada do sistema homogneo tenha s variveis livres. Sejam u
1
, u
2
, ..., u
s
as solues obtidas tomando uma
das variveis livres como 1 (ou qualquer outra constante no nula) e as demais variveis livres como 0. Ento
dim W s e u
1
, u
2
, ..., u
s
formam uma base de W.
Enfatizamos que o conjunto das solues W pode ter muitas bases e que o Teorema 3.14 apenas d uma delas.
Exemplo 3.18 Encontre a dimenso e uma base do conjunto soluo W do sistema homogneo
_Book_Lipschutz.indb 90 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 91
Primeiro reduza o sistema a uma forma escalonada, aplicando as operaes seguintes.
Substituir L
2
por 2L
1
L
2
, Substituir L
3
por 5L
1
L
3
e, depois, Substituir L
3
por 2L
2
L
3

Essas operaes fornecem


O sistema em forma escalonada tem trs variveis livres, x
2
, x
4
e x
5
, portanto, dim W 3. Trs vetores soluo que
formam uma base de W so obtidos como segue.
(1) Tomamos x
2
1, x
4
0 e x
5
0. Substituio para trs fornece a soluo
1
(2, 1, 0, 0, 0).
(2) Tomamos x
2
0, x
4
1 e x
5
0. Substituio para trs fornece a soluo
2
(7, 0, 3, 1, 0).
(3) Tomamos x
2
0, x
4
0 e x
5
1. Substituio para trs fornece a soluo
3
(2, 0, 2, 0, 1).
Os vetores soluo
1
(2, 1, 0, 0, 0),
2
(7, 0, 3, 1, 0),
3
(2, 0, 2, 0, 1) formam uma base de W.
OBSERVAO Qualquer soluo do sistema do Exemplo 3.18 pode ser escrita da forma
ou
em que a, b, c so constantes arbitrrias. Observe que essa representao no nada mais do que a forma param-
trica da soluo geral, com a escolha dos parmetros
Sistemas no homogneos e sistemas homogneos associados
Seja AX B um sistema no homogneo de equaes lineares. Dizemos que AX 0 o sistema homogneo asso-
ciado. Por exemplo,
so um sistema no homogneo e o sistema homogneo associado.
A relao entre uma soluo U de um sistema no homogneo AX B e o conjunto soluo W do sistema
homogneo associado AX 0 dada no teorema seguinte.
Teorema 3.15 Sejam
0
uma soluo particular de AX B e W o conjunto soluo de AX 0. Ento o conjunto
soluo de AX B dado por
Em outras palavras, obtido somando
0
a cada elemento de W. Observamos que esse teorema
tem uma interpretao geomtrica em R
3
, como segue. Suponha que W seja uma reta passando pela origem. Ento,
conforme esboado na Figura 3-4, a reta paralela a W obtida pela soma de
0
a cada elemento de W.
Analogamente, se W for um plano pela origem O, ento um plano paralelo a W.
_Book_Lipschutz.indb 91 22/12/10 11:55
LGEBRA LINEAR
92
3.12 MATRIZES ELEMENTARES
Sejam e uma operao elementar com as linhas e e(A) o resultado dessa operao a uma matriz A. Seja E a matriz
obtida pela aplicao de e matriz identidade I, ou seja,
E e(I)
Ento E denominada matriz elementar correspondente operao elementar e. Observe que E sempre uma
matriz quadrada.
Exemplo 3.19 Considere as operaes elementares com as linhas a seguir.
(1) Trocar R
2
e R
3
entre si. (2) Substituir R
2
por 6R
2
. (3) Substituir R
3
por 4R
1
R
3
.
As matrizes elementares correspondentes a essas operaes elementares com as linhas so
Temos o teorema seguinte, demonstrado no Problema 3.34.
Teorema 3.16 Sejam e uma operao elementar com as linhas e E a matriz elementar correspondente.
Ento
e(A) EA
onde A uma matriz qualquer.
Em outras palavras, o resultado de aplicar uma operao elementar e nas linhas de A pode ser obtido multipli-
cando a matriz elementar correspondente E pela matriz A, nessa ordem.
Agora suponha que seja a operao inversa da operao elementar e e que e E sejam as matrizes corres-
pondentes. Observamos (Problema 3.33) que E invertvel e que sua inversa. Isso significa, em particular, que
qualquer produto
de matrizes elementares invertvel.
Figura 3-4
_Book_Lipschutz.indb 92 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 93
Aplicaes de matrizes elementares
Usando o Teorema 3.16, estamos em condies de provar (Problema 3.35) as seguintes propriedades importantes
de matrizes.
Teorema 3.17 Seja A uma matriz quadrada. Ento as afirmativas seguintes so equivalentes.
(a) A invertvel (no singular).
(b) A equivalente por linhas matriz identidade I.
(c) A um produto de matrizes elementares.
Lembre que duas matrizes A e B so ditas inversas se AB BA I. O teorema seguinte (demonstrado no Pro-
blema 3.36) demonstra que s precisamos verificar que um desses produtos igual identidade, digamos, AB I,
para estabelecer que as matrizes so inversas.
Teorema 3.18 Suponha que AB I. Ento BA I e, portanto, B A
1
.
A equivalncia por linhas tambm pode ser definida em termos da multiplicao matricial. Mais precisamente,
demonstra-se (Problema 3.37) o teorema seguinte.
Teorema 3.19 B equivalente por linhas a A se, e s se, existe uma matriz no singular P tal que B PA.
Aplicao obteno da inversa de uma matriz
A inversa de uma matriz pode ser encontrada com o algoritmo seguinte.
Algoritmo 3.5 Dada qualquer matriz A, este algoritmo produz a inversa de A, ou mostra que a inversa no existe.
Passo 1 Construa a matriz (em blocos) M [A, I], em que A a metade da esquerda e a matriz identidade
I a metade da direita de M.
Passo 2 Reduza M por linhas a uma forma escalonada. Se nesse processo surgir uma linha nula na metade A de
M, ento
PARE
A no possui inversa. (Caso contrrio, A est em forma triangular.)
Passo 3 Continue reduzindo M sua forma cannica por linhas
onde a matriz identidade I substituiu A na metade da esquerda de M.
Passo 4 Dena A
1
B, a matriz que agora est na metade da direita de M.
A justificativa para esse processo a seguinte. Suponha que A seja invertvel e que, digamos, a metade esquer-
da de M, que A, tenha sido reduzida matriz identidade I com a sequncia e
1
, e
2
, ..., e
q
de operaes elementares
com as linhas de M [A, I]. Seja E
i
a matriz elementar correspondente operao elementar e
i
. Ento, pelo Teo-
rema 3.16, obtemos
Isso mostra que A
1
pode ser obtida pela aplicao das operaes elementares e
1
, e
2
, ..., e
q
matriz identidade I, que
colocamos na metade da direita de M. Assim, B A
1
, como afirmamos.
Exemplo 3.20 Obtenha a inversa da matriz

_Book_Lipschutz.indb 93 22/12/10 11:55
LGEBRA LINEAR
94
Primeiro formamos a matriz (em blocos) M [A, I] e a reduzimos a uma forma escalonada.
Na forma escalonada, a metade da esquerda de M est em forma triangular, portanto, A tem inversa. Em seguida,
continuamos reduzindo M forma cannica por linhas.
Agora, a matriz identidade est na metade da esquerda da matriz final, de modo que a metade da direita A
1
. Em
outras palavras,
Operaes elementares com as colunas
Consideremos, agora, uma matriz A com colunas C
1
, C
2
, ..., C
n
. As seguintes operaes sobre A, anlogas s opera-
es elementares com as linhas, so denominadas operaes elementares com as colunas.
[F
1
] (Troca da Ordem de Colunas) Trocar as colunas C
i
e C
j
entre si.
[F
2
] (Multiplicao de Coluna por Escalar) Substituir a coluna C
i
por kC
i
(com ).
[F
3
] (Soma de Colunas) Substituir a coluna C
j
por kC
i
C
j
.
Podemos indicar cada uma dessas operaes com as colunas escrevendo, respectivamente,
Alm disso, cada operao com as colunas tem uma operao inversa do mesmo tipo, exatamente como ocorre com
as operaes com as linhas.
Sejam, agora, f uma operao elementar com as colunas e F a matriz obtida pela aplicao de f matriz iden-
tidade I, ou seja,
F f(I)
Ento F denominada matriz elementar correspondente operao elementar f. Observe que F sempre uma ma-
triz quadrada.
Exemplo 3.21 Considere as operaes elementares com as colunas a seguir.
(1) Trocar C
1
e C
3
entre si. (2) Substituir C
3
por 2C
3
. (3) Substituir C
3
por 3C
2
C
3
.
As matrizes elementares correspondentes a essas operaes elementares com as colunas so
O teorema seguinte anlogo ao Teorema 3.16 relativo s operaes elementares com as linhas.
Teorema 3.20 Dada qualquer matriz A, temos f(A) AF.
Em outras palavras, o resultado de aplicar uma operao elementar f nas colunas de A pode ser obtido multipli-
cando a matriz A pela matriz elementar correspondente F, nessa ordem.
_Book_Lipschutz.indb 94 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 95
Equivalncia de matrizes
Uma matriz B equivalente a uma matriz A se B puder ser obtida a partir de A por uma sequncia de operaes com
as linhas e as colunas. Equivalentemente, B equivalente a A se existirem matrizes no singulares P e Q tais que B
PAQ. Da mesma forma que a equivalncia por linhas, a equivalncia de matrizes uma relao de equivalncia.
O resultado principal desta subseo (demonstrado no Problema 3.38) o seguinte.
Teorema 3.21 Cada matriz A equivalente a uma nica matriz em blocos da forma
em que I
r
a matriz identidade de ordem r.
Temos a definio seguinte.
DEFINIO O inteiro no negativo r no Teorema 3.21 o posto de A, denotado por pos(A).
Observe que essa definio concorda com a definio j dada de posto de uma matriz.
3.13 DECOMPOSIO LU
Seja A uma matriz no singular que pode ser levada forma triangular (superior) U usando somente operaes de
soma com as linhas, ou seja, A pode ser triangulada pelo algoritmo seguinte, que escrevemos na notao computa-
cional.
Algoritmo 3.6 Dada qualquer matriz A, este algoritmo produz uma matriz triangular U.
Passo 1 Repita para i 1, 2, ..., n 1
Passo 2 Repita para j i 1, i 2, ..., n
(a) Tome
(b) Tome
[Fim do Passo 2, circuito interno.]
[Fim do Passo 1, circuito externo.]
Dizemos que os nmeros m
ij
so multiplicadores. s vezes, mantemos esses multiplicadores controlados pela
matriz triangular inferior L seguinte.
Assim, L possui entradas 1 na diagonal, zeros acima da diagonal e o simtrico do multiplicador m
ij
como sua
ij-entrada abaixo da diagonal.
Essa matriz L e a matriz triangular U obtida no Algoritmo 3.6 nos fornecem a clssica fatorao LU da matriz
A. Temos o resultado seguinte.
Teorema 3.22 Seja A uma matriz no singular que pode ser levada forma triangular usando somente operaes
de soma com as linhas. Ento A LU, onde L a matriz triangular inferior com entradas 1 na diagonal precedente
e U uma matriz triangular superior com zeros na diagonal.
_Book_Lipschutz.indb 95 22/12/10 11:55
LGEBRA LINEAR
96
Exemplo 3.22 Seja

.

Observe que A pode ser reduzida forma triangular com as
operaes Substituir R
2
por 3R
1
R
2
, Substituir R
3
por 2R
1
R
3
e, por ltimo, Substituir R
3
por ,
como segue.
Isso d a fatorao A LU clssica, com
Destacamos que
(1) as entradas 3, 2 e de L so os simtricos dos multiplicadores das operaes elementares com as linhas
dadas e
(2) U a forma triangular de A.
Aplicaes a sistemas de equaes lineares
Seja M um algoritmo computacional e denotemos por C(n) seu tempo de processamento como uma funo do ta-
manho n de seus dados iniciais. [A funo C(n) costuma ser denominada complexidade temporal do algoritmo M
ou, simplesmente, sua complexidade.] Frequentemente, C(n) simplesmente conta o nmero de produtos e quocien-
tes executados por M, mas no conta o nmero de somas e subtraes, porque essas levam muito menos tempo.
Seja, agora, AX B um sistema quadrado de equaes lineares, com
e suponha que A tenha uma fatorao LU. Ento o sistema pode ser levado a uma forma triangular pelo Algoritmo
3.6 aplicado matriz aumentada M [A, B] do sistema (e depois efetuar a substituio para trs). A complexidade
temporal do Algoritmo 3.6 e da substituio para trs so, respectivamente,
onde n a quantidade de equaes.
Por outro lado, suponha que j tenhamos a fatorao A LU. Ento, para triangular o sistema, basta aplicar as
operaes com as linhas do algoritmo (cuja memria est em L) ao vetor coluna B. Nesse caso, a complexidade
temporal
claro que, para obter a fatorao A LU, precisamos do algoritmo original, em que . Assim, possi-
velmente nada ganho calculando primeiro a fatorao LU no caso de um nico sistema. Contudo, h situaes,
como a apresentada a seguir, em que a fatorao LU tem utilidade.
Suponha que, para uma dada matriz A dada, necessitemos resolver o sistema
AX B
repetidamente, para uma sequncia de diferentes vetores constantes, digamos, B
1
, B
2
, ..., B
k
. Suponha, tambm, que al-
guns desses vetores B
i
dependam da soluo do sistema obtida usando vetores B
j
anteriores. Nesse caso, mais eficaz
obter, primeiro, a fatorao LU de A e, depois, utilizar essa fatorao para resolver o sistema para cada novo vetor B.
_Book_Lipschutz.indb 96 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 97
Exemplo 3.23 Considere o sistema de equaes lineares seguinte.
Digamos que queiramos resolver esse sistema trs vezes, com B igual a, digamos, B
1
, B
2
e B
3
. Alm disso, suponha
que B
1
[1, 1, 1]
T
e que
onde X
j
a soluo de AX B
j
. Nesse caso, mais eficaz obter, primeiro, a fatorao LU de A e, depois, utilizar
essa fatorao para resolver o sistema para cada um dos vetores B. (Isso feito nos Problemas 3.41 e 3.42.)
Problemas Resolvidos
Equaes lineares, solues, sistemas 2 2
3.1 Decida se as equaes dadas so lineares.
(a) No, porque o produto yz de duas incgnitas de grau 2.
(b) Sim, porque e log 5 so constantes.
(c) Do jeito que est escrito, h quatro incgnitas, x, y, z, k e, por causa do termo ky, a equao no linear. No entanto,
considerando k constante, a equao linear nas incgnitas x, y, z.
3.2 Decida se os vetores dados so solues de
(a) u (3, 2, 1, 4) e (b) (1, 2, 4, 5).
(a) Substituindo, obtemos , ou 15 15; sim, uma soluo.
(b) Substituindo, obtemos , ou 4 15; no, no uma soluo.
3.3 Resolva
(a) Como multiplicamos por 1/e para obter
(b) Reescrevendo a equao no formato padro, obtemos 0x 7. A equao no tem soluo.
(c) Reescrevendo a equao no formato padro, obtemos 0x 0. Qualquer escalar k uma soluo.
3.4 Demonstre o Teorema 3.5. Considere a equao linear ax b.
(i) Se ento x b/a a nica soluo de ax b.
(ii) Se a 0, mas ento ax b no possui soluo.
(iii) Se a 0 e b 0, ento cada escalar k uma soluo de ax b.
Suponha que Ento existe o escalar b/a. Substituir b/a em ax b fornece a(b/a) b, ou b b, portanto, b/a
uma soluo. Por outro lado, digamos que x
0
seja uma soluo de ax b, ou seja, que ax
0
b. Multiplicar ambos
lados por 1/a fornece x
0
b/a. Isso mostra que b/a a nica soluo de ax b e demonstra (i). Suponha, agora, que
a 0. Ento, dado qualquer escalar k, temos ak 0k 0. Se ento e, por isso, k no uma soluo
de ax b, demonstrando (ii). Se b 0, ento ak b, ou seja, qualquer escalar k uma soluo de ax b, demons-
trando (iii).
_Book_Lipschutz.indb 97 22/12/10 11:55
LGEBRA LINEAR
98
3.5 Resolva cada um dos sistemas seguintes.
(a) Eliminamos x das equaes formando a nova equao L 3L
1
2L
2
. Isso fornece a equao
23y 23 e, ento, y 1
Substitumos y 1 em uma das equaes originais, digamos, L
1
, para obter
2x 5(1) 11 ou 2x 5 11 ou 2x 6 ou x 3
Assim, x 3, y 1 ou o par u (3, 1) a nica soluo do sistema.
(b) Eliminamos x das equaes formando a nova equao L 3L
1
L
2
. Isso fornece a equao
0x 0y 30
Isso uma equao degenerada com termo constante no nulo, portanto, essa equao e o sistema no tm soluo.
(Geometricamente, as retas correspondentes s equaes so paralelas distintas.)
(c) Eliminamos x das equaes formando a nova equao L 2L
1
L
2
. Isso fornece a equao
0x 0y 0
Isso uma equao degenerada com termo constante nulo, portanto, o sistema tem uma infinidade de solues,
que correspondem s solues de qualquer uma das duas equaes. (Geometricamente, as retas correspondentes
s equaes coincidem.)
Para encontrar a soluo geral, tomamos y a e substitumos em L
1
para obter
Assim, a soluo geral
com a um escalar qualquer.
3.6 Considere o sistema
(a) Para quais valores de a o sistema tem soluo nica?
(b) Encontre os pares (a, b) de valores para os quais o sistema tem mais do que uma soluo.
(a) Eliminamos x das equaes formando a nova equao L aL
1
L
2
. Isso fornece a equao
(1)
O sistema tem soluo nica se, e s se, o coeficiente de y em (1) for no nulo, ou seja, se
(b) O sistema tem mais do que uma soluo se ambos lados de (1) forem nulos. O lado esquerdo nulo se
Quando a 3, o lado direito nulo se b 12 0, ou b 12. Quando a 3, o lado direito nulo se b 12
0, ou b 12. Assim, (3, 12) e (3, 12) so os pares para os quais o sistema tem mais do que uma soluo.
Sistemas em forma triangular e escalonada
3.7 Encontre as variveis pivs e livres de cada um dos sistemas seguintes.
(a) Em forma escalonada, as incgnitas lderes so as variveis pivs e as outras so as variveis livres.
Aqui, x
1
, x
3
e x
4
, so as variveis pivs e x
2
e x
5
so as variveis livres.
_Book_Lipschutz.indb 98 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 99
(b) As incgnitas lderes so x, y e z, portanto, so as variveis pivs. No h variveis livres (como em todo sistema
triangular).
(c) O conceito de varivel piv e livre s se aplica a sistemas em forma escalonada.
3.8 Resolva o sistema triangular do Problema 3.7(b).
Por ser um sistema triangular, resolvemos por substituio para trs.
(i) A ltima equao d z 2.
(ii) Substitumos z 2 na segunda equao e obtemos 4x 6 8, ou
(iii) Substitumos z 2 e na primeira equao e obtemos
Assim, x 5, z 2 ou a nica soluo do sistema.
3.9 Resolva o sistema escalonado do Problema 3.7(a).
Atribumos parmetros s variveis livres, digamos, x
2
a e x
5
b e resolvemos nas variveis pivs por substituio
para trs.
(i) Substitumos x
5
b na ltima equao e obtemos x
4
2b 1, ou x
4
2b 1.
(ii) Substitumos x
5
b e x
4
2b 1 na segunda equao e obtemos
(iii) Substitumos x
5
b, x
4
2b 1, x
3
b 3 e x
2
a na primeira equao e obtemos
Assim,
a forma paramtrica da soluo geral.
Alternativamente, resolvendo nas variveis pivs x
1
, x
3
, x
4
em termos das variveis livres x
2
e x
5
, obtemos a forma
de variveis livres da soluo geral seguinte.
3.10 Demonstre o Teorema 3.6. Considere o sistema (3.5) de equaes lineares em forma escalonada de r equa-
es com n incgnitas.
(i) Se r n, ento o sistema tem uma nica soluo.
(ii) Se r < n, ento podemos atribuir arbitrariamente valores s n r variveis livres e resolver de modo nico nas r
variveis piv, obtendo uma soluo do sistema.
(i) Suponha que r n. Ento temos um sistema quadrado AX B em que a matriz de coeficientes triangular
(superior) com elementos diagonais no nulos. Assim, A invertvel. Pelo Teorema 3.10, o sistema tem uma
soluo nica.
(ii) Atribuindo valores s n r variveis livres, obtemos um sistema triangular nas variveis pivs, que, por (i), tem
uma soluo nica.
_Book_Lipschutz.indb 99 22/12/10 11:55
LGEBRA LINEAR
100
Eliminao gaussiana
3.11 Resolva cada um dos sistemas seguintes.
Reduza cada sistema forma triangular usando eliminao gaussiana.
(a) Aplicamos Substituir L
2
por 2L
1
L
2
e Substituir L
3
por 3L
1
L
3
para eliminar x da segunda e terceira
equaes e, depois, aplicamos Substituir L
3
por 8L
2
L
3
para eliminar y da terceira equao. Essas operaes
fornecem
O sistema est em forma triangular. Com substituio para trs, obtemos a soluo nica u (2, 1, 1).
(b) Eliminando x da segunda e terceira equaes pelas operaes Substituir L
2
por 3L
1
L
2
e Substituir L
3
por
5L
1
L
3
, obtemos o sistema equivalente
A operao Substituir L
3
por L
2
L
3
fornece a equao degenerada de termo constante no nulo
0x 0y 0z 3
Essa equao e, portanto, o sistema, no tm soluo.
(c) Eliminando x da segunda e terceira equaes pelas operaes Substituir L
2
por 2L
1
L
2
e Substituir L
3
por
3L
1
L
3
, obtemos o sistema equivalente
(Omitimos a terceira equao por ser um mltiplo da segunda equao.) O sistema est em forma escalonada com
variveis pivs x e y e varivel livre z.
Para encontrar a forma paramtrica da soluo geral, tomamos z a e resolvemos em x e y por substituio para
trs. Substituindo z a na segunda equao, obtemos y 2 2a. Substituindo z a e y 2 2a na primeira
equao, obtemos
x 2(2 2a) 3a 1 ou x 4 a 1 ou x 3 a
Assim, a soluo geral
x 3 a, y 2 2a, z a ou u (3 a, 2 2a, a),
onde a um parmetro.
3.12 Resolva cada um dos sistemas seguintes.
Reduza cada sistema forma escalonada usando eliminao gaussiana.
_Book_Lipschutz.indb 100 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 101
(a) Aplicamos Substituir L
2
por 3L
1
L
2
e Substituir L
3
por 2L
1
L
3
para eliminar x da segunda e terceira
equaes. Isso fornece
(Omitimos L
3
por ser um mltiplo de L
2
.) O sistema est em forma escalonada com variveis pivs x
1
e x
3
e vari-
veis livres x
2
, x
4
, x
5
.
Para encontrar a forma paramtrica da soluo geral, tomamos x
2
a, x
4
b, x
5
c, em que a, b e c so parme-
tros. Com substituio para trs, obtemos x
3
1 2b 3c e x
1
3a 5b 8c. A soluo geral
x
1
3a 5b 8c, x
2
a, x
3
1 2b 3c, x
4
b, x
5
c
ou, equivalentemente, u (3a 5b 8c, a, 1 2b 3c, b, c).
(b) Eliminando x
1
da segunda e terceira equaes pelas operaes Substituir L
2
por 2L
1
L
2
e Substituir L
3
por
5L
1
L
3
, obtemos o sistema equivalente
A operao Substituir L
3
por 2L
2
L
3
fornece a equao degenerada 0 1. Assim, o sistema, no tem soluo
(embora tenha mais incgnitas do que equaes).
3.13 Resolva usando o formato condensado.
O formato condensado o seguinte.
Aqui, (1), (2) e formam um sistema triangular. (Enfatizamos que a troca de L
1
com L
2
foi efetuada simplesmente
trocando os nmeros das equaes.)
Usar substituio para trs no sistema triangular fornece z 1 em L
3
, y 3 em L
2
e x 2 em L
1
. Assim, a nica
soluo do sistema x 2, y 3, z 1, ou o terno u (2, 3, 1).
3.14 Considere o sistema
(a) Encontre os valores de a que fazem com que o sistema tenha soluo nica.
(b) Encontre os pares de valores (a, b) que fazem com que o sistema tenha mais do que uma soluo.
Reduzimos o sistema forma escalonada, ou seja, eliminamos x da terceira equao pela operao Substituir L
3

por 2L
1
L
3
e depois eliminamos y da terceira equao pela operao
_Book_Lipschutz.indb 101 22/12/10 11:55
LGEBRA LINEAR
102
Substituir L
3
por 3L
2
aL
3
, obtendo
Examinemos a ltima equao
(a) O sistema tem soluo nica se, e s se, o coeficiente de z no zero, ou seja, se
(b) O sistema tem mais do que uma soluo se ambos lados so nulos. O lado esquerdo nulo se a 5 ou a 3. Se
a 5, o lado direito zero se 5b 60 0, ou b 12. Se a 3, o lado direito zero se 3b 12 0, ou b
4. Assim, (5, 12) e (3, 4) so os pares com os quais o sistema tem mais do que uma soluo.
Matrizes escalonadas, equivalncia por linhas, forma cannica por linhas
3.15 Reduza forma escalonada as matrizes
(a) Usamos a
11
1 como um piv para obter zeros abaixo de a
11
, ou seja, usamos as operaes com as linhas
Substituir R
2
por 2R
1
R
2
e Substituir R
3
por 3R
1
R
3
. Depois usamos a
23
4 como um piv para obter
zeros abaixo de a
23
, ou seja, usamos a operao com as linhas Substituir R
3
por 3R
1
R
3
. Essas operaes
fornecem
Agora a matriz est em forma escalonada.
(b) Os clculos manuais costumam ser mais simples se o elemento piv for igual a 1. Por isso, trocamos R
1
com R
2
. Em
seguida, aplicamos as operaes Substituir R
2
por 4R
1
R
2
e Substituir R
3
por 6R
2
R
3
e, depois, Substituir
R
3
por R
2
R
3
. Essas operaes fornecem
Agora a matriz est em forma escalonada.
3.16 Descreva o algoritmo de reduo por pivotamento. Tambm descreva as vantagens, se houver, da utilizao
desse algoritmo.
O algoritmo de reduo se torna um algoritmo de pivotamento se escolhermos como piv a entrada na coluna j
de maior valor absoluto e se usarmos a operao com a linha
A principal vantagem do algoritmo por pivotamento que essa operao com as linhas envolve a diviso pelo piv atual
e, no computador, os erros de arredondamento podem ser substancialmente reduzidos se dividirmos por um nmero
com o maior valor absoluto possvel.
3.17 Seja Reduza A forma escalonada usando o algoritmo por pivotamento.
_Book_Lipschutz.indb 102 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 103
Inicialmente trocamos R
1
com R
2
para que possamos usar 3 como o piv e, ento, aplicamos as operaes Substituir
R
2
por e Substituir R
3
por . Essas operaes fornecem
Agora trocamos R
2
com R
3
para que possamos usar 5 como o piv e, ento, aplicamos as operaes Substituir R
3
por
. Obtemos
Reduzimos a matriz forma escalonada utilizando pivotamento.
3.18 Reduza cada uma das matrizes seguintes forma cannica por linhas.
(a) Inicialmente reduzimos A forma escalonada aplicando as operaes Substituir R
2
por 2R
1
R
2
e Substituir
R
3
por 4R
1
R
3
e, depois, Substituir R
3
por R
2
R
3
. Essas operaes fornecem
Agora substitumos para trs na matriz escalonada para obter a forma cannica por linhas de A. Mais precisamen-
te, primeiro multiplicamos R
3
por para obter o piv a
34
1 e, ento, aplicamos as operaes Substituir R
2
por
2R
3
R
2
e Substituir R
1
por 6R
3
R
1
. Essas operaes fornecem
Agora multiplicamos R
2
por , obtendo o piv a
23
1 e, ento, aplicamos Substituir R
1
por R
2
R
1
, obtendo
Finalmente, multiplicamos R
1
por , obtendo o piv a
11
1. Assim, obtemos a forma cannica por linhas seguinte
de A.
(b) Como B est em forma escalonada, substitumos para trs para obter
A ltima matriz, que a matriz identidade I, a forma cannica por linhas de B. (Isso era de se esperar, porque B
invertvel e sua forma cannica por linhas deve ser I.)
3.19 Descreva o algoritmo de eliminao de Gauss-Jordan, que tambm reduz uma matriz A arbitrria a sua for-
ma cannica por linhas.
_Book_Lipschutz.indb 103 22/12/10 11:55
LGEBRA LINEAR
104
De certa forma, o algoritmo de Gauss-Jordan anlogo ao algoritmo de eliminao gaussiana, exceto que, nele,
cada piv utilizado para colocar zeros tanto acima quanto abaixo do piv, e no s abaixo, antes de passar para o
prximo piv. Alm disso, numa variao desse algoritmo comeamos normalizando cada linha, ou seja, obtemos
um piv unitrio, antes de utiliz-lo para produzir os zeros nas outras linhas, em vez de normalizar no final do
algoritmo.
3.20 Seja Use Gauss-Jordan para encontrar a forma cannica por linhas de A.
Usamos a
11
1 como um piv para obter zeros abaixo de a
11
aplicando as operaes Substituir R
2
por R
1
R
2

e Substituir R
3
por 2R
1
R
3
. Isso fornece
Multiplicamos R
2
por , obtendo o piv a
22
1 e, ento, obtemos zeros abaixo e acima de a
22
aplicando as operaes
Substituir R
3
por 9R
2
R
3
e Substituir R
1
por 2R
2
R
1
. Essas operaes fornecem
Finalmente, multiplicamos R
3
por para obter o piv a
34
1 e, ento, obtemos zeros abaixo e acima de a
34
aplicando as
operaes Substituir R
2
por e Substituir R
1
por . Essas operaes fornecem
que a forma cannica por linhas de A.
Sistemas de equaes lineares em forma matricial
3.21 Encontre a matriz aumentada M e a matriz de coeficientes A do sistema seguinte.
Inicialmente, alinhamos as incgnitas do sistema e, depois, usamos o sistema alinhado para obter M e A. Temos
3.22 Resolva cada um dos sistemas seguintes utilizando sua matriz aumentada M.
(a) Reduzimos a matriz aumentada M forma escalonada como segue.
_Book_Lipschutz.indb 104 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 105
Agora escrevemos o sistema triangular correspondente
e substitumos para trs para obter a soluo nica
Alternativamente, reduzimos a forma escalonada de M forma cannica por linhas, obtendo
Isso tambm corresponde soluo encontrada antes.
(b) Inicialmente reduzimos a matriz aumentada M forma escalonada como segue.
A terceira linha corresponde equao degenerada 0x 0y 0z 3, que no tem soluo. Assim, NO CON-
TINUE. O sistema original tambm no tem soluo. (Observe que a forma escalonada indica se o sistema tem
ou no tem soluo.)
(c) Reduzimos a matriz aumentada M forma escalonada e, depois, forma cannica por linhas, como segue.
(Omitimos a terceira linha da segunda matriz por ser um mltiplo da segunda linha e acarretar uma linha de zeros.)
Escrevemos o sistema correspondente forma cannica por linhas de M e depois transferimos as variveis livres
para o outro lado para obter a forma de variveis livres da soluo
Aqui, z a nica varivel livre. A soluo paramtrica, usando z a, dada a seguir.
3.23 Resolva o sistema seguinte utilizando sua matriz aumentada M.
Reduzimos a matriz aumentada M forma escalonada e, depois, forma cannica por linhas.
Escrevemos o sistema correspondente forma cannica por linhas de M e depois transferimos as variveis livres para o
outro lado para obter a forma de variveis livres da soluo
_Book_Lipschutz.indb 105 22/12/10 11:55
LGEBRA LINEAR
106
Aqui, x
1
, x
2
e x
4
so as variveis pivs e x
3
e x
5
so as variveis livres. Lembre que a forma paramtrica da soluo pode
ser obtida a partir da forma de variveis livres da soluo simplesmente igualando as variveis livres a parmetros,
digamos, x
3
a e x
5
b. Assim, obtemos
x
1
21 a 24b, x
2
7 2a 8b, x
3
a, x
4
3 2b, x
5
b
ou u (21 a 24b, 7 2a 8b, a, 3 2b, b)
que outra forma da soluo.
Combinaes lineares, sistemas homogneos
3.24 Escreva como combinao linear dos vetores u
1
, u
2
e u
3
dados a seguir.
(a) (3, 10, 7) e
(b) (2, 7, 10) e
(c) (1, 5, 4) e
Formamos o sistema de equaes lineares equivalente escrevendo xu
1
yu
2
zu
3
ou, ento, usamos a matriz au-
mentada M do sistema equivalente, em que M [u
1
, u
2
, u
3
, ]. (Aqui, u
1
, u
2
, u
3
e so as colunas de M.)
(a) A equao vetorial xu
1
yu
2
zu
3
com os vetores dados dada por
Igualando as entradas correspondentes, formamos o sistema de equaes lineares equivalente que reduzimos
forma escalonada, como segue.
O sistema est em forma triangular. Substituindo para trs, obtemos x 2, y 7, z 3. Assim, 2u
1
7u
2
3u
3
.
Alternativamente, formamos a matriz aumentada M [u
1
, u
2
, u
3
, ] do sistema equivalente e reduzimos M forma
escalonada, como segue.
A ltima matriz corresponde a um sistema triangular que tem uma soluo nica. Substituindo para trs, obtemos
a soluo x 2, y 7, z 3. Assim, 2u
1
7u
2
3u
3
.
(b) Formamos a matriz aumentada M [u
1
, u
2
, u
3
, ] do sistema equivalente e reduzimos M forma escalonada, como
segue.
A terceira linha corresponde equao degenerada 0x 0y 0z 2, que no tem soluo. Assim, o sistema
tambm no tem soluo, e no pode ser escrito como uma combinao linear de u
1
, u
2
, u
3
.
(c) Formamos a matriz aumentada M [u
1
, u
2
, u
3
, ] do sistema equivalente e reduzimos M forma escalonada, como
segue.
_Book_Lipschutz.indb 106 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 107
A ltima matriz corresponde a um sistema com uma varivel livre z.
Assim, pode ser escrito de vrias maneiras como uma combinao linear de u
1
, u
2
, u
3
. Por exemplo, tomando a
varivel livre como z 1 e substituindo para trs, obtemos y 2 e x 2. Assim, 2u
1
2u
2
u
3
.
3.25 Sejam u
1
(1, 2, 4), u
2
(2, 3, 1), u
3
(2, 1, 1) vetores de R
3
. Mostre que u
1
, u
2
, u
3
so ortogonais e
escreva como uma combinao linear de u
1
, u
2
, u
3
se (a) (7, 16, 6), (b) (3, 5, 2).
Tomamos o produto escalar dos pares de vetores e obtemos
Assim, os trs vetores de R
3
so ortogonais e, portanto, podemos usar coeficientes de Fourier, ou seja, xu
1
yu
2

zu
3
, com
(a) Temos
Assim, 3u
1
2u
2
4u
3
.
(b) Temos
Assim,
3.26 Encontre a dimenso e uma base do conjunto soluo W de cada um dos sistemas homogneos seguintes.
(a) Reduzimos o sistema forma escalonada usando as operaes Substituir L
2
por 3L
1
2L
2
, Substituir L
3
por
5L
1
2L
3
e, depois, Substituir L
3
por 2L
2
L
3
. Essas operaes fornecem
O sistema escalonado tem as duas variveis livres x
2
e x
4
, portanto dim W 2. Uma base de W pode ser obtida
como segue.
(1) Tomando x
2
1, x
4
0, substitumos para trs para obter x
3
0 e, ento, x
1
2. Assim, u
1
(2, 1, 0, 0).
(2) Tomando x
2
0, x
4
1, substitumos para trs para obter x
3
1 e, ento, x
1
1. Assim, u
2
(1, 0, 1, 1).
(b) Reduzindo o sistema forma escalonada, obtemos
No h variveis livres (o sistema est em forma triangular). Logo, dim W 0 e W no possui base. Mais precisa-
mente, W consiste somente na soluo nula, ou seja, W {0}.
3.27 Utilizando notao matricial, encontre a dimenso e uma base do conjunto soluo W do sistema homog-
neo seguinte.
Mostre como a base d a forma paramtrica da soluo geral do sistema.
Um sistema homogneo representado por sua matriz de coeficientes A em vez da matriz aumentada M, porque a lti-
ma coluna da matriz aumentada M nula e permanece nula ao longo de qualquer algoritmo de reduo.
_Book_Lipschutz.indb 107 22/12/10 11:55
LGEBRA LINEAR
108
Reduzimos a matriz de coeficientes A forma escalonada, obtendo
(A terceira linha da segunda matriz foi suprimida, por ser um mltiplo da segunda linha e resultar numa linha nula.)
Agora podemos continuar de duas maneiras.
(a) Escrevemos o sistema homogneo correspondente em forma escalonada.
O sistema escalonado tem as trs variveis livres x
2
, x
4
e x
5
, portanto dim W 3. Uma base [u
1
, u
2
, u
3
] de W pode
ser obtida como segue.
(1) Tomando x
2
1, x
4
0, x
5
0, substitumos para trs para obter x
3
0 e, ento, x
1
2. Assim,
u
1
(2, 1, 0, 0, 0).
(2) Tomando x
2
0, x
4
1, x
5
0, substitumos para trs para obter e, ento, Assim,
(3) Tomando x
2
0, x
4
0, x
5
1, substitumos para trs para obter e, ento, Assim,
[Poderamos evitar fraes na base escolhendo x
4
2 em (2) e x
5
2 em (3), que produzem mltiplos de u
2
e
u
3
.] Obtemos a forma paramtrica da soluo geral como uma combinao linear dos vetores da base utilizando
parmetros x, y e z.
(b) Reduzimos a forma escalonada de A forma cannica, como segue.
Agora escrevemos a correspondente soluo de variveis livres
Usando essas equaes para as variveis pivs x
1
e x
3
, repetimos o processo da opo (a) para obter uma base
[u
1
, u
2
, u
3
] de W. Ou seja, tomamos x
2
1, x
4
0, x
5
0 para obter u
1
; tomamos x
2
0, x
4
1, x
5
0 para
obter u
2
e tomamos x
2
0, x
4
0, x
5
1 para obter u
3
.
3.28 Demonstre o Teorema 3.15. Sejam
0
uma soluo particular de AX B e W o conjunto soluo de AX 0.
Ento o conjunto soluo de AX B.
Seja w uma soluo de AX 0. Ento
Assim, a soma
0
w uma soluo de AX B. Por outro lado, seja uma soluo de AX B. Ento
Portanto,
0
pertence a W. Como
0
(
0
), vemos que toda soluo de AX B pode ser dada pela soma de
uma soluo de AX 0 com uma soluo de AX B. O teorema est demonstrado.
_Book_Lipschutz.indb 108 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 109
Matrizes elementares, aplicaes
3.29 Sejam e
1
, e
2
, e
3
, respectivamente, as operaes elementares com as linhas
Trocar as linhas R
1
e R
2
entre si, Substituir R
3
por 7R
3
e Substituir R
2
por 3R
1
R
2

Encontre as matrizes elementares E


1
, E
2
, E
3
de ordem 3 correspondentes.
Aplicando cada operao matriz identidade I
3
de ordem 3, obtemos
3.30 Considere as operaes elementares com as linhas dadas no Problema 3.29.
(a) Descreva as operaes inversas
(b) Encontre as matrizes elementares de ordem 3 correspondentes.
(c) Qual a relao entre as matrizes e as matrizes E
1
, E
2
, E
3
?
(a) As inversas de e
1
, e
2
, e
3
so, respectivamente,
Trocar as linhas R
1
e R
2
entre si, Substituir R
3
por e Substituir R
2
por 3R
1
R
2

(b) Aplicando cada operao inversa matriz identidade I


3
de ordem 3, obtemos
(c) As matrizes so, respectivamente, as inversas das matrizes E
1
, E
2
, E
3
.
3.31 Escreva cada uma das matrizes seguintes como um produto de matrizes elementares.
Para escrever uma matriz M como um produto de matrizes elementares utilizamos os trs passos seguintes.
Passo 1 Reduzimos M matriz identidade I, fazendo um registro das operaes utilizadas.
Passo 2 Escrevemos as operaes inversas das registradas.
Passo 3 Escrevemos M como o produto das matrizes elementares correspondentes s operaes inversas, que o
resultado procurado.
Se aparecer uma linha nula no Passo 1, ento M no equivalente por linhas matriz identidade e M no pode ser escrita
como um produto de matrizes elementares.
(a) (1) Temos
em que as operaes com as linhas so, respectivamente,
Substituir R
2
por 2R
1
R
2
, Substituir R
2
por , Substituir R
1
por 3R
2
R
1

(2) As operaes inversas so


Substituir R
2
por 2R
1
R
2
, Substituir R
2
por 2R
2
, Substituir R
1
por 3R
2
R
1

(3)
_Book_Lipschutz.indb 109 22/12/10 11:55
LGEBRA LINEAR
110
(b) (1) Temos
em que as operaes com as linhas so, respectivamente,
Substituir R
2
por 4R
3
R
2
, Substituir R
1
por 3R
3
R
1
, Substituir R
1
por 2R
2
R
1

(2) As operaes inversas so


Substituir R
2
por 4R
3
R
2
, Substituir R
1
por 3R
3
R
1
, Substituir R
1
por 2R
2
R
1

(3)
(c) (1) Comeamos reduzindo C forma escalonada. Temos
A forma escalonada de C tem uma linha nula. PARE. A matriz C no pode ser reduzida matriz identidade
e C no pode ser escrita como um produto de matrizes elementares. (Em particular, observamos que C no
possui inversa.)
3.32 Encontre a inversa de
(a) Formamos a matriz M [A, I] e a reduzimos forma escalonada.
Na forma escalonada, a metade da esquerda de M est em forma triangular, portanto, A tem uma inversa. Continu-
amos reduzindo M forma cannica por linhas.
A ltima matriz tem o formato [I, A
1
], ou seja, A
1
a metade da direita da ltima matriz. Assim,
(b) Formamos a matriz M [B, I] e a reduzimos forma escalonada.
Na forma escalonada, M tem uma linha nula na metade da esquerda, portanto, B no pode ser reduzida forma
triangular. Por isso, B no tem uma inversa.
_Book_Lipschutz.indb 110 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 111
3.33 Mostre que cada matriz elementar E invertvel e que sua inversa uma matriz elementar.
Seja E a matriz elementar correspondente operao elementar e, ou seja, e(I) E. Seja a operao inversa de e
e a matriz elementar correspondente, ou seja, . Ento
Assim, a inversa de E.
3.34 Demonstre o Teorema 3.16. Sejam e uma operao elementar com as linhas e E a matriz elementar quadra-
da de ordem m correspondente, ou seja, e(I) E. Ento e(A) EA, para qualquer matriz A .
Seja R
i
a i-sima linha de A e escrevamos A [R
1
, ..., R
m
]. Se B for um matriz para a qual est definido o produto
AB, ento AB [R
1
B, ..., R
m
B.]. Tambm escrevemos
Aqui, significa que a entrada 1 com circunflexo est na posio i. Mostra-se (Problema 2.46) que e
i
A R
i
. Observe
que I [e
1
, e
2
, ..., e
m
] a identidade de ordem m.
(i) Seja e a operao elementar Trocar as linhas R
1
e R
2
entre si. Ento, com
e
Assim,
(ii) Seja e a operao elementar Substituir R
i
por kR
i
. Ento, com
e
Assim,
(iii) Seja e a operao elementar Substituir R
i
por kR
j
R
i
. Ento, com
e
Usando obtemos
3.35 Demonstre o Teorema 3.17. Seja A uma matriz quadrada. Ento as afirmativas seguintes so equivalentes.
(a) A invertvel (no singular).
(b) A equivalente por linhas matriz identidade I.
(c) A um produto de matrizes elementares.
Suponha que A seja invertvel e equivalente por linhas a uma matriz B em forma cannica. Ento existem matrizes
elementares E
1
, E
2
, ..., E
s
tais que . Como A e cada matriz elementar E
i
so invertveis, tambm
B invertvel. No entanto, se ento B teria uma linha nula e, portanto, no seria invertvel. Logo B I e (a)
implica (b).
_Book_Lipschutz.indb 111 22/12/10 11:55
LGEBRA LINEAR
112
Se valer (b), existem matrizes elementares E
1
, E
2
, ..., E
s
tais que . Logo,
. Como as tambm so matrizes elementares, (b) implica (c).
Se vale (c), ento e, como as E
i
so matrizes invertveis, seu produto A tambm invertvel. Logo,
(c) implica (a). Dessa forma, demonstramos o teorema.
3.36 Demonstre o Teorema 3.18. Se AB I, ento BA I e, portanto, B A
1
.
Suponha que A no seja invertvel. Ento A no equivalente por linhas matriz identidade I e, portanto, A equi-
valente por linhas a uma matriz com uma linha nula. Em outras palavras, existem matrizes elementares E
1
, ..., E
s

tais que tem uma linha nula. Segue que a matriz invertvel tem uma
linha nula. Como matrizes invertveis no podem ter linhas nulas, isso mostra que A invertvel, com inversa A
1
.
Ento tambm
3.37 Demonstre o Teorema 3.19. B equivalente por linhas a A (e escrevemos ) se, e s se, existe uma
matriz no singular P tal que B PA.
Se ento , onde no singular. Reci-
procamente, suponha que B PA, com P no singular. Pelo Teorema 3.17, P um produto de matrizes elementa-
res, portanto, B pode ser obtido a partir de A com uma sequncia de operaes elementares com as linhas, ou seja,
. Dessa forma, demonstramos o teorema.
3.38 Demonstre o Teorema 3.21. Cada matriz A equivalente a uma nica matriz em blocos da forma
, em que I
r
a matriz identidade de ordem r.
A demonstrao construtiva, no formato de algoritmo.
Passo 1 Reduza A forma cannica por linhas, com entradas lderes no nulas
Passo 2 Troque entre si as colunas C
1
e , C
2
e C
r
e Disso resulta uma matriz da forma ,
com entradas lderes no nulas
Passo 3 Utilize operaes com as colunas e os pivs a
ii
para trocar cada entrada de B com um zero, ou seja, para
i 1, 2, ..., r e j r 1, r 2, ..., n efetue a operao
A matriz final tem o formato

procurado.
Fatorao LU
3.39 Encontre a fatorao LU de
(a) Reduzimos A forma triangular com as operaes
Substituir R
2
por 2R
1
R
2
, Substituir R
3
por R
1
R
3
e, ento,
Substituir R
3
por
Denotando a forma triangular por U, essas operaes fornecem
As entradas de L so os simtricos dos multiplicadores das operaes com as linhas utilizadas.
(Para conferir, multiplique L por U e obtenha A LU.)
Lipschutz_03.indd 112 08/02/11 09:32
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 113
(b) Reduzimos B forma triangular com as operaes Substituir R
2
por 2R
1
R
2
, Substituir R
3
por 5R
1
R
3
.
Essas operaes fornecem
Observe que a segunda diagonal 0. Assim, B no pode ser levado forma triangular sem utilizar troca de linhas.
Por isso, B no tem fatorao LU. (Existe uma fatorao PLU desse tipo de matrizes, em que P uma matriz de
permutao, mas essa fatorao no est ao alcance de nossos mtodos.)
3.40 Encontre a fatorao LDU da matriz A do Problema 3.39.
A fatorao LDU se refere ao caso em que L uma matriz triangular inferior com entradas 1 na diagonal (como na
fatorao LU), D uma matriz diagonal e U uma matriz triangular superior com entradas 1 na diagonal. Assim,
simplesmente separamos as entradas da diagonal da matriz U da fatorao LU de A obtida no problema precedente
e obtemos as matrizes D e U, como segue.
3.41 Encontre a fatorao LU da matriz
Reduzimos A forma triangular com as operaes
(1) Substituir R
2
por 2R
1
R
2
, (2) Substituir R
3
por 3R
1
R
3
, (3) Substituir R
3
por 4R
2
R
3

Denotando a forma triangular por U, essas operaes fornecem


As entradas 2, 3, 4 de L so os simtricos dos multiplicadores 2, 3, 4 das operaes com as linhas utilizadas.
(Para conferir, multiplique L por U e obtenha A LU.)
3.42 Seja A a matriz do Problema 3.41. Encontre X
1
, X
2
, X
3
, sendo X
i
a soluo de AX B
i
nos casos (a) B
1

(1, 1, 1), (b) B
2
B
1
X
1
, (c) B
3
B
2
X
2
.
(a) Encontramos L
1
B
i
aplicando em B
1
as operaes com as linhas (1), (2) e, depois, (3) dadas no Problema 3.41.
Substituindo para trs, resolvemos UX B com B (1, 1, 8) para obter X
1
(25, 9, 8).
(b) Inicialmente, encontramos Ento, como antes,
Substituindo para trs, resolvemos UX B com B (24, 58, 295) para obter X
2
(943, 353, 295).
(c) Inicialmente, encontramos . Ento,
como antes,
Substituindo para trs, resolvemos UX B com B (919, 2181, 11395) para obter
X
3
(37628, 13576, 11395).
_Book_Lipschutz.indb 113 22/12/10 11:55
LGEBRA LINEAR
114
Problemas variados
3.43 Seja L uma combinao linear das m equaes com n incgnitas do sistema (3.2). Digamos que L seja a
equao

(1)
Mostre que qualquer soluo de (3.2) tambm uma soluo de L.
Seja u (k
1
, ..., k
n
) uma soluo de (3.2). Ento

(2)
Substituindo u no lado esquerdo de (1) e usando (2), obtemos
Esse o lado direito de (1), portanto, u uma soluo de (1).
3.44 Suponha que um sistema de equaes lineares tenha sido obtido de um sistema por uma operao
elementar (pgina 69). Mostre que e tm as mesmas solues.
Cada equao L de uma combinao linear de equaes de . Logo, pelo Problema 3.43, qualquer soluo
de tambm soluo de . Por outro lado, cada operao elementar tem uma operao inversa, de modo que
pode ser obtido a partir de por uma operao elementar. Isso significa que qualquer soluo de uma
soluo de . Assim, e tm as mesmas solues.
3.45 Demonstre o Teorema 3.4. Suponha que um sistema de equaes lineares seja obtido de um sistema
de equaes lineares por uma sequncia finita de operaes elementares. Ento e tm as mesmas so-
lues.
Cada passo da sequncia mantm inalterado o conjunto soluo (Problema 3.44). Assim, o sistema original e o
sistema final (bem como qualquer sistema intermedirio) tm as mesmas solues.
3.46 Dizemos que um sistema de equaes lineares consistente se nenhuma combinao linear de suas equa-
es uma equao degenerada L de termo constante no nulo. Mostre que consistente se, e s se,
for redutvel forma escalonada.
Suponha que seja redutvel forma escalonada. Ento tem alguma soluo, que tambm deve ser uma solu-
o de cada combinao linear de suas equaes. Assim, L, que no tem solues, no pode ser uma combinao
linear das equaes de . Assim, consistente.
Por outro lado, suponha que no seja redutvel forma escalonada. Ento, no processo de reduo, deve surgir
alguma equao degenerada L com termo constante no nulo que uma combinao linear das equaes de .
Assim, no consistente.
3.47 Suponha que u e sejam vetores distintos. Mostre que os vetores u a(u ) so distintos para escalares
a distintos.
Suponha que u a
1
(u ) u a
2
(u ). Basta mostrar que a
1
a
2
. Temos
a
1
(u ) a
2
(u ), portanto, (a
1
a
2
)(u ) 0
Como u e so distintos, . Assim, a
1
a
2
0 e, portanto, a
1
a
2
.
3.48 Suponha que AB esteja definido. Demonstre as afirmaes seguintes.
(a) Se A tiver uma linha nula, ento AB tem uma linha nula.
(b) Se B tiver uma coluna nula, ento AB tem uma coluna nula.
_Book_Lipschutz.indb 114 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 115
(a) Sejam R
i
a linha nula de A e C
1
, C
2
, ..., C
n
as colunas de B. Ento a ensima linha de AB
(b) B
T
tem uma linha nula, portanto, B
T
A
T
(AB)
T
tem uma linha nula. Logo, AB tem uma coluna nula.
Problemas Complementares
Equaes lineares, sistemas 2 2
3.49 Decida quais dos sistemas seguintes so lineares.
3.50 Resolva
3.51 Resolva cada um dos sistemas seguintes.
3.52 Considere os sistemas seguintes nas incgnitas x e y.
Para quais valores de a o sistema dado tem soluo nica e para quais pares de valores (a, b) o sistema tem
mais do que uma soluo?
Sistemas de equaes lineares gerais
3.53 Resolva.
3.54 Resolva.
3.55 Resolva.
3.56 Considere os sistemas seguintes nas incgnitas x, y e z.
Para quais valores de a o sistema dado tem soluo nica e para quais pares de valores (a, b) o sistema tem
mais do que uma soluo? O valor de b no influi no sistema ter, ou no, soluo nica. Por qu?
_Book_Lipschutz.indb 115 22/12/10 11:55
LGEBRA LINEAR
116
Combinaes lineares, sistemas homogneos
3.57 Escreva como uma combinao linear de u
1
, u
2
, u
3
, com
3.58 Sejam u
1
(1, 1, 2), u
2
(1, 3, 2), u
3
(4, 2, 1) de R
3
. Mostre que u
1
, u
2
, u
3
so ortogonais e escreva
como uma combinao linear de u
1
, u
2
, u
3
se (a) (5, 5, 9), (b) (1, 3, 3), (a) (1, 1, 1). (Sugesto:
use coeficientes de Fourier.)
3.59 Encontre a dimenso e uma base do conjunto soluo W de cada um dos sistemas homogneos seguintes.
3.60 Encontre a dimenso e uma base do conjunto soluo W de cada um dos sistemas seguintes.
Matrizes escalonadas, forma cannica por linhas
3.61 Reduza cada uma das matrizes seguintes forma escalonada e depois forma cannica por linhas.
3.62 Reduza cada uma das matrizes seguintes forma escalonada e depois forma cannica por linhas.
3.63 Usando somente entradas 0 e 1, apresente todas as possveis matrizes em forma cannica por linhas.
3.64 Usando somente entradas 0 e 1, encontre o nmero n de todas as possveis matrizes em forma cannica
por linhas.
Matrizes elementares, aplicaes
3.65 Sejam e
1
, e
2
, e
3
, respectivamente, as operaes elementares com as linhas seguintes.
Trocar as linhas R
2
e R
3
entre si, Substituir R
2
por 3R
2
e Substituir R
1
por 2R
3
R
1

(a) Encontre as matrizes elementares E


1
, E
2
, E
3
correspondentes.
(b) Encontre as operaes inversas suas matrizes elementares correspondentes e a
relao entre essas matrizes e E
1
, E
2
, E
3
.
(c) Descreva as operaes elementares f
1
, f
2
, f
3
com as colunas.
(d) Encontre matrizes elementares F
1
, F
2
, F
3
correspondentes a f
1
, f
2
, f
3
e a relao entre essas matrizes e E
1
,
E
2
, E
3
.
Lipschutz_03.indd 116 07/02/11 17:15
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 117
3.66 Expresse cada uma das matrizes seguintes como um produto de matrizes elementares.
3.67 Encontre a inversa de cada uma das matrizes seguintes (se existir).
3.68 Encontre a inversa de cada uma das matrizes seguintes.
(a) A tem entradas 1 na diagonal e na superdiagonal (as entradas imediatamente acima da diagonal) e zeros
nas demais entradas.
(b) B tem entradas 1 na diagonal e acima da diagonal e zeros nas demais entradas.
Fatorao LU
3.69 Encontre a fatorao LU das matrizes seguintes.
3.70 Seja A a matriz do Problema 3.69(b). Encontre X
1
, X
2
, X
3
, X
4
, sendo
(a) X
1
a soluo de AX B
1
, com B
1
(1, 1, 1)
T
.
(b) Para k > 1, X
k
a soluo de AX B
k
, com B
k
B
k 1
X
k 1
.
3.71 Seja B a matriz do Problema 3.69(b) Encontre a fatorao LDU de B.
Problemas variados
3.72 Considere o sistema seguinte de incgnitas x e y.
Suponha que . Mostre que cada sistema tem a soluo nica
3.73 Encontre a inversa da operao com as linhas Substituir R
i
por .
3.74 Demonstre que suprimindo a ltima coluna de uma forma escalonada (respectivamente, da forma cannica)
de uma matriz aumentada M [A, B] resulta um sistema em forma escalonada (respectivamente, em forma
cannica) de A.
3.75 Sejam e uma operao elementar com as linhas e E sua matriz elementar associada, f a operao com as
colunas correspondente e F sua matriz elementar. Demonstre que
3.76 A matriz A equivalente matriz B, e escrevemos se existirem matrizes no singulares P e Q tais que
B PAQ. Demonstre que uma relao de equivalncia, ou seja, que valem
_Book_Lipschutz.indb 117 22/12/10 11:55
LGEBRA LINEAR
118
Respostas dos Problemas Complementares
Notao A [R
1
; R
2
; ... ] denota a matriz A de colunas R
1
, R
2
, ... Os elementos de cada linha so separados por
vrgulas (que podem ser omitidas no caso de nmeros de um algarismo), as linhas so separadas por ponto e vrgu-
la e 0 denota uma linha nula. Por exemplo,
3.49 (a) no , (b) , (c) linear em x, y, z, mas no em x, y, z, k.
3.50 (a) (b) no tem soluo (c) qualquer escalar uma soluo
3.51 (a) (2, 1), (b) no tem soluo (c) (5, 2), (d) (5 2a, a)
3.52 (a)
3.53 (a) (b) no tem soluo, (c) u (7a 1, 2a 2, a)
3.54 (a) (3, 1), (b) u (a 2b, 1 2a 2b, a, b), (c) no tem soluo.
3.55 (a)
3.56 (a)
(c)

3.57 (a) 2, 1, 3, (b) 6, 3, 1, (c) no combinao linear
3.58 (a) 3, 2, 1, (b) (c)
3.59 (a) dim W 1, u
1
(1, 1, 1), (b) dim W 0, no tem base,
(c) dim W 2, u
1
(2, 1, 0, 0), u
2
(5, 0, 2, 1)
3.60 (a) dim W 3, u
1
(3, 1, 0, 0, 0), u
2
(7, 0, 3, 1, 0), u
3
(3, 0, 1, 0, 1),
(b) dim W 2, u
1
(2, 1, 0, 0, 0), u
2
(5, 0, 5, 3, 1)
3.61 (a) (b) [1, 2, 0, 0, 2; 0, 0, 1, 0, 5; 0, 0, 0, 1, 2],
(c)
3.62 (a) [1, 2, 0, 0, 4, 2; 0, 0, 1, 0, 1, 2; 0, 0, 0, 1, 2, 1; 0],
(b) [0, 1, 0, 0; 0, 0, 1, 0; 0, 0, 0, 1; 0], (c) [1, 0, 0, 4; 0, 1, 0, 1; 0, 0, 1, 2; 0]
3.63 5; [1, 0; 0, 1], [1, 1; 0, 0], [1, 0; 0, 0], [0, 1; 0, 0], 0
3.64 16
3.65 (a) [1, 0, 0; 0, 0, 1; 0, 1, 0], [1, 0, 0; 0, 3, 0; 0, 0, 1], [1, 0 2; 0, 1, 0; 0, 0, 1],
3.66 B no invertvel,

3.67 B no tem inversa,
_Book_Lipschutz.indb 118 22/12/10 11:55
CAPTULO 3 SISTEMAS DE EQUAES LINEARES 119
3.68 ,
B
1
tem entradas 1 na diagonal, 1 na superdiagonal e 0 no resto.
3.69
3.70
3.71
3.73 Substituir R
i
por
3.75
3.76 (a) A IAI. (b) Se A PBQ, ento B P
1
AQ
1
.
(c) Se A PBQ e , ento
_Book_Lipschutz.indb 119 22/12/10 11:55
4.1 INTRODUO
Neste captulo introduzimos a estrutura bsica da lgebra Linear, que a do espao vetorial de dimenso finita. A
definio de um espao vetorial V, cujos elementos so denominados vetores, envolve um corpo K arbitrrio, cujos
elementos so denominados escalares. Adotamos a notao seguinte (salvo meno em contrrio).
V o espao vetorial dado
u, , w vetores de V
K o corpo numrico dado
a, b, c ou k, r escalares de K
Quase nada de essencial se perde considerando que K seja o corpo real R ou o corpo complexo C.
O leitor deve suspeitar que a reta real R tem dimenso um, que o plano cartesiano R
2
tem dimenso dois e
que o espao R
3
tem dimenso trs. Neste captulo formalizamos essa noo de dimenso, que comprova a
intuio do leitor.
Ao longo deste livro utilizamos a notao de conjuntos apresentada a seguir.
O elemento a pertence ao conjunto A
Os elementos a e b pertencem ao conjunto A
Para cada x de A
Existe algum x de A
A um subconjunto de B
A interseo de A e B
A unio de A e B
O conjunto vazio
4.2 ESPAOS VETORIAIS
A noo de espao vetorial V sobre o corpo K de escalares definida como segue.
DEFINIO Seja V um conjunto no vazio com as duas operaes seguintes.
(i) Adio de vetores Associa a quaisquer a soma u em V.
(ii) Multiplicao por escalar Associa a quaisquer o produto
Ento dizemos que V um espao vetorial (sobre o corpo K) se os axiomas seguintes forem verdadeiros.
Espaos Vetoriais
Captulo 4
Lipschutz_04.indd 120 07/02/11 17:16
CAPTULO 4 ESPAOS VETORIAIS 121
[A
1
] Para quaisquer vetores u, , w V, (u ) w u ( w).
[A
2
] Existe um vetor em V, que denotamos 0 e denominamos vetor nulo, ou vetor zero, tal que
u 0 u 0 u, para qualquer vetor u V.
[A
3
] Para cada vetor u V existe um vetor em V, que denotamos u e denominamos simtrico de u,
tal que
u (u) 0 (u) u.
[A
4
] Para quaisquer vetores u, V, u u.
[M
1
] Para quaisquer vetores u, V e escalar r K, r(u ) r ru.
[M
2
] Para quaisquer escalares a, b K e vetor u V, (a b)u au bu.
[M
3
] Para quaisquer escalares a, b K e vetor u V, (ab)u a(bu).
[M
4
] Para qualquer vetor u V, 1u u, onde 1 o escalar unitrio de K.
Esses oito axiomas se dividem naturalmente em duas partes (conforme indicamos nos rtulos). Os quatros
primeiros dizem respeito somente estrutura aditiva de V e podem ser resumidos dizendo que V um grupo comu-
tativo na adio. Isso significa que
(a) Qualquer soma finita de vetores dispensa o uso de parnteses e independe da ordem das par-
celas.
(b) O vetor nulo 0 nico, bem como o simtrico u de cada vetor u.
(c) (Lei do Cancelamento) Se u w w, ento u .
Tambm definimos a subtrao em V por u u ( ), em que o nico simtrico de .
Por outro lado, os outros quatro axiomas dizem respeito ao do corpo K de escalares sobre o espao veto-
rial V. Usando esses axiomas, demonstramos (Problema 4.2) as propriedades simples de um espao vetorial que
seguem.
Teorema 4.1 Seja V um espao vetorial sobre um corpo K.
(i) Para qualquer escalar r K e r0 0.
(ii) Para e qualquer vetor , 0u 0.
(iii) Se ru 0, com r K e u V, ento r 0 ou u 0.
(iv) Para quaisquer r K e u V, (r)u r(u) ru.
4.3 EXEMPLOS DE ESPAOS VETORIAIS
Nesta seo apresentamos exemplos de importantes espaos vetoriais que sero utilizados ao longo de todo o texto.
Espao K
n
Seja K um corpo arbitrrio. Frequentemente utilizamos a notao K
n
para o conjunto de todas as nuplas de ele-
mentos de K. Esse conjunto K
n
um espao vetorial sobre K com as operaes seguintes.
(i) Adio de vetores
(ii) Multiplicao por escalar
O vetor nulo de K
n
a nupla de zeros,
0 (0, 0, ..., 0)
e o simtrico de um vetor definido por
Observe que essas so as mesmas operaes j definidas para R
n
no Captulo 1. A demonstrao de que K
n
um
espao vetorial idntica demonstrao do Teorema 1.1 e, agora, podemos afirmar que R
n
, com as operaes l
definidas, um espao vetorial sobre R.
_Book_Lipschutz.indb 121 22/12/10 11:54
LGEBRA LINEAR
122
Espao polinomial P(t

)
Seja P(t) o conjunto de todos os polinmios da forma
em que os coeficientes a
i
pertencem ao corpo K. Ento P(t) um espao vetorial sobre K utilizando as operaes
seguintes.
(i) Adio de vetores A soma de P(t) a operao de soma usual de polinmios.
(ii) Multiplicao por escalar O produto de P(t) a operao de multiplicao usual de um escalar k e um poli-
nmio p(t).
O polinmio zero o vetor nulo de P(t).
Espao polinomial P
n
(t

)
Seja P
n
(t) o conjunto de todos os polinmios p(t) sobre um corpo K de grau menor do que ou igual a n, ou seja,
com . Ento P
n
(t) um espao vetorial sobre K em relao s operaes usuais de soma de polinmios e de
multiplicao de polinmios por uma constante (exatamente como no espao vetorial P(t) precedente). Inclumos
o polinmio zero 0 como um elemento de P
n
(t), mesmo que no tenha grau algum.
Espao matricial M
m, n
A notao M
m, n
ou, simplesmente, M, utilizada para denotar o conjunto de todas as matrizes com entradas
de um corpo K. Ento M
m, n
um espao vetorial sobre K em relao s operaes usuais de soma matricial e de
multiplicao de matrizes por escalares, conforme indicado no Teorema 2.1.
Espao funcional F (X

)
Sejam X um conjunto no vazio e K um corpo qualquer. O conjunto de todas as funes de X em K denotado por
F(X). [Observe que F(X) no vazio, pois X no vazio.] Ento F(X) um espao vetorial sobre K em relao s
operaes seguintes.
(i) Adio de vetores A soma de duas funes f e g de F(X) a funo f g de F(X) definida por
(ii) Multiplicao por escalar O produto de um escalar e uma funo f de F(X) a funo kf de F(X) definida
por
O vetor nulo de F(X) a funo nula 0, que leva cada no elemento nulo , ou seja,
Tambm, dada qualquer funo f de F(X), a funo simtrica de f a funo f de F(X) definida por
Corpos e subcorpos
Suponha que um corpo E seja uma extenso de um corpo K, ou seja, suponha que E seja um corpo que contm K
como um subcorpo. Ento E pode ser visto como um espao vetorial sobre K com as operaes seguintes.
(i) Adio de vetores A soma u em E a operao de soma usual de E.
(ii) Multiplicao por escalar O produto ru em E, com r K e u E o produto usual de r e u como elementos de E.
Assim, os oito axiomas de um espao vetorial so satisfeitos por E e seu subcorpo K em relao a essas duas operaes.
_Book_Lipschutz.indb 122 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 123
4.4 COMBINAES LINEARES, CONJUNTOS GERADORES
Seja V um espao vetorial sobre um corpo K. Um vetor de V uma combinao linear dos vetores u
1
, u
2
, ..., u
m
de
V se existirem escalares a
1
, a
2
, ..., a
m
em K tais que
Alternativamente, uma combinao linear de u
1
, u
2
, ..., u
m
se existir alguma soluo da equao vetorial
em que x
1
, x
2
, ..., x
m
so incgnitas escalares.
Exemplo 4.1 (Combinaes Lineares em R
n
) Suponha que queiramos expressar (3, 7, 4) de R
3
como uma
combinao linear dos vetores
u
1
(1, 2, 3), u
2
(2, 3, 7), u
3
(3, 5, 6)
Procuramos escalares x, y, z tais que , ou seja,
(Por convenincia, escrevemos os vetores de R
3
como colunas, porque dessa forma mais fcil encontrar o sistema
de equaes lineares equivalente.) Reduzindo o sistema forma escalonada, obtemos
Substituindo para trs, obtemos a soluo x 2, y 4, z 3. Assim, 2u
1
4u
2
3u
3
.
OBSERVAO De um modo genrico, a questo de expressar um dado vetor de K
n
como uma combinao
linear de vetores u
1
, u
2
, ..., u
m
de K
n
equivalente a resolver um sistema AX B de equaes lineares, onde a
coluna B dos termos constantes e os vetores u
i
so as colunas da matriz de coeficientes A. Um tal sistema pode ter
uma nica soluo (como no exemplo), muitas solues, ou no ter soluo. Esse ltimo caso, o de no ter soluo,
significa que no pode ser escrito como combinao linear dos vetores u
1
, u
2
, ..., u
m
.
Exemplo 4.2 (Combinaes lineares em P(t)) Suponha que queiramos expressar o polinmio 3t
2
5t 5
como uma combinao linear dos polinmios
Queremos encontrar escalares x, y, z tais que , ou seja,
(*)
H duas maneiras de proceder a partir daqui.
(1) Desenvolvemos o lado direito de (*) e obtemos
Igualamos os coeficientes de mesmas potncias de t e reduzimos o sistema forma escalonada.
_Book_Lipschutz.indb 123 22/12/10 11:54
LGEBRA LINEAR
124
O sistema est em forma triangular e tem uma soluo. Substituindo para trs, obtemos a soluo x 3, y
1, z 2. Assim,
3p
1
p
2
2p
3
(2) Observamos que a equao (*) , na verdade, uma identidade na varivel t, ou seja, a equao vlida para
qualquer valor de t. Podemos obter trs equaes nas incgnitas x, y, z igualando t a trs valores quaisquer.
Por exemplo,
tomando t 0 em (*), obtemos x 4y 6z 5
tomando t 1 em (*), obtemos 4x 11y 10z 3
tomando t 1 em (*), obtemos y 4z 7
Reduzindo esse sistema forma escalonada e substituindo para trs, novamente obtemos a soluo x 3, y
1, z 2. Assim (de novo), 3p
1
p
2
2p
3
.
Conjuntos geradores
Seja V um espao vetorial sobre K. Dizemos que os vetores u
1
, u
2
, ..., u
m
de V geram V, ou que constituem um con-
junto gerador de V, se cada vetor de V for uma combinao linear dos vetores u
1
, u
2
, ..., u
m
, ou seja, se existirem
escalares vetores a
1
, a
2
, ..., a
m
de K tais que
As observaes seguintes decorrem diretamente da definio.
OBSERVAO 1 Suponha que u
1
, u
2
, ..., u
m
gerem V. Ento, dado qualquer vetor w, os vetores w, u
1
, u
2
, ..., u
m

tambm geram V.
OBSERVAO 2 Suponha que u
1
, u
2
, ..., u
m
gerem V e que u
k
seja uma combinao linear de alguns dos demais
vetores u. Ento esses outros u, sem o vetor u
k
, tambm geram V.
OBSERVAO 3 Suponha que u
1
, u
2
, ..., u
m
gerem V e que um dos u seja o vetor nulo. Ento os demais vetores
u tambm geram V.
Exemplo 4.3 Considere o espao vetorial
(a) Afirmamos que os vetores seguintes formam um conjunto gerador de .
e
1
(1, 0, 0), e
2
(0, 1, 0), e
3
(0, 0, 1)
Mais precisamente, se (a, b, c) um vetor qualquer de R
3
, ento
ae
1
be
2
ce
3
(b) Afirmamos que os vetores seguintes tambm formam um conjunto gerador de R
3
.
w
1
(1, 1, 1), w
2
(1, 1, 0), w
3
(1, 0, 0)
Mais precisamente, se (a, b, c) um vetor qualquer de R
3
, ento (Problema 4.62)
(a, b, c) cw
1
(b c)w
2
(a b)w
3
Por exemplo, (5, 6, 2) 2w
1
8w
2
11w
3
.
(c) Podemos mostrar [Problema 3.24(b)] que (2, 7, 10) no pode ser escrito como uma combinao linear
dos vetores
u
1
(1, 2, 3), u
2
(1, 3, 5), u
3
(1, 5, 9)
Por isso, u
1
, u
2
, u
3
no geram R
3
.
_Book_Lipschutz.indb 124 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 125
Exemplo 4.4 Considere o espao vetorial V P
n
(t), que consiste em todos os polinmios de grau
(a) Claramente, cada polinmio de P
n
(t) pode ser expresso como uma combinao linear dos n 1 polinmios
1, t, t
2
, t
3
, ..., t
n
Assim, essas potncias de t (sendo 1 t
0
) formam um conjunto gerador de P
n
(t).
(b) Tambm podemos mostrar que, dado qualquer escalar c, as n 1 potncias seguintes de t c,
1, t c, (t c)
2
, (t c)
3
, ..., (t c)
n
(em que (t c)
0
1), tambm formam um conjunto gerador de P
n
(t).
Exemplo 4.5 Considere o espao vetorial , que consiste em todas as matrizes , e as quatro matri-
zes de M a seguir.
Claramente, cada matriz A de M pode ser escrita como uma combinao linear dessas quatro matrizes. Por exemplo,
Por isso, as quatro matrizes geram M.
4.5 SUBESPAOS
Nesta seo introduzimos a importante noo de subespao vetorial.
DEFINIO Sejam V um espao vetorial sobre o corpo K e W um subconjunto de V. Ento W um subespao
de V se o prprio W for um espao vetorial sobre o corpo K em relao s operaes de V de soma de vetores e de
multiplicao de vetores por escalar.
Para mostrar que um conjunto W qualquer um espao vetorial, precisamos mostrar que W satisfaz os oito
axiomas de um espao vetorial. No entanto, se W for um subconjunto de um espao vetorial V, ento alguns desses
axiomas valem automaticamente para W, pois j valem para V. Vejamos alguns critrios simples para identificar
subespaos.
Teorema 4.2 Seja W um subconjunto de um espao vetorial V. Ento W um subespao de V se as duas condi-
es seguintes so verdadeiras.
(a) O vetor nulo 0 pertence a W.
(b) Dados quaisquer e r K, (i) a soma e (ii) o mltiplo ru W.
A propriedade (i) de (b) diz que W fechado em relao adio, e a propriedade (ii) de (b) diz que W fe-
chado em relao multiplicao por escalar. Essas duas propriedades podem ser combinadas numa nica afirma-
o equivalente, como segue.
Para quaisquer a combinao linear .
Seja, agora, V um espao vetorial qualquer. Ento automaticamente V contm dois subespaos, o conjunto {0}
consistindo apenas no vetor nulo e o espao V todo. Esses so, s vezes, denominados subespaos triviais de V. A
seguir, alguns exemplos de subespaos no triviais.
Exemplo 4.6 Considere o espao vetorial
(a) Seja U o conjunto de todos os vetores de R
3
cujas entradas so iguais, ou seja,
U {(a, b, c) : a b c}
_Book_Lipschutz.indb 125 22/12/10 11:54
LGEBRA LINEAR
126
Por exemplo, (1, 1, 1), (3, 3, 3), (7, 7, 7) e (2, 2, 2) so vetores de U. Geometricamente, U a reta pela
origem O e pelo ponto (1, 1, 1), conforme Figura 4-1(a). Claramente, 0 (0, 0, 0) pertence a U, porque todas
as entradas de 0 so iguais. Alm disso, sejam u e dois vetores arbitrrios de U, digamos, u (a, a, a) e
(b, b, b). Ento, dado qualquer escalar r K, tambm so vetores de U os vetores a seguir.
u (a b, a b, a b) e ru (ra, ra, ra)
Assim, U um subespao de
(b) Seja W um plano pela origem arbitrrio de , conforme a Figura 4-1(b). Ento 0 (0, 0, 0) pertence a W,
porque estamos supondo que W passa pela origem O. Alm disso, sejam u e dois vetores de W. Ento u e
podem ser interpretados como setas do plano W de ponto inicial na origem O, conforme a Figura 4-1(b). A
soma u e qualquer mltiplo ru de u tambm so setas do plano W. Assim, W um subespao de .
(1, 1, 1)
Figura 4-1
Exemplo 4.7
(a) Seja o espao vetorial das matrizes . Sejam W
1
o subconjunto de todas as matrizes triangula-
res (superiores) e W
2
o subconjunto de todas as matrizes simtricas. Ento W
1
um subespao de V, porque
W
1
contm a matriz nula 0 e W
1
fechado em relao soma de matrizes e multiplicao por escalar, ou
seja, a soma e a multiplicao por escalar de tais matrizes triangulares tambm triangular. Analogamente,
W
2
um subespao de V.
(b) Seja V P(t), o espao vetorial dos polinmios. Ento o espao P
n
(t) dos polinmios de grau no mximo n
pode ser visto como um subespao de P(t). Seja Q(t) o conjunto de todos os polinmios que possuem apenas
potncias pares de t. Por exemplo, os polinmios seguintes so de Q(t).
(Estamos supondo que qualquer constante k kt
0
uma potncia par de t.) Ento Q(t) um subespao de P(t).
(c) Seja V o espao vetorial das funes reais. Ento o conjunto W
1
das funes contnuas e o conjunto W
2
das
funes derivveis so subespaos de V.
Interseo de subespaos
Sejam U e W subespaos de um espao vetorial V. Mostremos que a interseo tambm um subespao de
V. Claramente, e , pois U e W so subespaos; logo, . Agora suponha que u e pertenam
interseo . Ento e . Alm disso, como U e W so subespaos, dados quaisquer esca-
lares
Assim, . Logo, um subespao de V.
O resultado precedente generalizado como segue.
Teorema 4.3 A interseo de um nmero qualquer de subespaos de um espao vetorial V um subespao de V.
_Book_Lipschutz.indb 126 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 127
Espao soluo de um sistema homogneo
Considere um sistema AX B de equaes lineares com n incgnitas. Ento cada soluo u pode ser vista como
um vetor de K
n
. Assim, o conjunto soluo de um tal sistema um subconjunto de K
n
. Suponha, agora, que o siste-
ma seja homogneo, isto , da forma AX 0. Seja W o conjunto soluo dessa equao. Como A0 0, o vetor nulo
. Alm disso, suponha que u e pertenam a W. Ento u e so solues de AX 0, ou seja, e
. Portanto, dados quaisquer escalares a e b obtemos
Assim, au b pertence a W, por ser uma soluo de AX 0. Decorre disso que W um subespao de K
n
.
Formalizamos o resultado precedente como segue.
Teorema 4.4 O conjunto soluo W de um sistema homogneo AX 0 com n incgnitas um subespao de K
n
.
Enfatizamos que o conjunto soluo de um sistema no homogneo AX B no um subespao de K
n
. Na
verdade, o vetor nulo 0 sequer pertence ao conjunto soluo dessa equao.
4.6 ESPAOS GERADOS, ESPAO LINHA DE UMA MATRIZ
Suponha que u
1
, u
2
, ..., u
m
sejam vetores quaisquer de um espao vetorial V. Na Seo 4.4 vimos que qualquer vetor
da forma , em que os a
i
so escalares, denominado uma combinao linear de u
1
, u
2
,
..., u
m
. O conjunto de todas essas combinaes lineares, denotado por
ger(u
1
, u
2
, ..., u
m
) ou ger(u
i
)
denominado espao gerado por u
1
, u
2
, ..., u
m
.
Claramente, o vetor nulo 0 pertence ao ger(u
i
), pois
Alm disso, suponha que e pertenam a ger(u
i
), digamos,
Ento
e, dado qualquer escalar
Assim, e k tambm pertencem a ger(u
i
). Decorre disso que ger(u
i
) um subespao de V.
Mais geralmente, dado qualquer subconjunto S de V, ger(S) consiste em todas as combinaes lineares de ve-
tores de S ou, se , ger(S) {0}. Assim, em particular, S um conjunto gerador de ger(S) (ver Seo 4.4).
Vale o teorema seguinte, que acabamos de demonstrar parcialmente.
Teorema 4.5 Seja S um subconjunto de um espao vetorial V.
(i) Ento ger(S) um subespao de V que contm S.
(ii) Se W um subespao de V que contm S, ento
A condio (ii) do Teorema 4.5 pode ser interpretada como dizendo que ger(S) o menor subespao de V
que contm S.
Exemplo 4.8 Considere o espao vetorial .
(a) Seja u um vetor no nulo qualquer de . Ento ger(u) consiste em todos os mltiplos escalares de u. Geome-
tricamente, ger(u) a reta pela origem O e pela extremidade de u, conforme Figura 4-2(a).
_Book_Lipschutz.indb 127 22/12/10 11:54
LGEBRA LINEAR
128
(b) Sejam u e vetores de R
3
que no so mltiplos um do outro. Ento ger(u, ) o plano pela origem O e pelas
extremidades de u e , conforme Figura 4-2(b).
(c) Considere os vetores e
1
(1, 0, 0), e
2
(0, 1, 0), e
3
(0, 0, 1) de R
3
. No Exemplo 4.3(a) vimos que cada vetor
de R
3
uma combinao linear de e
1
, e
2
, e
3
. Ou seja, e
1
, e
2
, e
3
um conjunto gerador de R
3
. Decorre disso que
ger(e
1
, e
2
, e
3
) R
3
.
Espao linha de uma matriz
Seja A [a
ij
] uma matriz qualquer sobre um corpo K. As linhas de A,
podem ser vistas como vetores de K
n
e, portanto, geram um subespao de K
n
, denominado espao linha de A e de-
notado por lin(A). Temos
Analogamente, as colunas de A podem ser vistas como vetores de K
m
que geram um subespao de K
m
denominado
espao coluna de A e denotado por col(A). Observe que col(A) lin(A
T
).
Lembre-se que as matrizes A e B so ditas equivalentes por linhas, e escrevemos , se B pode ser obtida
a partir de A por uma sequncia de operaes elementares com as linhas. Agora suponha que M seja a matriz obtida
aplicando uma das operaes elementares seguintes a A.
(1) Trocar R
i
e R
j
entre si (2) Substituir R
i
por kR
i
(3) Substituir R
j
por kR
i
R
j
Ento cada linha de M ou uma linha de A ou uma combinao linear de linhas de A. Assim, o espao linha de M
est contido no espao linha de A. Por outro lado, podemos aplicar as operaes elementares inversas a M para
obter A; portanto, o espao linha de A est contido no espao linha de M. Isso mostra que A e M tm o mesmo es-
pao linha. Isso vale cada vez que aplicarmos uma operao elementar com as linhas. Assim, demonstramos o
teorema seguinte.
Teorema 4.6 Matrizes equivalentes por linhas tm o mesmo espao linha.
Agora estamos em condies de demonstrar (Problemas 4.454.47) resultados bsicos relativos equivalncia
por linhas (que apareceram pela primeira vez nos Teoremas 3.7 e 3.8 do Captulo 3).
Teorema 4.7 Sejam A [a
ij
] e B [b
ij
] duas matrizes escalonadas equivalentes por linhas com respectivas en-
tradas piv
Ento A e B tm o mesmo nmero de linhas no nulas, ou seja, r s, e as entradas piv esto nas mesmas posies,
ou seja,
Figura 4-2
_Book_Lipschutz.indb 128 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 129
Teorema 4.8 Sejam A e B matrizes em forma cannica por linhas. Ento A e B tm o mesmo espao linha se, e s
se, A e B tm as mesmas linhas no nulas.
Corolrio 4.9 Toda matriz A equivalente por linhas a uma nica matriz em forma cannica por linhas.
No prximo exemplo utilizamos esses resultados.
Exemplo 4.9 Considere os dois conjuntos de vetores de R
4
dados a seguir.
Sejam U ger(u
i
) e W ger(w
i
). H duas maneiras de mostrar que U W.
(a) Mostramos que cada u
i
uma combinao linear de w
1
e w
2
e, depois, que cada w
i
uma combinao linear
de u
1
, u
2
, u
3
. Observe que, para isso, devemos mostrar que so consistentes seis sistemas de equaes linea-
res.
(b) Formamos a matriz A cujas linhas so u
1
, u
2
, u
3
e reduzimos A forma cannica por linhas, formamos a ma-
triz B cujas linhas so w
1
e w
2
e reduzimos B forma cannica por linhas, como segue.
Como as linhas no nulas dessas matrizes em forma cannica por linhas so idnticas, os espaos linha de A e de
B so iguais. Portanto, U W.
Claramente, o mtodo de (b) mais eficiente do que o mtodo de (a).
4.7 DEPENDNCIA E INDEPENDNCIA LINEAR
Seja V um espao vetorial sobre um corpo K. As noes de dependncia e independncia linear de vetores de V
sobre K so definidas como segue. (Geralmente omitimos a meno a K quando o corpo est subentendido.) Esse
conceito desempenha um papel essencial na teoria da lgebra Linear e na Matemtica em geral.
DEFINIO Dizemos que os vetores
1
,
2
, ...,
m
de V so linearmente dependentes se existem escalares a
1
, a
2
,
..., a
m
de K, no todos nulos, tais que
Caso contrrio, dizemos que os vetores so linearmente independentes.
Podemos reformular essa definio como segue. Considere a equao vetorial
(*)
em que os x so incgnitas escalares. Essa equao sempre tem a soluo nula x
1
0, x
2
0, ..., x
m
0. Suponha
que essa seja a nica soluo, isto , suponha que possamos mostrar que
implica x
1
0, x
2
0, ..., x
m
0
Ento os vetores
1
,
2
, ...,
m
so linearmente independentes. Por outro lado, suponha que a equao (*) possua al-
guma soluo no nula; ento os vetores so linearmente dependentes.
Um conjunto S {
1
,
2
, ...,
m
} de vetores de V dito linearmente dependente ou independente se os vetores
1
,
2
, ...,
m
so linearmente dependentes ou independentes.
Um conjunto infinito S de vetores linearmente dependente ou independente se existirem, ou no, vetores
1
,
2
, ...,
k
de S que so linearmente dependentes.
_Book_Lipschutz.indb 129 22/12/10 11:54
LGEBRA LINEAR
130
Ateno Um conjunto S {
1
,
2
, ...,
m
} como dado acima representa uma lista ou, em outras palavras, uma
sequncia finita de vetores que so ordenados e que podem ser repetidos.
As observaes seguintes decorrem diretamente da definio dada.
OBSERVAO 1 Suponha que 0 seja um dos vetores
1
,
2
, ...,
m
, digamos,
1
0. Ento os vetores so necessa-
riamente linearmente dependentes, porque temos a combinao linear seguinte em que o coeficiente de
1
no nulo.
OBSERVAO 2 Suponha que seja um vetor no nulo. Ento , sozinho, linearmente independente porque
k 0, implica k 0
OBSERVAO 3 Suponha que dois dos vetores
1
,
2
, ...,
m
sejam iguais, ou que um deles mltiplo de um ou-
tro, digamos,
1
k
2
. Ento os vetores so necessariamente linearmente dependentes, porque temos a combinao
linear seguinte em que o coeficiente de
1
no nulo.
OBSERVAO 4 Dois vetores
1
e
2
so linearmente dependentes se, e s se, um deles um mltiplo do outro.
OBSERVAO 5 Se o conjunto {
1
,
2
, ...,
m
} for linearmente independente, ento qualquer reordenao
de seus vetores ainda ser linearmente independente.
OBSERVAO 6 Se um conjunto S de vetores for linearmente independente, ento qualquer subconjunto de S
linearmente independente. Alternativamente, se S contiver um subconjunto linearmente dependente, ento S
linearmente dependente.
Exemplo 4.10
(a) Sejam . Ento u, , w so linearmente dependentes, pois
(b) Mostramos que os vetores so linearmente independentes. Para isso,
formamos a equao vetorial xu y zw 0, em que x, y, z so incgnitas escalares. Isso fornece
Substituindo para trs, obtemos x 0, y 0, z 0. Mostramos que
xu y zw 0 implica x 0, y 0, z 0
Assim, u, , w so linearmente independentes.
(c) Seja V o espao vetorial das funes de R em R. Mostremos que as funes f(t) sen t, g(t) e
t
e h(t) t
2

so linearmente independentes. Para isso, formamos a equao vetorial funcional xf yg zh 0, em que
x, y, z so incgnitas escalares. Essa equao funcional significa que, para cada valor de t,
Assim, nessa equao, escolhemos valores apropriados de t para obter x 0, y 0, z 0 facilmente. Por
exemplo,
(i) Substituindo t 0 obtemos x(0) y(1) z(0) 0 ou y 0
(ii) Substituindo obtemos ou z 0
(iii) Substituindo obtemos ou x 0
_Book_Lipschutz.indb 130 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 131
Mostramos que
xf yg zh 0 implica x 0, y 0, z 0
Assim, f, g, h so linearmente independentes.
Dependncia linear em R
3
A dependncia linear no espao vetorial pode ser descrita geometricamente como segue.
(a) Dois vetores quaisquer u e de so linearmente dependentes se, e s se, esto na mesma reta pela origem O,
conforme Figura 4-3(a).
(b) Trs vetores quaisquer u, , w de R
3
so linearmente dependentes se, e s se, esto no mesmo plano pela origem O,
conforme Figura 4-3(b).
Adiante poderemos mostrar que quatro ou mais vetores quaisquer de R
3
so automaticamente linearmente dependentes.
Figura 4-3
Dependncia linear e combinaes lineares
As noes de dependncia linear e combinaes lineares esto relacionadas de perto. Mais precisamente, para mais
do que um vetor, mostramos que os vetores
1
,
2
, ...,
m
so linearmente dependentes se, e s se, algum deles uma
combinao linear dos demais.
Suponha, por exemplo, que
i
seja uma combinao linear dos demais,
Ento, somando
i
a ambos lados, obtemos
com o coeficiente de
i
no sendo nulo. Portanto, os vetores so linearmente dependentes. Reciprocamente, supo-
nha que os vetores sejam linearmente dependentes, digamos,

Ento podemos resolver em
j
e obter
de modo que
j
uma combinao linear dos outros vetores.
A seguir enunciamos uma afirmao um pouco mais forte do que a que acabamos de provar (Problema 4.33).
Esse resultado tem muitas consequncias importantes.
Lema 4.10 Suponha que dois ou mais vetores
1
,
2
, ...,
m
sejam linearmente dependentes. Ento algum dos veto-
res uma combinao linear dos vetores que o antecedem, ou seja, existe algum k > 1 tal que
_Book_Lipschutz.indb 131 22/12/10 11:54
LGEBRA LINEAR
132
Dependncia linear e matrizes escalonadas
Considere a seguinte matriz escalonada A, cujos pivs aparecem circulados.
Observe que as linhas R
2
, R
3
, R
4
tm zeros na segunda coluna abaixo do piv no nulo de R
1
e, portanto, qualquer
combinao linear de R
2
, R
3
, R
4
necessariamente tem 0 como segunda entrada. Assim, R
1
no pode ser uma combi-
nao linear das linhas abaixo dela. Analogamente, as linhas R
3
e R
4
tm zeros na terceira coluna abaixo do piv
no nulo de R
2
e, portanto, R
2
no pode ser uma combinao linear das linhas abaixo dela. Finalmente, R
3
no pode
ser um mltiplo de R
4
, porque R
4
tem um 0 na quinta coluna abaixo do piv no nulo de R
3
. Considerando as linhas
de baixo para cima, R
4
, R
3
, R
2
, R
1
, nenhuma linha uma combinao linear das linhas que a precedem nessa lista.
Assim, as linhas so linearmente independentes, pelo Lema 4.10.
O argumento utilizado com essa matriz escalonada pode ser utilizado para as linhas no nulas de qualquer
matriz escalonada. Assim, obtemos o seguinte resultado til.
Teorema 4.11 As linhas no nulas de uma matriz escalonada so linearmente independentes.
4.8 BASE E DIMENSO
Inicialmente enunciamos duas maneiras equivalentes de definir uma base de um espao vetorial V. (A equivalncia
est demonstrada no Problema 4.28.)
DEFINIO A Um conjunto S {u
1
, u
2
, ..., u
n
} de vetores uma base de V se tiver as duas propriedades seguin-
tes: (i) S linearmente independente. (ii) S gera V.
DEFINIO B Um conjunto S {u
1
, u
2
, ..., u
n
} de vetores uma base de V se cada puder ser escrito de
maneira nica como uma combinao linear dos vetores da base.
O seguinte um resultado fundamental da lgebra Linear.
Teorema 4.12 Seja V um espao vetorial tal que alguma base tem m elementos e outra base tem n elementos.
Ento m n.
Dizemos que um espao vetorial V tem dimenso finita n ou que n-dimensional, e escrevemos
dim V n
se V possui alguma base com n elementos. O Teorema 4.12 nos diz que todas as bases de V possuem o mesmo n-
mero de elementos, portanto, esse conceito est bem definido.
O espao vetorial {0} tem dimenso 0, por definio.
Suponha que um espao vetorial V no possua uma base finita. Ento dizemos que V tem dimenso infinita.
O Teorema 4.12 fundamental uma consequncia do lema de substituio seguinte (demonstrado no Proble-
ma 4.35).
Lema 4.13 Se {
1
,
2
, ...,
n
} gera V e {w
1
, w
2
, ..., w
m
} linearmente independente, ento , e V gerado por
um conjunto da forma
Assim, em particular, n 1 ou mais vetores de V so linearmente dependentes.
Observe, no lema acima, que substituindo m dos vetores do conjunto gerador de V por m vetores linearmente
independentes continuamos com um conjunto gerador.
_Book_Lipschutz.indb 132 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 133
Exemplo de bases
Nesta subseo apresentamos exemplos importantes de bases de alguns dos principais espaos vetoriais deste texto.
(a) Espao vetorial K
n
Considere os n vetores seguintes de K
n
.
Esses vetores so linearmente independentes. (Por exemplo, constituem uma matriz escalonada.) Alm disso, qualquer
vetor de K
n
pode ser escrito como uma combinao linear desses vetores. Mais precisamente,
Por isso, esses vetores formam uma base de K
n
, denominada base cannica de K
n
. Assim (como
era de se esperar), K
n
tem dimenso n. Em particular, qualquer outra base de K
n
tem n elementos.
(b) Espao vetorial
,S
de todas as matrizes As seis matrizes seguintes constituem uma base do espao
vetorial de todas as matrizes sobre K.
Mais geralmente, no espao vetorial de todas as matrizes , seja E
ij
a matriz com ij-sima entrada 1 e
zeros nas demais entradas. Ento todas essas matrizes formam uma base de , denominada base cannica de .
Assim, .
(c) Espao vetorial P
n
(t) de todos os polinmios de grau O conjunto de n 1 polin-
mios uma base de P
n
(t). Mais precisamente, qualquer polinmio f(t) de grau pode ser escrito como uma combina-
o linear dessas potncias de t, e podemos mostrar que esses polinmios so linearmente independentes. Assim, dim
P
n
(t) n 1.
(d) Espao vetorial P(t) de todos os polinmios Considere qualquer conjunto finito de
polinmios de P(t) e seja m o maior dos graus desses polinmios. Ento, qualquer polinmio g(t) de grau maior do que
m no pode ser escrito como uma combinao linear dos elementos de S. Assim, S no pode ser uma base de P(t). Isso
significa que a dimenso de P(t) infinita. Observamos que o conjunto infinito , consistindo em
todas as potncias de t, gera P(t) e linearmente independente. Por isso, uma base infinita de P(t).
Teoremas sobre bases
Os trs teoremas seguintes (demonstrados nos Problemas 4.37, 4.38 e 4.39) so muito utilizados.
Teorema 4.14 Se V for um espao vetorial de dimenso finita n, valem as afirmaes seguintes.
(i) Quaisquer n 1 ou mais vetores de V so linearmente dependentes.
(ii) Qualquer conjunto linearmente independente S {u
1
, u
2
, ..., u
n
} com n elementos de V uma
base de V.
(iii) Qualquer conjunto gerador T {
1
,
2
, ...,
n
} de V com n elementos uma base de V.
Teorema 4.15 Se S for um conjunto gerador de um espao vetorial V, valem as afirmaes seguintes.
(i) Qualquer subconjunto linearmente independente mximo de S constitui uma base de V.
(ii) Excluindo de S cada vetor que for uma combinao linear dos vetores de S que o precedem,
os vetores que sobram em S constituem uma base de V.
Teorema 4.16 Sejam V um espao vetorial de dimenso finita e S {u
1
, u
2
, ..., u
r
} um conjunto de vetores line-
armente independentes de V. Ento S parte de uma base de V, ou seja, S pode ser estendido at uma base de V.
_Book_Lipschutz.indb 133 22/12/10 11:54
LGEBRA LINEAR
134
Exemplo 4.11
(a) Os quatro vetores de seguintes constituem uma matriz escalonada.
Assim, os vetores so linearmente independentes e, como , os quatro vetores formam uma base de .
(b) Os n 1 polinmios de P
n
(t) seguintes so de graus crescentes.
Portanto, nenhum dos polinmios uma combinao linear de polinmios que o precedem. Logo, esses poli-
nmios so linearmente independentes. Alm disso, formam uma base de P
n
(t), pois dim P
n
(t) n 1.
(c) Considere quatro vetores quaisquer de , digamos,
Pelo Teorema 4.14(i), os quatro vetores necessariamente so linearmente dependentes, por serem elementos
do espao vetorial tridimensional .
Dimenso e subespaos
O teorema seguinte (demonstrado no Problema 4.40) fornece a relao bsica entre a dimenso de um espao ve-
torial e a dimenso de um subespao.
Teorema 4.17 Seja W um subespao do espao vetorial V de dimenso n. Ento . Em particular, se dim W
n, ento W V.
Exemplo 4.12 Seja W um subespao do espao real . Observe que . O Teorema 4.17 nos diz que a di-
menso de W s pode ser 0, 1, 2 ou 3. Vale o seguinte.
(a) Se dim W 0, ento W {0}, um ponto.
(b) Se dim W 1, ento W uma reta pela origem O.
(c) Se dim W 2, ento W um plano pela origem O.
(d) Se dim W 3, ento W o espao todo.
4.9 APLICAES A MATRIZES, POSTO DE UMA MATRIZ
Seja A uma matriz qualquer sobre um corpo K. Lembre que as linhas de A podem ser vistas como vetores de
K
n
e que o espao linha de A, denotado por lin(A), o subespao de K
n
gerado pelas linhas de A. Temos a seguinte
definio.
DEFINIO O posto de uma matriz A, denotado por pos(A), igual ao nmero mximo de linhas linearmente
independentes de A ou, equivalentemente, igual dimenso do espao linha de A.
Por outro lado, lembre que as colunas de uma matriz qualquer A podem ser vistas como vetores de K
m
e
que o espao coluna de A, denotado por col(A), o subespao de K
m
gerado pelas colunas de A. Embora m possa
no ser igual a n, ou seja, as linhas e as colunas de A podem pertencer a espaos vetoriais diferentes, temos o resul-
tado fundamental seguinte.
Teorema 4.18 O nmero mximo de linhas linearmente independentes de uma matriz A qualquer igual ao
nmero mximo de colunas linearmente independentes de A. Assim, a dimenso do espao linha de A igual
dimenso do espao coluna de A.
Desta forma, podemos reformular a definio dada de posto de A usando colunas em vez de linha.
_Book_Lipschutz.indb 134 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 135
Problemas de encontrar bases
Nesta subseo mostramos como uma forma escalonada de uma matriz A qualquer pode nos dar a soluo para
certos problemas sobre a prpria matriz A. Mais precisamente, sejam A e B as matrizes seguintes, em que a matriz
escalonada B (cujos pivs aparecem circulados) uma forma escalonada de A.
Os quatro problemas a resolver, relativos matriz A de colunas C
1
, C
2
, ..., C
6
, so os seguintes.
(a) Encontrar uma base do espao linha de A.
(b) Encontrar cada coluna de A que seja uma combinao linear das colunas de A que a antecedem.
(c) Encontrar uma base do espao coluna de A.
(d) Encontrar o posto de A.
(a) dado que A e B so equivalentes por linhas, portanto, tm o mesmo espao linha. Alm disso, B est em forma
escalonada, portanto, suas linhas no nulas so linearmente independentes e, por isso, formam uma base do espao
linha de B. Assim, elas tambm formam uma base do espao linha de A. Segue que
base de lin(A):

(b) Seja M
k
[C
1
, C
2
, ..., C
k
] a submatriz de A que consiste nas primeiras k colunas de A. Ento M
k 1
e M
k
so, respec-
tivamente, a matriz de coeficientes e a matriz aumentada da equao vetorial
O Teorema 3.9 nos diz que o sistema tem uma soluo ou, equivalentemente, que C
k
uma combinao linear das colu-
nas precedentes de A se, e s se, pos(M
k
) pos(M
k 1
), onde pos(M
k
) significa o nmero de pivs na forma escalonada
de M
k
. Agora, as primeiras k colunas da matriz escalonada B tambm constituem uma forma escalonada de M
k
. Por isso,
pos(M
2
) pos(M
3
) 2 e pos(M
4
) pos(M
5
) pos(M
6
) 3
Assim, as linhas C
3
, C
5
e C
6
so, cada uma, combinao linear das colunas de A que as antecedem.
(c) O fato de que as colunas C
1
, C
2
e C
4
no so combinaes lineares das colunas que as precedem tambm nos mostra
que so linearmente independentes. Assim, elas formam uma base do espao coluna de A. Segue que
base de col(A):
Observe que C
1
, C
2
e C
4
tambm podem ser caracterizadas como aquelas colunas de A que contm os pivs de qualquer
forma escalonada de A.
(d) Observamos, aqui, que trs possveis definies do posto de A fornecem o mesmo valor.
(i) Existem trs pivs em B, que uma forma escalonada de A.
(ii) Os trs pivs de B correspondem s linhas no nulas de B, que formam uma base do espao linha de A.
(iii) Os trs pivs de B correspondem s colunas de A, que formam uma base do espao coluna de A.
Assim, pos(A) 3.
_Book_Lipschutz.indb 135 22/12/10 11:54
LGEBRA LINEAR
136
Aplicao para encontrar uma base de W ger(u
1
, u
2
, ..., u
r
)
Frequentemente, nos dada uma lista S {u
1
, u
2
, ..., u
r
} de vetores de K
n
e queremos encontrar uma base do su-
bespao W de K
n
gerado pelos vetores dados, ou seja, uma base de
W ger(S) ger(u
1
, u
2
, ..., u
r
)
Os dois algoritmos seguintes, essencialmente descritos na subseo precedente, encontram uma tal base (e, portan-
to, a dimenso) de W.
Algoritmo 4.1 (Algoritmo do espao linha)
Passo 1 Construa a matriz M cujas linhas sejam os vetores dados.
Passo 2 Reduza M forma escalonada.
Passo 3 A resposta so as linhas no nulas da matriz escalonada.
s vezes queremos encontrar uma base que utiliza apenas os vetores dados originalmente. O prximo algorit-
mo realiza esta tarefa.
Algoritmo 4.2 (Algoritmo de eliminao)
Passo 1 Construa a matriz M cujas colunas sejam os vetores dados.
Passo 2 Reduza M forma escalonada.
Passo 3 Para cada coluna C
k
da matriz escalonada que no tenha piv, elimine o vetor u
k
da lista S dada.
Passo 4 A resposta so os vetores no eliminados de S (que correspondem s colunas com pivs).
Enfatizamos que, no primeiro algoritmo, formamos uma matriz cujas linhas so os vetores dados, enquanto no
segundo algoritmo formamos uma matriz cujas colunas so os vetores dados.
Exemplo 4.13 Seja W o subespao de gerado pelos vetores seguintes.
Encontre uma base de W dentre os vetores dados e encontre dim W.
Construmos a matriz M cujas colunas so os vetores dados e encontramos sua forma escalonada.
Os pivs da matriz escalonada aparecem nas colunas C
1
, C
2
, C
4
. Por isso, eliminamos os vetores u
3
e u
5
dos cinco
vetores originais. Os vetores restantes, u
1
, u
2
, u
4
, que correspondem s colunas com pivs da matriz escalonada,
formam uma base de W. Assim, em particular, dim W 3.
OBSERVAO A justificativa do algoritmo de eliminao dado j foi essencialmente descrita, mas a repetimos
aqui para enfatiz-la. A coluna C
3
da matriz escalonada do Exemplo 4.13 no ter um piv significa que a equao
vetorial
tem uma soluo e, portanto, u
3
uma combinao linear de u
1
e u
2
. Analogamente, a coluna C
5
no ter um piv
significa que u
5
uma combinao linear dos vetores que o antecedem. Eliminamos cada vetor do conjunto gerador
original que seja uma combinao linear dos vetores que o antecedem. Assim, os vetores que no so eliminados
formam uma base de W.
_Book_Lipschutz.indb 136 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 137
Aplicao a sistemas de equaes lineares homogneos
Considere, novamente, um sistema AX 0 de equaes lineares homogneo sobre K com n incgnitas. Pelo Teo-
rema 4.4, o conjunto soluo W de um tal sistema um subespao de K
n
e, portanto, W tem alguma dimenso. Te-
mos o teorema seguinte, cuja demonstrao ser adiada at o Captulo 5.
Teorema 4.19 A dimenso do espao soluo W de um sistema homogneo AX 0 n r, onde n o nmero
de incgnitas e r o posto da matriz de coeficientes A.
No caso em que o sistema AX 0 est em forma escalonada, ele tem exatamente n r variveis livres, diga-
mos, . Seja
j
a soluo obtida tomando (ou qualquer outra constante no nula) e as demais
variveis livres iguais a 0. Mostramos (Problema 4.50) que as solues
1
,
2
, ...,
n r
so linearmente independen-
tes, portanto, formam uma base do espao soluo W.
Na Seo 3.11, j utilizamos esse processo para encontrar uma base do espao soluo W de um sistema ho-
mogneo AX 0. O Problema 4.50 d outros trs exemplos.
4.10 SOMAS E SOMAS DIRETAS
Sejam U e W dois subconjuntos de um espao vetorial V. A soma de U e W, denotada por U W, consiste em todas
as somas u w, com . Isto ,
U W { : u w, com }
Suponha, agora, que U e W sejam subespaos de V. Ento podemos mostrar, facilmente (Problema 4.53) que
U W um subespao de V. Lembre que tambm um subespao de V. O teorema seguinte (demonstrado
no Problema 4.58) relaciona as dimenses desses subespaos.
Teorema 4.20 Sejam U e W subespaos de dimenso finita de um espao vetorial V. Ento U W tem dimenso
finita e
dim(U W) dim U dim W dim( )
Exemplo 4.14 Seja o espao vetorial das matrizes . Seja U o conjunto das matrizes cuja segunda
linha nula e seja W o conjunto das matrizes cuja segunda coluna nula. Ento
Logo, U W consiste naquelas matrizes cuja entrada inferior direita zero e consiste naquelas matrizes
cuja segunda linha e coluna so nulas. Observe que dim U 2, dim W 2, dim ( ) 1. Tambm dim(U
W) 3, o que era de se esperar pelo Teorema 4.20. Portanto,
dim(U W) dim U dim W dim( ) 2 2 1 3
Somas diretas
Dizemos que um espao vetorial V a soma direta de seus subespaos U e W, e escrevemos
se cada puder ser escrito, de modo nico, como u w, com
O teorema seguinte (demonstrado no Problema 4.59), caracteriza uma tal decomposio.
Teorema 4.21 O espao vetorial V a soma direta de seus subespaos U e W se, e s se, (i) V U W,
(ii)
_Book_Lipschutz.indb 137 22/12/10 11:54
LGEBRA LINEAR
138
Exemplo 4.15 Considere o espao vetorial .
(a) Sejam U o plano xy e W o plano yz, ou seja,
Ento , pois cada vetor de a soma de um vetor de U e um vetor de W. Contudo, no a
soma direta de U e W, porque tais somas no so nicas. Por exemplo,
(3, 5, 7) (3, 1, 0) (0, 4, 7) e, tambm, (3, 5, 7) (3, 4, 0) (0, 9, 7)
(b) Sejam U o plano xy e W o eixo z, ou seja,
Agora, cada vetor pode ser escrito como a soma de um vetor de U e um vetor de W de uma nica
maneira, como segue.
(a, b, c) (a, b, 0) (0, 0, c)
Por isso, a soma direta de U e W, ou seja, .
Somas diretas gerais
A noo de soma direta pode ser estendida a mais fatores da maneira bvia. Isto , V a soma direta dos subespa-
os W
1
, W
2
, ..., W
r
, e escrevemos
se cada vetor puder ser escrito, de modo nico, como
com
Temos os teoremas seguintes.
Teorema 4.22 Suponha que e que, para cada k, S
k
seja um subconjunto linearmente
independente de W
k
. Ento valem as afirmaes seguintes.
(a) A unio linearmente independente em V.
(b) Se cada S
k
uma base de W
k
, ento uma base de V.
(c) .
Teorema 4.23 Suponha que e que . Ento
4.11 COORDENADAS
Seja V um espao vetorial n-dimensional sobre K com base S {u
1
, u
2
, ..., u
n
}. Ento qualquer vetor pode
ser escrito, de modo nico, como uma combinao linear dos vetores da base S, digamos,
Dizemos que os n escalares a
1
, a
2
, ..., a
n
so as coordenadas de em relao base S; essas coordenadas formam
um vetor [a
1
, a
2
, ..., a
n
] de K
n
denominado vetor de coordenadas de em relao base S. Esse vetor denotado por
[ ]
S
ou, simplesmente, [ ], quando S estiver subentendido. Assim,
[ ]
S
[a
1
, a
2
, ..., a
n
]
Por uma questo de notao, usamos colchetes [. . .] em vez de parnteses (. . .) para denotar o vetor de coorde-
nadas.
_Book_Lipschutz.indb 138 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 139
OBSERVAO Os n escalares a
1
, a
2
, ..., a
n
tambm formam o vetor coluna de coordenadas
[a
1
, a
2
, ..., a
n
]
T
de em relao a S. A escolha do vetor coluna em vez do vetor linha para representar as coor-
denadas de depende do contexto em que for usado. O uso desses vetores coluna ficar claro no Captulo 6.
Exemplo 4.16 Considere o espao vetorial P
2
(t) dos polinmios de grau . Os polinmios
formam uma base S de P
2
(t). O vetor de coordenadas [ ] de 2t
2
5t 9 em relao a S obtido como segue.
Escrevemos xp
1
yp
2
zp
3
com incgnitas escalares e simplificamos.
Em seguida, igualamos os coeficientes de mesmas potncias de t para obter o sistema
A soluo desse sistema x 3, y 4, z 2. Assim,
3p
1
4p
2
2p
3
e, portanto, [ ] [3, 4, 2].
Exemplo 4.17 Considere o espao real . Os vetores seguintes formam uma base de .
As coordenadas de (5, 3, 4) em relao base S so obtidas como segue.
Escrevemos xu
1
yu
2
zu
3
, ou seja, escrevemos como uma combinao linear dos vetores da base
usando incgnitas escalares x, y, z. Isso fornece
O sistema de equaes lineares equivalente o seguinte.
A soluo do sistema x 3, y 2, z 4. Assim,
3u
1
2u
2
4u
3
e, portanto, [ ]
S
[3, 2, 4].
OBSERVAO 1 Existe uma interpretao geomtrica para as coordenadas de um vetor em relao a uma base
S para o espao real R
n
, que ilustramos usando a base S de R
3
do Exemplo 4.17. Inicialmente, considere o espao
R
3
com os eixos x, y, z usuais. Ento os vetores da base S determinam um novo sistema de coordenadas de R
3
com
eixos, digamos, , conforme Figura 4-4, que tem as propriedades seguintes.
(1) O eixo tem a direo e o sentido de u
1
com unidade medindo ||u
1
||.
(2) O eixo tem a direo e o sentido de u
2
com unidade medindo ||u
2
||.
(3) O eixo tem a direo e o sentido de u
3
com unidade medindo ||u
3
||.
Ento cada vetor (a, b, c) ou, equivalentemente, o ponto P(a, b, c) de tem novas coordenadas em relao aos
novos eixos . Essas novas coordenadas so precisamente [ ]
S
, as coordenadas de em relao base S.
Assim, conforme mostramos no Exemplo 4.17, as coordenadas do ponto P(5,3,4) em relao aos novos eixos for-
mam o vetor [3, 2, 4].
OBSERVAO 2 Considere a base cannica E {e
1
, e
2
, ..., e
n
} de K
n
definida por
_Book_Lipschutz.indb 139 22/12/10 11:54
LGEBRA LINEAR
140
Seja (a
1
, a
2
, ..., a
n
) um vetor qualquer de K
n
. Ento fcil mostrar que
e, portanto, [ ]
E
[a
1
, a
2
, ..., a
n
]
Assim, o vetor de coordenadas [ ]
E
de qualquer vetor em relao base cannica E de K
n
idntico ao vetor
original.
Isomorfismo de V e K
n
Sejam V um espao vetorial de dimenso n sobre K e S {u
1
, u
2
, ..., u
n
} uma base de V. Ento, a cada vetor
corresponde uma nica nupla [ ]
S
de K
n
. Por outro lado, a cada nupla [c
1
, c
2
, ..., c
n
] de K
n
corresponde um nico
vetor de V. Assim, a base S induz uma aplicao bijetora entre V e K
n
. Alm disso, sejam
dados
Ento
onde k um escalar. Dessa forma,
Assim, essa aplicao bijetora entre V e K
n
preserva as operaes de soma de vetores e multiplicao por escalar
dos espaos vetoriais. Nesse caso, dizemos que V e K
n
so isomorfos, e escrevemos
Enunciamos esse resultado formalmente como segue.
Figura 4-4
_Book_Lipschutz.indb 140 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 141
Teorema 4.24 Seja V um espao vetorial n-dimensional sobre um corpo K. Ento V e K
n
so isomorfos.
O prximo exemplo fornece uma aplicao prtica desse teorema.
Exemplo 4.18 Suponha que queiramos determinar se as matrizes seguintes de so ou no so linear-
mente dependentes.
Os vetores de coordenadas das matrizes na base cannica de so
Formamos a matriz M cujas linhas so os vetores de coordenadas obtidos e reduzimos M forma escalonada.
Como a matriz escalonada possui apenas duas linhas no nulas, os vetores de coordenadas [A], [B], [C] geram um
subespao bidimensional, portanto, so linearmente dependentes. Por isso, as matrizes A, B, C originais so line-
armente dependentes.
Problemas Resolvidos
Espaos vetoriais, combinaes lineares
4.1 Sejam u e dois vetores de um espao vetorial V. Simplifique cada uma das expresses seguintes.
Multiplicamos e agrupamos os termos.
(a)
(b)
(c) E
3
no est definido porque no definimos o produto de dois vetores.
(d) E
4
no est definido porque no definimos a diviso por um vetor.
4.2 Demonstre o Teorema 4.1. Seja V um espao vetorial sobre um corpo K.
(i) r0 0. (ii) 0u 0. (iii) Se ru 0, ento r 0 ou u 0. (iv) (r)u r(u) ru.
(i) Pelo Axioma [A
2
], com u 0, temos 0 0 0. Logo, pelo Axioma [M
1
], temos
r0 r(0 0) r0 r0
Somando r0 a ambos lados, obtemos o resultado esperado.
(ii) Para escalares, 0 0 0. Logo, pelo Axioma [M
2
], temos
0u (0 0)u 0u 0u
Somando 0u a ambos lados, obtemos o resultado esperado.
(iii) Supondo que ru 0 e r 0, podemos tomar o escalar r
1
tal que r
1
r 1. Assim,
u 1u (r
1
r)u r
1
(ru) r
1
0 0
(iv) Usando u (u) 0 e r (r) 0, obtemos
0 r0 r[u (u)] ru r(u) e 0 0u [r (r)]u ru (r)u
Somando ru a ambos lados da primeira equao, obtemos ru r(u) e, somando ru a ambos lados da segunda
equao, obtemos ru (r)u. Assim, (r)u r(u) ru.
_Book_Lipschutz.indb 141 22/12/10 11:54
LGEBRA LINEAR
142
4.3 Mostre que (a) r(u ) ru r , (b) u u 2u)
(a) Usando a definio de subtrao, a saber, que u u ( ), e o Teorema 4.1(iv), a saber, que r( ) r ,
obtemos
r(u ) r[u ( )] ru r( ) ru (r ) ru r
(b) Usando primeiro o Axioma [M
4
] e, depois, o Axioma [M
2
], resulta
u u 1u 1u (1 1)u 2u
4.4 Escreva (1, 2, 5) de como uma combinao linear dos vetores
u
1
(1, 1, 1), u
2
(1, 2, 3), u
3
(2, 1, 1)
Queremos encontrar escalares x, y z, ainda incgnitos, tais que xu
1
yu
2
zu
3
. Ou seja, exigimos
(Por convenincia, escrevemos os vetores de como colunas, porque dessa forma mais fcil encontrar o sistema de
equaes lineares equivalente.) Reduzindo o sistema forma escalonada, obtemos o sistema triangular
O sistema consistente e tem uma soluo. Substituindo para trs, obtemos a soluo x 6, y 3, z 2. Assim,
6u
1
3u
2
2u
3
.
Alternativamente, escrevemos a matriz aumentada M do sistema de equaes lineares equivalente, em que u
1
, u
2
, u
3
so
as trs primeiras colunas de M e a ltima coluna, e reduzimos M forma escalonada, como segue.
A ltima matriz corresponde a um sistema triangular, que tem soluo. Substituindo o sistema triangular para trs, ob-
temos a soluo x 6, y 3, z 2. Assim, 6u
1
3u
2
2u
3
.
4.5 Escreva (2, 5, 3) de como uma combinao linear dos vetores
u
1
(1, 3, 2), u
2
(2, 4, 1), u
3
(1, 5, 7)
Queremos encontrar escalares x, y z, ainda incgnitos, tais que xu
1
yu
2
zu
3
. Ou seja, exigimos
Reduzindo o sistema forma escalonada, obtemos o sistema
O sistema inconsistente e no tem soluo. Assim, no pode ser escrito como uma combinao linear de u
1
, u
2
, u
3
.
4.6 Escreva o polinmio t
2
4t 3 de P(t) como uma combinao linear dos polinmios
Consideremos como uma combinao linear de p
1
, p
2
, p
3
usando incgnitas x, y, z para escrever
(*)
Podemos continuar de duas maneiras.
_Book_Lipschutz.indb 142 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 143
Mtodo 1 Expandimos o lado direito de (*) em termos das potncias de t como segue.
Igualando os coeficientes de mesma potncia de t e reduzindo o sistema forma escalonada, obtemos
O sistema consistente e tem uma soluo. Substituindo para trs, obtemos a soluo x 3, y 2, z 4. Assim,
3p
1
2p
2
4p
3
.
Mtodo 2 A equao (*) uma identidade em t, ou seja, a igualdade vale para cada valor de t. Assim, podemos tomar
t igual a quaisquer nmeros para obter equaes nas incgnitas, como segue.
(a) Tomando t 0 em (*), obtemos a equao 3 5x z
(b) Tomando t 1 em (*), obtemos a equao 2 4x y 2z
(c) Tomando t 1 em (*), obtemos a equao 6 8x 5y
Resolvemos o sistema das trs equaes para obter, de novo, a soluo x 3, y 2, z 4. Assim, 3p
1
2p
2

4p
3
.
4.7 Escreva M como uma combinao linear das matrizes A, B, C seguintes.
Consideremos M como uma combinao linear de A, B, C usando incgnitas escalares x, y, z, ou seja, considera-
mos M xA yB zC. Obtemos
Igualando entradas correspondentes, formamos o sistema de equaes equivalente
Reduzindo o sistema forma escalonada, obtemos
A ltima equao redundante e, portanto, eliminada. Substituindo para trs, obtemos a soluo z 1, y 3, x 2.
Assim, M 2A 3B C.
Subespaos
4.8 Demonstre o Teorema 4.2. W um subespao de V se as duas condies seguintes so verdadeiras.
(b) Se u, W e r K, ento u , ru W.
Por (a), W no vazio e, por (b), as operaes de adio vetorial e multiplicao de vetor por escalar esto bem defini-
das em W. Os Axiomas [A
1
], [A
4
], [M
1
], [M
2
], [M
3
], [M
4
] valem em W porque os vetores de W pertencem a V. Assim,
resta mostrar que [A
2
] e [A
3
] valem em W. Entretanto, [A
2
] vale porque o vetor nulo de V pertence a W, por (a). Final-
mente, se , ento Assim, vale [A
3
] em W.
4.9 Seja . Mostre que W no um subespao, nos casos seguintes.
Em cada caso, mostre que no vale o Teorema 4.2.
_Book_Lipschutz.indb 143 22/12/10 11:54
LGEBRA LINEAR
144
(a) W consiste naqueles vetores com primeira entrada no negativa. Assim, (1, 2, 3) pertence a W. Seja r 3.
Ento r ( 3, 6, 9) no pertence a W, porque 3 negativo. Assim, W no um subespao de V.
(b) W consiste naqueles vetores cujo comprimento no maior do que 1. Assim, u (1, 0, 0) e (0, 1, 0) pertencem
a W, mas u (1, 1, 0) no pertence a W, porque Assim, W no um subespao de V.
4.10 Seja V P(t) o espao vetorial dos polinmios reais. Decida se W , ou no , um subespao de V, nos casos
seguintes.
(a) W consiste em todos os polinmios de coeficientes inteiros.
(b) W consiste em todos os polinmios de grau e o polinmio zero.
(c) W consiste em todos os polinmios com somente potncias pares de t.
(a) No , porque a multiplicao por escalar de polinmios de W nem sempre pertence a W. Por exemplo,
(b e c) Sim. Em cada caso, W contm o polinmio nulo e as somas e mltiplos escalares de polinmios de
W esto em W.
4.11 Seja V o espao vetorial das funes Mostre que W um subespao de V, nos casos seguintes.
(a) , todas as funes cujo valor em 1 0.
(b) , todas as funes com mesmo valor em 3 e 1.
(c) , todas as funes mpares.
Denotemos por a funo nula, isto , , para cada valor de x.
(a) , porque . Sejam . Ento f(1) 0 e g(1) 0 e, dados escalares a e b, temos
Assim, e, portanto, W um subespao de V.
(b) , porque . Sejam . Ento f(3) f(1) e g(3) g(1) e, dados escalares a e b, temos
Assim, e, portanto, W um subespao de V.
(c) , porque . Sejam . Ento f(x) f(x) e g(x) g(x) e, dados
escalares a e b, temos
Assim, e, portanto, W um subespao de V.
4.12 Demonstre o Teorema 4.3. A interseo de um nmero qualquer de subespaos de V um subespao de V.
Seja uma coleo de subespaos de V e denotemos Como cada W
i
um subespao de
V, temos , para cada . Portanto, . Se , ento , para cada . Como cada W
i
um
subespao, temos , para cada . Portanto, . Assim, W um subespao de V.
Espaos gerados
4.13 Mostre que os vetores u
1
(1, 1, 1), u
2
(1, 2, 3), u
3
(1, 5, 8) geram .
Devemos mostrar que qualquer vetor (a, b, c) de uma combinao linear de u
1
, u
2
, u
3
. Escrevemos xu
1

yu
2
zu
3
, ou seja,
_Book_Lipschutz.indb 144 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 145
Formamos o sistema equivalente e reduzimos forma escalonada.
Esse sistema est em forma escalonada e consistente; de fato,
uma soluo. Assim, u
1
, u
2
, u
3
geram .
4.14 Encontre condies sobre a, b, c tais que (a, b, c) de pertena a W ger(u
1
, u
2
, u
3
), sendo
u
1
(1, 2, 0), u
2
(1, 1, 2), u
3
(3, 0, 4)
Escrevemos como combinao linear de u
1
, u
2
, u
3
usando incgnitas escalares x, y, z, ou seja, escrevemos xu
1

yu
2
zu
3
. Isso fornece
Formamos o sistema de equaes equivalente e reduzimos forma escalonada, como segue.
O vetor (a, b, c) pertence a W se, e s se, o sistema consistente e esse sistema consistente se, e s se, 4a 2b
3c 0. Em particular, observe que u
1
, u
2
, u
3
no geram todo o espao .
4.15 Mostre que o espao vetorial V P(t) dos polinmios reais no pode ser gerado por um nmero finito de
polinmios.
Qualquer conjunto finito S de polinmios contm um polinmio de grau mximo, digamos, m. Ento o espao gerado
por S no pode conter qualquer polinmio de grau maior do que m. Assim, ger para qualquer conjunto finito S.
4.16 Demonstre o Teorema 4.5. Seja S um subconjunto de V. (i) Ento ger(S) um subespao de V que contm
S. (ii) Se W um subespao de V que contm S, ento ger .
(i) Supondo que S seja vazio, temos ger(S) {0}, por definio e, portanto, ger(S) {0} um subespao de V e .
Supondo que S seja no vazio, tomamos . Ento e, portanto,

ger (S). Tambm ger (S).
Agora, dados

ger (S), digamos,
com , resulta que
pertencem a ger(S), porque cada um uma combinao linear de vetores de S. Assim, ger(S) um subespao de V.
(ii) Dados , cada u
i
pertence a W e, portanto, todos mltiplos e, ento,
tambm a soma . Assim, W contm todas combinaes lineares de elementos de S,
ou seja, ger , conforme afirmao.
Dependncia linear
4.17 Decida se u e so linearmente dependentes, ou no, nos casos seguintes.
Dois vetores u e so linearmente dependentes se, e s se, um deles um mltiplo do outro.
_Book_Lipschutz.indb 145 22/12/10 11:54
LGEBRA LINEAR
146
(a) No so. (b) So, pois 2u. (c) No so. (d) So, pois .
4.18 Decida se u e so linearmente dependentes ou no nos casos seguintes.
Dois vetores u e so linearmente dependentes se, e s se, um deles um mltiplo do outro.
(a) So, pois 2u. (b) No so. (c) Sim, pois 4u. (d) No so.
4.19 Decida se os vetores u (1, 1, 2), (2, 3, 1), w (4, 5, 5) de so linearmente dependentes ou no.
Mtodo 1 Igualamos a zero uma combinao linear de u, , w usando incgnitas x, y, z para obter o sistema de equa-
es lineares equivalente, que reduzimos forma escalonada, como segue.
O sistema escalonado s tem duas equaes com trs incgnitas, de modo que tem uma varivel livre e uma soluo no
nula. Assim, u, , w so linearmente dependentes.
Mtodo 2 Formamos a matriz A de colunas u, , w e reduzimos forma escalonada.
A terceira coluna no tem um piv, portanto, o terceiro vetor uma combinao linear dos dois primeiros vetores u e .
Assim, os vetores so linearmente dependentes. (Observe que a matriz A tambm a matriz de coeficientes do sistema
do Mtodo 1. Em outras palavras, esse mtodo essencialmente igual ao primeiro.)
Mtodo 3 Formamos a matriz B de linhas u, , w e reduzimos forma escalonada.
Como a matriz escalonada s tem duas linhas no nulas, os trs vetores so linearmente dependentes. (Os trs vetores
dados geram um espao bidimensional.)
4.20 Decida se os vetores de dados so linearmente dependentes ou no nos casos seguintes.
(a) So, pois quaisquer quatro vetores de so linearmente dependentes.
(b) Usando o Mtodo 2 do problema precedente, formamos a matriz A de colunas u, , w e reduzimos forma
escalonada.
Cada coluna tem uma entrada piv, portanto, nenhum vetor uma combinao linear dos vetores que o antecedem.
Assim, os vetores so linearmente independentes.
(c) Como 0 (0, 0, 0) um dos vetores, os vetores so linearmente dependentes.
4.21 Mostre que as funes f(t) sen t, g(t) cos t, h(t) t de R em R so linearmente independentes.
_Book_Lipschutz.indb 146 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 147
Igualamos funo zero 0 uma combinao linear de f, g, h usando incgnitas escalares x, y, z, ou seja, tomamos xf
yg zh 0 e mostramos que x 0, y 0, z 0. Enfatizamos que xf yg zh 0 significa que, para cada valor de
t, vale xf(t) yg(t) zh(t) 0.
Assim, na equao x sen t y cos t zt 0
(i) tomamos t 0 e obtemos x(0) y(1) z(0) 0 ou y 0;
(ii) tomamos e obtemos ou ;
(iii) tomamos e obtemos ou
.
As trs equaes s tm a soluo nula, ou seja, x 0, y 0, z 0. Assim, f, g, h so linearmente independentes.
4.22 Suponha que os vetores u, , w sejam linearmente independentes. Mostre que os vetores u , u ,
u 2 w tambm so linearmente independentes.
Considere x(u ) y(u ) z(u 2 w) 0. Ento
ou
Como u, , w so linearmente independentes, os coeficientes da ltima equao so todos nulos, portanto,
A nica soluo desse sistema homogneo x 0, y 0, z 0. Assim, u , u , u 2 w so linearmente
independentes.
4.23 Mostre que os vetores u (1 i, 2i) e w (1, 1 i) de so linearmente dependentes sobre o corpo
complexo C mas linearmente independentes sobre o corpo real R.
Lembre que dois vetores so linearmente dependentes (sobre um corpo K) se, e s se, um deles um mltiplo do outro
(com algum elemento de K). Como
temos que u e so linearmente dependentes sobre C. Por outro lado, u e so linearmente independentes sobre R, pois
nenhum mltiplo de w pode ser igual a u. Mais precisamente, dado r real, o primeiro componente de rw (r, r ri) ,
necessariamente, real e, portanto, nunca pode ser igual ao primeiro componente 1 i de u, que complexo.
Base e dimenso
4.24 Decida se os vetores dados formam uma base de , nos casos seguintes.
(a e b) No formam, pois uma base de deve ter exatamente trs elementos, j que dim 3.
(c) Os trs vetores formam uma base se, e s se, so linearmente independentes. Por isso, formamos a matriz cujas
linhas so os vetores dados e reduzimos a matriz forma escalonada, como segue.
A matriz escalonada no tem linhas nulas, portanto, os trs vetores so linearmente independentes, ou seja, formam
uma base.
(d) Formamos a matriz cujas linhas so os vetores dados e reduzimos a matriz forma escalonada, como segue.
A matriz escalonada tem uma linha nula, portanto, os trs vetores so linearmente dependentes, ou seja, no for-
mam uma base de R
3
.
_Book_Lipschutz.indb 147 22/12/10 11:54
LGEBRA LINEAR
148
4.25 Decida se (1, 1, 1, 1), (1, 2, 3, 2), (2, 5, 6, 4), (2, 6, 8, 5) formam uma base de R
4
. Se no formarem, encontre
a dimenso do espao gerado.
Formamos a matriz cujas linhas so os vetores dados e reduzimos forma escalonada.
A matriz escalonada tem uma linha nula, portanto, os quatro vetores so linearmente dependentes e no formam uma
base de R
4
. Como a matriz escalonada tem trs linhas no nulas, os quatro vetores geram um subespao tridimensional.
4.26 Estenda a uma base de R
4
.
Comeamos formando a matriz de linhas u
1
e u
2
e reduzimos forma escalonada.
Ento vemos que w
1
(1, 1, 1, 1) e w
2
(0, 0, 1, 2) geram o mesmo espao gerado pelos vetores u
1
e u
2
. Sejam u
3
(0,
1, 0, 0) e u
4
(0, 0, 0, 1). Ento w
1
, u
3
, w
2
, u
4
formam uma matriz escalonada, portanto, so linearmente independentes
e formam uma base de R
4
. Assim, u
1
, u
2
, u
3
, u
4
tambm formam uma base de R
4
.
4.27 Considere o corpo complexo C, que contm o corpo real R, que contm o corpo racional Q. (Assim, C um
espao vetorial sobre R e R um espao vetorial sobre Q.)
(a) Mostre que {1, i} uma base de C sobre R; logo, C um espao vetorial bidimensional sobre R.
(b) Mostre que R um espao de dimenso infinita sobre Q.
(a) Dado qualquer , temos , com . Logo, {1, i} gera C sobre R. Alm disso, se
, com x, y , ento x 0 e y 0. Logo, {1, i} linearmente independente sobre
R. Assim, {1, i} uma base de C sobre R.
(b) sabido que um nmero transcendente, ou seja, no uma raiz de polinmio algum sobre Q. Assim, dado n,
os n 1 nmeros reais so linearmente independentes sobre Q, e R no pode ter dimenso n sobre
Q. Por isso, R tem dimenso infinita sobre Q.
4.28 Seja um subconjunto de V. Mostre que so equivalentes as definies A e B seguintes
de base de V.
(A) S linearmente independente e gera V.
(B) Cada uma combinao linear nica de vetores de S.
Digamos que (A) seja vlida. Como S gera V, cada vetor de V uma combinao linear de vetores de S. Se tivermos
duas combinaes, digamos,
ento obtemos
por subtrao. Como os u
i
so linearmente independentes, todos os coeficientes dessa ltima combinao so nulos, ou seja,
Logo, e as duas combinaes so iguais. Isso mostra que vale (B), pois a representao
de como combinao linear de vetores de S nica. Assim, (A) implica (B).
Digamos que (B) seja vlida. Ento S gera V. Suponha que
_Book_Lipschutz.indb 148 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 149
No entanto, temos
Por hiptese, a representao de 0 como combinao linear dos u
i
nica. Logo, cada c
i
0 e os u
i
so linearmente
independentes. Assim, (B) implica (A).
Dimenso e subespaos
4.29 Encontre uma base e a dimenso do subespao W de nos casos seguintes.
(a) Observe que , j que, por exemplo, . Assim, dim W < 3. Observe que u
1
(1, 0, 1) e u
2

(0, 1, 1) so dois vetores independentes de W. Assim, dim W 2 e, portanto, u
1
e u
2
formam uma base de W.
(b) O vetor . Qualquer vetor da forma w (r, r, r). Logo, w ru. Assim, u gera W e dim
W 1.
4.30 Seja W o subespao de gerado pelos vetores
(a) Encontre uma base e a dimenso de W. (b) Estenda a base de W a uma base de .
(a) Utilizamos o Algoritmo 4.1 do espao linha. Formamos a matriz cujas linhas so os vetores dados e reduzimos
forma escalonada.
As linhas no nulas (1, 2, 5, 3) e (0, 7, 9, 2) da matriz escalonada formam uma base do espao linha de A e,
portanto, de W. Em particular, dim W 2.
(b) Queremos encontrar quatro vetores linearmente independentes que incluam os dois vetores de (a). Os quatro
vetores (1, 2, 5, 3), (0, 7, 9, 2), (0, 0, 1, 0) e (0, 0, 0, 1) so linearmente independentes (porque formam uma
matriz escalonada) e, portanto, formam uma base de que estende a base de W.
4.31 Seja W o subespao de gerado por

. Encontre um subconjunto desses vetores que forme uma base de .
Aqui utilizamos o Algoritmo 4.2 da eliminao. Formamos a matriz M cujas colunas (e no linhas) so os vetores dados
e reduzimos forma escalonada.
As posies dos pivs so nas colunas C
1
, C
3
e C
5
. Logo, os correspondentes vetores u
1
, u
3
e u
5
formam uma base de W
e dim W 3.
4.32 Seja V o espao vetorial das matrizes sobre K. Seja W o subespao das matrizes simtricas. Mostre
que dim W 3 encontrando uma base de W.
Lembre que uma matriz A [a
ij
] simtrica se A
T
A ou, equivalentemente, se cada a
ij
a
ji
. Assim,
denota uma matriz simtrica arbitrria. Tomando (i) a 1, b 0, d 0; (ii) a 0, b 1, d 0; (iii) a 0,
b 0, d 1, obtemos as respectivas matrizes
_Book_Lipschutz.indb 149 22/12/10 11:54
LGEBRA LINEAR
150
Afirmamos que S {E
1
, E
2
, E
3
} uma base de W, ou seja, (a) S gera W e (b) S linearmente independente.
(a) A matriz dada satisfaz . Assim, S gera W.
(b) Seja , com x, y, z incgnitas escalares. Ou seja,
Igualando as entradas correspondentes, obtemos x 0, y 0, z 0. Logo S linearmente independente. Assim, S
uma base de W, conforme afirmamos.
Teoremas sobre dependncia linear, bases e dimenso
4.33 Demonstre o Lema 4.10. Suponha que dois ou mais vetores
1
,
2
, ...,
m
sejam linearmente dependentes.
Ento algum dos vetores uma combinao linear dos vetores que o antecedem.
Como os
i
so linearmente dependentes, existem escalares a
1
, ..., a
m
no todos nulos tais que .
Seja k o maior inteiro tal que . Ento
Suponha que k 1. Ento e, portanto,
1
0. Como os
i
so vetores no nulos, estabelecemos que
k > 1 e obtemos
Isso mostra que
k
uma combinao dos vetores que o antecedem.
4.34 Seja S {
1
,
2
, ...,
m
} um conjunto gerador do espao vetorial V.
(a) Se , ento linearmente dependente e gera V.
(b) Se
i
uma combinao linear de , ento S sem
i
ainda gera V.
(a) O vetor w uma combinao linear dos
i
, porque S gera V. Por isso, linearmente independente.
Certamente, w junto com os
i
ainda gera V, porque os
i
geram V, ou seja, gera V.
(b) Digamos que . Seja . Como S gera V, u uma combinao linear dos
j
, digamos,
. Substituindo
i
nessa expresso, obtemos
Assim, gera V. Em outras palavras, podemos tirar
i
do conjunto gerador e continuar com
um conjunto gerador.
4.35 Demonstre o Lema 4.13. Se {
1
,
2
, ...,
n
} gera V e {w
1
, w
2
, ..., w
m
} linearmente independente, ento
e V gerado por um conjunto da forma
Assim, n 1 ou mais vetores de V so linearmente dependentes.
Basta provar o lema no caso em que nem todos os
i
so nulos. (Verifique isso!). Como {
i
} gera V, o Problema 4.34
garante que
(1)
linearmente dependente e tambm gera V. Pelo Lema 4.10, algum dos vetores de (1) uma combinao linear dos
vetores que o antecedem. Esse vetor no pode ser w
1
, portanto, deve ser um dos
i
, digamos,
j
. Assim, pelo Problema
4.34, podemos tirar
j
do conjunto gerador (1) e obter o conjunto gerador
(2)
_Book_Lipschutz.indb 150 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 151
Agora, repetimos o argumento com o vetor w
2
, ou seja, por (2) gerar V, o conjunto
(3)
linearmente dependente e tambm gera V. Novamente, pelo Lema 4.10, algum dos vetores de (3) uma combinao
linear dos vetores que o antecedem. Enfatizamos que esse vetor no pode ser w
1
ou w
2
, porque {w
1
, ..., w
m
} linearmen-
te independente; portanto, deve ser um dos
i
, digamos,
k
. Assim, pelo Problema 4.34, podemos tirar
k
do conjunto
gerador (3) e obter o conjunto gerador
Repetimos o argumento com o vetor w
3
, e assim por diante. Em cada passo, conseguimos acrescentar um dos vetores w
i

e tirar um dos
i
do conjunto gerador. Se , obtemos dessa maneira um conjunto gerado da forma desejada,
Finalmente, mostramos que no possvel ter m > n. De fato, nesse caso, depois de n passos, obteramos o conjunto
gerador {w
1
, ..., w
n
}. Isso implicaria que w
n1
uma combinao linear de w
1
, ..., w
n
, contradizendo a hiptese de inde-
pendncia linear do conjunto {w
1
, ..., w
m
}.
4.36 Demonstre o Teorema 4.12. Todas bases de um espao vetorial V tm o mesmo nmero de elementos.
Sejam {u
1
, u
2
, ..., u
n
} e {
1
,
2
, ...} duas bases de V. Como {u
i
} gera V, a base {
1
,
2
, ...} no pode ter mais do que n ele-
mentos, pois, caso contrrio, seria linearmente dependente pelo Problema 4.35 Lema 4.13. Por outro lado, se a base {
1
,
2
, ...} contivesse menos do que n elementos, ento {u
1
, u
2
, ..., u
n
} seria linearmente dependente pelo Problema 4.35.
Assim, a base {
1
,
2
, ...} contm exatamente n elementos, provando o teorema.
4.37 Demonstre o Teorema 4.14. Se V for um espao vetorial de dimenso finita n, valem as afirmaes seguintes.
(i) Quaisquer n 1 ou mais vetores de V so linearmente dependentes.
(ii) Qualquer conjunto linearmente independente S {u
1
, u
2
, ..., u
n
} com n elementos de V uma base de V.
(iii) Qualquer conjunto gerador T {
1
,
2
, ...,
n
} de V com n elementos uma base de V.
Seja B {w
1
, w
2
, ..., w
n
} uma base de V.
(i) Como B gera V, quaisquer n 1 vetores so linearmente dependentes pelo Lema 4.13.
(ii) Pelo Lema 4.13, podemos acrescentar a S alguns elementos de B at formar um conjunto gerador de V com n
elementos. Como S j tem n elementos, S j e um conjunto gerador de V. Assim, S uma base de V.
(iii) Suponha que T seja linearmente dependente. Ento, algum
i
uma combinao linear dos vetores que o antecedem.
Pelo Problema 4.34, V gerado pelos vetores de T sem
i
e h n 1 deles. Pelo Lema 4.13, o conjunto linearmente
independente B no pode ter mais do que n 1 elementos. Isso contradiz o fato de que B tem n elementos. Assim,
T linearmente independente e, portanto T uma base de V.
4.38 Demonstre o Teorema 4.15. Se S for um conjunto gerador de um espao vetorial V, valem as afirmaes
seguintes.
(i) Qualquer subconjunto linearmente independente mximo de S constitui uma base de V.
(ii) Excluindo de S cada vetor que for uma combinao linear dos vetores de S que o antecedem, os vetores
que sobram em S constituem uma base de V.
(i) Suponha que {
1
, ...,
m
} seja um subconjunto de S com nmero mximo de elementos linearmente independentes
e consideremos . Ento, {
1
, ...,
m
, w} linearmente dependente. Como nenhum
k
pode ser uma
combinao linear de vetores que o antecedem, necessariamente w uma combinao linear dos
i
. Logo, ger
(
i
) e, portanto, ger (
i
). Isso mostra que
Assim, {
i
} gera V e, por ser linearmente independente, uma base de V.
4.39 Demonstre o Teorema 4.16. Sejam V um espao vetorial de dimenso finita e S {u
1
, u
2
, ..., u
r
} um con-
junto de vetores linearmente independentes de V. Ento S parte de uma base de V, ou seja, S pode ser
estendido at uma base de V.
_Book_Lipschutz.indb 151 22/12/10 11:54
LGEBRA LINEAR
152
Suponha que B {w
1
, w
2
, ..., w
n
} seja uma base de V. Ento B gera V e, portanto, V gerado por
Pelo Teorema 4.15, podemos tirar de cada vetor que seja uma combinao linear de vetores que o antecedem
at obter uma base de V. Como S linearmente independente, nenhum u
k
uma combinao linear de vetores que o
antecedem. Assim, contm cada vetor de S e, portanto, S parte da base de V.
4.40 Demonstre o Teorema 4.17. Seja W um subespao do espao vetorial V de dimenso n. Ento . Em
particular, se dim W n, ento W V.
Como V tem dimenso n, quaisquer n 1 vetores so linearmente dependentes. Alm disso, como uma base de W con-
siste em vetores linearmente independentes, no pode conter mais do que n elementos. Por isso, .
Em particular, se {w
1
, ..., w
n
} for uma base de W, ento, por ser um conjunto linearmente independente de n elementos,
tambm uma base de V. Assim, W V quando dim W n.
Posto de uma matriz, espaos linha e coluna
4.41 Encontre o posto e uma base do espao linha de cada uma das matrizes seguintes.
(a) Reduzimos A forma escalonada
As duas linhas no nulas (1, 2, 0, 1) e (0, 2, 3, 1) da forma escalonada de A formam uma base de lin(A). Em
particular, pos(A) 2.
(b) Reduzimos B forma escalonada
As duas linhas no nulas (1, 3, 1, 2, 3) e (0, 1, 2, 1, 1) da forma escalonada de B formam uma base de lin(B).
Em particular, pos(B) 2.
4.42 Mostre que U W, sendo U e W os subespaos seguintes de .
U ger(u
1
, u
2
, u
3
) ger{(1, 1, 1), (2, 3, 1), (3, 1, 5)}
W ger(w
1
, w
2
, w
3
) ger{(1, 1, 3), (3, 2, 8), (2, 1, 3)}
Formamos a matriz A cujas linhas so os u
i
e reduzimos A forma cannica por linhas.
Em seguida, formamos a matriz B cujas linhas so os w
j
e reduzimos B forma cannica por linhas.
Como A e B tm a mesma forma cannica por linhas, os espaos linha de A e B so iguais, ou seja, U W.
_Book_Lipschutz.indb 152 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 153
4.43 Seja
(a) Encontre pos(M
k
), com k 1, 2, ..., 6, sendo M
k
a submatriz de A consistindo nas k primeiras colunas
C
1
, C
2
, ..., C
k
de A.
(b) Quais das colunas C
k 1
so combinaes lineares das colunas C
1
, ..., C
k
que as antecedem?
(c) Encontre colunas de A que formam uma base do espao coluna de A.
(d) Escreva a coluna C
4
como uma combinao linear das colunas da parte (c).
(a) Reduzimos A forma escalonada, como segue.
Observe que simultaneamente reduzimos todas as matrizes M
k
forma escalonada. Por exemplo, as quatro primei-
ras colunas da forma escalonada de A so uma forma escalonada para M
4
. Sabemos que pos(M
k
) igual ao nmero
de pivs ou, equivalentemente, ao nmero de linhas no nulas numa forma escalonada de M
k
. Assim,
(b) A equao vetorial fornece o sistema com matriz de coeficientes M
k
e matriz
aumentada M
k 1
. Assim, C
k 1
uma combinao linear de C
1
, ..., C
k
se, e s se, pos(M
k
) pos(M
k 1
) ou,
equivalentemente, se C
k 1
no contm algum piv. Assim, cada uma das colunas C
2
, C
4
e C
6
uma combinao
linear das colunas que a antecedem.
(c) Na forma escalonada de A, os pivs esto nas primeira, terceira e quinta colunas. Assim, as colunas C
1
, C
3
, C
5
de A
formam uma base do espao coluna de A. Alternativamente, eliminando as colunas C
2
, C
4
, C
6
do conjunto gerador
de colunas (so combinaes lineares de outras colunas) obtemos, de novo, C
1
, C
3
, C
5
.
(d) A matriz escalonada nos diz que C
4
uma combinao linear das colunas C
1
e C
3
. A matriz aumentada M da
equao vetorial C
4
xC
1
yC
3
consiste nas colunas C
1
, C
3
, C
4
de A que, reduzida forma escalonada, fornece a
matriz (omitindo as linhas nulas) seguinte.
Assim, C
4
C
1
3C
3
C
1
3C
3
0C
5
.
4.44 Suponha que u (a
1
, a
2
, ..., a
n
) seja uma combinao linear das linhas R
1
, R
2
, ..., R
m
de uma matriz B [b
ij
],
digamos, . Mostre que
onde

so as entradas da i-sima linha de B.
dado que . Ento,
Igualando entradas correspondentes, obtemos o resultado esperado.
4.45 Demonstre o Teorema 4.7. Sejam A [a
ij
] e B [b
ij
] duas matrizes escalonadas equivalentes por linhas
com respectivas entradas piv
Lipschutz_04.indd 153 07/02/11 17:18
LGEBRA LINEAR
154
(representadas na Figura 4-5). Ento A e B tm o mesmo nmero de linhas no nulas, ou seja, r s, e as
entradas piv esto nas mesmas posies, ou seja,
Figura 4-5
Claramente, A 0 se, e s se, B 0 e, portanto, basta demonstrar o teorema com e . Primeiro mostramos
que j
1
k
1
. Suponha que j
1
< k
1
. Ento a coluna j
1
de B nula. Como a primeira linha R* de A est no espao linha de B,
temos , onde R
i
so as linhas de B. Como a coluna j
1
de B nula, temos
Mas isso contradiz o fato de que a entrada piv . Logo, e, analogamente, . Assim, j
1
k
1
.
Agora, seja a submatriz de A obtida suprimindo a primeira linha de A e seja a submatriz de B obtida suprimindo a
primeira linha de B. Vamos provar que e tm o mesmo espao linha. Com isso, o teorema resulta demonstrado por
induo, pois e tambm so matrizes escalonadas.
Seja R (a
1
, a
2
, ..., a
n
) uma linha qualquer de e sejam R
1
, ..., R
m
as linhas de B. Como R est no espao linha de B,
existem escalares d
1
, ..., d
m
tais que . Como A uma matriz escalonada e R no a
primeira linha de A, a entrada j
1
de R nula: a
i
0, com i j
1
k
1
. Alm disso, como B uma matriz escalonada, todas
as entradas da coluna k
1
de B so nulas, exceto a primeira: , mas . Logo,
Agora, e, portanto, d
1
0. Decorre que R uma combinao linear de R
2
, ..., R
m
e, portanto, est no espao
linha de . Como R foi uma linha qualquer de , resulta que o espao linha de est contido no espao linha de .
Analogamente, o espao linha de est contido no espao linha de . Assim, e tm o mesmo espao linha e o
teorema resulta demonstrado.
4.46 Demonstre o Teorema 4.8. Sejam A e B matrizes em forma cannica por linhas. Ento A e B tm o mesmo
espao linha se, e s se, A e B tm as mesmas linhas no nulas.
Obviamente, se A e B tm as mesmas linhas nulas, ento tm o mesmo espao linha. Logo, basta provar a recproca.
Suponha que A e B tenham o mesmo espao linha e suponha que seja a i-sima linha de A. Ento existem esca-
lares c
1
, ..., c
s
tais que
(1)
em que R
i
so as linhas no nulas de B. O teorema est provado se mostrarmos que R R
i
, ou seja, que c
i
1, mas c
k

0, com .
Seja a
ij
a entrada piv de R, ou seja, a primeira entrada no nula de R. Por (1) e o Problema 4.44,
(2)
Mas, pelo Problema 4.45, um piv de B e, como B est em forma cannica por linhas, a nica entrada no nula da
j-sima coluna de B. Assim, de (2), decorre que . Contudo, e , porque A e B esto em forma
cannica por linhas, portanto, c
i
1.
Agora, suponha que e seja a entrada piv de R
k
. Por (1) e o Problema 4.44,
(3)
Como B est em forma cannica por linhas, a nica entrada no nula da j-sima coluna de B. Assim, de (3), decor-
re que . Alm disso, pelo Problema 4.45, uma entrada piv de A e, como A est em forma cannica por
linhas, . Assim, e, como resulta c
k
0. Por isso, R R
i
, demonstrando o teorema.
4.47 Demonstre o Corolrio 4.9. Toda matriz A equivalente por linhas a uma nica matriz em forma cannica
por linhas.
_Book_Lipschutz.indb 154 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 155
Suponha que A seja equivalente por linhas s matrizes A
1
e A
2
, ambas em forma cannica por linhas. Ento lin(A)
lin(A
1
) e lin(A) lin(A
2
). Logo, lin(A
1
) lin(A
2
). Como A
1
e A
2
esto em forma cannica por linhas, o Teorema 4.8
garante que A
1
A
2
, provando o corolrio.
4.48 Suponha que os produtos RB e AB estejam definidos, sendo R um vetor linha e A e B matrizes quaisquer.
Demonstre as afirmaes seguintes.
(a) RB uma combinao linear das linhas de B.
(b) O espao linha de AB est contido no espao linha de B.
(c) O espao coluna de AB est contido no espao coluna de A.
(d) Se C for um vetor coluna e AC estiver definido, ento AC uma combinao linear das colunas de A.
(e)
(a) Suponha que R (a
1
, a
2
, ..., a
m
) e B [b
ij
]. Sejam B
1
, ..., B
m
as linhas de B e B
1
, ..., B
n
suas colunas. Ento
Assim, RB uma combinao linear das linhas de B, como queramos mostrar.
(b) As linhas de AB so R
i
B, em que R
i
a i-sima linha de A. Logo, pela parte (a), cada linha de AB est no espao
linha de B. Assim, lin(AB) lin(B), como queramos mostrar.
(c) Usando a parte (b), temos .
(d) Decorre de (c), trocando B por C.
(e) O espao linha de AB est contido no espao linha de B, logo, . Alm disso, o espao coluna
de AB est contido no espao coluna de A, logo, .
4.49 Seja A uma matriz. Mostre que A invertvel se, e s se, pos(A) n.
Observe que as linhas da matriz identidade I
n
de ordem n so linearmente independentes, porque I
n
est em forma esca-
lonada; logo, pos(I
n
) n. Sendo A invertvel, temos que A equivalente por linhas a I
n
, portanto, pos(A) n. Se A no
for invertvel, ento A equivalente por linhas a uma matriz com alguma linha nula, portanto, pos(A) < n. Assim, A
invertvel se, e s se, pos(A) n.
Aplicaes a equaes lineares
4.50 Encontre a dimenso e uma base do espao soluo W de cada sistema homogneo dado.
(a) Reduzimos o sistema forma escalonada, como segue.
O sistema est em forma escalonada e tem duas equaes (no nulas) com cinco incgnitas. Logo, o sistema tem 5
2 3 variveis livres, que so y, s, t. Assim, dim W 3. Para uma base de W,
(1) tomamos y 1, s 0, t 0 e obtemos a soluo
1
(2, 1, 0, 0, 0);
(2) tomamos y 0, s 1, t 0 e obtemos a soluo
2
(5, 0, 2, 1, 0);
(3) tomamos y 0, s 0, t 1 e obtemos a soluo
3
(7, 0, 2, 0, 1).
O conjunto {
1
,
2
,
3
} uma base do espao soluo W.
_Book_Lipschutz.indb 155 22/12/10 11:54
LGEBRA LINEAR
156
(b) (Aqui utilizamos o formato matricial do nosso sistema homogneo.) Reduzimos a matriz de coeficientes A forma
escalonada, como segue.
Isso corresponde ao sistema
As variveis livres so y e t, sendo dim W 2. Para uma base de W,
(1) tomamos y 1, t 0 e obtemos a soluo u
1
(2, 1, 0, 0);
(2) tomamos y 0, t 2 e obtemos a soluo u
2
(6, 0, 1, 2).
Ento {u
1
, u
2
} uma base de W.
(c) Reduzimos a matriz de coeficientes A forma escalonada, como segue.
Isso corresponde a um sistema triangular sem variveis livres. Assim, 0 a nica soluo, ou seja, W {0} e dim
W 0.
4.51 Encontre um sistema homogneo cujo espao soluo W seja gerado por
Seja (x, y, z, t). Ento se, e s se, uma combinao linear dos vetores {u
1
, u
2
, u
3
} que geram W. Por isso,
formamos a matriz M cujas primeiras colunas sejam u
1
, u
2
, u
3
e cuja ltima coluna seja e, depois reduzimos M forma
escalonada, como segue.
Ento uma combinao linear de u
1
, u
2
, u
3
se pos(M) pos(A), em que A a submatriz sem a coluna . Assim,
tomamos as duas ltimas entradas na quarta coluna do lado direito como sendo nulas para obter o sistema homogneo
procurado, ou seja,
4.52 Sejam as variveis livres de um sistema homogneo de equaes lineares com n incgnitas.
Seja
j
a soluo para a qual e todas as demais variveis livres iguais a 0. Mostre que as solues
1
,
2
, ...,
k
so linearmente independentes.
Seja A a matriz cujas linhas so os
i
. Trocamos entre si as colunas 1 e i
1
, depois as colunas 2 e i
2
, e assim por diante, at
as colunas k e i
k
, obtendo a matriz
Essa matriz B est em forma escalonada, portanto, suas linhas so independentes e, dessa forma, pos(B) k. Como A e
B so equivalentes por colunas, tm o mesmo posto e resulta pos(A) k. Como A tem k linhas, decorre que essas linhas
(ou seja, os
i
) so linearmente independentes, como queramos mostrar.
_Book_Lipschutz.indb 156 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 157
Somas, somas diretas, intersees
4.53 Sejam U e W subespaos de um espao vetorial V. Mostre que
(a) U W um subespao de V;
(b) U e W esto contidos em U W;
(c) U W o menor subespao de V que contm U e W, ou seja, U W ger(U, W);
(d) W W W.
(a) Como U e W so subespaos, e . Logo, 0 0 0 pertence a U W. Sejam . Ento
e , com e . Segue que
Assim, U W um subespao de V.
(b) Seja . Como W um subespao, . Logo u u 0 pertence a U W. Assim, .
Analogamente, .
(c) Como U W um subespao de V que contm U e W, tambm contm o espao gerado por U e W, ou seja, ger
Por outro lado, se , ento u w 1u 1w, com . Logo, uma combinao
linear de elementos de e, portanto, ger . Assim, ger
As duas incluso mostram a igualdade dos conjuntos.
(d) Como W um subespao de V, sabemos que W fechado perante a adio vetorial, ou seja, . Pela
parte (a), . Assim, W W W.
4.54 Considere os subespaos de dados a seguir.
Encontre uma base e a dimenso de
(a) U W o espao gerado por todos os seis vetores. Portanto, formamos a matriz cujas linhas so os dados seis
vetores e reduzimos forma escalonada, como segue.
As linhas no nulas seguintes da matriz escalonada formam uma base de ,
Assim, dim(U W) 3.
(b) Seja (x, y, z, s, t) um elemento arbitrrio de . Em primeiro lugar, escrevemos dois sistemas homogneos
cujos espaos soluo sejam U e W, respectivamente, digamos, como no Problema 4.50.
Formamos a matriz M de colunas u
i
e e reduzimos forma escalonada, como segue.
Igualando a zero as trs ltimas entradas da ltima coluna, obtemos o sistema homogneo seguinte, cujo espao soluo U.
Lipschutz_04.indd 157 07/02/11 17:19
LGEBRA LINEAR
158
Agora, formamos a matriz de colunas w
i
e e reduzimos forma escalonada, como segue.
Novamente, igualando a zero as trs ltimas entradas da ltima coluna, obtemos o sistema homogneo seguinte, cujo
espao soluo W.
Combinando ambos sistemas obtidos, resulta um sistema homogneo de espao soluo igual a que reduzimos
forma escalonada, obtendo
Existe uma nica varivel livre, a saber, t, portanto, . Tomando t 2, obtemos a soluo u
(1, 4, 3, 4, 2), que constitui a base procurada de .
4.55 Suponha que U e W sejam subespaos distintos de dimenso 4 de um espao vetorial V de dimenso 6. En-
contre as possveis dimenses de .
Como U e W so distintos, U W contm U e W propriamente e, portanto, dim(U W) > 4. Mas dim(U W) no pode
ser maior do que 6, j que dim V 6. Logo, temos duas possibilidades: (a) dim(U W) 5, ou (b) dim(U W) 6.
Pelo Teorema 4.20,
Assim,
4.56 Sejam U e W os subespaos de dados.
U {(a, b, c) : a b c} e W {(0, b, c)}
(Observe que W o plano yz.) Mostre que .
Inicialmente, mostramos que
.
Suponha que . Ento a b c e a 0. Logo, a
0, b 0, c 0. Assim, 0 (0, 0, 0).
Em seguida, mostramos que . De fato, se , ento
(a, a, a) (0, b a, c a), com .
Ambas condies implicam que
4.57 Suponha que U e W sejam subespaos de um espao vetorial V, que gere U e que
gere W. Mostre que gera U W. (Desse modo, por induo, se gera , com i 1, 2, ..., n, ento
gera .)
Seja . Ento u w, com . Como S gera U, u uma combinao linear de u
i
e, como
gera W, w uma combinao linear de w
j
, digamos,
em que . Ento,
Assim, gera U W.
4.58 Demonstre o Teorema 4.20. Sejam U e W subespaos de dimenso finita de um espao vetorial V. Ento U
W tem dimenso finita e
dim(U W) dim U dim W dim
_Book_Lipschutz.indb 158 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 159
Observe que um subespao tanto de U quanto de W. Digamos que dim U m, dim W n e dim .
Seja {
1
, ...
r
} uma base de . Pelo Teorema 4.16, podemos estender {
i
} a uma base de U e a uma base de W.
Digamos que
sejam bases de U e W, respectivamente. Seja
Observe que B tem, exatamente, m n r elementos. Assim, o teorema estar demonstrado se conseguimos mostrar
que B uma base de U W. Como {
i
, u
j
} gera U e {
i
, w
k
} gera W, a unio B {
i
, u
j
, w
k
} gera U W. Assim, basta
mostrar que B linearmente independente.
Suponha que
(1)
em que a
i
, b
j
, c
k
so escalares. Seja
(2)
Por (1), tambm temos
(3)
Como , temos, por (2); e, como , temos por (3). Desse modo, .
Agora, {
j
} uma base de , portanto, existem escalares d
1
, ..., d
r
para os quais . Assim,
por (3), temos
Mas {
i
, w
k
} uma base de W, portanto, independente. Logo, a equao precedente fora c
1
0, ..., c
n r
0. Subs-
tituindo esses valores em (1), obtemos
Mas {
i
, u
j
} uma base de U, portanto, independente. Logo, a equao precedente fora a
1
0, ..., a
r
0, b
1
0, ...,
b
m r
0.
Como (1) implica que todos os a
i
, b
j
, c
k
so nulos, resulta que B {
i
, u
j
, w
k
} independente, demonstrando o teorema.
4.59 Demonstre o Teorema 4.21. se, e s se, (i)
Suponha que . Ento cada pode ser escrito de maneira nica na forma u w, em que e
. Assim, em particular, V U W. Agora, suponha que . Ento
(1) 0, em que , (2) 0 , em que
Assim,
Por outro lado, suponha que V U W e que . Seja . Como V U W, existem e
tais que u w. Queremos mostrar que tal soma nica. Suponha que tambm tenhamos , com
. Ento

Ambos , portanto, como , resulta


.
Assim, uma tal soma para nica e .
4.60 Demonstre o Teorema 4.22 (para dois fatores). Suponha que e que e

sejam subconjuntos linearmente independente de U e W, respectivamente. Ento valem as
afirmaes seguintes.
(a) A unio linearmente independente em V.
(b) Se S e forem bases de U e W, respectivamente, ento uma base de V.
(c)
(a) Suponha que em que a
i
, b
j
sejam escalares. Ento
Lipschutz_04.indd 159 07/02/11 17:20
LGEBRA LINEAR
160
onde . Como uma tal soma para 0 nica, isso nos
leva a
Como S linearmente independente, cada a
i
0 e, como S' linearmente independente, cada b
j
0. Assim, S
linearmente independente.
(b) Pela parte (a), linearmente independente e, pelo Problema 4.55, ' gera V U W.
Assim, uma base de V.
(c) Segue imediatamente da parte (b).
Coordenadas
4.61 Em relao base S {u
1
, u
2
} {(1, 1), (2, 3)} de , encontre as coordenadas do vetor nos casos se-
guintes. (a) (4, 3), (b) (a, b).
Em cada caso, escrevemos
e resolvemos em x e y.
(a) Temos
A soluo x 18, y 7. Assim, [ ] [18, 7].
(b) Temos
A soluo x 3a 2b, y a b. Assim, [ ] [3a 2b, a b].
4.62 Encontre o vetor de coordenadas de (a, b, c) em em relao
(a) base cannica E {(1, 0, 0), (0, 1, 0), (0, 0, 1)},
(b) base S {u
1
, u
2
, u
3
} {(1, 1, 1), (1, 1, 0), (1, 0, 0)}.
(a) Em relao base cannica E, as coordenadas de [ ]
E
so iguais s de , ou seja, [ ]
E
[a, b, c].
(b) Escrevemos como uma combinao linear de u
1
, u
2
, u
3
usando escalares x, y, z, obtendo
Resolvendo o sistema, obtemos x c, y b c, z a b. Assim, [ ]
S
[c, b c, a b].
4.63 Considere o espao vetorial P
3
(t) dos polinmios de grau .
(a) Mostre que uma base de P
3
(t).
(b) Encontre o vetor de coordenadas [ ] de 3t
3
4t
2
2t 5 em relao a S.
(a) O grau de (t 1)
k
k. Escrevendo os polinmios de S em ordem invertida, vemos que nenhum dos polinmios de
S uma combinao linear dos polinmios que o precedem. Assim, os polinmios so linearmente independentes
e, como dim P
3
(t) 4, formam uma base de P
3
(t).
(b) Escrevemos como uma combinao linear dos vetores da base usando incgnitas escalares x, y, z, s, obtendo
_Book_Lipschutz.indb 160 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 161
Em seguida, igualamos os coeficientes de mesma potncia t para obter
Resolvendo o sistema, obtemos x 3, y 13, z 19, s 4. Assim, [ ] [3, 13, 19, 4].
4.64 Encontre o vetor de coordenadas de no espao vetorial real em relao
(a) base ,
(b) base cannica .
(a) Escrevemos A como uma combinao linear dos vetores da base usando incgnitas escalares x, y, z, t, como segue.
Igualando entradas correspondentes, obtemos o sistema
Resolvendo o sistema, obtemos x 7, y 11, z 21, t 30. Assim, [A]
S
[7, 11, 21, 30]. (Observe que o
vetor de coordenadas de A um vetor de , pois dim M 4.)
(b) Escrevendo A como uma combinao linear das matrizes da base, obtemos
Assim, x 2, y 3, z 4, t 7. Assim, [A] [2, 3, 4, 7], cujas entradas so os elementos de A escritos linha
por linha.
OBSERVAO Esse resultado vlido em geral, ou seja, se A for qualquer matriz de , ento as
coordenadas de A em relao base cannica de M so os elementos de A escritos linha por linha.
4.65 No espao , decida se as matrizes seguintes so linearmente independentes ou no.
Se as matrizes forem linearmente dependentes, encontre a dimenso e uma base do subespao W de M gerado pelas
matrizes.
Os vetores de coordenadas das matrizes dadas em relao base cannica de M so os seguintes.
Formamos a matriz M cujas linhas so esses vetores de coordenadas e reduzimos M forma escalonada.
Como a matriz escalonada tem somente duas linhas no nulas, os vetores de coordenadas [A], [B], [C] geram um espao
bidimensional e, portanto, so linearmente dependentes. Assim, os vetores A, B, C, so linearmente dependentes. Alm
disso, dim W 2 e as matrizes
correspondentes s linhas no nulas da matriz escalonada constituem uma base de W.
_Book_Lipschutz.indb 161 22/12/10 11:54
LGEBRA LINEAR
162
Problemas variados
4.66 Considere uma sequncia finita de vetores S {
1
,
2
, ...,
n
}. Seja T a sequncia de vetores obtida a partir de
S por uma das operaes elementares seguintes: (i) trocar de lugar dois vetores, (ii) multiplicar um vetor
por um escalar no nulo, (iii) somar um mltiplo de um vetor a um outro vetor. Mostre que S e T geram o
mesmo espao W. Tambm mostre que T independente se, e s se, S independente.
Observe que, em cada operao, os vetores de T so combinaes lineares de vetores de S. Por outro lado, cada operao
tem uma inversa do mesmo tipo (Prove isso!) e, portanto, os vetores de S so combinaes lineares de vetores de T.
Assim, S e T geram o mesmo espao W. Tambm, T independente se, e s se, dim W n e isso vlido se, e s se, S
tambm independente.
4.67 Sejam A [a
ij
] e B [b
ij
] matrizes sobre um corpo K equivalentes por linhas e sejam
1
, ...,
n
vetores
quaisquer de um espao vetorial V sobre K. Sejam
Mostre que {u
i
} e {w
i
} geram o mesmo espao.
Aplicar uma operao elementar do Problema 4.66 a {u
i
} equivale a aplicar uma operao elementar com as linhas
da matriz A. Como A e B so equivalentes por linhas, B pode ser obtida a partir de A por uma sequncia de operaes
elementares com as linhas; assim, {w
i
} pode ser obtido de {u
i
} pela sequncia correspondente de operaes. Dessa
forma, {u
i
} e {w
i
} geram o mesmo espao.
4.68 Sejam
1
, ...,
n
vetores de um espao vetorial V sobre K e seja P [a
ij
] uma matriz quadrada de ordem n
sobre K. Sejam
(a) Suponha que P seja invertvel. Mostre que {w
i
} e {
i
} geral o mesmo espao; assim, {w
i
} independente
se, e s se, {
i
} independente.
(b) Suponha que P no seja invertvel. Mostre que {w
i
} dependente.
(c) Suponha que {w
i
} seja independente. Mostre que P invertvel.
(a) Como P invertvel, equivalente por linhas matriz identidade I. Portanto, pelo Problema 4.67, {w
i
} e {
i
} geram
o mesmo espao. Assim, um conjunto linearmente independente se, e s se, o outro for.
(b) Como P no invertvel, equivalente por linhas a uma matriz com alguma linha nula. Isso significa que {w
i
} gera
um espao que tem um conjunto gerador com menos do que n elementos. Assim, {w
i
} dependente.
(c) Essa afirmao a forma contrapositiva da afirmao (b), portanto, equivale a (b).
4.69 Suponha que A
1
, A
2
, ... sejam conjuntos de vetores linearmente independentes e que A
1
A
2
. . .. Mostre
que a unio A A
1
A
2
. . . tambm linearmente dependente.
Suponha que A seja linearmente dependente. Ento existem vetores
1
, . . . ,
n
A e escalares a
1
, . . . , a
n
K, no todos
nulos, tais que
a
1 1
a
2 2
. . . a
n n
0 (1)
Como A A
i
e os
i
A, existem conjuntos A
i
1
, . . , A
i
n
tais que
1
A
i
1
,
2
A
i
2
, . . . ,
n
A
i
n
Seja k o maior ndice dos conjuntos A
i
j
, ou seja, k max(i
1
, . . . , i
n
). Como A
1
A
2
. . ., segue que cada A
i
j
est
contido em A
k
. Logo,
1
,
2
, . . . ,
n
A
k
e, portanto, por (1), A
k
linearmente dependente, contradizendo nossa hiptese.
Assim, A linearmente independente.
4.70 Seja K um subcorpo de um corpo L e seja L um subcorpo de um corpo E. (Assim, e K um
subcorpo de E.) Suponha que E seja de dimenso n sobre L e que L seja de dimenso m sobre K. Mostre que
E de dimenso mn sobre K.
_Book_Lipschutz.indb 162 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 163
Suponha que {
1
, ...,
n
} seja uma base de E sobre L e que {a
1
, ..., a
m
} seja uma base de L sobre K. Afirmamos que {a
i j

: i 1, ..., m, j 1, ..., n} uma base de E sobre K. Observe que {a
i j
} contm mn elementos.
Seja w um elemento arbitrrio de E. Como {
1
, ...,
n
} gera E sobre L, w uma combinao linear dos
i
com coeficien-
tes em L, como segue.
(1)
Como {a
1
, ..., a
m
} gera L sobre K, cada uma combinao linear dos a
j
com coeficientes em K, como segue.
com . Substituindo em (1), obtemos
com . Assim, w uma combinao linear dos a
i j
com coeficientes em K e, portanto, {a
i j
} gera E sobre K.
A afirmao estar demonstrada assim que provarmos que {a
i j
} linearmente independente sobre K. Suponha que,
para escalares , tenhamos , ou seja,
ou
Como {
1
, ...,
n
} linearmente independente sobre L e os coeficientes dos
i
na ltima expresso pertencem a L, cada
coeficiente deve ser nulo, ou seja,
Mas {a
1
, ..., a
m
} linearmente independente sobre K; como , decorre que
Dessa forma, {a
i j
} linearmente independente sobre K, provando a afirmao.
Problemas Complementares
Espaos vetoriais
4.71 Suponha que u e pertenam a um espao vetorial V. Simplifique as expresses dadas.
4.72 Seja V o conjunto dos pares ordenados (a, b) de nmeros reais com adio e multiplicao por escalar definidas por
Mostre que V satisfaz todos os axiomas de espao vetorial exceto [M
4
], ou seja, que 1u u. Logo, [M
4
] no uma
consequncia dos demais axiomas.
4.73 Mostre que o Axioma [A
4
] de um espao vetorial V (ou seja, que u u) pode ser deduzido dos demais axiomas
de V.
4.74 Seja V o conjunto de todos os pares ordenados (a, b) de nmeros reais. Mostre que V no um espao vetorial sobre
com adio e multiplicao por escalar definidas por
_Book_Lipschutz.indb 163 22/12/10 11:54
LGEBRA LINEAR
164
4.75 Seja V o conjunto das sequncias infinitas (a
1
, a
2
, ...) de um corpo K. Mostre que V um espao vetorial sobre K com
adio e multiplicao por escalar definidas por
4.76 Sejam U e W espaos vetoriais sobre um corpo K. Seja V o conjunto dos pares ordenados (u, w), com e
Mostre que V um espao vetorial sobre K com adio e multiplicao por escalar definidas por
(Esse espao V denominado produto cartesiano de U e W.)
Subespaos
4.77 Decida se W , ou no, um subespao de , se W consistir de todos os vetores (a, b, c) de tais que (a) a 3b, (b)
4.78 Seja V o espao vetorial das matrizes quadradas de ordem n sobre um corpo K. Mostre que W um subespao de V se
W consistir em todas as matrizes A [a
ij
] que so
(a) simtricas (A
T
A ou a
ij
a
ji
), (b) triangulares (superiores), (c) diagonais, (d) escalares .
4.79 Seja AX B um sistema no homogneo de equaes lineares com n incgnitas, ou seja, . Mostre que o conjunto
soluo no um subespao vetorial de K
n
.
4.80 Suponha que U e W sejam subespaos de V tais que seja um subespao. Mostre que .
4.81 Seja V o espao vetorial de todas as funes do corpo real em . Mostre que W um subespao de V se W consis-
te em todas as (a) funes limitadas, (b) funes pares. [Lembre que limitada se existir tal que
, para cada e que f par se .]
4.82 Seja V o espao vetorial das sequncias infinitas (a
1
, a
2
, ...) de um corpo K (Problema 4.75). Mostre que W um su-
bespao de V se W consiste em todas as sequncias (a) com primeiro elemento a
1
0, (b) com um nmero finito de
elementos no nulos.
Combinaes lineares, espaos gerados
4.83 Considere os vetores u (1, 2, 3) e (2, 3, 1) de .
(a) Escreva w (1, 3, 8) como uma combinao linear de u e .
(b) Escreva w (2, 4, 5) como uma combinao linear de u e .
(c) Encontre k de tal modo que w (1, k, 4) seja uma combinao linear de u e .
(d) Encontre condies sobre a, b, c tais que w (a, b, c) seja uma combinao linear de u e .
4.84 Escreva o polinmio como uma combinao linear dos polinmios ,

[Assim, p
1
, p
2
, p
3
geram o espao P
2
(t) dos polinmios de grau .]
4.85 Encontre um vetor de que gere a interseo de U e W, sendo U o plano xy, ou seja, U {(a, b, 0)}, e W o espao
gerado pelos vetores (1, 1, 1) e (1, 2, 3).
4.86 Demonstre que ger(S) a interseo de todos os subespaos de V que contm S.
4.87 Mostre que ger(S) ger(S ). Ou seja, acrescentando ou retirando o vetor nulo de um conjunto, no modificamos
o espao gerado pelo conjunto.
_Book_Lipschutz.indb 164 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 165
4.88 Mostre que (a) se ento
Dependncia e independncia linear
4.89 Decida se os vetores dados so linearmente dependentes ou independentes.
4.90 Decida se os polinmios u, , w de P(t) so linearmente dependentes ou independentes.
4.91 Mostre que as funes f, g, h dadas so linearmente independentes.
4.92 Mostre que u (a, b) e (c, d) de K
2
so linearmente dependentes se, e s se, ad bc 0.
4.93 Sejam u, , w vetores linearmente independentes. Mostre que os conjuntos S dados so linearmente independentes.
4.94 Suponha que seja um subconjunto linearmente independente de V. Mostre que
4.95 Suponha que
1
,
2
, ...,
n
sejam linearmente independentes. Mostre que S linearmente independente nos casos dados.
(a) e cada .
(b) e com .
4.96 Suponha que sejam vetores linearmente independente de K
n
e su-
ponha que
1
,
2
, ...,
n
sejam vetores linearmente independentes de um espao vetorial V sobre K. Mostre que os vetores
dados tambm so linearmente independentes.
Base e dimenso
4.97 Encontre um subconjunto de u
1
, u
2
, u
3
, u
4
que seja uma base de W ger(u
i
) em , nos casos seguintes.
4.98 Considere os subespaos e de . Encontre
uma base e a dimenso de (a) U, (b) W, (c) .
4.99 Encontre uma base e a dimenso do espao soluo W de cada um dos sistemas homogneos dados.
4.100 Encontre um sistema homogneo cujo espao soluo seja gerado pelos conjuntos de trs vetores dados.
_Book_Lipschutz.indb 165 22/12/10 11:54
LGEBRA LINEAR
166
4.101 Decida se os conjuntos dados so bases do espao vetorial P
n
(t).
4.102 Encontre uma base e a dimenso do subespao W de P(t) gerado por
4.103 Encontre uma base e a dimenso do subespao W de gerado por
Posto de uma matriz, espaos linha e coluna
4.104 Encontre o posto de cada uma das matrizes dadas.
4.105 Para k 1, 2, ..., 5, encontre o nmero n
k
de subconjuntos linearmente independentes constitudos de k colunas de cada
uma das matrizes dadas.
4.106 Sejam
e denote por C
1
, ..., C
6
suas colunas. Para cada uma das duas matrizes,
(i) encontre a forma cannica por linhas M;
(ii) encontre as colunas que so combinaes lineares das colunas que as antecedem;
(iii) encontre as colunas (excetuando C
6
) que formam uma base do espao coluna;
(iv) escreva C
6
como uma combinao linear dos vetores da base encontrada em (iii).
4.107 Decida se as matrizes dadas tm o mesmo espao linha.
4.108 Encontre os subespaos de idnticos dentre os dados.
4.109 Encontre os subespaos de idnticos dentre os dados.
4.110 Encontre uma base do (i) espao linha e do (ii) espao coluna de cada matriz M dada.
_Book_Lipschutz.indb 166 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 167
4.111 Mostre que se uma linha qualquer for suprimida de uma matriz em forma escalonada (respectivamente, forma cannica
por linhas), ento a matriz resultante ainda est em forma escalonada (respectivamente, forma cannica por linhas).
4.112 Sejam A e B matrizes quaisquer. Mostre que
4.113 Seja r pos(A B). Encontre matrizes quadradas A e B de ordem 2 tais que
Somas, somas diretas, intersees
4.114 Suponha que U e W sejam subespaos bidimensionais de K
3
. Mostre que .
4.115 Suponha que U e W sejam subespaos de V tais que dim U 4, dim W 5 e dim V 7. Encontre as dimenses poss-
veis de
4.116 Sejam U e W subespaos de tais que dim U 1, dim W 2 e Mostre que
4.117 Considere os subespaos de dados.
U ger[(1, 1, 1, 2, 0), (1, 2, 2, 0, 3), (1, 1, 2, 2, 1)]
W ger[(1, 2, 3, 0, 2), (1, 1, 3, 2, 4), (1, 1, 2, 2, 5)]
(a) Encontre dois sistemas homogneos cujos espaos soluo sejam U e W, respectivamente.
(b) Encontre uma base e a dimenso de
4.118 Sejam U
1
, U
2
, U
3
os subespaos de dados.
Mostre que . Quais dessas somas so diretas?
4.119 Suponha que U, W
1
, W
2
sejam subespaos de um espao vetorial V. Mostre que
Encontre subespaos de para os quais a incluso prpria.
4.120 Suponha que W
1
, W
2
, ..., W
r
sejam subespaos de um espao vetorial V. Mostre que
(b) Se S
i
gera W
i
, com i 1, ..., r, ento gera .
4.121 Suponha que . Mostre que dim V dim U dim W.
4.122 Sejam S e T subconjuntos (no necessariamente subespaos) arbitrrios no vazios de um espao vetorial V e seja r um
escalar. A soma S T e o mltiplo rS so definidos por
S T {u : }, rS {ru : }
[Tambm escrevemos w S em vez de {w} S.] Sejam
S {(1, 2), (2, 3)}, T {(1, 4), (1, 5), (2, 5)}, w (1, 1), r 3
Encontre (a) S T, (b) w S, (c) rT, (d) rS rT, (f) r(S T).
_Book_Lipschutz.indb 167 22/12/10 11:54
LGEBRA LINEAR
168
4.123 Mostre que as operaes S T e rS do problema precedente satisfazem as afirmaes dadas.
(a) Comutatividade: S T T S.
(b) Associatividade: (S
1
S
2
) S
3
S
1
(S
2
S
3
).
(c) Distributividade: r(S T) rS rT.
(d) S {0} {0} S S e S V V S

V.
4.124 Seja V o espao vetorial das matrizes quadradas de ordem n. Seja U o subespao das matrizes triangulares superiores e
seja W o subespao das matrizes triangulares inferiores. Encontre .
4.125 Seja V o produto cartesiano dos espaos vetoriais U e W sobre K (ver Problema 4.76). Sejam
Mostre que so subespaos de V,
4.126 Suponha que V U W. Seja o produto cartesiano de U e W. Mostre que V isomorfo a pela correspondncia
.
4.127 Use induo para provar (a) o Teorema 4.22, (b) o Teorema 4.23.
Coordenadas
4.128 Os vetores u
1
(1, 2) e u
2
(4, 7) formam uma base S de . Encontre o vetor de coordenadas [ ] de em relao a
S nos casos (a) (5, 3), (b) (a, b).
4.129 Os vetores u
1
(1, 2, 0), u
2
(1, 3, 2), u
3
(0, 1, 3) formam uma base S de . Encontre o vetor de coordenadas [ ] de
em relao a S nos casos (a) (2, 7, 4), (b) (a, b, c).
4.130 uma base de P
3
(t). Encontre o vetor de coordenadas [ ] de em relao a S nos
casos
4.131 Seja . Encontre o vetor de coordenadas [A] de A em relao a S, sendo
4.132 Encontre a dimenso e uma base do subespao W de P
3
(t) gerado por
4.133 Encontre a dimenso e uma base do subespao W de gerado por
Problemas variados
4.134 Responda com verdadeiro ou falso. Se falso, justifique com um contraexemplo.
(a) Se u
1
, u
2
, u
3
geram V, ento dim V 3.
(b) Se A uma matriz , ento quaisquer seis colunas so linearmente dependentes.
(c) Se u
1
, u
2
, u
3
so linearmente independentes, ento u
1
, u
2
, u
3
, w so linearmente dependentes.
(d) Se u
1
, u
2
, u
3
, u
4
so linearmente independentes, ento .
(e) Se u
1
, u
2
, u
3
geram V, ento w, u
1
, u
2
, u
3
geram V.
(f) Se u
1
, u
2
, u
3
, u
4
so linearmente independentes, ento u
1
, u
2
, u
3
so linearmente independentes.
_Book_Lipschutz.indb 168 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 169
4.135 Responda com verdadeiro ou falso. Se falso, justifique com um contraexemplo.
(a) Se uma coluna qualquer for suprimida de uma matriz em forma escalonada, ento a matriz resultante ainda est em
forma escalonada.
(b) Se uma coluna qualquer for suprimida de uma matriz em forma cannica por linhas, ento a matriz resultante ainda
est em forma cannica por linhas.
(c) Se uma coluna qualquer sem piv for suprimida de uma matriz em forma cannica por linhas, ento a matriz
resultante ainda est em forma cannica por linhas.
4.136 Encontre a dimenso do espao vetorial W das matrizes quadradas de ordem n dadas.
(a) matrizes simtricas, (b) matrizes antissimtricas,
(c) matrizes diagonais, (d) matrizes escalares.
4.137 Sejam t
1
, t
2
, ..., t
n
smbolos e K um corpo arbitrrio. Seja V o conjunto seguinte de expresses, em que :
Defina a soma e multiplicao por escalar em V por
Mostre que, com essas operaes, V um espao vetorial sobre K. Tambm mostre que {t
1
, t
2
, ..., t
n
} uma base de V,
em que
Respostas dos Problemas Complementares
[Algumas respostas, tais como bases, no precisam ser nicas.]
4.71 (a) (b) A soma 7 8 no est definida, portanto, E
2
no est definida;
(c) (d) A diviso por no est definida, portanto, E
4
no est definida.
4.77 (a) ; (b) No ; por exemplo, , mas ;
(c) No ; por exemplo, , mas no sua soma; (d) ;
(e) No ; por exemplo, , mas ; (f) .
4.79 O vetor nulo no uma soluo.
4.83 (a) (b) Impossvel,
4.84 Usando , obtemos .
4.85 (2, 1, 0)
4.89 (a) Dependentes, (b) Independentes
4.90 (a) Independentes, (b) Dependentes
4.97
4.98
4.99 (a) Base: ;
(b) Base:
_Book_Lipschutz.indb 169 22/12/10 11:54
LGEBRA LINEAR
170
4.100
4.101 (a) , (b) No , porque , mas o conjunto contm somente n elementos.
4.102 (a) dim W 2, (b) dim W 3
4.103 dim W 2
4.104 (a) 3, (b) 2, (c) 3
4.105
4.106

4.107 A e C so equivalentes por linhas a , mas B no .
4.108 U
1
e U
2
so equivalentes por linhas a

, mas U
3
no .
4.109 U
1
e U
3
so equivalentes por linhas a , mas U
2
no .
4.110
4.113
4.115 dim 2, 3 ou 4
4.117
(b) Base:
4.118 A soma direta em (b) e (c).
4.119 Em , basta tomar U, V, W, respectivamente, a reta y x, o eixo x e o eixo y.
4.122
4.124 (a) Matrizes diagonais, (b) V
4.128
4.129
4.130
4.131
_Book_Lipschutz.indb 170 22/12/10 11:54
CAPTULO 4 ESPAOS VETORIAIS 171
4.132 dim W 2; base .
4.133 dim W 2; base .
4.134 (a) Falsa; geram ; (b) Verdadeira;
(c) Falsa; ;
(d) Verdadeira; (e) Verdadeira; (f) Verdadeira
4.135 (a) Verdadeira; (b) Falsa; por exemplo, suprimindo C
2
de ; (c) Verdadeira
4.136
_Book_Lipschutz.indb 171 22/12/10 11:54
5.1 INTRODUO
O assunto principal da lgebra Linear o estudo das transformaes lineares e suas representaes por meio de
matrizes. Neste captulo apresentamos essas transformaes lineares e, no prximo, mostramos como elas podem
ser representadas por matrizes. Inicialmente, contudo, apresentamos um estudo de aplicaes em geral.
5.2 APLICAES, FUNES
Sejam A e B dois conjuntos no vazios quaisquer. Suponha que a cada elemento esteja associado um nico
elemento de B, denominado imagem de a. A coleo f dessas associaes denominada aplicao de A em B e
denotada por
Dizemos que o conjunto A o domnio da aplicao e que B o contradomnio. Escrevemos f(a), que lido efe de
a, para o nico elemento de B que f associa ao elemento .
Podemos tambm interpretar uma aplicao como um computador que, para cada valor inicial
, produz um valor final .
OBSERVAO O termo funo um sinnimo da palavra aplicao, embora alguns textos reservem a palavra
funo para aplicaes de valores reais ou complexos.
Considere uma aplicao . Se for um subconjunto qualquer de A, ento denota o conjunto
das imagens de todos elementos de . Se for um subconjunto qualquer de B, ento denota o conjunto
de todos os elementos de A cujas imagens esto em . Ou seja,
Dizemos que a imagem de e que a imagem inversa, ou pr-imagem, de . Em particular, di-
zemos que o conjunto de todas as imagens de f, ou seja, f(A), a imagem de f.
A cada aplicao corresponde o subconjunto de dado por , que deno-
minado grfico de f. Duas aplicaes so definidas como sendo iguais, e escrevemos
f g, se f(a) g(a), para cada , ou seja, se possurem o mesmo grfico. Assim, no h distino entre uma
funo e seu grfico. A negao de f g denotada por e significa
Existe algum a A para o qual
s vezes se utiliza a seta especial para denotar a imagem de um elemento arbitrrio por uma aplica-
o , escrevendo
como no exemplo seguinte.
Transformaes Lineares
Captulo 5
_Book_Lipschutz.indb 172 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 173
Exemplo 5.1
(a) Seja a funo que a cada nmero real x associa seu quadrado x
2
. Podemos escrever essa funo
como segue.
Aqui, a imagem de 3 9, portanto podemos escrever f(3) 9. Contudo, . Tambm

a imagem de f.
(b) Sejam A {a, b, c, d} e B {x, y, z, t}. Uma aplicao pode ser definida por
A primeira definio explcita e a segunda dada pelo grfico. Temos
Alm disso, a imagem de f f(A) {x, y, z}.
Exemplo 5.2 Seja V o espao vetorial dos polinmios sobre e seja p(t) 3t
2
5t 2.
(a) A derivada define uma aplicao , em que, dado um polinmio f(t) qualquer, temos .
Assim,
(b) A integral, digamos, de 0 a 1, define uma funo . Ou seja, dado um polinmio f(t) qualquer,
e, portanto,
.
Observe que a aplicao de (b) do espao vetorial V no corpo de escalares R, enquanto a aplicao de (a) do
espao vetorial V nele mesmo.
Aplicaes matriciais
Seja A uma matriz sobre K. Ento A determina uma aplicao por meio de
em que os vetores de K
n
e K
m
esto escritos como colunas. Por exemplo, suponha que
ento
OBSERVAO Por convenincia notacional, muitas vezes escrevemos a aplicao F
A
com a mesma letra A uti-
lizada para a matriz.
Composio de aplicaes
Considere duas aplicaes , ilustradas a seguir.
_Book_Lipschutz.indb 173 22/12/10 09:00
LGEBRA LINEAR
174
A composio de f e g, denotada por , a aplicao definida por
Isto , primeiro aplicamos f a e depois aplicamos g a para obter . Interpretando f e g
como computadores, a composio significa que primeiro utilizamos em f o dado inicial para obter a res-
posta e depois utilizamos em g o dado inicial f(a) para obter a resposta .
Nosso primeiro teorema diz que a composio de aplicaes associativa.
Teorema 5.1 Sejam . Ento
Demonstremos esse teorema. Seja . Ento
Assim, , para cada , portanto, .
Aplicaes injetoras e sobrejetoras
Introduzimos formalmente alguns tipos especiais de aplicaes.
DEFINIO Dizemos que uma aplicao injetora (ou injetiva) se elementos distintos de A possuem
imagens distintas, ou seja,
Se , ento .
DEFINIO Dizemos que uma aplicao sobrejetora (ou sobrejetiva ou, simplesmente, sobre) se
cada elemento a imagem de, pelo menos, um elemento .
DEFINIO Uma aplicao denominada bijeo de A em B (ou aplicao bijetora ou bijetiva) se f
for injetora e, tambm, sobrejetora.
Exemplo 5.3 Sejam definidas por
Os grficos dessas funes aparecem na Figura 5-1. A funo f injetora. Geometricamente, isso significa que cada
reta horizontal no contm mais que um ponto de f. A funo g sobrejetora. Geometricamente, isso significa que
toda reta horizontal contm pelo menos um ponto de g. A funo h no nem injetora nem sobrejetora. Por exem-
plo, tanto 2 quanto 2 possuem a mesma imagem 4, e 16 no possui pr-imagem.
Figura 5-1
_Book_Lipschutz.indb 174 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 175
Aplicaes identidade e inversa
Seja A um conjunto no vazio. A aplicao definida por f(a) a, isto , a funo que associa cada ele-
mento de A a si mesmo, denominada aplicao identidade e, geralmente, denotada por 1
A
ou 1 ou I. Assim, para
cada , temos 1
A
(a) a.
Seja, agora, . Dizemos que a aplicao inversa de f, denotada por , se
Enfatizamos que f possui uma inversa se, e s se, f uma bijeo de A em B, isto , se f injetora e sobrejetora
(Problema 5.7). Alm disso, se , ento , onde a o nico elemento de A para o qual f(a) b.
5.3 TRANSFORMAES LINEARES
Comeamos com uma definio.
DEFINIO Sejam V e U espaos vetoriais sobre um mesmo corpo K. Dizemos que uma aplicao
linear ou, mais precisamente, uma transformao linear, se satisfizer as duas condies seguintes.
(1) Para quaisquer vetores , temos F( w) F( ) F(w).
(2) Para quaisquer escalar k e vetor , temos F(k ) kF( ).
Assim, linear se preservar a soma de vetores e a multiplicao por escalar, as duas operaes
bsicas de um espao vetorial.
Substituindo k 0 na condio (2), obtemos F(0) 0. Assim, qualquer transformao linear leva o vetor nulo
no vetor nulo.
Para quaisquer escalares e vetores , obtemos
De modo mais geral, para quaisquer escalares e vetores , obtemos a propriedade bsica das transfor-
maes lineares, como segue.
OBSERVAO Uma transformao linear fica caracterizada completamente pela condio
(*)
portanto, essa condio , s vezes, utilizada como definio de transformao linear.
Exemplo 5.4
(a) Seja a aplicao projeo sobre o plano xy, isto , F a aplicao definida por F(x, y, z) (x,
y, 0). Mostremos que F linear. Dados e , temos
e, dado qualquer escalar k,
Assim, F linear.
(b) Seja a aplicao translao definida por G(x, y) (x 1, y 2). [Ou seja, G soma o vetor
(1, 2) a cada vetor (x, y) de .] Observe que
Assim, o vetor nulo no levado no vetor nulo. Portanto, G no linear.
_Book_Lipschutz.indb 175 22/12/10 09:00
LGEBRA LINEAR
176
Exemplo 5.5 (Aplicaes derivada e integral) Considere o espao vetorial V P(t) dos polinmios sobre o corpo
real . Sejam u(t) e (t) polinmios quaisquer de V e r um escalar qualquer.
(a) Seja a aplicao derivada. Demonstra-se no Clculo que
Ou seja, D(u ) D(u) D( ) e D(ru) rD(u). Assim, a aplicao derivada uma transformao linear.
(b) Seja uma aplicao integral, digamos,
Tambm se demonstra no Clculo que
e
Ou seja, J(u ) J(u) J( ) e J(ru) rJ(u). Assim, a aplicao integral linear.
Exemplo 5.6 (Aplicaes Nula e Identidade)
(a) Seja a aplicao que leva qualquer vetor V no vetor nulo . Ento, dados vetores
quaisquer e um escalar qualquer, temos
Assim, F linear. Dizemos que F a transformao nula, denotada por 0.
(b) Considere a aplicao identidade , que leva cada em si mesmo. Ento, dados vetores
quaisquer e escalares quaisquer, temos
Assim, I linear. Dizemos que I a transformao identidade.
O prximo teorema (demonstrado no Problema 5.13) fornece uma grande quantidade de exemplos de trans-
formaes lineares. Em particular, diz que uma transformao linear fica completamente determinada pelos seus
valores nos elementos de alguma base.
Teorema 5.2 Sejam V e U espaos vetoriais sobre um corpo K. Sejam {
1
,
2
, ...,
n
} uma base de V e
u
1
, u
2
, ..., u
n
vetores quaisquer de U. Ento existe uma nica transformao linear tal que

Enfatizamos que os vetores u
1
, u
2
, ..., u
n
nesse teorema so completamente arbitrrios, podendo ser linearmen-
te dependentes ou, at mesmo, todos iguais entre si.
Matrizes como transformaes lineares
Seja A uma matriz real . Vimos que A determina uma aplicao matricial dada por F
A
(u) Au
(em que os vetores de K
n
e K
m
so escritos como colunas). Mostremos que F
A
linear. Usando a multiplicao ma-
tricial, temos
Em outras palavras, usando A para representar a aplicao matricial, temos
Assim, A linear e costumamos dizer que A uma transformao matricial.
_Book_Lipschutz.indb 176 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 177
Isomorfismo de espaos vetoriais
A noo de isomorfismo entre dois espaos vetoriais j foi definida no Captulo 4, quando estudamos as coordena-
das de um vetor em relao a uma base. Agora revemos esse conceito.
DEFINIO Dois espaos vetoriais V e U sobre K so isomorfos, e escrevemos , se existir uma transfor-
mao linear bijetora . Nesse caso, dizemos que F um isomorfismo entre V e U.
Considere um espao vetorial V de dimenso n qualquer e seja S uma base qualquer de V. Ento a aplicao
que leva cada vetor em seu vetor de coordenadas [ ]
S
um isomorfismo entre V e K
n
.
5.4 NCLEO E IMAGEM DE UMA TRANSFORMAO LINEAR
Comeamos definindo dois conceitos.
DEFINIO Seja uma transformao linear. O ncleo de F, denotado por Nuc F, o conjunto de
todos os elementos de V que so levados no vetor nulo 0 de U, ou seja,
Nuc F { : F( ) 0}
A imagem de F, denotada por Im F, o conjunto dos pontos imagens de U, ou seja,
Im F { : existe tal que F( ) u}
O teorema abaixo facilmente demonstrado (Problema 5.22).
Teorema 5.3 Seja uma transformao linear. Ento o ncleo de F um subespao de V e a imagem
de F um subespao de U.
Agora suponha que
1
,
2
, ...,
m
gerem um espao vetorial V e que seja uma transformao linear.
Mostremos que F(
1
), F(
2
), ..., F(
m
) geram Im F. Seja . Ento existe algum tal que F( ) u.
Como os
i
geram V e como , existem escalares a
1
, a
2
, ..., a
m
para os quais
Portanto,
Assim, os vetores F(
1
), F(
2
), ..., F(
m
) geram Im F.
Enunciamos esse resultado formalmente.
Proposio 5.4 Se
1
,
2
, ...,
m
geram um espao vetorial V e uma transformao linear, ento
F(
1
), F(
2
), ..., F(
m
) geram Im F.
Exemplo 5.7
(a) Seja a projeo de um vetor sobre o plano xy [conforme Figura 5-2(a)], ou seja,
F(x, y, z) (x, y, 0)
Claramente, a imagem de F todo o plano xy, ou seja, os pontos da forma (x, y, 0). Alm disso, o ncleo de F
o eixo z, ou seja,
Im F {(a, b, c) : c 0} plano xy e Nuc F {(a, b, c) : a 0, b 0} eixo z
(b) Seja a transformao linear que gira cada vetor em torno do eixo z por um ngulo [conforme
Figura 5-2(b)], ou seja,
_Book_Lipschutz.indb 177 22/12/10 09:00
LGEBRA LINEAR
178
Observe que a distncia de um vetor at a origem O no muda com essa rotao, portanto, apenas o vetor nulo
0 levado no vetor nulo 0. Assim, Nuc G {0}. Por outro lado, cada vetor a imagem de um vetor de ,
que pode ser obtido girando u de volta pelo mesmo ngulo . Assim, , todo o espao.
Exemplo 5.8 Considere o espao vetorial V P(t) dos polinmios sobre o corpo real e seja o ope-
rador derivada terceira, isto , [s vezes se utiliza a notao D
3
para H, onde D o operador
derivada.] Afirmamos que
Nuc H {polinmios de grau } P
2
(t) e Im H V
A primeira afirmao decorre de , mas , para . A segunda decorre do fato de que
qualquer polinmio g(t) de V a derivada terceira de algum polinmio f(t) (que pode ser encontrado tomando a
antiderivada de g(t) trs vezes).
Ncleo e imagem de transformaes matriciais
Sejam A uma matriz 3 4 e {e
1
, e
2
, e
3
, e
4
} a base cannica de K
4
(escrita como colunas).
Vimos que A pode ser interpretada como uma transformao linear , em que os vetores de K
4
e K
3
so
considerados vetores colunas. Como a base cannica gera K
4
, as imagens Ae
1
, Ae
2
, Ae
3
, Ae
4
geram a imagem de A.
Mas os vetores Ae
1
, Ae
2
, Ae
3
, Ae
4
so exatamente as colunas de A, como segue.
Assim, a imagem de A exatamente o espao coluna de A.
Por outro lado, o ncleo de A consiste em todos os vetores para os quais A 0. Isso significa que o ncleo
de A o espao soluo do sistema homogneo AX 0, denominado espao nulo de A.
Enunciamos esses resultados formalmente.
Proposio 5.5 Seja A uma matriz sobre o corpo K interpretada como uma transformao linear
. Ento
Nuc A nul(A) e Im A col(A)
Aqui, col(A) denota o espao coluna de A e nul(A) o espao nulo de A.
Figura 5-2
_Book_Lipschutz.indb 178 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 179
Posto e nulidade de uma transformao linear
Seja uma transformao linear. O posto de F definido como a dimenso da imagem de F e a nulidade
de F definida como a dimenso do ncleo de F, ou seja,
pos(F) dim(Im F) e nul(F) dim(Nuc F)
Vale o teorema seguinte (demonstrado no Problema 5.23).
Teorema 5.6 Sejam V um espao de dimenso finita e uma transformao linear. Ento
dim V dim(Nuc F) dim(Im F) nul(F) pos(F)
Lembramos que o posto de uma matriz A tambm foi definido como a dimenso dos espaos coluna e linha de
A. Se, agora, interpretamos A como uma transformao linear, ento ambas definies coincidem, pois a imagem
de A , precisamente, o espao coluna de A.
Exemplo 5.9 Seja a transformao linear definida por
(a) Encontre uma base e a dimenso da imagem de F.
Primeiro calculamos a imagem dos vetores da base cannica de .
Pela Proposio 5.4, os vetores imagem geram Im F. Portanto, formamos a matriz M cujas linhas so esses
vetores imagem e reduzimos M forma escalonada, como segue.
Assim, (1, 2, 3) e (0, 1, 1) formam uma base de Im F. Portanto, dim(Im F) 2 e pos(F) 2.
(b) Encontre uma base e a dimenso do ncleo da transformao F.
Tomamos F( ) 0, com (x, y, z, t), obtendo
Igualando os componentes correspondentes, formamos o sistema homogneo seguinte, cujo espao soluo
o ncleo de F.
As variveis livres so y e t. Portanto, dim(Nuc F) 2, ou nul(F) 2.
(i) Tomando y 1, t 0 obtemos a soluo (1, 1, 0, 0).
(ii) Tomando y 0, t 1 obtemos a soluo (1, 0, 2, 1).
Assim (1, 1, 0, 0) e (1, 0, 2, 1) formam uma base de Nuc F.
Conforme afirma o Teorema 5.6, temos dim(Im F) dim(Nuc F) 4 dim .
Aplicaes a sistemas de equaes lineares
Seja AX B a forma matricial de um sistema de m equaes lineares com n incgnitas. A matriz A pode ser consi-
derada como uma transformao linear
_Book_Lipschutz.indb 179 22/12/10 09:00
LGEBRA LINEAR
180
Assim, a soluo da equao AX B pode ser interpretada como a pr-imagem do vetor pela transforma-
o linear A. Alm disso, o espao soluo do sistema homogneo associado
AX 0
pode ser interpretado como o ncleo da transformao linear A. Aplicando o Teorema 5.6 a esse sistema homog-
neo, obtemos
dim(Nuc A) dim dim(Im A) n pos(A)
Mas n exatamente o nmero de incgnitas do sistema homogneo AX 0. Assim, demonstramos o seguinte
teorema do Captulo 4.
Teorema 4.19 A dimenso do espao soluo W de um sistema homogneo AX 0 n r, onde n o nmero
de incgnitas e r o posto da matriz de coeficientes A.
Observe que r tambm o nmero de variveis piv na forma escalonada de AX 0, portanto, s n r tam-
bm o nmero de variveis livres. Alm disso, so linearmente independentes os s vetores soluo de AX 0
dados no Teorema 3.14 (Problema 4.52). Dessa forma, como dim W s, esses vetores formam uma base do espa-
o soluo W. Assim, demonstramos tambm o Teorema 3.14.
5.5 TRANSFORMAES LINEARES SINGULARES E NO
SINGULARES, ISOMORFISMOS
Seja uma transformao linear. Vimos que, sempre, F(0) 0. Dizemos que F singular se a imagem
de algum vetor no nulo for 0, isto , se existir tal que F( ) 0. Assim, no singular se o
vetor nulo 0 for o nico vetor cuja imagem por F 0; em outras palavras, se Nuc F {0}.
Exemplo 5.10 Considere a projeo e a aplicao rotao representadas na Figura
5-2. (Ver Exemplo 5.7.) Como o ncleo de F o eixo z, F singular. Por outro lado, o ncleo de G composto
apenas pelo vetor nulo. Assim, G no singular.
Transformaes no singulares podem ser tambm caracterizadas como as transformaes que levam conjun-
tos independentes em conjuntos independentes. Mais precisamente, demonstra-se (Problema 5.28) o teorema se-
guinte.
Teorema 5.7 Seja uma transformao linear no singular. Ento a imagem de qualquer conjunto
linearmente independente linearmente independente.
Isomorfismos
Suponha que a transformao linear seja injetora. Ento apenas pode ser levado em
e, portanto, F no singular. A recproca tambm verdadeira. De fato, supondo que F seja no singular e que
F( ) F(w), ento F( w) F( ) F(w) 0 e, portanto, w 0 e w. Assim, F( ) F(w) implica
w, ou seja, F injetora. Dessa forma, demonstramos a proposio seguinte.
Proposio 5.8 Uma transformao linear injetora se, e s se, F no singular.
Vimos que uma aplicao dita um isomorfismo se F for linear e bijetora, isto , se F for injetora
e sobrejetora. Tambm dizemos que um espao vetorial V isomorfo a um espao vetorial U, e escrevemos ,
se existir um isomorfismo .
Vale o seguinte teorema (demonstrado no Problema 5.29).
Teorema 5.9 Seja V um espao vetorial de dimenso finita e suponha que dim V dim U. Seja li-
near. Ento F um isomorfismo se, e s se, F no singular.
_Book_Lipschutz.indb 180 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 181
5.6 OPERAES COM TRANSFORMAES LINEARES
Podemos combinar transformaes lineares de vrias maneiras para obter novas transformaes lineares. Essas
operaes so muito importantes e sero utilizadas em todo este texto.
Sejam transformaes lineares sobre um corpo K. A soma F G e a multiplica-
o por escalar kF, com , so definidas como as transformaes lineares de V em U dadas por
Mostremos, agora, que, se F e G so lineares, ento F G e kF tambm so lineares. De fato, dados vetores
e escalares quaisquer, temos
Assim, F G e kF so lineares.
Vale o teorema a seguir.
Teorema 5.10 Sejam V e U espaos vetoriais sobre um corpo K. Ento a coleo de todas as transformaes
lineares de V em U com as operaes de soma e multiplicao por escalar constitui um espao vetorial sobre K.
O espao vetorial das transformaes lineares do Teorema 5.10 geralmente denotado por
Hom(V, U)
Aqui, hom vem da palavra homomorfismo. Enfatizamos que a demonstrao do Teorema 5.10 reduz-se a
demonstrar que Hom(V, U) efetivamente satisfaz os oito axiomas de um espao vetorial. O elemento nulo de
Hom(V, U) a transformao nula de V em U, denotada por 0 e definida por
0( ) 0
para cada vetor .
Para espaos vetoriais V e U de dimenso finita temos o teorema seguinte.
Teorema 5.11 Se dim V m e dim U n, ento dim[Hom(V, U)] mn.
Composio de transformaes lineares
Sejam, agora, V, U e W espaos vetoriais sobre um mesmo corpo K e sejam e transforma-
es lineares. Podemos visualizar essas transformaes como segue.
J definimos a funo composta como a aplicao de V em W definida por . Mostre-
mos que linear sempre que F e G forem lineares. De fato, dados vetores e escalares
quaisquer, temos
Assim, linear.
A composio de transformaes lineares e as operaes de soma e multiplicao por escalar esto relaciona-
das como segue.
_Book_Lipschutz.indb 181 22/12/10 09:00
LGEBRA LINEAR
182
Teorema 5.12 Se V, U e W so espaos vetoriais sobre K e
so transformaes lineares, ento
(i) ,
(ii) ,
(iii) , com qualquer escalar k K.
5.7 A LGEBRA A(V

) DOS OPERADORES LINEARES
Seja V um espao vetorial sobre um corpo K. Nesta seo consideramos o caso particular das transformaes line-
ares do espao vetorial V nele mesmo, ou seja, das transformaes lineares da forma . Essas transfor-
maes lineares de V em V so denominadas operadores lineares de V. Escrevemos A(V), em vez de Hom(V, V),
para o espao de todos os operadores de V.
Em particular, A(V) um espao vetorial sobre K (Teorema 5.10) e, se dim V n, ento dim A(V) n
2
. Alm
disso, dados operadores , existe a composta , que tambm pertence a A(V). Dessa forma, temos
uma multiplicao em A(V). [s vezes, escrevemos GF em vez de no espao A(V).]
OBSERVAO Uma lgebra A sobre um corpo K um espao vetorial sobre K no qual est definida uma opera-
o de multiplicao que satisfaz, para e quaisquer,
(i)
(ii)
(iii)
Dizemos que uma lgebra associativa se, alm disso, (FG)H F(GH).
A definio de lgebra e teoremas precedentes fornecem o resultado seguinte.
Teorema 5.13 Seja V um espao vetorial sobre K. Ento A(V) uma lgebra associativa sobre K em relao
composio de operadores. Se dim V n, ento dim A(V) n
2
.
Por essa razo dizemos que A(V) a lgebra dos operadores lineares de V.
Polinmios e operadores lineares
Observe que a transformao identidade pertence a A(V). Tambm, dado qualquer operador linear F em
A(V), temos FI IF F. Podemos, tambm, definir potncias de F, como segue.
Alm disso, dado qualquer polinmio p(t) sobre K, digamos,
podemos formar o operador linear p(F), definido por
(Dado um escalar k qualquer, o operador kI , s vezes, denotado simplesmente por k.) Em particular, dizemos que
F um zero do polinmio p(t) se p(F) 0.
Exemplo 5.11 Seja definido por F(x, y, z) (0, x, y). Dado qualquer , temos
Assim, F
3
0, o operador nulo de A(V). Isso significa que F um zero do polinmio p(t) t
3
.
_Book_Lipschutz.indb 182 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 183
Matrizes quadradas como operadores lineares
Seja o espao vetorial de todas as matrizes quadradas de ordem n sobre K. Ento qualquer matriz A em
M define uma transformao linear por meio de F
A
(u) Au (escrevendo os vetores de K
n
como
colunas). Como essa transformao de K
n
em si mesmo, a matriz quadrada um operador linear e no apenas
uma transformao linear.
Se A e B so matrizes de M, ento o produto AB est definido. Alm disso, dado qualquer vetor (coluna) u de K
n
,
Em outras palavras, o produto matricial AB corresponde composio de A e B como transformaes lineares.
Analogamente, a soma matricial A B corresponde soma de A e B como transformaes lineares e a multiplica-
o por escalar kA corresponde ao mltiplo escalar de kA de A como uma transformao linear.
Operadores invertveis em A(V

)
Seja um operador linear. Dizemos que F invertvel se possuir uma inversa, ou seja, se existir em A(V)
tal que . Por outro lado, F invertvel como uma aplicao se for injetora e sobre. Nesse caso, a
aplicao inversa tambm linear e a inversa de F como operador linear (demonstrado no Problema 5.15).
Suponha que F seja invertvel. Ento apenas pode ser levado em si mesmo e, portanto, F no singular.
A recproca no verdadeira, conforme exemplo a seguir.
Exemplo 5.12 Seja V P(t) o espao vetorial dos polinmios sobre K. Seja F o operador de V que aumenta uma
unidade em cada expoente de t, ou seja,
Ento, F um operador no singular de V. Contudo, F no sobre, portanto, F no invertvel.
O espao vetorial V P(t) desse exemplo de dimenso infinita. A situao muda completamente se V tem
dimenso finita, conforme teorema a seguir.
Teorema 5.14 Seja F um operador linear de um espao vetorial V de dimenso finita. Ento as quatro condies
seguintes so equivalentes.
(i) F no singular: Nuc F {0}. (iii) F uma aplicao sobre.
(ii) F uma aplicao injetora. (iv) F um operador invertvel.
A demonstrao desse teorema decorre, essencialmente, do Teorema 5.6, que afirma que
dim V dim(Nuc F) dim(Im F)
Pela Proposio 5.8, (i) e (ii) so equivalentes. Observe que (iv) equivalente a (ii) e (iii). Assim, para demonstrar
o teorema, basta provar que (i) e (iii) so equivalentes, conforme segue.
(a) Suponha que (i) seja vlida. Ento dim(Nuc F) 0, portanto, a equao fornece dim V dim(Im F), o que signi-
fica que V Im F, ou seja, que F sobrejetora. Assim, (i) implica (iii).
(b) Suponha que (iii) seja vlida. Ento V Im F e, portanto, dim V dim(Im F). Agora a equao fornece dim(Nuc
F) 0 e, portanto, F no singular. Assim, (iii) implica (i).
Dessa forma, as quatro condies do teorema so equivalentes.
OBSERVAO Suponha que A seja uma matriz quadrada de ordem n sobre K. Ento A pode ser vista como
um operador linear de K
n
. Como K
n
tem dimenso finita, vale o Teorema 5.14 para a matriz quadrada A. Esse o
motivo pelo qual podemos usar os termos no singular e invertvel sem distino quando aplicados a matrizes
quadradas.
Exemplo 5.13 Seja F o operador linear de definido por F(x, y) (2x y, 3x 2y).
(a) Para mostrar que F invertvel, basta mostrar que F no singular. Tomamos F(x, y) (0, 0) e obtemos o
sistema homogneo
2x y 0 e 3x 2y 0
_Book_Lipschutz.indb 183 22/12/10 09:00
LGEBRA LINEAR
184
Resolvendo em x e y, obtemos x 0 e y 0. Logo, F no singular e, portanto, invertvel.
(b) Para determinar uma frmula para , tomamos F(x, y) (s, t) e, portanto, . Temos
Resolvendo x e y em termos de s, t, obtemos x 2s t e y 3s 2t. Assim,
em que reescrevemos a frmula para usando x e y em vez de s e t.
Problemas Resolvidos
Aplicaes
5.1 Decida se os diagramas da Figura 5-3 definem aplicaes de A {a, b, c} em B {x, y, z}.
(a) No. No h coisa alguma associada ao elemento .
(b) No. Os dois elementos x e z esto associados a .
(c) Sim.
Figura 5-3
5.2 Sejam definidas pela Figura 5-4.
(a) Encontre a aplicao composta .
(b) Encontre as imagens das aplicaes .
Figura 5-4
(a) Usando a definio de aplicao composta, calculamos
Observe que alcanamos o mesmo resultado seguindo as setas na Figura 5-4.
_Book_Lipschutz.indb 184 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 185
(b) Pela Figura 5-4, os valores da imagem de f so x e y e os valores da imagem de g so r, s, t. Logo,
Im f {x, y} e Im g {r, s, t}
Tambm, pela parte (a), os valores da imagem da composta so t e s. Logo, . Observe que as
imagens de g e so diferentes.
5.3 Considere a aplicao definida por . Encontre
(a) , ou seja, todos tais que F( ) 0.
(a) Substitumos na frmula de F para obter .
(b)
.
(c) Tomemos F( ) 0, com (x, y, z) e resolvamos em x, y, z.
Assim, x 0 e y 0, ou z 0. Em outras palavras, x 0, y 0 ou x 0, z 0, isto , o eixo z unido com o eixo y.
5.4 Considere a aplicao definida por F(x, y) (3y, 2x). Seja S o crculo unitrio de , ou seja,
o conjunto soluo de . (a) Descreva F(S); (b) Encontre .
(a) Seja (a, b) um elemento de F(S). Ento existe algum tal que F(x, y) (a, b). Logo,
Como , ou seja, , temos
Assim, F(S) uma elipse.
(b) Seja F(x, y) (a, b), com (a,b) . Ento (3y, 2x) (a, b), ou 3y a, 2x b. Como , temos
Assim, e, portanto, a elipse .
5.5 Sejam as aplicaes definidas pela Figura 5-5. Decida se cada uma
dessas aplicaes (a) injetora; (b) sobre; (c) invertvel (ou seja, possui inversa).
(a) A aplicao injetora, pois cada elemento tem uma imagem diferente. A aplicao no
injetora porque ambos x e z tm a mesma imagem 4. A aplicao injetora.
(b) A aplicao no sobre, porque no a imagem de elemento algum de A. A aplicao
sobre, pois cada elemento de C a imagem de algum elemento de B. A aplicao tambm
sobrejetora.
(c) Uma aplicao tem uma inversa se, e s se, injetora e sobre. Logo, somente h tem uma inversa.
Figura 5-5
_Book_Lipschutz.indb 185 22/12/10 09:00
LGEBRA LINEAR
186
5.6 Sejam e , portanto, existe . Demonstre.
(a) Se f e g so injetoras, ento injetora.
(b) Se f e g so sobrejetoras, ento sobrejetora.
(c) Se injetora, ento f injetora.
(d) Se sobrejetora, ento g sobrejetora.
(a) Suponha que . Ento . Como g injetora, f(x) f(y). Como f injetora,
x y. Assim, provamos que implica x y e, portanto, injetora.
(b) Seja . Como g sobre, existe para o qual g(b) c. Como f sobre, existe para o qual f(a) b.
Assim, e, portanto, sobre.
(c) Suponha que f no seja injetora. Ento existem elementos distintos para os quais f(x) f(y). Assim,
e, portanto, no injetora. Isso prova que, se injetora,
ento f necessariamente injetora.
(d) Dado , temos . Logo, . Supondo que g no seja sobrejetora,
g(B) estar contido propriamente em C e, portanto, estar contido propriamente em C, de modo que
no ser sobre. Isso prova que, se sobre, ento g sobre.
5.7 Prove que possui uma inversa se, e s se, f injetora e sobre.
Suponha que f possua uma inversa, ou seja, que exista uma funo para a qual e

. Como 1
A
injetora, f injetora pelo Problema 5.6(c) e, como 1
B
sobre, f sobre pelo Problema 5.6(d). Assim, f
injetora e sobrejetora.
Agora suponha que f seja injetora e sobrejetora. Ento cada a imagem de um nico elemento de A, digamos, .
Assim, se ento ; logo, . Seja, agora, g a aplicao de B para A definida por . Temos
(i) para cada e, portanto, .
(ii) para cada e, portanto, .
Isso mostra que f possui uma inversa, a saber, a aplicao g.
5.8 Seja definida por f(x) 2x 3. Ocorre que f injetora e sobre, portanto, possui uma aplicao
inversa . Encontre uma frmula para .
Seja y a imagem de x pela aplicao f, ou seja, y 2x 3. Ento x a imagem de y pela aplicao inversa . Assim,
resolvemos essa equao para x em termos de y para obter Ento a frmula que define a funo inversa
ou, usando x em vez de y,
Transformaes lineares
5.9 Seja a aplicao definida por F(x, y) (x y, x). Mostre que F linear.
Devemos mostrar que F( w) F( ) F(w) e que F(k ) kF( ), onde e w so elementos quaisquer de e k um
escalar qualquer. Sejam (a, b) e . Ento
Temos F( ) (a b, a) e . Assim,
e
Como , w, k so arbitrrios, temos que F linear.
_Book_Lipschutz.indb 186 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 187
5.10 Seja a aplicao definida por F(x, y, z) (x y z, 2x 3y 4z). Mostre que F linear.
Vamos argumentar com matrizes. Escrevendo vetores como colunas, a aplicao F pode ser escrita na forma F( ) A
, onde e
Ento, usando propriedades de matrizes, obtemos
e
Assim, F linear.
5.11 Mostre que no so lineares as aplicaes dadas.
(a) definida por .
(b) definida por .
(c) definida por .
(a) Sejam (1, 2) e w (3, 4). Ento w (4, 6), bem como
Logo,
(b) Como , F no pode ser linear.
(c) Sejam (1, 2, 3) e k 3. Ento k (3, 6, 9). Temos
Assim,
Por isso, F no linear.
5.12 Seja V o espao vetorial das matrizes reais quadradas de ordem n. Seja M uma matriz arbitrria fixada de V.
Seja definida por F(A) AM MA, para cada matriz A de V. Mostre que F linear.
Dadas matrizes A e B de V quaisquer e um escalar k qualquer, temos
e
Assim, F linear.
5.13 Demonstre o Teorema 5.2. Sejam V e U espaos vetoriais sobre um corpo K. Sejam {
1
,
2
, ...,
n
} uma base
de V e u
1
, u
2
, ..., u
n
vetores quaisquer de U. Ento existe uma nica transformao linear tal que
A demonstrao ser dividida em trs etapas. (1) Definimos a aplicao de tal modo que

(2) Mostramos que F linear. (3) Mostramos a unicidade de F.
Passo 1 Seja . Como {
1
,
2
, ...,
n
} uma base de V, existem escalares nicos para os quais
. Denimos por
_Book_Lipschutz.indb 187 22/12/10 09:00
LGEBRA LINEAR
188
(Pela unicidade dos a
i
, a aplicao F est bem definida.) Agora, para i 1, ..., n,
Logo,
Assim, completamos o primeiro passo da demonstrao.
Passo 2 Sejam dados e . Ento
e, dado um escalar qualquer, . Pela definio da aplica-
o F,
Logo,
e
Assim, F linear.
Passo 3 Seja uma transformao linear tal que . Seja
Ento
Como G( ) F( ), para cada , resulta G F. Assim, F nica e o teorema est demons-
trado.
5.14 Seja a transformao linear tal que F(1, 2) (2, 3) e F(0, 1) (1, 4). [Observe que {(1, 2),
(0, 1)} uma base de , de modo que uma tal transformao linear F existe e nica, pelo Teorema 5.2.]
Encontre uma frmula para F, ou seja, obtenha F(a, b).
Escrevemos (a, b) como uma combinao linear de (1, 2) e (0, 1) usando incgnitas x e y.
, portanto, a x, b 2x y
Resolvemos x e y em termos de a e b, para obter x a, y 2a b. Ento
5.15 Seja uma transformao linear que injetora e sobre. Mostre que a aplicao inversa
tambm linear.
Sejam . Como F injetora e sobre, existem vetores nicos para os quais F( ) u e .
Como F linear, tambm temos
e F(r ) rF( ) ru
Pela definio de aplicao inversa,
F
1
(ru) r
Ento
e F
1
(ru) r rF
1
(u)
Assim, linear.
_Book_Lipschutz.indb 188 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 189
Ncleo e imagem de transformaes lineares
5.16 Seja a transformao linear definida por
Encontre uma base e a dimenso (a) da imagem de F, (b) do ncleo de F.
(a) Calculamos as imagens dos vetores da base cannica de .
Pela Proposio 5.4, os vetores imagem geram Im F. Logo, formamos a matriz cujas linhas so esses vetores ima-
gem e a reduzimos forma escalonada.
Assim, (1, 1, 1) e (0, 1, 2) formam uma base de Im F e, portanto, dim(Im F) 2.
(b) Tomamos F( ) 0, com (x, y, z, t), ou seja, tomamos
Igualando as entradas correspondentes, obtemos o sistema homogneo cujo espao soluo Nuc F.
As variveis livres so z e t. Logo, dim(Nuc F) 2.
(i) Tomando z 1, t 0 obtemos a soluo (2, 1, 1, 0).
(ii) Tomando z 0, t 1 obtemos a soluo (1, 2, 0, 1).
Assim, (2, 1, 1, 0) e (1, 2, 0, 1) formam uma base de Nuc F.
[Como era de se esperar, dim(Im F) dim(Nuc F) 2 2 4 , o domnio de F.]
5.17 Seja a transformao linear definida por
Encontre uma base e a dimenso (a) da imagem de G, (b) do ncleo de G.
(a) Calculamos as imagens dos vetores da base cannica de .
Pela Proposio 5.4, os vetores imagem geram Im G. Logo, formamos a matriz M cujas linhas so esses vetores
imagem e a reduzimos forma escalonada.
Assim, (1, 0, 1) e (0, 1, 1) formam uma base de Im G e, portanto, dim(Im G) 2.
(b) Tomamos G( ) 0, com (x, y, z), ou seja, tomamos
_Book_Lipschutz.indb 189 22/12/10 09:00
LGEBRA LINEAR
190
Igualando as entradas correspondentes, obtemos o sistema homogneo cujo espao soluo Nuc G.
A nica varivel livre z. Logo, dim(Nuc G) 1. Tomando z 1, obtemos y 1 e x 3. Assim, (3, 1,
1) forma uma base de Nuc G. [Como era de se esperar, dim(Im G) dim(Nuc G) 2 1 3 , o
domnio de G.]
5.18 Considere a transformao matricial , com . Encontre uma base e a

dimenso (a) da imagem de A, (b) do ncleo de A.
(a) O espao coluna de A igual a Im A. Logo, reduzimos forma escalonada.
Assim, {(1, 1, 3), (0, 1, 2)} uma base de Im A e, portanto, dim(Im A) 2.
(b) Sabemos que Nuc A o espao soluo do sistema homogneo AX 0, com X (x, y, z, t)
T
. Logo, reduzimos a
matriz A de coeficientes forma escalonada.
As variveis livres so z e t. Logo, dim(Nuc A) 2.
(i) Tomando z 1, t 0 obtemos a soluo (1, 2, 1, 0).
(ii) Tomando z 0, t 1 obtemos a soluo (7, 3, 0, 1).
Assim, (1, 2, 1, 0) e (7, 3, 0, 1) formam uma base de Nuc A.
5.19 Encontre uma transformao linear cuja imagem seja gerada por (1, 2, 0, 4) e (2, 0, 1, 3).
Formamos a matriz cujas colunas consistem somente nos vetores dados, digamos,
Como A determina uma transformao linear cuja imagem gerada pelas colunas de A, vemos que a
transformao matricial A satisfaz o exigido.
5.20 Suponha que seja linear com ncleo W e que f( ) u. Mostre que a classe lateral
a pr-imagem de u, ou seja,
Precisamos provar que (i) e (ii) .
Comeamos com (i). Seja . Ento , de modo que
ou seja, . Assim, e, portanto, .
_Book_Lipschutz.indb 190 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 191
Agora provamos (ii). Seja . Ento , com . Como W o ncleo de f, temos f(w) 0.
Dessa forma,
Assim, e, portanto, .
Essas duas incluses implicam .
5.21 Sejam lineares. Prove que
(a) pos

pos , (b) pos pos
(a) Como , tambm temos e, portanto, . Ento
pos pos .
(b) Temos . Logo,
pos pos
5.22 Demonstre o Teorema 5.3. Seja uma transformao linear. Ento
(a) Im F um subespao de U, (b) Nuc F um subespao de V.
(a) Como F(0) 0, temos . Sejam, agora, . Como u e pertencem imagem de
F, existem vetores tais que F( ) u e . Ento
Assim, a imagem de F um subespao de U.
(b) Como F(0) 0, temos Nuc F. Sejam, agora, . Como e w pertencem ao ncleo de
F, F( ) 0 e F(w) 0. Assim,
e, portanto, Nuc F
Assim, o ncleo de F um subespao de V.
5.23 Demonstre o Teorema 5.6. Sejam V um espao de dimenso finita e uma transformao linear.
Ento
dim V dim(Nuc F) dim(Im F) nul(F) pos(F)
Suponha que dim(Nuc F) r, que {w
1
, ..., w
r
} seja uma base de Nuc F, que dim(Im F) s e que {u
1
, ..., u
s
} seja uma
base de Im F. (Pela Proposio 5.4, Im F tem dimenso finita.) Como cada , existem vetores
1
, ...,
s
de V tais
que . Afirmamos que o conjunto
uma base de V, ou seja, que (i) B gera V e (ii) B linearmente independente. Uma vez demonstrados (i) e (ii), resulta
que dim V r s dim(Nuc F) dim(Im F).
(i) B gera V. Seja . Ento . Como os u
j
geram Im F, existem escalares a
1
, ..., a
s
tais que
. Denotemos . Ento
Assim, Nuc F. Como os W
i
; geram Nuc F, existem escalares b
1
, ..., b
r
tais que
Em vista disso,
Assim, B gera V.
_Book_Lipschutz.indb 191 22/12/10 09:00
LGEBRA LINEAR
192
(ii) B linearmente independente. Suponha que
(1)
com . Ento
(2)
Mas F(w
i
) 0, pois
Nuc F
, e F(
j
) u
j
. Substituindo em (2), obtemos . Como os u
j

so linearmente independentes, cada y
j
0. Substituindo em (1), obtemos . Como os w
i

so linearmente independentes, cada x
i
0. Assim, B linearmente independente.
Transformaes lineares singulares e no singulares, isomorfismos
5.24 Decida se a transformao linear dada no singular. Se no for, encontre um vetor no nulo cuja imagem
seja 0.
(a) definida por
.
(b) , definida por .
(a) Encontramos Nuc F tomando F( ) 0, com (x, y), obtendo
A nica soluo x 0, y 0. Assim, F no singular.
(b) Tomamos G(x, y) (0, 0) para encontrar Nuc G.
O sistema tem solues no nulas, porque y uma varivel livre. Logo, G singular. Tomando y 1, obtemos a
soluo (2, 1), que um vetor no nulo tal que G( ) 0.
5.25 A transformao linear definida por no singular, segundo o
Problema 5.24 precedente. Encontre uma frmula para .
Tomando F(x, y) (a, b), temos . Calculando,
Resolvendo x e y em termos de a e b, obtemos x 2a b, y a b. Assim,
(A segunda equao foi obtida substituindo a e b por x e y, respectivamente.)
5.26 Seja definida por .
(a) Mostre que G no singular. (b) Encontre uma frmula para .
(a) Tomamos G(x, y) (0, 0, 0) para encontrar Nuc G. Temos
A nica soluo x 0, y 0, portanto, G no singular.
(b) Embora G seja no singular, no invertvel, porque tm dimenses diferentes. (Assim, no podemos
aplicar o Teorema 5.9.) Em vista disso, no existe .
_Book_Lipschutz.indb 192 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 193
5.27 Suponha que seja linear com V seja de dimenso finita. Mostre que V e a imagem de F tm
a mesma dimenso se, e s se, F no singular. Encontre todas as transformaes lineares no singulares
.
Pelo Teorema 5.6, dim V dim(Im F) dim(Nuc F). Logo, V e Im F tm a mesma dimenso se, e somente se,
dim(Nuc F) 0, ou Nuc F {0} (ou seja, se, e s se, F no singular).
Como menor do que , temos que dim(Im T) menor do que a dimenso do domnio de T. Em vista
disso, nenhuma transformao linear pode ser no singular.
5.28 Demonstre o Teorema 5.7. Seja uma transformao linear no singular. Ento a imagem de
qualquer conjunto linearmente independente linearmente independente.
Suponha que
1
,
2
, ...,
n
sejam vetores linearmente independentes de V. Afirmamos que F(
1
), F(
2
), ..., F(
n
) tambm
so linearmente independentes. Suponha que , com . Como F linear,
. Logo,

Nuc F
Mas F no singular, ou seja, Nuc F {0}. Logo, . Como os
i
so linearmente inde-
pendentes, todos os a
i
so nulos. Por isso, os F(
i
) so linearmente independentes. Assim, demonstramos o teorema.
5.29 Demonstre o Teorema 5.9. Seja V um espao vetorial de dimenso finita e suponha que dim V dim U.
Seja linear. Ento F um isomorfismo se, e s se, F no singular.
Se F um isomorfismo, ento somente 0 levado em 0, de modo que F no singular. Reciprocamente, suponha que F
seja no singular. Ento dim(Nuc F) 0. Pelo Teorema 5.6, dim V dim(Nuc F) dim(Im F). Assim,
Como U tem dimenso finita, Im F U. Isso significa que F leva V sobre U. Assim, F injetora e sobre, ou seja, um
isomorfismo.
Operaes com transformaes lineares
5.30 Defina e por Encontre
frmulas que definam as transformaes (a) F G, (b) 3F, (c) 2F 5G.
5.31 Sejam e definidas por . Deduza
frmulas que definam as transformaes .
(a)
(b) A aplicao no est definida, porque a imagem de G no est contida no domnio de F.
5.32 Demonstre. (a) A transformao nula 0, definida por 0 , para cada , o elemento nulo de
Hom(V, U). (b) O negativo de a transformao (1)F, ou seja, F (1)F.
Seja . Ento, para cada ,
Como , para cada , temos F 0 F. Analogamente, 0 F F.
Logo, F (1)F 0. Analogamente, (1)F F 0. Assim, F (1)F.
_Book_Lipschutz.indb 193 22/12/10 09:00
LGEBRA LINEAR
194
5.33 Suponha que F
1
, F
2
, ..., F
n
sejam transformaes lineares de V em U. Mostre que, dados escalares a
1
, a
2
, ...,
a
n
quaisquer e um vetor qualquer,
A transformao a
1
F
1
definida por (a
1
F
1
)( ) a
1
F
1
( ). Logo, a afirmao vlida para n 1. Dessa forma, por in-
duo, obtemos
5.34 Considere as transformaes lineares definidas por
Mostre que F, G, H so linearmente independentes [como elementos de ].
Dados escalares , suponha que
0 (1)
(Aqui, 0 a transformao nula.) Para , temos 0(e
1
) (0, 0) e
Assim, por (1), (a 2b, a b c) (0, 0) e, portanto,
a 2b 0 e a b c 0 (2)
Analogamente, para , temos 0(e
2
) (0, 0) e
Assim,
a 2c 0 e a b 0 (3)
Usando (2) e (3), obtemos
a 0, b 0, c 0 (4)
Como (1) implica (4), as transformaes F, G, H so linearmente independentes.
5.35 Seja k um escalar no nulo. Mostre que uma transformao linear T singular se, e s se, kT singular. Em
particular, T singular se, e s se, T singular.
Suponha que T seja singular. Ento T( ) 0, para algum vetor . Logo,
(kT)( ) kT( ) k0 0
e, portanto, kT singular.
Agora, suponha que kT seja singular. Ento (kT)(w) 0, para algum vetor . Logo,
T(kw) kT(w) (kT)(w) 0
Mas, e implicam Assim, T singular.
5.36 Encontre a dimenso d de
Usamos que dim[Hom(V, U)] mn se dim V m e dim U n.
(a) d 3(4) 12. (c) Como
(b) d 5(3) 15. (d) Como
_Book_Lipschutz.indb 194 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 195
5.37 Demonstre o Teorema 5.11. Se dim V m e dim U n, ento dim[Hom(V, U)] mn.
Sejam {
1
, ...,
m
} uma base de V e {u
1
, ..., u
n
} uma base de U. Pelo Teorema 5.2, cada transformao linear de Hom(V,
U) fica univocamente determinada associando valores arbitrrios de U aos elementos
i
da base de V. Definimos
como sendo a transformao linear dada por F
ij
(
i
) u
j
e F
ij
(
k
) 0, com . Ou seja, F
ij
leva
i
em u
j
e os demais
em 0. Observe que {F
ij
} contm exatamente mn elementos. Dessa forma, o teorema estar demonstrado se mostrarmos
que esse conjunto uma base de Hom(V, U).
Demonstremos que{F
ij
} gera Hom(V, U). Considere uma transformao arbitrria. Sejam F(
1
) w
1
,
F(
2
) w
2
, ..., F(
m
) w
m
. Como , cada w
k
uma combinao linear dos u
i
, digamos,
(1)
Considere a transformao linear . Como G uma combinao linear dos F
ij
, a demonstrao de

que {F
ij
} gera Hom(V, U) termina se mostrarmos que F G.
Para isso, calculamos G(
k
), para k 1, ..., m. Como F
ij
(
k
) 0, para , e F
ki
(
k
) u
i
, temos
Assim, por (1), G(
k
) w
k
, para cada k. Mas F(
k
) w
k
, para cada k. Em vista disso, pelo Teorema 5.2, F G. Assim,
{F
ij
} gera Hom(V, U).
Demonstremos que{F
ij
} linearmente independente. Considere escalares tais que
0
Para cada
k
, com k 1, ..., m,
Mas os u
i
so linearmente independentes, portanto, para k 1, ..., m, temos . Em outras
palavras, todos os c
ij
0 e, portanto, {F
ij
} linearmente independente.
5.38 Demonstre o Teorema 5.12.

(i) Dado qualquer,
Assim,
(ii) Dado qualquer,
Assim, .
(iii) Dado qualquer,
e
_Book_Lipschutz.indb 195 22/12/10 09:00
LGEBRA LINEAR
196
Por isso, . (Enfatizamos que a maneira de demonstrar que duas aplicaes so
iguais consiste em mostrar que cada uma delas associa a mesma imagem a cada ponto do domnio.)
lgebra das transformaes lineares
5.39 Sejam F e G os operadores lineares de definidos por F(x, y) (y, x) e G(x, y) (0, x). Encontre frmulas
que definam os operadores dados.
(e) (Observe que F
2
I, o operador identidade.)
(f) (Observe que G
2
0, o operador nulo.)
5.40 Considere o operador T de definido por T(x, y, z) (2x, 4x y, 2x 3y z). (a) Mostre que T inver-
tvel. Encontre frmula para
(a) Seja W Nuc T. Basta mostrar que T no singular (ou seja, que W {0}.) Tomando T(x, y, z) (0, 0, 0),
obtemos
T(x, y, z) (2x, 4x y, 2x 3y z) (0, 0, 0)
Assim, W o espao soluo do sistema homogneo
2x 0, 4x y 0, 2x 3y z 0
cuja nica soluo a trivial (0, 0, 0). Logo, W {0}. Assim, T no singular e, portanto, invertvel.
(b) Tomemos T(x, y, z) (r, s, t) [e, portanto, .] Temos
Resolvendo x, y, z em termos de r, s, t, obtemos . Assim,
(c) Aplicamos T duas vezes para obter
(d) Aplicamos duas vezes para obter
5.41 Sejam V um espao de dimenso finita e T um operador linear de V para o qual TR I, para algum operador
linear R de V. (Dizemos que R uma inversa direita de T.)
(a) Mostre que T invertvel. (b) Mostre que
(c) D um exemplo mostrando que as afirmaes precedentes no valem se V for de dimenso infinita.
_Book_Lipschutz.indb 196 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 197
(a) Seja dim V n. Pelo Teorema 5.14, T invertvel se, e s se, T sobre, de modo que invertvel se, e s se,
pos(T) n. Temos pos

pos pos . Logo, pos(T) n e T invertvel.
(b) . Ento
(c) Seja V o espao dos polinmios em t sobre K, digamos, do tipo . Sejam T e R
os operadores de V definidos por
Temos
e, portanto, TR I, o operador identidade. Por outro lado, se , ento
Por isso, .
5.42 Sejam F e G operadores lineares de definidos por F(x, y) (0, x) e G(x, y) (x, 0). Mostre que (a) GF
0, o operador nulo, mas 0. (b) G
2
G.
(a) . Como GF associa 0 (0, 0) a cada vetor (x,y) , o operador
nulo, ou seja, GF 0.
Por outro lado, . Por exemplo, (FG)(2, 3) (0, 2). Assim,

0, pois no associa 0 (0, 0) a cada vetor de .
(b) Dado qualquer vetor (x, y) em , temos . Logo, G
2
G.
5.43 Encontre as dimenses de .
Usamos que dim[A(V)] n
2
se dim V n. Logo,
5.44 Seja E um operador linear de V para o qual E
2
E. (Tais operadores so denominados idempotentes.) Sejam
U a imagem e W o ncleo de E. Prove as afirmaes seguintes.
(a) Se , ento E(u) u (ou seja, E a transformao identidade em U).
(b) Se , ento E singular (ou seja, E( ) 0, para algum ).
(c)
(a) Se , ento E( ) u para algum . Logo, usando E
2
E, obtemos
(b) Se , ento E( ) u, para algum , com . Por (a), E(u) u. Assim,
com
(c) Mostremos que V U W. Seja . Tomemos u E( ) e w E( ). Ento
Por definio, a imagem de E. Agora mostramos que , o ncleo de E, como segue.
Logo, . Assim, V U W.
Agora mostremos que Dado , temos E( ) pela parte (a), pois . Como
. Logo, E( ) 0 e, assim,
As duas propriedades demonstradas implicam que
_Book_Lipschutz.indb 197 22/12/10 09:00
LGEBRA LINEAR
198
Problemas Complementares
Aplicaes
5.45 Encontre o nmero de aplicaes diferentes de (a) {1, 2} em {1, 2, 3}, (b) {1, 2, ..., r} em {1, 2, ..., s}.
5.46 Sejam e definidas por e . Encontre frmulas que definam as
aplicaes compostas
5.47 Para cada aplicao , encontre uma frmula para a inversa.
5.48 Dada qualquer aplicao , mostre que .
Transformaes lineares
5.49 Mostre que so lineares as aplicaes dadas.
(a) definida por
(b) definida por , com a, b, c, d escalares reais.
5.50 Mostre que no so lineares as aplicaes dadas.
(a) definida por .
(b) definida por .
(c) definida por .
(d) definida por .
5.51 Encontre F(a, b) se a transformao linear definida por F(1, 2) (3, 1) e F(0, 1) (2, 1).
5.52 Encontre uma matriz A que leve
(a) e em e , respectivamente.
(b) e em e , respectivamente.
5.53 Encontre uma matriz singular B que leve em .
5.54 Seja V o espao vetorial de todas as matrizes reais quadradas de ordem n e seja M uma matriz no nula de V fixada.
Mostre que as duas primeiras aplicaes dadas so lineares, mas no a terceira. (a) T(A) MA, (b) T(A) AM MA,
(c) T(A) M A.
5.55 D um exemplo de uma aplicao no linear tal que mas F no injetora.
5.56 Sejam definida por e S o crculo unitrio de . (S consiste nos pontos
satisfazendo ) Encontre (a) a imagem F(S), (b) a pr-imagem
5.57 Considere a transformao linear definida por e a esfera uni-
tria S
2
em , que consiste nos pontos satisfazendo Encontre
5.58 Seja H o plano x 2y 3z 4 de e seja G a transformao linear do Problema 5.57. Encontre
5.59 Seja W um subespao de V. A aplicao incluso definida por i(w) w, para cada . Mostre que a
incluso linear.
5.60 Seja uma transformao linear. Mostre que F( ) F( ).
_Book_Lipschutz.indb 198 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 199
Ncleo e imagem de transformaes lineares
5.61 Para cada uma das transformaes lineares F dadas, encontre uma base e a dimenso do ncleo e da imagem de F.
(a) definida por
(b) definida por
5.62 Para cada uma das transformaes lineares G dadas, encontre uma base e a dimenso do ncleo e da imagem de G.
(a) definida por
(b) definida por
(c) definida por
5.63 Cada uma das matrizes seguintes determina uma transformao linear de em .
Encontre uma base, bem como a dimenso, do ncleo e da imagem de cada transformao linear.
5.64 Encontre uma transformao linear cuja imagem seja gerada por (1, 2, 3) e (4, 5, 6).
5.65 Encontre uma transformao linear cujo ncleo seja gerado por (1, 2, 3, 4) e (0, 1, 1, 1).
5.66 Seja V P
10
(t) o espao vetorial dos polinmios de grau . Considere a transformao linear , onde D
4

denota a derivada quarta . Encontre uma base e a dimenso (a) da imagem de D
4
; (b) do ncleo de D
4
.
5.67 Suponha que seja linear. Mostre que (a) a imagem de qualquer subespao de V um subespao de U; (b) a
pr-imagem de qualquer subespao de U um subespao de V.
5.68 Mostre que, se sobre, ento Encontre todas as transformaes lineares que
so sobre.
5.69 Considere a transformao nula 0 definida por 0( ) 0, para cada de V. Encontre o ncleo e a imagem de 0.
Operaes com transformaes lineares
5.70 Sejam e definidas por e . Encontre frmu-
las que definam as transformaes F G e 3F 2G.
5.71 Seja definida por . Usando as transformaes lineares F e G do Problema 5.70, encontre frmu-
las que definam as transformaes
5.72 Mostre que as transformaes lineares F, G, H dadas so linearmente independentes.
(a) definidas por .
(b) definidas por
5.73 Dadas , mostre que pos

pos

pos

(Aqui, V tem dimenso finita.)
5.74 Sejam e lineares. Mostre que, se F e G so no singulares, ento no singular. D um
exemplo em que no singular, mas G no . [Sugesto: considere dim V < dim U.]
_Book_Lipschutz.indb 199 22/12/10 09:00
LGEBRA LINEAR
200
5.75 Encontre a dimenso d de
5.76 Decida se a transformao linear dada no singular. Se no for, encontre um vetor no nulo cuja imagem seja 0; caso
contrrio, encontre uma frmula para a transformao inversa.
(a) definida por
(b) definida por
(c) definida por
5.77 Quando ocorre dim[Hom(V, U)] dim V?
lgebra dos operadores lineares
5.78 Sejam F e G os operadores lineares de definidos por F(x, y) (x y, 0) e G(x, y) (y, x). Encontre as frmulas
que definem os operadores lineares (a) F G, (b) 5F 3G, (c) FG, (d) GF, (e) F
2
, (f) G
2
.
5.79 Mostre que cada operador linear T de dado no singular e encontre uma frmula para .

5.80 Mostre que cada um dos operadores lineares T de dados no singular e encontre uma frmula para .
5.81 Encontre a dimenso de A(V), nos casos
5.82 Quais dos inteiros dados pode ser a dimenso de uma lgebra A(V) de operadores? 5, 9,12, 25, 28, 36, 45, 64, 88, 100.
5.83 Seja T o operador linear de definido por . Encontre uma frmula para f(T), nos casos
dados. .
Problemas variados
5.84 Sejam linear e k um escalar no nulo. Prove que as transformaes F e kF tm o mesmo ncleo e a mesma
imagem.
5.85 Sejam F e G operadores lineares de V. Suponha que F seja no singular e que a dimenso de V seja finita. Mostre que
pos(FG) pos (GF) pos(G).
5.86 Sejam V um espao de dimenso finita e T um operador linear de V tal que pos(T
2
) pos(T). Mostre que
Nuc T Im T {0}.
5.87 Suponha que . Sejam E
1
e E
2
os operadores lineares de V definidos por E
1
( ) u, E
2
( ) w, com
u w, , w W. Mostre que (ou seja, E
1
e E
2
so projees); (b) E
1
E
2
I,
o operador identidade; (c) E
1
E
2
0 e E
2
E
1
0.
5.88 Sejam E
1
e E
2
operadores lineares de V quaisquer que satisfazem as condies (a), (b) e (c) do Problema 5.87. Prove que
5.89 Sejam e w elementos de um espao vetorial real V. O segmento de reta L de a w definido como o conjunto de
vetores tw, com . (Ver Figura 5-6.)
(a) Mostre que o segmento de reta L entre os vetores e u consiste nos pontos
, com , com .
_Book_Lipschutz.indb 200 22/12/10 09:00
CAPTULO 5 TRANSFORMAES LINEARES 201
(b) Seja linear. Mostre que a imagem F(L) de um segmento de reta L de V um segmento de reta de U.
Figura 5-6
5.90 Seja linear e W um subespao de V. A restrio de F a W a aplicao definida por
, para cada de W. Prove que
(a) F|W linear; (b) Nuc (F|W) (Nuc F) ; (c) Im (F|W) F(W).
5.91 Um subconjunto X de um espao vetorial V dito convexo se o segmento de reta entre dois pontos (vetores)
quaisquer estiver contido em X. (a) Mostre que a interseo de conjuntos convexos um conjunto convexo; (b) Suponha
que seja linear e X convexo. Mostre que F(X) convexo.
Respostas dos Problemas Complementares
5.45
5.46
5.47
5.49 com
5.50 (a) u (2, 2), r 3; ento F(ru) (36, 36), mas rF(u) (12, 12); (b) ;
(c) u (1, 2), (3, 4); ento F(u ) (24, 6), mas F(u) F( ) (14, 6);
(d) u (1, 2, 3), r 2; ento F(ru) (2, 10), mas rF(u) (2, 10).
5.51
5.52 (a) ; (b) No existe. (2, 4) e (1, 2) so linearmente dependentes, mas (1, 1) e (1, 3) no so.
5.53

[Sugesto: levar em .]
5.55
5.56
_Book_Lipschutz.indb 201 22/12/10 09:00
LGEBRA LINEAR
202
5.57
5.58
5.61 (a)
(b)
5.62 (a) ;
(b)
(c)

5.63 (a)
(b)
5.64
5.65
5.66
5.68 No h, porque
5.69 Nuc 0 V, Im 0 {0}
5.70
5.71 no est definida;
5.74
5.75 (a) 16, (b) 15, (c) 24
5.76
(c) H no singular, mas no invertvel, porque
5.77 Se dim U 1, ou seja, se U K.
5.78


(observe que ); (f)
[Observe que , portanto, G um zero de .]
5.79
5.80
5.81 49, (b) 36, (c) 144
5.82 Os quadrados: 9, 25, 36, 64 e 100
5.83 , ou seja, f(T) 0
_Book_Lipschutz.indb 202 22/12/10 09:00
6.1 INTRODUO
Considere uma base S {u
1
, u
2
, ..., u
n
} de um espao vetorial V sobre um corpo K. Dado um vetor qualquer,
digamos que
Ento o vetor de coordenadas de em relao base S, que interpretamos como um vetor coluna (salvo meno
explcita em contrrio), denotado e definido por
Na Seo 4.11 vimos que a aplicao determinada pela base S, um isomorfismo entre V e K
n
.
Neste captulo mostramos que tambm existe um isomorfismo, determinado pela base S, entre a lgebra A(V)
dos operadores lineares de V e a lgebra M das matrizes quadradas de ordem n sobre K. Assim, a cada operador
linear corresponde a uma matriz quadrada [F]
S
de ordem n determinada pela base S. Tambm veremos
como nossa representao matricial varia quando escolhemos alguma outra base.
6.2 REPRESENTAO MATRICIAL DE UM OPERADOR LINEAR
Seja T um operador linear de um espao vetorial V nele mesmo e suponha que S {u
1
, u
2
, ..., u
n
} seja uma base de
V. Agora T(u
1
), T(u
2
), ..., T(u
n
) so vetores de V, portanto, cada um uma combinao linear dos vetores da base S,
digamos
Convm apresentar a definio seguinte.
DEFINIO A transposta da matriz de coeficientes [a
ij
], denotada por m
S
(T) ou [T]
S
, denominada representao
matricial de T em relao base S ou, simplesmente, matriz de T na base S. (O ndice S pode ser omitido se sou-
bermos qual a base S.)
Usando a notao de vetores de coordenadas (colunas), a representao matricial de T pode ser escrita na forma
Assim, as colunas de m(T) so, respectivamente, os vetores de coordenadas de T(u
1
), T(u
2
), ..., T(u
n
).
Transformaes
Lineares e Matrizes
Captulo 6
_Book_Lipschutz.indb 203 22/12/10 09:01
LGEBRA LINEAR
204
Exemplo 6.1 Seja o operador linear definido por F(x, y) (2x 3y, 4x 5y).
(a) Encontre a representao matricial de F em relao base
(1) Primeiro calculamos F(u
1
) e ento escrevemos esse vetor como uma combinao linear dos vetores da
base u
1
e u
2
. (Por convenincia notacional, utilizamos vetores coluna.) Temos
Resolvendo o sistema, obtemos x 52 e y 22. Logo, F(u
1
) 52u
1
22u
2
.
(2) Em seguida calculamos F(u
2
) e ento escrevemos esse vetor como uma combinao linear de u
1
e u
2
.
Temos
Resolvendo o sistema, obtemos x 129 e y 55. Logo, F(u
2
) 129u
1
55u
2
.
Agora escrevemos as coordenadas de F(u
1
) e F(u
2
) como colunas para obter a matriz
(b) Encontre a representao matricial de F em relao base cannica E {e
1
, e
2
} {(1, 0), (0, 1)}.
Encontramos F(e
1
) e escrevemos esse vetor como uma combinao linear dos vetores e
1
e e
2
da base ca-
nnica e, depois, encontramos F(e
2
) e escrevemos esse vetor como uma combinao linear de e
1
e e
2
. Temos
Observe que as coordenadas de F(e
1
) e F(e
2
) formam as colunas, e no as linhas, de [F]
E
. Observe, tambm,
que a aritmtica muito mais simples utilizando a base cannica de R
2
.
Exemplo 6.2 Seja V o espao vetorial das funes, de base S {sen t, cos t, e
3t
}, e seja o operador
diferencial definido por D(f(t)) d(f(t))/dt. Calculemos a representao matricial de D na base S.
Observe que as coordenadas de D(sen t), D(cos t) e D(e
3t
) so as colunas, no as linhas, de [D].
Transformaes matriciais e suas representaes matriciais
Considere a matriz A dada a seguir, que pode ser vista como um operador linear de R
2
, e a base S de R
2
.
(Escrevemos os vetores como colunas, porque nossa aplicao matricial.) Encontremos a representao matricial
de A em relao base S.
_Book_Lipschutz.indb 204 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 205
(1) Primeiro escrevemos A(u
1
) como uma combinao linear de u
1
e u
2
. Temos
Resolvendo o sistema, obtemos x 7, y 4. Assim, A(u
1
) 7u
1
4u
2
.
(2) Em seguida, escrevemos A(u
2
) como uma combinao linear de u
1
e u
2
. Temos
Resolvendo o sistema, obtemos x 6, y 1. Assim, A(u
2
) 6u
1
u
2
. Escrevendo as coordenadas de A(u
1
)
e A(u
2
) como colunas, obtemos a representao matricial de A, como segue.
OBSERVAO Se quisermos encontrar a representao matricial de A em relao base cannica E {e
1
, e
2
}
{[1, 0]
T
, [0, 1]
T
} de R
2
, calculamos
Observe que [A]
E
a matriz original A. Esse resultado vale em geral.
A representao matricial de qualquer matriz A n n sobre K em relao base
cannica E de K
n
a prpria matriz A, ou seja
Algoritmo para determinar representaes matriciais
Apresentamos a seguir um algoritmo para encontrar representaes matriciais. O primeiro Passo 0 opcional. Pode
ser til no Passo 1(b), que repetido para cada vetor de base.
Algoritmo 6.1 Dados um operador linear T de um espao vetorial V e uma base S {u
1
, u
2
, ..., u
n
} de V, calcu-
lamos a representao matricial [T]
S
.
Passo 0 Determine uma frmula para as coordenadas de um vetor arbitrrio em relao base S.
Passo 1 Repita, para cada vetor u
k
de S,
(a) Calcule T(u
k
).
(b) Escreva T(u
k
) como uma combinao linear dos vetores u
1
, u
2
, ..., u
n
da base S.
Passo 2 Forme a matriz [T]
S
, cujas colunas so os vetores de coordenadas do Passo 1(b).
Exemplo 6.3 Seja definida por F(x, y) (2x 3y, 4x 5y). Encontre a representao matricial
[F]
S
de F em relao base S {u
1
, u
2
} {(1, 2), (2, 5)}.
(Passo 0) Primeiro calculamos as coordenadas de em relao base S. Temos
_Book_Lipschutz.indb 205 22/12/10 09:01
LGEBRA LINEAR
206
Resolvendo x e y em termos de a e b, obtemos x 5a 2b, y 2a b. Assim,
(Passo 1) Agora calculamos F(u
1
) e escrevemos esse vetor como uma combinao linear de u
1
e u
2
usando a fr-
mula de (a, b) e, depois, repetimos esse processo para F(u
2
). Temos
(Passo 2) Finalmente, escrevemos as coordenadas de F(u
1
) e F(u
2
) como as colunas para obter a matriz procurada.
Propriedades da representao matricial
Nesta subseo mostramos as principais propriedades das representaes matriciais de operadores lineares T de um
espao vetorial V. Enfatizamos que sempre estamos considerando dada uma base S de V especfica dada.
Nosso primeiro teorema, demonstrado no Problema 6.9, nos diz que a ao de um operador linear T num
vetor preservada por sua representao matricial.
Teorema 6.1 Sejam um operador linear e S uma base (finita) de V. Ento, para qualquer vetor de V,
[T]
S
[ ]
S
[T( )]
S
.
Exemplo 6.4 Considere o operador linear F de R
2
e a base S do Exemplo 6.3, isto ,
Seja
Usando a frmula do Exemplo 6.3, obtemos
Verificamos o Teorema 6.1 para esse vetor (onde [F] foi obtida no Exemplo 6.3):
Dada uma particular base S de um espao vetorial V, associamos uma matriz [T] a cada operador linear T da
lgebra A(V) dos operadores lineares de V. O Teorema 6.1 nos diz que a ao de cada operador linear individual
T preservada por essa representao. Os prximos dois teoremas (demonstrados nos Problemas 6.10 e 6.11) nos
dizem que tambm so preservadas as trs operaes bsicas de A(V) com esses operadores, a saber, (i) a adio,
(ii) a multiplicao por escalar e (iii) a composio.
Teorema 6.2 Sejam V um espao de dimenso n sobre K, S uma base de V e M a lgebra das matrizes sobre
K. Ento a aplicao
um isomorfismo de espaos vetoriais. Isto , para quaisquer e valem
(i)
(ii)
(iii) m uma bijeo (injetora e sobre).
_Book_Lipschutz.indb 206 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 207
Teorema 6.3 Dados quaisquer operadores lineares
(onde representa a composio das aplicaes G e F).
6.3 MUDANA DE BASE
Seja V um espao vetorial de dimenso n sobre um corpo K. Mostramos que, uma vez selecionada uma base S de
V, cada vetor pode ser representado por meio de uma nupla [ ]
S
em K
n
e que cada operador linear T de A(V)
pode ser representado como uma matriz sobre K. natural formular a questo seguinte.
Como mudam essas representaes se selecionarmos uma outra base?
Para responder essa pergunta, precisamos de mais uma definio.
DEFINIO Sejam S {u
1
, u
2
, ..., u
n
} uma base do espao vetorial V e uma outra base.
(Para referncia futura, dizemos que S a base antiga e a base nova.) Como S uma base, cada vetor da base
nova pode ser escrito, de maneira nica, como uma combinao linear dos vetores de S, digamos,
Seja P a transposta dessa matriz de coeficientes, ou seja, P [p
ij
], onde p
ij
a
ji
. Ento P denominada matriz de
mudana de base (ou matriz de transio) da base antiga S para a base nova .
Destacamos as observaes seguintes.
OBSERVAO 1 A matriz de mudana de base P pode ser vista como a matriz cujas colunas so, respectivamen-
te, os vetores coluna de coordenadas dos novos vetores
i
da base em relao base antiga S, a saber,
OBSERVAO 2 Analogamente, existe uma matriz de mudana de base Q da nova base para a base anti-
ga S. Da mesma forma, Q pode ser vista como a matriz cujas colunas so, respectivamente, os vetores coluna de
coordenadas dos antigos vetores u
i
da base em relao base nova , a saber,
OBSERVAO 3 Como os vetores
1
,
2
, ...,
n
da nova base so linearmente independentes, a matriz P in-
vertvel (Problema 6.18). Analogamente, Q invertvel. De fato, a proposio seguinte vlida (demonstrada no
Problema 6.18).
Proposio 6.4 Sejam P e Q as matrizes de mudana de base discutidas acima. Ento
Sejam, agora, {u
1
, u
2
, ..., u
n
} uma base de um espao vetorial V e P [p
ij
] uma matriz
no singular qualquer. Ento os n vetores
correspondentes s colunas de P, so linearmente independentes [Problema 6.21(a)]. Assim, determinam uma ou-
tra base de V. Alm disso, P a matriz de mudana de base de S para a nova base .
_Book_Lipschutz.indb 207 22/12/10 09:01
LGEBRA LINEAR
208
Exemplo 6.5 Considere as duas bases de R
2
dadas a seguir.
(a) Encontre a matriz P de mudana de base de S para a nova base .
Escrevemos cada um dos novos vetores de como uma combinao linear dos vetores u
1
e u
2
da
base original S. obtendo
Assim,
Observe que as coordenadas de
1
e
2
so as colunas, e no as linhas, da matriz de mudana de base P.
(b) Encontre a matriz Q de mudana de base da nova base de volta base antiga S.
Agora escrevemos cada um dos antigos vetores de base u
1
e u
2
de S como uma combinao linear
dos novos vetores
1
e
2
da base , obtendo
Como era de se esperar pela Proposio 6.4, . (De fato, poderamos ter obtido Q simplesmente
calculando .)
Exemplo 6.6 Considere as duas bases de R
3
dadas a seguir.
(a) Encontre a matriz P de mudana da base E para a base S.
Como E a base cannica, podemos escrever imediatamente cada elemento da base S como uma
combinao linear dos vetores da base E. Mais precisamente,
Novamente, as coordenadas de u
1
, u
2
e u
3
so as colunas de P. Observe que P simplesmente a matriz
cujas colunas so os vetores da base S. Isso s vlido porque a base original a base cannica E.
(b) Encontre a matriz Q de mudana da base S para a base E.
A definio da matriz de mudana de base Q nos faz escrever cada um dos vetores da base cannica
como uma combinao linear dos elementos da base S. Obtemos
Enfatizamos que, para encontrar Q, precisamos resolver trs sistemas de trs equaes lineares com trs
incgnitas, sendo um sistema para cada um dos vetores e
1
, e
2
e e
3
.
_Book_Lipschutz.indb 208 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 209
Alternativamente, poderamos ter calculado

formando a matriz M [P, I] e reduzindo M forma
cannica por linhas.
(Aqui utilizamos que Q a inversa de P.)
O resultado do Exemplo 6.6(a) geral. Como muito utilizado, destacamos esse resultado formalmente.
Proposio 6.5 A matriz de mudana de base da base usual E de K
n
para qualquer outra base S de K
n
a matriz
P cujas colunas so, respectivamente, os vetores da base de S.
Aplicaes da matriz de mudana de base
Inicialmente vejamos como uma mudana de base afeta as coordenadas de um vetor de um espao vetorial V. O
teorema seguinte est demonstrado no Problema 6.22.
Teorema 6.6 Seja P a matriz de mudana de base de uma base S para uma base de um espao vetorial V. Ento,
dado um vetor qualquer, temos
Em palavras, multiplicando as coordenadas de na base original S por , obtemos as coordenadas de na
nova base .
OBSERVAO 1 Embora P seja dita a matriz de mudana de base da base antiga S para a nova base , enfati-
zamos que a matriz que transforma as coordenadas de na base original S para as coordenadas de na nova
base .
OBSERVAO 2 Por causa do teorema, muitos livros consideram , e no P, a matriz de mudana de
base da base antiga S para a base nova . Alguns livros tambm se referem a Q como a matriz de mudana de
coordenadas.
Vejamos, agora, a demonstrao do teorema no caso particular em que dim V 3. Seja P a matriz de mudana
de base da base S {u
1
, u
2
, u
3
} para a base , digamos,
Seja, agora, dado e digamos que . Ento, substituindo as expresses de
1
,
2
,
3
,
obtemos
_Book_Lipschutz.indb 209 22/12/10 09:01
LGEBRA LINEAR
210
Assim,
Dessa forma,
Finalmente, multiplicando a equao por , obtemos
O teorema seguinte (demonstrado no Problema 6.26) mostra como uma mudana de base afeta a representao
matricial de um operador linear.
Teorema 6.7 Seja P a matriz de mudana de base de uma base S para uma base de um espao vetorial V. Ento,
dado um operador linear T qualquer de V,
Ou seja, se A e B so as representaes matriciais de T em relao s bases S e , respectivamente, ento
Exemplo 6.7 Considere as duas bases de R
3
dadas a seguir.
A matriz de mudana de base P de E para S e sua inversa foram obtidas no Exemplo 6.6.
(a) Escreva (1, 3, 5) como uma combinao linear de u
1
, u
2
, u
3
ou, equivalentemente, calcule [ ]
S
.
Uma maneira de fazer isso resolver diretamente a equao vetorial

, ou seja,
A soluo x 7, y 5, z 4, portanto,
Por outro lado, sabemos que , porque E a base cannica e j conhecemos . Portanto,
pelo Teorema 6.6,
Assim, novamente,
(b) Seja , que pode ser vista como um operador linear de R
3
. Encontre a matriz B que repre-
senta A em relao base S.
_Book_Lipschutz.indb 210 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 211
A definio de representao matricial de A em relao base S diz que devemos escrever cada um dos
vetores A(u
1
), A(u
2
), A(u
3
) como uma combinao linear dos vetores u
1
, u
2
, u
3
de S. Obtemos
Enfatizamos que, para encontrar B, precisamos resolver trs sistemas de trs equaes lineares com trs incg-
nitas, sendo um sistema para cada um dos vetores A(u
1
), A(u
2
), A(u
3
).
Por outro lado, como conhecemos P e , podemos utilizar o Teorema 6.7, a saber,
Como era de se esperar, obtemos o mesmo resultado.
6.4 SEMELHANA
Sejam A e B matrizes quadradas para as quais existe uma matriz invertvel P tal que . Nesse caso, di-
zemos que B semelhante a A ou ento, obtida de A por uma transformao de semelhana. Mostramos (Problema
6.29) que a semelhana de matrizes uma relao de equivalncia.
Pelo Teorema 6.7 e essa ltima observao, obtemos o resultado a seguir.
Teorema 6.8 Duas matrizes representam o mesmo operador linear se, e s se, as matrizes so semelhantes.
Assim, todas as representaes matriciais de um operador linear T formam uma classe de equivalncia de ma-
trizes semelhantes.
Um operador linear T dito diagonalizvel se existe uma base S de V na qual T representado por uma matriz
diagonal; nesse caso, dizemos que a base S diagonaliza T. O teorema precedente fornece o resultado seguinte.
Teorema 6.9 Seja A a representao matricial de um operador linear T. Ento T diagonalizvel se, e s se, existe
uma matriz invertvel P tal que uma matriz diagonal.
Assim, T diagonalizvel se, e s se, sua representao matricial pode ser diagonalizada por uma transforma-
o de semelhana.
Enfatizamos que nem todo operador diagonalizvel. Contudo, mostraremos (Captulo 10) que todo operador
linear pode ser representado por certas matrizes padro denominadas formas normais ou cannicas. Para essa
discusso, necessitamos de alguma teoria de corpos, polinmios e determinantes.
Funes e matrizes semelhantes
Seja f uma funo de matrizes quadradas que associa o mesmo valor a matrizes semelhantes, isto , f(A) f(B)
sempre que A semelhante a B. Ento f induz, de uma maneira natural, uma funo de operadores lineares T, tam-
bm denotada por f, como segue. Definimos
onde S uma base qualquer. Pelo Teorema 6.8, essa funo est bem definida.
Talvez o mais importante exemplo dessas funes seja o determinante (Captulo 8). O trao (Seo 2.7) um
outro exemplo importante.
_Book_Lipschutz.indb 211 22/12/10 09:01
LGEBRA LINEAR
212
Exemplo 6.8 Considere o operador linear F e as bases E e S de R
2
a seguir.
Pelo Exemplo 6.1, as representaes matriciais de F em relao s bases E e S so, respectivamente,
Usando a matriz A, temos
(i) Determinante de F det(A) 10 12 22; (ii) Trao de F tr(A) 2 5 3.
Por outro lado, usando a matriz B, temos
(i) Determinante de F det(B) 2860 2838 22; (ii) Trao de F tr(B) 52 55 3.
Conforme esperado, ambas matrizes fornecem o mesmo resultado.
6.5 MATRIZES E TRANSFORMAES LINEARES ARBITRRIAS
Por ltimo, consideramos o caso geral de transformaes lineares de um espao vetorial num outro. Sejam V e U
espaos vetoriais sobre o mesmo corpo K e, digamos, que dim V m e dim U n. Alm disso, sejam
respectivamente, bases arbitrrias fixadas de V e U.
Suponha que seja uma transformao linear. Ento os vetores F(
1
), F(
2
), ..., F(
m
) pertencem a U
e, portanto, cada um uma combinao linear dos vetores da base , digamos,
DEFINIO A transposta da matriz de coeficientes [a
ij
], denotada por ou , denominada repre-
sentao matricial de F em relao s bases S e . Utilizamos a notao mais simples m(F) e [F] quando as bases
estiverem subentendidas.
O teorema seguinte anlogo ao Teorema 6.1 relativo a operadores lineares (Problema 6.67).
Teorema 6.10 Dado qualquer , temos
Assim, as coordenadas de F( ) na base de U so obtidas pela multiplicao das coordenadas de na base S
de V por [F].
Vimos que, dados quaisquer espaos vetoriais V e U, a coleo de todas as transformaes lineares de V em U
um espao vetorial denotado por Hom(V, U). O teorema seguinte anlogo ao Teorema 6.2 relativo a operadores
lineares, em que, agora, denota o espao vetorial de todas as matrizes (Problema 6.67).
Teorema 6.11 A aplicao definida por m(F) [F] um isomorfismo de espaos veto-
riais, ou seja, dados quaisquer e escalar k, temos
(i) ou
(ii) ou
(iii) m uma bijeo (injetora e sobre).
_Book_Lipschutz.indb 212 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 213
Nosso prximo teorema anlogo ao Teorema 6.3 relativo a operadores lineares (Problema 6.67).
Teorema 6.12 Sejam e bases dos espaos vetoriais V, U e W, respectivamente. Sejam e
transformaes lineares. Ento
Ou seja, em relao a bases apropriadas, a representao matricial da composta de duas transformaes linea-
res a matriz produto das representaes matriciais das transformaes individuais.
Em seguida, veremos como a representao matricial de uma transformao linear afetada quan-
do selecionamos bases novas.
Teorema 6.13 Seja P a matriz de mudana de base de uma base e para uma base de V e seja Q a matriz de mu-
dana de base de uma base f para uma base de U. Ento, dada qualquer transformao linear ,
Em outras palavras, se A a representao matricial de uma transformao linear F relativa s bases e e f, e se
B a representao matricial de F nas bases e , ento
Nosso ltimo teorema, demonstrado no Problema 6.36, mostra que toda transformao linear de um espao
vetorial V num outro espao vetorial U pode ser representada por uma matriz muito simples. Observamos que esse
teorema anlogo ao Teorema 3.18 relativo a matrizes .
Teorema 6.14 Seja uma transformao linear, digamos, com pos(F) r. Ento existem bases de V e
de U tais que a representao matricial de F da forma
em que I
r
a matriz identidade de ordem r.
A matriz A desse teorema denominada forma normal ou cannica da transformao linear F.
Problemas Resolvidos
Representao matricial de operadores lineares
6.1 Considere a transformao linear definida por e as bases de
R
2
seguintes.
(a) Encontre a matriz A que representa F em relao base E.
(b) Encontre a matriz B que representa F em relao base S.
(a) Como E a base cannica, as linhas de A so, simplesmente, os coeficientes dos componentes de F(x, y), ou seja,
usando (a, b) ae
1
be
2
, temos
Observe que os coeficientes dos vetores da base esto escritos como colunas na representao matricial.
_Book_Lipschutz.indb 213 22/12/10 09:01
LGEBRA LINEAR
214
(b) Comeamos calculando F(u
1
) e escrevendo esse vetor como uma combinao linear dos vetores u
1
e u
2
da base.
Temos
Resolvemos o sistema para obter x 49, y 30. Logo,
Em seguida, calculamos F(u
2
) e escrevemos esse vetor como uma combinao linear dos vetores u
1
e u
2
. Temos
Resolvemos em x e y e obtemos x 76, y 47. Logo,
Agora escrevemos os coeficientes de u
1
e u
2
como colunas, para obter
( ) Alternativamente, podemos calcular primeiro as coordenadas de um vetor (a, b) arbitrrio de R
2
em
relao base S. Temos
Resolvemos x e y em termos de a e b para obter x 3a 2b, y 2a b. Assim,
Em seguida, usamos a frmula de (a, b) para encontrar as coordenadas de F(u
1
) e F(u
2
) em relao a S, como segue.
6.2 Sejam G o operador linear de R
2
e S a base dados a seguir.
(a) Encontre a representao matricial [G]
S
de G em relao a S.
(b) Verifique [G]
S
[ ]
S
[G( )]
S
para o vetor (4, 3) de R
2
.
Comeamos calculando as coordenadas de um vetor (a, b) arbitrrio de R
2
em relao base S, obtendo
Resolvemos x e y em termos de a e b para obter x 5a 2b, y 3a b. Assim,
(a) Usando a frmula de (a, b) e , obtemos
(Enfatizamos que os coeficientes de u
1
e u
2
aparecem como colunas, e no linhas, na representao matricial.)
(b) Usamos a frmula para obter
_Book_Lipschutz.indb 214 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 215
Assim,
(Isso o esperado, segundo o Teorema 6.1.)
6.3 Sejam A a matriz quadrada de ordem 2 e S a base de R
2
dadas a seguir.
A matriz A define um operador linear de R
2
. Encontre a matriz B que representa a transformao A em
relao base S.
Comeamos calculando as coordenadas de um vetor arbitrrio em relao base S, obtendo
Resolvemos x e y em termos de a e b para obter x 7a 3b, y 2a b. Assim,
Em seguida, usamos a frmula de para encontrar as coordenadas de Au
1
e Au
2
em relao a S, como segue.
Escrevendo as coordenadas como colunas, obtemos
6.4 Encontre a representao matricial de cada um dos operadores lineares F de R
3
em relao base cannica
E {e
1
, e
2
, e
3
} de R
3
, ou seja, encontre [F] [F]
E
.
(a) F definido por
(b) F definido pela matriz de ordem 3
(c) F definido por . (O Teorema 5.2 afirma que
uma transformao linear fica completamente definida por sua ao nos vetores de uma base.)
(a) Como E a base cannica, simplesmente escrevemos os coeficientes dos componentes de F(x, y, z) como colunas.
(b) Como E a base cannica, [F] A, a prpria matriz A.
(c) Aqui
Assim, as colunas de [F] so as imagens dos vetores da base cannica.
6.5 Seja G o operador linear de R
3
definido por
(a) Encontre a representao matricial de G em relao base
_Book_Lipschutz.indb 215 22/12/10 09:01
LGEBRA LINEAR
216
(b) Verifique que [G][ ] [G( )], para cada vetor de R
3
.
Comeamos calculando as coordenadas de um vetor (a, b, c) R
3
arbitrrio em relao base S. Escrevemos (a, b,
c) como uma combinao linear de w
1
, w
2
, w
3
usando escalares x, y, z incgnitos, obtendo
Igualando os componentes correspondentes, obtemos o sistema de equaes
Resolvendo o sistema para x, y, z em termos de a, b, c obtemos x c, y b c, z a b. Assim,
(a) Como
Escrevemos as coordenadas

em colunas para obter
(b) Escrevemos G( ) como uma combinao linear de w
1
, w
2
, w
3
, sendo (a, b, c) um vetor arbitrrio de R
3
.
ou, equivalentemente,
Assim,
6.6 Sejam A a matriz quadrada de ordem 3 e S a base de R
3
dadas a seguir.
A matriz A define um operador linear de R
3
. Encontre a matriz B que representa a transformao A em rela-
o base S. (J sabemos que A representa a si mesma em relao base cannica de R
3
.)
Comeamos calculando as coordenadas de um vetor (a, b, c) de R
3
arbitrrio em relao base S, obtendo
Resolvemos x, y, z em termos de a, b, c para obter
x a b c, y a 2b c, z c b
_Book_Lipschutz.indb 216 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 217
Em seguida, usamos a frmula de para encontrar as coordenadas de Au
1
, Au
2
, Au
3
em relao base S, como
segue.
6.7 Para cada uma das transformaes lineares (operadores) L de R
2
a seguir, encontre a matriz A que representa
L (em relao base cannica de R
2
).
(a) L definida por L(1, 0) (2, 4) e L(0, 1) (5, 8).
(b) L a rotao de R
2
no sentido anti-horrio por
(c) L a reflexo de R
2
em torno da reta y x.
(a) Como {(1, 0), (0, 1)} a base cannica de R
2
, escrevemos as imagens por L como colunas para obter
(b) Pela rotao L, temos L(1, 0) (0, 1) e L(0, 1) (1, 0). Assim,
(c) Pela reflexo L, temos L(1, 0) (0, 1) e L(0, 1) (1, 0). Assim,
6.8 O conjunto uma base do espao vetorial V de funes Seja D o operador
derivada de V, ou seja, D(f) df/dt. Encontre a representao matricial de D em relao base S.
Calculamos a imagem de cada funo da base, como segue.
6.9 Demonstre o Teorema 6.1. Sejam um operador linear e S uma base (finita) de V. Ento, para
qualquer vetor de V, [T]
S
[ ]
S
[T( )]
S
.
Seja S {u
1
, u
2
, ..., u
n
} e suponha que, para i 1, ..., n,
Ento [T]
S
a matriz quadrada de ordem n cuja j-sima linha

(1)
Agora, vamos supor que
Escrevendo um vetor coluna como a transposta de um vetor linha, temos

(2)
Alm disso, usando a linearidade de T,
_Book_Lipschutz.indb 217 22/12/10 09:01
LGEBRA LINEAR
218
Assim, [T( )]
S
o vetor coluna cuja j-sima entrada

(3)
Por outro lado, a j-sima entrada de obtida multiplicando a j-sima linha de [T]
S
por [ ]
S
, ou seja, (1) por (2).
Mas o produto de (1) por (2) (3). Logo, [T]
S
[ ]
S
e [T( )]
S
tm as mesmas entradas. Assim, [T]
S
[ ]
S
[T( )]
S
.
6.10 Demonstre o Teorema 6.2. Sejam S {u
1
, u
2
, ..., u
n
} uma base de V sobre K e M a lgebra das matrizes qua-
dradas de ordem n sobre K. Ento a aplicao definida por m(T) [T]
S
um isomorfismo de
espaos vetoriais. Isto , para quaisquer e , valem
(i) (ii) (iii) m injetora e sobre.
(i) Suponha que, para i 1, ..., n,
Considere as matrizes A [a
ij
] e B [b
ij
]. Ento [F] A
T
e [G] B
T
. Para i 1, ..., n, temos
Como A B a matriz [a
ij
b
ij
], temos
(ii) Para i 1, ..., n,
Como kA a matriz [ka
ij
], temos
(iii) Finalmente, m injetora, porque uma transformao linear fica completamente determinada por seus valores numa
base. Tambm m sobre, porque a matriz A [a
ij
] de M a imagem do operador linear
Assim, o teorema est demonstrado.
6.11 Demonstre o Teorema 6.3. Dados quaisquer operadores lineares vale
Usando a notao do Problema 6.10, temos
Lembre que AB a matriz AB [c
ik
], com Por isso,
Isso prova o teorema.
_Book_Lipschutz.indb 218 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 219
6.12 Seja A a representao matricial de um operador linear T. Prove que, dado qualquer polinmio f(t), temos
que f(A) a representao matricial de f(T). [Assim, f(T) 0 se, e s se, f(A) 0.]
Seja a aplicao que leva cada operador T em sua representao matricial A. Queremos provar que
Suponha que A demonstrao por induo em n, o grau de f(t).
Suponha que n 0. Lembre que , onde a transformao identidade e I a matriz identidade. Assim,
e, portanto, o teorema vale para n 0.
Agora supomos que o teorema valha para polinmios de grau menor do que n. Ento, como um isomorfismo de
lgebras,
e terminamos a demonstrao do teorema.
Mudana de base
Nesta seo, o vetor de coordenadas [ ]
S
sempre denota um vetor coluna, ou seja,
6.13 Considere as bases de R
2
a seguir.
(a) Encontre a matriz de mudana de base P da base cannica E para S.
(b) Encontre a matriz de mudana de base Q de S de volta para E.
(c) Encontre o vetor de coordenadas [ ] de (5, 3) em relao a S.
(a) Como E a base cannica, simplesmente escrevemos os vetores da base S como colunas:
(b) Mtodo 1 Usamos a definio de matriz de mudana de base, ou seja, escrevemos cada vetor de E como uma
combinao linear dos vetores de S. Para isso, comeamos calculando as coordenadas de um vetor (a, b)
arbitrrio em relao a S. Temos
Resolvemos em x e y para obter x 4a b, y 3a b. Assim,
Usando essa frmula de [ ]
S
e escrevendo as coordenadas dos e
i
como colunas, obtemos
Mtodo 2 Como , encontramos , digamos, usando a frmula da inversa de matrizes . Assim,
(c) Mtodo 1 Escrevemos como uma combinao linear dos vetores de S, digamos, usando a frmula de (a, b).
Temos e, portanto,
Mtodo 2 Pelo Teorema 6.6, podemos usar [ ] e [ ] para obter
_Book_Lipschutz.indb 219 22/12/10 09:01
LGEBRA LINEAR
220
6.14 Os vetores formam uma base S de R
3
. Encontre
(a) a matriz de mudana de base P da base cannica E {e
1
, e
2
, e
3
} para S.
(b) Encontre a matriz de mudana de base Q de S de volta para E.
(a) Como E a base cannica, simplesmente escrevemos os vetores da base S como colunas:
.
(b) Mtodo 1 Escrevemos cada vetor da base E como uma combinao linear dos vetores da base S, calculando as
coordenadas de um vetor (a, b, c) arbitrrio em relao base S. Temos
Resolvemos em x, y, z para obter x 7a 3b c, y 6a 3b c, z 4a 2b c. Assim,
Usando essa frmula de [ ]
S
e escrevendo as coordenadas dos e
i
como colunas, obtemos
Mtodo 2 Encontramos reduzindo M [P, I] forma , como segue.
6.15 Suponha que os eixos x e y do plano R
2
tenham sido girados por 45 no sentido anti-horrio, de modo que
os novos eixos e estejam, agora, na posio das retas y x e y x, respectivamente.
(a) Encontre a matriz P de mudana de base.
(b) Encontre as coordenadas do ponto A(5, 6) com a rotao dada.
(a) Os vetores unitrios na direo dos novos eixos e so
(Os vetores unitrios na direo dos eixos x e y originais so os vetores da base cannica de R
2
.) Assim, escrevemos
as coordenadas de u
1
e u
2
como colunas para obter
(b) Multiplicamos as coordenadas do ponto dado por , como segue.
(Como P ortogonal, a inversa , simplesmente, a transposta de P.)
_Book_Lipschutz.indb 220 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 221
6.16 Os vetores formam uma base S de R
3
. Encontre as coordena-
das de um vetor arbitrrio (a, b, c) em relao base S.
Mtodo 1 Escrevemos como uma combinao linear de u
1
, u
2
, u
3
usando incgnitas x, y, z. Temos
que fornece o sistema
Substituindo para trs, obtemos x b c, y 2a 2b c, z a b c. Assim,
Mtodo 2 Encontramos reduzindo M [P, I] forma , em que P a matriz de mudana de base da
base cannica E para S ou, em outras palavras, a matriz cujas colunas so os vetores da base S.
Temos
6.17 Considere as bases de R
2
a seguir.
(a) Encontre as coordenadas de (a, b) em relao base S.
(b) Encontre a matriz de mudana de base P de S para .
(c) Encontre as coordenadas de (a, b) em relao base .
(d) Encontre a matriz de mudana de base Q de de volta para S.
(e) Verifique que
(f) Mostre que P
1
[ ]
S
[ ]
S '
, para qualquer vetor (a, b) de R
2
. (Ver Teorema 6.6.)
(a) Seja xu
1
yu
2
, com incgnitas x e y, ou seja,
Resolvemos x e y em termos de a e b para obter e . Assim,
(b) Usamos a parte (a) para escrever cada vetor
1
e
2
da base como uma combinao linear dos vetores u
1
e u
2
da
base S, ou seja,
_Book_Lipschutz.indb 221 22/12/10 09:01
LGEBRA LINEAR
222
Ento P a matriz cujas colunas so as coordenadas de
1
e
2
em relao base S, ou seja,
(c) Seja x
1
y
2
, com incgnitas escalares x e y, ou seja,
Resolvemos x e y em termos de a e b para obter e . Assim,
(d) Usamos a parte (c) para escrever cada vetor u
1
e u
2
da base S como uma combinao linear dos vetores
1
e
2
da
base , ou seja,
Escrevemos as coordenadas de u
1
e u
2
em relao a como colunas para obter
(e)
(f) Usando as partes (a), (c) e (d), obtemos
6.18 Sejam P a matriz de mudana de base de uma base {u
i
} para uma base {w
i
} e Q a matriz de mudana de
base da base {w
i
} de volta para a base {u
i
}. Prove que P invertvel e que .
Suponha, para i 1, 2, ..., n, que

(1)
e que, para j 1, 2, ..., n,


(2)
Sejam A [a
ij
] e B [b
jk
]. Ento P A
T
e Q B
T
. Substituindo (2) em (1), obtemos
Como {w
i
} uma base, onde o delta de Kronecker, ou seja, se i k e se
Suponha que AB [c
ik
]. Ento . Por isso, AB I e, portanto,
6.19 Considere uma sequncia finita de vetores S {u
1
, u
2
, ..., u
n
}. Seja a sequncia de vetores obtida de S por
alguma das operaes elementares a seguir.
(1) Trocar dois vetores de posio.
(2) Multiplicar um vetor por um escalar no nulo.
(3) Somar um mltiplo de um vetor a um outro vetor.
Mostre que e geram o mesmo subespao W. Mostre tambm que linearmente independente se, e s se,
linearmente independente.
_Book_Lipschutz.indb 222 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 223
Observe que, com cada uma das operaes, os vetores de so combinaes lineares dos vetores de S. Como cada
operao tem uma inversa do mesmo tipo, cada vetor de S uma combinao linear dos vetores de . Assim, S e
geram o mesmo subespao W. Alm disso, linearmente independente se, e s se, dim W n, e isso vlido
se, e s se, S linearmente independente.
6.20 Sejam A [a
ij
] e B [b
ij
] matrizes sobre um corpo K equivalentes por linhas e sejam
1
,
2
, ...,
n

vetores quaisquer de um espao vetorial V sobre K. Dado i 1, 2, ..., m, sejam u
i
e w
i
os vetores definidos
por
Mostre que {u
i
} e {w
i
} geram o mesmo subespao de V.
Uma operao elementar do Problema 6.19 aplicada a {u
i
} equivale a uma operao elementar com as
linhas de A. Como A e B so equivalentes por linhas, B pode ser obtida a partir de A com uma sequncia
de operaes elementares com as linhas. Logo, {w
i
} pode ser obtido a partir de {u
i
} pela correspondente
sequncia de operaes elementares e, por isso, {u
i
} e {w
i
} geram o mesmo subespao.
6.21 Sejam u
1
, u
2
, ..., u
n
vetores de um espao vetorial V sobre K e P [p
ij
] uma matriz quadrada de ordem n
sobre K. Dado i 1, 2, ..., n, seja
(a) Suponha que P seja invertvel. Mostre que {u
i
} e {
i
} geram o mesmo subespao de V. Logo, {u
i
}
linearmente independente se, e s se, {
i
} linearmente independente.
(b) Suponha que P seja singular (no invertvel). Mostre que {
i
} linearmente dependente.
(c) Suponha que {
i
} seja linearmente independente. Mostre que P invertvel.
(a) Se P invertvel, equivalente por linhas matriz identidade I. Pelo Problema 6.19, {
i
} e {u
i
} geram o mesmo
subespao de V. Assim, um linearmente independente se, e s se, o outro linearmente independente.
(b) Se P no invertvel, equivalente por linhas a uma matriz com uma linha nula. Isso significa que {
i
} gera um
subespao que tem um conjunto gerador com menos do que n elementos. Assim, {
i
} linearmente dependente.
(c) Essa afirmao uma contraposio da afirmao (b), portanto segue de (b).
6.22 Demonstre o Teorema 6.6. Seja P a matriz de mudana de base de uma base S para uma base de um es-
pao vetorial V. Ento, dado um vetor qualquer, temos e, portanto,
Sejam S {u
1
, ..., u
n
} e }, e suponha que, para i 1, ..., n,
Ento P a matriz quadrada de ordem n cuja j-sima linha

(1)
Tambm suponha que . Ento

(2)
Substituindo os w
i
nesta equao de , obtemos
Dessa forma, [ ]
S
o vetor coluna cuja j-sima entrada

(3)
Por outro lado, a j-sima entrada de obtida multiplicando a j-sima linha de P por , ou seja, (1) por (2). Con-
tudo, o produto de (1) por (2) (3). Assim, e [ ]
S
tm as mesmas entradas. Assim, como queramos
mostrar.
Alm disso, a multiplicao da expresso obtida por , fornece
_Book_Lipschutz.indb 223 22/12/10 09:01
LGEBRA LINEAR
224
Operadores lineares e mudana de base
6.23 Considere o operador linear F de R
2
definido por e as bases de R
2
a seguir.
(a) Encontre a matriz P de mudana de base de E para S e a matriz Q de mudana de base de S de volta para
E.
(b) Encontre a matriz A que representa F na base E.
(c) Encontre a matriz B que representa F na base S.
(a) Como E a base cannica, simplesmente escrevemos os vetores de S como colunas para obter a matriz P de
mudana de base. Alm disso, sabemos que . Assim,
(b) Escrevemos os coeficientes de x e y em como linhas para obter
(c) Mtodo 1 Encontramos as coordenadas de F(u
1
) e F(u
2
) em relao base S. Isso pode ser feito calculando,
primeiro, as coordenadas de um vetor (a, b) arbitrrio de R
2
em relao base S. Temos
Resolvemos x e y em termos de a e b para obter Ento
Agora usamos a frmula de (a, b) para obter
Mtodo 2 Pelo Teorema 6.7, temos . Assim,
6.24 Seja Encontre a matriz B que representa o operador linear A em relao base
[Vimos que A define um operador linear em relao base
cannica E de R
2
.]
Mtodo 1 Encontramos as coordenadas de A(u
1
) e A(u
2
) em relao base S calculando, primeiro, as coordenadas
de um vetor [a, b]
T
arbitrrio de R
2
em relao base S. Pelo Problema 6.2,
Usando a frmula de [a, b]
T
, obtemos
_Book_Lipschutz.indb 224 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 225
Mtodo 2 Usamos onde P a matriz de mudana de base da base cannica E para S. Para isso, sim-
plesmente escrevemos os vetores de S como colunas para obter a matriz P de mudana de base e ento usamos a
frmula de . Dessa forma,
6.25 Seja Encontre a matriz B que representa o operador linear A em relao base
[Vimos que A define um operador linear em relao base cannica E de .]
Mtodo 1 Encontramos as coordenadas de A(u
1
), A(u
2
), A(u
3
) em relao base S calculando, primeiro, as coorde-
nadas de um vetor [a, b, c]
T
arbitrrio de em relao base S. Pelo Problema 6.16,
Usando essa frmula de [a, b, c]
T
, obtemos
Escrevendo os coeficientes de u
1
, u
2
, u
3
como colunas, obtemos
Mtodo 2 Usamos , onde P a matriz de mudana de base da base cannica E para S. A matriz P
(cujas colunas so, simplesmente, os vetores de S) e foram calculadas no Problema 6.16. Assim,
6.26 Demonstre o Teorema 6.7. Seja P a matriz de mudana de base de uma base S para uma base de um espa-
o vetorial V. Ento, dado um operador linear T qualquer de V,
Seja um vetor de V. Ento, pelo Teorema 6.6, e, portanto,
Mas Logo,
Como a aplicao sobre K
n
, temos , para cada Assim,
como queramos mostrar.
Semelhana de matrizes
6.27 Sejam
(a) Encontre (b) Verifique tr(B) tr(A). (c) Verifique det(B) det(A).
(a) Inicialmente calculamos usando a frmula da inversa de uma matriz . Temos
_Book_Lipschutz.indb 225 22/12/10 09:01
LGEBRA LINEAR
226
Ento
(b) e Logo, tr(B) tr(A).
(c) e det Logo, det(B) det(A).
6.28 Encontre o trao de cada um dos operadores F de do Problema 6.4.
Calculamos o trao (soma dos elementos diagonais) de qualquer representao matricial de F, por exemplo, a re-
presentao matricial [F] [F]
E
de F em relao base cannica E, dada no Problema 6.4
(a)
(b)
(c)
6.29 Escrevamos se A for similar a B, ou seja, se existir uma matriz invertvel P tal que Pro-
ve que uma relao de equivalncia (nas matrizes quadradas), ou seja,
(a) para cada A, (b) Se ento
(c) Se e ento
(a) A matriz identidade I invertvel e Como temos
(b) Como existe uma matriz P invertvel tal que Logo, e tambm
invertvel. Assim,
(c) Como existe uma matriz P invertvel tal que e, como existe uma matriz Q invertvel
tal que Logo,
e QP tambm invertvel. Assim,
6.30 Seja B uma matriz semelhante a A, digamos, . Demonstre.
(a) portanto, B
n
semelhante a A
n
.
(b) para qualquer polinmio f(x), portanto, f(B) semelhante a f(A).
(c) B uma raiz de um polinmio g(x) se, e s se, A uma raiz de g(x).
(a) A demonstrao por induo em n. Por hiptese, o resultado vlido para n 1. Suponha que n > 1 e que o
resultado seja vlido para n 1. Ento
(b) Suponha que Usando a distributividade esquerda e direita, bem como a parte
(a), obtemos
(c) Pela parte (b), g(B) 0 se, e s se, se, e s se,
Representao matricial de transformaes lineares gerais
6.31 Seja a transformao linear definida por
(a) Encontre a matriz de F nas bases de e R
2
dadas a seguir.
_Book_Lipschutz.indb 226 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 227
(b) Verifique o Teorema 6.10, a saber, que a ao de F preservada pela representao matricial de F. Em
outras palavras, que, dado de qualquer, temos
(a) Pelo Problema 6.2, Assim,
Escrevemos as coordenadas de F(w
1
), F(w
2
), F(w
3
) como colunas para obter
(b) Se (x, y z), ento, pelo Problema 6.5, Tambm
6.32 Seja a transformao linear definida como segue.
(a) Mostre que as linhas da matriz [F] que representa F em relao s bases cannicas de e so os
coeficiente dos x
i
nos componentes de F(x
1
, ..., x
n
).
(b) Encontre a representao matricial de cada uma das transformaes lineares seguintes em relao s
bases cannicas dos .
(i) definida por
(ii) definida por
(iii) definida por
(a) Temos
(b) Pela parte (a), basta olhar para os coeficientes das incgnitas x, y em F(x, y, ...). Assim,
6.33 Seja Vimos que A determina uma transformao linear definida por
F( ) A , em que os vetores so escritos como colunas. Encontre a matriz [F] que representa a transforma-
o em relao s bases de e dadas a seguir.
(a) As bases cannicas de e .
(b) e
(a) Em relao s bases cannicas, [F] a matriz A.
(b) Pelo Problema 6.2, Assim,
_Book_Lipschutz.indb 227 22/12/10 09:01
LGEBRA LINEAR
228
Escrevendo as coordenadas de F(w
1
), F(w
2
), F(w
3
) como colunas, obtemos
6.34 Considere a transformao linear T de definida por e as bases de a
seguir.
(a) Encontre a matriz A que representa T nas bases E e S.
(b) Encontre a matriz B que representa T nas bases S e E.
(Podemos interpretar T como uma transformao linear de um espao em outro, cada um com sua base.)
(a) Pelo Problema 6.2, Logo,
(b) Temos
6.35 Qual a relao entre as matrizes A e B do Problema 6.34?
Pelo Teorema 6.12, as matrizes A e B so equivalentes, ou seja, existem matrizes P e Q no singulares tais que
, sendo P a matriz de mudana de base de S para E e Q a matriz de mudana de base de E para S. Assim,
6.36 Demonstre o Teorema 6.14. Seja uma transformao linear, digamos, com pos(F) r. Ento
existem bases de V e de U tais que a representao matricial de F da forma seguinte, em que I
r
a matriz
identidade de ordem r.
Sejam dim V m e dim U n. Sejam W o ncleo de F e a imagem de F. dado que pos(F) r. Logo, a dimenso
do ncleo de F m r. Tomando uma base do ncleo de F, estendemos essa base a uma base de V,
como segue.
Sejam

_Book_Lipschutz.indb 228 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 229
Ento {u
1
, ..., u
r
} uma base de , a imagem de F. Estendemos essa base a uma base de U, digamos,
Observe que
Assim, a matriz de F nessas bases tem o formato exigido.
Problemas Complementares
Matrizes e operadores lineares
6.37 Seja definido por
(a) Encontre a matriz A que representa F na base cannica E.
(b) Encontre a matriz B que representa F na base
(c) Encontre P tal que
(d) Para (a, b), encontre [ ]
S
e [F( )]
S
. Verifique que [F]
S
[ ]
S
[F( )]
S
.
6.38 Seja definido pela matriz
(a) Encontre a matriz B que representa A em relao base (Lembre que A
representa um operador em relao base cannica E.)
(b) Para (a, b), encontre [ ]
S
e [A( )]
S
.
6.39 Para cada operador L de dado, encontre a matriz A que representa L (em relao base cannica de ).
(a) L a rotao de no sentido anti-horrio por
(b) L a reflexo de em torno da reta y x.
(c) L definido por e
(d) L definido por e
6.40 Encontre a representao matricial de cada operador T de dado em relao base cannica de
(a) (b)
(c)
6.41 Repita o Problema 6.40 usando a base
6.42 Seja o operador de definido por
(a) Encontre a matriz A que representa L em relao base cannica E.
(b) Encontre a matriz B que representa L em relao base S do Problema 6.41.
6.43 Seja D o operador derivada, ou seja, D(f(t)) df/dt. Cada um dos conjuntos a seguir uma base de um espao vetorial
V de funes. Encontre a representao matricial de D em cada base.
_Book_Lipschutz.indb 229 22/12/10 09:01
LGEBRA LINEAR
230
6.44 Seja D o operador derivada do espao vetorial V de funes de base S {sen , cos }.
(a) Encontre a matriz A [D]
S
. (b) Use A para mostrar que D um zero de
6.45 Seja V o espao vetorial das matrizes . Considere a matriz M a seguir e a base cannica E de V.
Encontre a representao matricial de cada um dos operadores T de V a seguir em relao a E.
(a) T(A) MA, (b) T(A) AM, (c) T(A) MA AM.
6.46 Sejam 1 e 0 os operadores identidade e nulo, respectivamente, de um espao vetorial V. Mostre que, dada qualquer
base S de V, (a) [1 ]
S
I, a matriz identidade, (b) [0 ]
S
0, a matriz nula.
Mudana de base
6.47 Encontre a matriz P de mudana de base da base cannica E de para a base S, a matriz Q de mudana de base de S
de volta para E e as coordenadas de (a, b) em relao a S, nos casos dados a seguir.
6.48 Considere as bases e de . Encontre a matriz de mudana de base
(a) P de S para (b) Q de de volta para S.
6.49 Suponha que os eixos x e y do plano tenham sido girados por 30 no sentido anti-horrio para formar novos eixos
e do plano. Encontre
(a) os vetores unitrios na direo dos novos eixos e ,
(b) a matriz P de mudana de base para o novo sistema,
(b) as novas coordenadas dos pontos A(1, 3), B(2, 5), C(a, b).
6.50 Encontre a matriz P de mudana de base da base cannica E de para a base S, a matriz Q de mudana de base de S
de volta para E e as coordenadas de (a, b, c) em relao a S, nos casos de S dados a seguir.
6.51 Suponha que S
1
, S
2
, S
3
sejam bases de V. Sejam P e Q as matrizes de mudana de base, respectivamente, de S
1
para S
2
e
de S
2
para S
3
. Prove que PQ a matriz de mudana de base de S
1
para S
3
.
Operadores lineares e mudana de base
6.52 Considere o operador linear de definido por e as bases de a seguir.
(a) Encontre a matriz A que representa F em relao base S.
(b) Encontre a matriz B que representa F em relao base .
(c) Encontre a matriz P de mudana de base de S para .
(d) Qual a relao entre A e B?
6.53 Seja definido pela matriz Encontre a matriz B que representa o operador linear A em
relao a cada uma das bases dadas. (a) (b)
_Book_Lipschutz.indb 230 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 231
6.54 Seja definido por . Encontre a matriz A que representa F em relao a cada
uma das bases dadas. (a) (b)
6.55 Seja definido pela matriz Encontre a matriz B que representa o operador linear A em

relao base
Semelhana de matrizes
6.56 Sejam e
(a) Encontre (b) Verifique tr(B) tr(A). (c) Verifique det(B) det(A).
6.57 Encontre o trao e o determinante de cada um dos operadores de dados.
6.58 Encontre o trao e o determinante de cada um dos operadores de dados.
(a)
(b)
6.59 Sejam S {u
1
, u
2
} uma base de V e o operador definido por e Seja
a base de V dada por
e
(a) Encontre as matrizes A e B que representam T em relao s bases S e , respectivamente.
(b) Encontre a matriz P tal que
6.60 Seja A uma matriz tal que somente A semelhante a A. Mostre que A uma matriz escalar, ou seja,
6.61 Mostre que todas as matrizes semelhantes a uma matriz invertvel so invertveis. Mais geralmente, mostre que matrizes
semelhantes tm o mesmo posto.
Representao matricial de transformaes lineares gerais
6.62 Encontre a representao matricial de cada uma das transformaes lineares em relao s bases cannicas dos .
(a) , definida por
(b) , definida por
(c) , definida por
6.63 Seja definida por
(a) Encontre a matriz A que representa G em relao s bases

(b) Para (a, b, c) de , encontre [ ]
S
e (c) Verifique que
6.64 Seja definida por e considere as bases de a seguir.
(a) Encontre a matriz A que representa H em relao s bases S e .
(b) Encontre a matriz B que representa H em relao s bases e S.
_Book_Lipschutz.indb 231 22/12/10 09:01
LGEBRA LINEAR
232
6.65 Seja definido por
(a) Encontre a matriz A que representa F em relao s bases
(b) Verifique que A[ ]
S
[F( )]
S
, para qualquer (a, b, c) de R
3
6.66 Sejam S e bases de V e seja 1 a transformao identidade de V. Mostre que a matriz A que representa 1
v
em relao
s bases S e a inversa da matriz P de mudana de base de S para , ou seja,
6.67 Demonstre os Teoremas (a) 6.10, (b) 6.11, (c) 6.12, (d) 6.13. [Sugesto: ver as demonstraes anlogas dos Teoremas
6.1, 6.2, 6.3 e 6.7 nos Problemas 6.9, 6.10, 6.11 e 6.26, respectivamente.]
Problemas variados
6.68 Suponha que seja linear. Dizemos que um subespao W de V invariante por F se Suponha que
W seja invariante por F e que dim W r. Mostre que F tem uma representao em matriz triangular superior em blocos
, em que A uma submatriz quadrada de ordem r.
6.69 Suponha que V U W e que U e W sejam, ambos, invariantes por um operador linear Suponha, tambm,
que dim U r e que dim W s. Mostre que F tem uma representao matricial , em que A e B so sub-
matrizes quadradas de ordens r e s, respectivamente.
6.70 Dizemos que dois operadores lineares F e G de V so semelhantes se existir um operador linear invertvel T de V tal que
Prove as afirmaes seguintes.
(a) F e G so semelhantes se, e s se, as matrizes [F]
S
e [G]
S
so semelhantes, para qualquer base S de V.
(b) Se F diagonalizvel (ou seja, semelhante a uma matriz diagonal), ento qualquer matriz G semelhante a F
tambm diagonalizvel.
Respostas dos Problemas Complementares
Notao: denota uma matriz M de linhas R
1
, R
2
, ...
6.37
6.38
6.39
6.40
6.41
6.42
6.43
_Book_Lipschutz.indb 232 22/12/10 09:01
CAPTULO 6 TRANSFORMAES LINEARES E MATRIZES 233
6.44
6.45
6.47
6.48
6.49 Aqui
6.50 P a matriz cujas colunas so
6.52
6.53
6.54
6.55
6.56
6.57
6.58
6.59
6.62
6.63
6.64
6.65
_Book_Lipschutz.indb 233 22/12/10 09:01
7.1 INTRODUO
A definio de um espao vetorial V envolve um corpo arbitrrio K. Neste captulo restringimos K ao corpo real ,
caso em que V dito espao vetorial real; nas ltimas sees deste captulo estendemos nossos resultados para o
caso em que K o corpo complexo C, caso em que dizemos que V um espao vetorial complexo. Tambm conti-
nuamos com nossa notao, na qual
u, , w so vetores de V
a, b, c, k, r so escalares de K
Alm disso, os espaos vetoriais V deste captulo tm dimenso finita, salvo meno explcita em contrrio.
Observe que os conceitos de comprimento e ortogonalidade no apareceram na investigao de espaos
vetoriais arbitrrios V (embora tenham aparecido na Seo 1.4 sobre os espaos ). Agora acrescentamos
uma estrutura adicional a um espao vetorial V para obter um espao com produto interno e, nesse contexto, aque-
les conceitos esto definidos.
7.2 ESPAOS COM PRODUTO INTERNO
Comeamos com uma definio.
DEFINIO Seja V um espao vetorial real. Suponha que a cada par de vetores esteja associado um
nmero real, denotado por . Essa funo denominada produto interno (real) de V se satisfizer os axiomas
seguintes.
[I
1
] (Linearidade)
[I
2
] (Simetria)
[I
3
] (Positividade) se, e s se, u 0.
O espao vetorial V com um produto interno denominado espao com produto interno (real).
O axioma [I
1
] afirma que uma funo produto interno linear na primeira posio. Usando [I
1
] e o axioma da
simetria [I
2
], obtemos
Isto , a funo produto interno tambm linear na segunda posio. Combinando essas duas propriedades e usan-
do induo, obtemos a frmula geral seguinte.
Espaos com Produto
Interno, Ortogonalidade
Captulo 7
_Book_Lipschutz.indb 234 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 235
Isso significa que o produto interno de uma combinao linear de vetores igual combinao linear dos produtos
internos dos vetores.
Exemplo 7.1 Seja V um espao com produto interno real. Ento, por linearidade,
Observe que, na ltima equao, usamos a simetria, que .
OBSERVAO O axioma [I
1
] sozinho implica . Assim, [I
1
], [I
2
] e [I
3
] so equiva-
lentes a [I
1
] e [I
2
] juntos com o axioma seguinte.
Se u , ento positivo.
Ou seja, uma funo que satisfaz [I
1
], [I
2
] e um produto interno.
Norma de um vetor
Pelo terceiro axioma [I
3
] de um produto interno, no negativo, para qualquer vetor u e, portanto, existe a
raiz quadrada no negativa desse valor. Usamos a notao
Esse nmero no negativo denominado norma ou comprimento de u. A relao muito utilizada.
OBSERVAO Se ou, equivalentemente, se , dizemos que u um vetor unitrio e que o vetor
est normalizado. Um vetor no nulo qualquer de V pode ser multiplicado pelo recproco de seu comprimento
para obter o vetor unitrio
que um mltiplo positivo de . Esse processo denominado normalizao de .
7.3 EXEMPLOS DE ESPAOS COM PRODUTO INTERNO
Nesta seo listamos os principais exemplos de espaos com produto interno utilizados neste texto.
O espao euclidiano R
n
Considere o espao vetorial . O produto escalar de definido por
onde u (a
i
) e (b
i
). Essa funo define um produto interno em . A norma ||u|| do vetor u (a
i
) nesse espao
dada a seguir.
Por outro lado, pelo Teorema de Pitgoras, a distncia da origem O de ao ponto P(a, b, c) dada por
. Essa precisamente igual norma, acima definida, do vetor (a, b, c) de . Como o Teorema
de Pitgoras uma consequncia dos axiomas da Geometria Euclidiana, o espao vetorial com o produto inter-
no e a norma dados denominado espao euclidiano n-dimensional. Embora existam muitas maneiras de definir
_Book_Lipschutz.indb 235 22/12/10 09:02
LGEBRA LINEAR
236
produtos internos em , vamos sempre supor definido esse produto interno, denominado produto interno canni-
co, salvo meno explcita em contrrio.
OBSERVAO Muitas vezes representamos os vetores de como vetores coluna, ou seja, matrizes coluna
. Nesse caso, a frmula
define o produto interno cannico de .
Exemplo 7.2 Sejam u (1, 3, 4, 2), (4, 2, 2, 1), w (5, 1, 2, 6) de .
(a) Mostre que
Por definio,
Observe que 3u 2 (5, 13, 16, 4). Assim,
Como era de se esperar, .
(b) Normalize u e .
Por definio,
Normalizamos u e e obtemos vetores unitrios nas direes e sentidos de u e , como segue.
Espao funcional C [a, b] e espao polinomial P(t

)
A notao C[a, b] usada para denotar o espao vetorial de todas as funes contnuas no intervalo fechado [a, b],
isto , com . Dadas funes f(t) e g(t) de C[a, b], definimos um produto interno em C[a, b] como segue.
Esse produto o produto interno cannico de C[a, b].
O espao vetorial P(t) de todos os polinmios um subespao de C[a, b], para qualquer intervalo [a, b] e,
portanto, o produto interno cannico tambm um produto interno em P(t).
Exemplo 7.3
Sejam do espao polinomial P(t) com produto interno
(a) Encontre .
Temos , portanto,
_Book_Lipschutz.indb 236 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 237
(b) Encontre ||f|| e ||g||.
Temos . Ento
Assim,
.
Espao matricial M M
m, n
Seja o espao vetorial de todas as matrizes reais . Um produto interno de M definido por
onde, como sempre, tr( ) indica o trao, que a soma dos elementos diagonais. Se A [a
ij
] e B [b
ij
], ento
Em outras palavras, a soma dos produtos das entradas correspondentes de A e B e, em particular, a
soma dos quadrados das entradas de A.
Espao de Hilbert
Seja V o espao vetorial de todas as sequncias infinitas (a
1
, a
2
, a
3
, ...) de nmeros reais satisfazendo
ou seja, a soma infinita converge. A soma e a multiplicao por escalar em V so definidas componente a compo-
nente, isto , se
ento
Um produto interno de V definido por
Dado qualquer par de pontos de V, essa soma converge absolutamente. Por isso, esse produto interno est bem
definido. Esse espao com produto interno denominado espao l
2
ou espao de Hilbert.
7.4 DESIGUALDADE DE CAUCHY-SCHWARZ, APLICAES
A frmula seguinte (demonstrada no Problema 7.8) a desigualdade de Cauchy-Schwarz ou desigualdade de
Schwarz, utilizada em vrias reas da Matemtica.
Teorema 7.1 (Cauchy-Schwarz) Dados vetores u e quaisquer de um espao com produto interno V,
Vejamos essa desigualdade em casos especficos.
Exemplo 7.4
(a) Considere quaisquer nmeros reais a
1
, ..., a
n
, b
1
, ..., b
n
. Pela desigualdade de Cauchy-Schwarz,
Ou seja, , com u (a
i
) e (b
i
).
_Book_Lipschutz.indb 237 22/12/10 09:02
LGEBRA LINEAR
238
(b) Sejam f e g funes contnuas do intervalo [0, 1]. Ento, pela desigualdade de Cauchy-Schwarz,
Ou seja, . Aqui, V o espao com produto interno C[0, 1].
O prximo teorema (demonstrado no Problema 7.9) fornece propriedades bsicas de uma norma. A demons-
trao da terceira propriedade requer a desigualdade de Cauchy-Schwarz.
Teorema 7.2 Seja V um espao com produto interno. Ento a norma de V satisfaz as propriedades listadas a seguir.
[N
1
] se, e s se, 0.
[N
2
]
[N
3
]
A propriedade [N
3
] denominada desigualdade triangular porque, considerando u como o lado do trin-
gulo formado pelos lados u e (conforme Figura 7-1), ento [N
3
] afirma que o comprimento de um lado de um
tringulo no pode ser maior do que a soma dos comprimentos dos outros dois lados.
Desigualdade triangular
Figura 7-1
ngulo entre vetores
Dados vetores no nulos u e quaisquer de um espao com produto interno V, definimos o ngulo entre u e como
o ngulo tal que e
A desigualdade de Cauchy-Schwarz fornece , de modo que o ngulo existe e nico.
Exemplo 7.5
(a) Considere os vetores u (2, 3, 5) e (1, 4, 3) em . Ento
e o ngulo entre u e dado por
Observe que um ngulo agudo, pois positivo.
(b) Sejam do espao polinomial P(t) com o produto interno .
Pelo Exemplo 7.3, temos
Ento o ngulo entre f e g dado por
Observe que um ngulo obtuso, pois negativo.
_Book_Lipschutz.indb 238 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 239
7.5 ORTOGONALIDADE
Seja V um espao com produto interno. Dizemos que os vetores so ortogonais, ou que u ortogonal a , se
Essa relao claramente simtrica, isto , se u ortogonal a , ento e, portanto, ortogonal a u. Ob-
servamos que ortogonal a cada , pois
Reciprocamente, se u ortogonal a cada , ento e, portanto, u 0 por [I
3
]. Observe que u e so
ortogonais se, e s se, , onde o ngulo entre u e . Ocorre que isso verdadeiro se, e s se, u e so
perpendiculares, ou seja, (ou ).
Exemplo 7.6
(a) Considere os vetores u (1, 1, 1), (1, 2, 3) e w (1, 4, 3) de . Ento
Assim, u ortogonal a e w, mas e w no so ortogonais.
(b) Considere as funes sen t e cos t no espao vetorial das funes contnuas do intervalo . Ento
Assim, sen t e cos t so funes ortogonais do espao vetorial .
OBSERVAO Um vetor ortogonal a em R
n
se
Assim, w ortogonal a u se w satisfaz uma equao homognea cujos coeficientes so os elementos de u.
Exemplo 7.7 Encontre um vetor no nulo w que seja ortogonal a u
1
(1, 2, 1) e u
2
(2, 5, 4) em .
Seja w (x, y, z). Queremos . Isso fornece o sistema homogneo
Aqui, z a nica varivel livre no sistema escalonado. Tomando z 1, obtemos y 2 e x 3. Assim, (3, 2, 1)
um vetor no nulo que ortogonal a u
1
e u
2
.
Qualquer mltiplo de w tambm ortogonal a u
1
e u
2
. Normalizando w, obtemos o vetor unitrio seguinte que
ortogonal a u
1
e u
2
.
Complemento ortogonal
Seja S um subconjunto de um espao com produto interno V. O complemento ortogonal de S, denotado por
(l-se esse perpendicular) consiste nos vetores de V que so ortogonais a cada vetor , ou seja,
para cada
_Book_Lipschutz.indb 239 22/12/10 09:02
LGEBRA LINEAR
240
Em particular, dado um vetor u particular de V, temos
ou seja, consiste nos vetores de V que so ortogonais ao dado vetor u.
Mostremos que um subespao de V. Claramente, porque 0 ortogonal a cada vetor de V. Suponha,
agora, que . Ento, dados escalares a e b quaisquer e um vetor qualquer, temos
Assim, e, portanto, um subespao de V.
Enunciamos formalmente esse resultado.
Proposio 7.3 Seja S um subconjunto de um espao vetorial V. Ento um subespao de V.
OBSERVAO 1 Seja u um vetor no nulo de . Ento h uma interpretao geomtrica de . Mais precisa-
mente, o plano de que passa pela origem O e perpendicular ao vetor u, conforme Figura 7-2.
Complemento ortogonal
Figura 7-2
OBSERVAO 2 Seja W o espao soluo de um sistema homogneo AX 0, em que A [a
ij
] uma matriz
m n e X [x
i
]. Vimos que W o ncleo da transformao linear . Agora podemos dar uma outra
interpretao para W, usando a noo de ortogonalidade. Mais precisamente, cada vetor soluo w (x
1
, x
2
, ..., x
n
)
ortogonal a cada linha de A, portanto, W o complemento ortogonal do espao linha de A.
Exemplo 7.8 Encontre uma base do subespao de , com u (1, 3, 4).
Observe que consiste em todos os vetores w (x, y, z) tais que , ou x 3y 4z 0. As variveis
livres so y e z.
(1) Tomando y 1 e z 0, obtemos a soluo w
1
(3, 1, 0).
(2) Tomando y 0 e z 1, obtemos a soluo w
2
(4, 0, 1).
Os vetores w
1
e w
2
formam uma base do espao soluo da equao e, portanto, uma base de .
Seja W um subespao de V. Ento W e so, ambos, subespaos de V. O prximo teorema, cuja demonstra-
o (Problema 7.28) requer resultados de sees posteriores, um resultado fundamental da lgebra Linear.
Teorema 7.4 Seja W um subespao de V. Ento V a soma direta de W e , ou seja, .
7.6 CONJUNTOS ORTOGONAIS E BASES
Considere um conjunto S {u
1
, u
2
, ..., u
r
} de vetores no nulos de um espao com produto interno V. Dizemos que
S ortogonal se dois quaisquer dos vetores de S so ortogonais e dizemos que S ortonormal se S ortogonal e
cada vetor de S unitrio. Isto ,
(i) Ortogonal , com
_Book_Lipschutz.indb 240 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 241
(ii) Ortonormal
Normalizar um conjunto ortogonal S se refere ao processo de multiplicar cada vetor de S pelo recproco de seu
comprimento e, dessa forma, transformando S num conjunto ortonormal de vetores.
Temos os seguintes teoremas.
Teorema 7.5 Se S um conjunto ortogonal de vetores no nulos, ento S linearmente independente.
Teorema 7.6 (Pitgoras) Seja {u
1
, u
2
, ..., u
r
} um conjunto ortogonal de vetores. Ento
Esses teoremas so demonstrados nos Problemas 7.15 e 7.16, respectivamente. Aqui, demonstramos o Teorema de
Pitgoras no caso especial e conhecido de dois vetores. Mais precisamente, suponha que . Ento
que d nosso resultado.
Exemplo 7.9
(a) Seja a base cannica do espao euclidiano . claro que
Assim, E uma base ortonormal de . Mais geralmente, a base cannica de ortonormal, para cada n.
(b) Seja o espao vetorial das funes contnuas no intervalo com o produto interno defi-
nido por . O conjunto a seguir um exemplo clssico de conjunto ortogonal de V.
Esse conjunto ortogonal desempenha um papel fundamental na teoria das Sries de Fourier.
Bases ortogonais e combinaes lineares, coeficientes de Fourier
Seja S o conjunto constitudo pelos trs vetores de dados.
O leitor pode verificar que esses vetores so ortogonais, portanto, so linearmente independentes. Assim, S uma
base ortogonal de .
Vejamos como escrever (7, 1, 9) como uma combinao linear de u
1
, u
2
, u
3
. Primeiro escrevemos como
uma combinao linear de u
1
, u
2
, u
3
usando incgnitas x
1
, x
2
, x
3
, como segue.
(*)
Podemos continuar de duas maneiras.
Mtodo 1 Expandimos (*) (como no Captulo 3) para obter o sistema
Resolvemos o sistema por eliminao gaussiana para obter . Assim,
_Book_Lipschutz.indb 241 22/12/10 09:02
LGEBRA LINEAR
242
Mtodo 2 (Este mtodo utiliza a ortogonalidade da base, o que simplifica as contas.) Tomando o produto interno
de cada lado de (*) em relao a u
i
, obtemos
Nesse caso, dois termos foram eliminados, porque u
1
, u
2
, u
3
ortogonal. Segue que
Assim, novamente, obtemos .
O procedimento do Mtodo 2 vlido em geral. A saber, temos o teorema a seguir (demonstrado no Problema
7.17).
Teorema 7.7 Seja {u
1
, u
2
, ..., u
n
} uma base ortogonal de V. Ento, dado qualquer ,
OBSERVAO O escalar denominado coeficiente de Fourier de em relao a u
i
,

por analogia

com um coeficiente da srie de Fourier de uma funo. Esse escalar tambm tem uma interpretao geomtrica,
discutida a seguir.
Projees
Seja V um espao com produto interno. Sejam dados um vetor no nulo w de V e um outro vetor . Queremos en-
contrar a projeo de sobre w que, conforme indicado na Figura 7-3(a), ser um mltiplo cw de w tal que
seja ortogonal a w. Isso significa que
Figura 7-3
Em vista disso, a projeo de sobre w denotada e definida por
Um tal escalar c nico e denominado coeficiente de Fourier de em relao a w, ou ento, componente de ao
longo de w.
Esse conceito generalizado como segue (ver Problema 7.25).
Lipschutz_07.indd 242 07/02/11 17:21
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 243
Teorema 7.8 Sejam w
1
, w
2
, ..., w
r
vetores ortogonais no nulos de V. Dado um vetor qualquer de V, denotamos
com
Ento ortogonal a w
1
, w
2
, ..., w
r
.
Observe que cada c
i
do teorema o componente (coeficiente de Fourier) de ao longo do w
i
dado.
OBSERVAO A noo de projeo de um vetor sobre um subespao W de V definida como segue. Pelo
Teorema 7.4, . Logo, pode ser escrito, de maneira nica, na forma
com
Definimos w como a projeo de sobre W, denotado por proj( , W), conforme Figura 7-2(b). Em particular, se W
ger(w
1
, w
2
, ..., w
r
), em que os w
i
formam um conjunto ortogonal, ento
em que cada c
i
o componente de ao longo de w
i
, como antes.
7.7 PROCESSO DE ORTOGONALIZAO DE GRAM-SCHMIDT
Seja {
1
,
2
, ...,
n
} uma base de um espao com produto interno V. Podemos usar essa base para construir uma base
ortogonal {w
1
, w
2
, ..., w
n
} de V como segue. Sejam
Em outras palavras, para k 2, 3, ..., n, definimos
onde o componente de
k
ao longo de w
i
. Pelo Teorema 7.8, cada w
k
ortogonal aos w
i
que
o precedem. Assim, w
1
, w
2
, ..., w
n
formam uma base ortogonal de V, como afirmamos. Normalizando cada w
i
, ob-
temos uma base ortonormal de V.
Essa construo conhecida como processo de ortogonalizao de Gram-Schmidt. Convm destacar as obser-
vaes seguintes.
OBSERVAO 1 Cada vetor w
k
uma combinao linear de
k
e dos w
i
precedentes. Logo, fcil mostrar, por
induo, que cada w
k
uma combinao linear de
1
,
2
, ...,
n
.
OBSERVAO 2 Tomar mltiplos no nulos de vetores no afeta a ortogonalidade, portanto, em contas mo,
pode ser mais simples eliminar as fraes em cada novo w
k
multiplicando-o por um escalar apropriado antes de
passar ao prximo
_Book_Lipschutz.indb 243 22/12/10 09:02
LGEBRA LINEAR
244
OBSERVAO 3 Suponha que u
1
, u
2
, ..., u
r
sejam linearmente independentes, de modo que formam uma base de U
ger(u
i
). Aplicando o processo de ortogonalizao de Gram-Schmidt aos vetores u
i
, obtemos uma base ortogonal de U.
Os teoremas seguintes (demonstrados nos Problemas 7.26 e 7.27) utilizam o algoritmo dado e as observaes.
Teorema 7.9 Seja {
1
,
2
, ...,
n
} uma base qualquer de um espao com produto interno V. Ento existe uma base
ortonormal {u
1
, u
2
, ..., u
n
} de V tal que a matriz de mudana de base de {
i
} para {u
i
} triangular, ou seja, para
k 1, 2, ..., n,
Teorema 7.10 Seja S {w
1
, w
2
, ..., w
r
} uma base ortogonal de um subespao W de um espao vetorial V.
Ento S pode ser estendida a uma base ortogonal de V, ou seja, podemos encontrar vetores tais
que {w
1
, w
2
, ..., w
n
} seja uma base ortogonal de V.
Exemplo 7.10 Aplique o processo de ortogonalizao de Gram-Schmidt para encontrar uma base ortogonal e,
depois, uma base ortonormal, do subespao U de gerado por
(1) Denotamos .
(2) Calculamos
e denotamos .
(3) Calculamos
Eliminamos as fraes para obter .
Assim, w
1
, w
2
, w
3
forma uma base ortogonal de U. Normalizamos esses vetores para obter uma base ortonor-
mal {u
1
, u
2
, u
3
} de U. Temos , portanto,
Exemplo 7.11 Seja V o espao vetorial dos polinmios f(t) com o produto interno . Apli-
que o processo de ortogonalizao de Gram-Schmidt a para encontrar uma base ortogonal {f
0
, f
1
, f
2
, f
3
}
de P
3
(t) com coeficientes inteiros.
Aqui utilizamos que, para r s n,
(1) Denotamos
(2) Calculamos e denotamos .
(3) Calculamos
Multiplicamos por 3 para obter .
_Book_Lipschutz.indb 244 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 245
(4) Calculamos
Multiplicamos por 5 para obter .
Assim, a base ortogonal procurada.
OBSERVAO Normalizando os polinmios do Exemplo 7.11, com p(1) 1, obtemos os polinmios
Esses so os quatro primeiros polinmios de Legendre, que aparecem no estudo de equaes diferenciais.
7.8 MATRIZES ORTOGONAIS E POSITIVAS
Nesta seo discutimos dois tipos de matrizes muito especiais no contexto de espaos com produto interno reais V.
Agora, os vetores de so representados por vetores coluna, com o que o produto interno do espao euclidiano
passa ser escrito como .
Matrizes ortogonais
Uma matriz real P denominada ortogonal se P no singular e ou, em outras palavras, se
. Em primeiro lugar, lembremos (Teorema 2.6) uma caracterizao importante dessas matrizes.
Teorema 7.11 Seja P uma matriz real. So equivalentes as afirmaes seguintes. (a) P ortogonal; (b) as linhas
de P formam um conjunto ortonormal; (c) as colunas de P formam um conjunto ortonormal.
(Esse teorema s vlido com o produto interno cannico de , no sendo verdadeiro usando algum outro
produto interno de .)
Exemplo 7.12
(a) Seja . As linhas de P so ortogonais umas s outras e todas so vetores unit-
rios. Assim, P uma matriz ortogonal.
(b) Seja P uma matriz ortogonal . Ento, para algum nmero real , temos
Os dois teoremas a seguir (demonstrados nos Problemas 7.37 e 7.38) mostram relaes importantes entre as
matrizes ortogonais e as bases ortonormais de um espao com produto interno real V.
Teorema 7.12 Sejam E {e
i
} e bases ortonormais de V e P a matriz de mudana de
base da base E para a base . Ento P ortogonal.
Teorema 7.13 Sejam {e
1
, ..., e
n
} uma base ortonormal de um espao com produto interno V e P [a
ij
] uma matriz
ortogonal. Ento os n vetores seguintes formam uma base ortonormal de V.
_Book_Lipschutz.indb 245 22/12/10 09:02
LGEBRA LINEAR
246
Matrizes positivas
Seja A uma matriz real simtrica, isto , A
T
A. Dizemos que A positiva se, para cada vetor no nulo u de ,
No Captulo 12 veremos algoritmos que nos permitem decidir se uma matriz dada positiva, ou no. Contudo, para
matrizes , temos um critrio simples que enunciamos no teorema seguinte (demonstrado no Problema 7.43).
Teorema 7.14 Uma matriz real simtrica positiva se, e s se, os elementos

diagonais a e d so positivos e seu determinante positivo.
Exemplo 7.13 Considere as matrizes simtricas seguintes.
A no positiva, pois negativo. B no positiva, pois a entrada diagonal 3 negativa. Contu-
do, C positiva, pois seus elementos diagonais 1 e 5 so positivos e seu determinante tambm
positivo.
Vale o teorema seguinte (demonstrado no Problema 7.44).
Teorema 7.15 Seja A uma matriz real positiva. Ento a funo um produto interno de .
Representao matricial de um produto interno (opcional)
O Teorema 7.15 afirma que toda matriz real positiva determina um produto interno de . Nesta seo fornecemos
a recproca desse resultado.
Seja V um espao com produto interno real com base S {u
1
, u
2
, ..., u
n
}. A matriz
com
denominada representao matricial do produto interno de V em relao base S.
Observe que A simtrica, porque o produto interno simtrico, isto , . A tambm depende
do produto interno de V e da base S de V. Alm disso, se S uma base ortogonal, ento A diagonal e, se S uma
base ortonormal, ento A a matriz identidade.
Exemplo 7.14 Os vetores u
1
(1, 1, 0), u
2
(1, 2, 3), u
3
(1, 3, 5) formam uma base S do espao euclidiano .
Encontre a matriz A que representa o produto interno de em relao base S.
Inicialmente calculamos cada , obtendo
Ento . Como era de se esperar, A simtrica.
Valem os teoremas seguintes (demonstrados nos Problemas 7.45 e 7.46, respectivamente).
Teorema 7.16 Seja A a representao matricial de um produto interno em relao a uma base S de V. Ento, da-
dos quaisquer vetores , temos
onde [u] e [ ] denotam os vetores (coluna) de coordenadas em relao base S.
_Book_Lipschutz.indb 246 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 247
Teorema 7.17 Seja A a representao matricial de algum produto interno de V. Ento A uma matriz positiva.
7.9 ESPAOS COMPLEXOS COM PRODUTO INTERNO
Nesta seo consideramos espaos vetoriais sobre o corpo complexo . Inicialmente, relembramos algumas pro-
priedades dos nmeros complexos (Seo 1.7), especialmente as relaes entre um nmero complexo a bi,
com , e seu conjugado complexo a bi, como segue.
Alm disso, z real se, e s se,
Temos a definio seguinte.
DEFINIO Seja V um espao vetorial sobre . Suponha que a cada par de vetores esteja associado um
nmero complexo, denotado por . Essa funo denominada produto interno (complexo) de V se satisfizer os
axiomas seguintes.
(Linearidade)
(Simetria Conjugada)
(Positividade) e se, e s se, u 0.
O espao vetorial V sobre C com um produto interno denominado espao com produto interno (complexo).
Observe que nica distino entre um produto interno real e um complexo o segundo axioma .
O axioma da linearidade equivalente s duas condies
Por outro lado, aplicando , obtemos
Assim, devemos tomar o conjugado de um nmero complexo que for retirado da segunda posio de um produto
interno complexo. De fato (Problema 7.47), o produto interno conjugado linear na segunda posio, isto ,
Combinando a linearidade na primeira posio com a linearidade conjugada da segunda, obtemos, por induo,
Convm destacar as observaes seguintes.
OBSERVAO 1 O axioma sozinho implica . Assim, e so equi-
valentes a e juntos com o axioma seguinte.
Se , ento .
Ou seja, uma funo que satisfaz e um produto interno (complexo) de V.
OBSERVAO 2 Por . Assim, sempre real. Por sempre no negativo e,
portanto, existe a raiz quadrada no negativa desse valor. Como no caso de espaos com produto interno real, defi-
nimos como a norma ou comprimento de u.
OBSERVAO 3 Alm da norma, definimos, como antes, os conceitos de ortogonalidade, complemento or-
togonal e conjuntos ortogonais e ortonormais. Na verdade, as definies de distncia, coeficientes de Fourier e
projees so idnticas s do caso real.
_Book_Lipschutz.indb 247 22/12/10 09:02
LGEBRA LINEAR
248
Exemplo 7.15 (Espao euclidiano complexo ). Dado V , sejam u (z
i
) e (w
i
) vetores de . Ento
um produto interno de V, denominado produto interno cannico de . Com esse produto interno, dizemos que V
o espao euclidiano complexo. Salvo meno explcita em contrrio, vamos sempre supor definido esse produto
interno em . Considerando u e como vetores coluna, esse produto interno pode
ser definido por
onde, como com matrizes, significa o conjugado de cada entrada de . Se u e so reais, temos e, nesse
caso, o produto interno se reduz ao anlogo de
Exemplo 7.16
(a) Seja V o espao vetorial das funes contnuas complexas definidas no intervalo (real) . O produto
interno cannico de V dado por
(b) Seja U o espao vetorial das matrizes sobre . Sejam A (z
ij
) e B (w
ij
) elementos de U. O produto
interno cannico de U dado por
Como antes, , ou seja, B
H
a matriz conjugada transposta de B.
A seguir, apresentamos uma lista de teoremas relativos a espaos com produto interno complexos que so
anlogos queles do caso real. Aqui, as matrizes hermitianas A (isto , matrizes tais que ), desempe-
nham o mesmo papel que as matrizes simtricas A (isto , matrizes tais que A
T
A) no caso real. (O Teorema 7.18
demonstrado no Problema 7.50.)
Teorema 7.18 (Cauchy-Schwarz) Seja V um espao com produto interno complexo. Ento
Teorema 7.19 Seja W um subespao de um espao com produto interno complexo V. Ento .
Teorema 7.20 Suponha que {u
1
, u
2
, ..., u
n
} seja uma base de um espao com produto interno complexo V. Ento,
dado qualquer ,
Teorema 7.21 Suponha que {u
1
, u
2
, ..., u
n
} seja uma base de um espao com produto interno complexo V. Seja A
[a
ij
] a matriz complexa definida por Ento, dados quaisquer ,
onde [u] e [ ] denotam os vetores coluna de coordenadas na base {u
i
}. (Observao: dizemos que essa matriz A
representa o produto interno de V.)
Teorema 7.22 Seja A uma matriz hermitiana (isto , ) tal que seja real e positivo, para qual-
quer vetor no nulo . Ento, um produto interno de .
Teorema 7.23 Seja A a matriz que representa um produto interno de V. Ento A hermitiana e real e
positivo, para qualquer vetor no nulo X de .
_Book_Lipschutz.indb 248 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 249
7.10 ESPAOS VETORIAIS NORMADOS (OPCIONAL)
Comeamos com uma definio.
DEFINIO Seja V um espao vetorial real ou complexo. Suponha que a cada esteja associado um nmero
real, denotado por || ||. Essa funo denominada norma de V se satisfizer os axiomas seguintes.
[N
1
] e || || 0 se, e s se, 0.
[N
2
]
[N
3
]
Um espao vetorial V com uma norma denominado espao vetorial normado.
Seja V um espao vetorial normado. A distncia entre dois vetores u e de V denotada e definida por
d(u, ) ||u ||
O teorema seguinte (demonstrado no Problema 7.56) a razo principal pela qual dizemos que d(u, ) a distncia
entre u e .
Teorema 7.24 Seja V um espao vetorial normado. Ento a funo d(u, ) ||u || satisfaz os trs axiomas de
espao mtrico, como segue.
[M
1
] e d(u, ) 0 se, e s se, u .
[M
2
]
[M
3
]
Espaos vetoriais normados e espaos com produto interno
Seja V um espao com produto interno. A norma de um vetor de V foi definida por
Prova-se (Teorema 7.2) que essa norma satisfaz [N
1
], [N
2
] e [N
3
]. Assim, todo espao com produto interno V um
espao normado. Por outro lado, podem existir normas num espao vetorial V que no tenham sua origem num
produto interno de V.
Normas de e
Trs normas importantes de e so definidas como segue.
(Observe que usamos ndices para diferenciar entre essas trs normas.) As normas e so denomi-
nadas, respectivamente, norma infinito, norma 1 e norma 2. Observe que a norma de (respectivamente,
) induzida pelo produto interno cannico de (respectivamente, ). Vamos denotar as respectivas funes
distncia por .
Exemplo 7.17 Considere os vetores u (1, 5, 3) e (4, 2, 3) de .
(a) A norma infinito escolhe o mximo dentre os valores absolutos das entradas. Logo,
(b) A norma 1 soma os valores absolutos das entradas. Logo,
_Book_Lipschutz.indb 249 22/12/10 09:02
LGEBRA LINEAR
250
(c) A norma 2 igual raiz quadrada da soma dos quadrados das entradas (isto , a norma induzida pelo produto
interno cannico de R
3
). Assim,
(d) Como u (1 4, 5 2, 3 3) (3, 7, 6), temos
Exemplo 7.18 Considere o plano cartesiano mostrado na Figura 7-4.
(a) Seja D
1
o conjunto dos pontos u (x, y) de tais que ||u||
2
1. Ento D
1
consiste nos pontos (x, y) tais que
. Assim, D
1
o crculo unitrio, conforme Figura 7-4.
Figura 7-4
(b) Seja D
2
o conjunto dos pontos u (x, y) de tais que ||u||
1
1. Ento D
2
consiste nos pontos (x, y) tais que
. Assim, D
2
um quadrado girado inscrito no crculo unitrio, conforme Figura 7-4.
(c) Seja D
3
o conjunto dos pontos u (x, y) de tais que . Ento D
3
consiste nos pontos (x, y) tais que
. Assim, D
3
um quadrado horizontal que circunscreve o crculo unitrio, conforme
Figura 7-4.
Normas de C[a, b]
Considere o espao vetorial V C[a, b] das funes reais contnuas do intervalo . Vimos que um produ-
to interno de V dado por
Assim, esse produto interno define uma norma de V C[a, b] (que anloga norma de ), como segue.
Outras normas de V C[a, b] so
_Book_Lipschutz.indb 250 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 251
As interpretaes geomtricas dessas duas normas e suas funes distncia correspondentes so dadas a seguir.
A primeira norma mostrada na Figura 7-5. Aqui,
rea entre a funo |f| e o eixo t
rea entre as funes f e g
a b t
f t ( )
( ) a rea destacada a || f ||
1
a b t
f t ( )
( ) ( , ) a rea destacada b d f g
1
g t ( )
Figura 7-5
Essa norma anloga norma de .
A segunda norma mostrada na Figura 7-6. Aqui,
distncia mxima entre f e o eixo t
distncia mxima entre f e g
Essa norma anloga norma de .
Figura 7-6
Problemas Resolvidos
Produtos internos
7.1 Expanda as expresses dadas.
Use linearidade em ambas posies e, quando possvel, a simetria .
(a) Tomamos o produto interno de cada termo esquerda com cada termo direita.
_Book_Lipschutz.indb 251 22/12/10 09:02
LGEBRA LINEAR
252
[Observao: confira a semelhana entre essa expanso e a de na lgebra elementar.]
7.2 Considere os vetores de . Encontre
(a) Multiplicamos componentes correspondentes e somamos para obter .
(d) Calculamos e, ento, . Alternativamente, usando [I
1
],
(e) Primeiro calculamos elevando os componentes de u ao quadrado e somando, como segue.
e, portanto,
(f) e, portanto, .
7.3 Verifique que define um produto interno de .
com
Argumentamos com matrizes. Podemos escrever em notao matricial como segue.
Como A real e simtrica, basta mostrar que A positiva. Os elementos 1 e 3 da diagonal so positivos e o determinante
positivo. Assim, pelo Teorema 7.14, A positiva. Por isso, o Teorema 7.15 garante que

um
produto interno.
7.4 Considere os vetores . Encontre
(a) em relao ao produto interno cannico de .
(b) em relao ao produto interno de do Problema 7.3.
(c) || || usando o produto interno cannico de .
(d) || || usando o produto interno de do Problema 7.3.
(c) e, portanto, || || 5.
(d) e, portanto, .
7.5 Considere os polinmios de P(t) a seguir com o produto interno .
(a) Encontre .
(b) Encontre .
(c) Normalize f e g.
_Book_Lipschutz.indb 252 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 253
(a) Integramos como segue.
logo, .
logo,
(c) Como e g j um vetor unitrio, temos
7.6 Encontre , sendo o ngulo entre
(a) e em .
, com
Use

(a) Calculamos
Assim,

(b) Usamos a soma dos produtos das entradas correspondentes.
Usamos , a soma dos quadrados de todas as entradas de A.
e, portanto,
e, portanto,
Assim,
7.7 Verifique as igualdades seguintes.
(a) Lei do paralelogramo (Figura 7-7):
.
(b) Forma polar de (mostrando que o produto interno pode ser obtido a partir da funo norma):
Expandimos como segue.
(1)
(2)
Somando (1) com (2), obtemos a lei do paralelogramo (a). Subtraindo (2) de (1), obtemos
Dividindo por 4, obtemos a forma polar (real) (b).
7.8 Demonstre o Teorema 7.1 (Cauchy-Schwarz). Dados vetores u e quaisquer de um espao com produto
interno real V,
_Book_Lipschutz.indb 253 22/12/10 09:02
LGEBRA LINEAR
254
Dado um nmero real t,
Sejam . Como , temos
para cada valor de t. Isso significa que o polinmio quadrtico no pode ter duas razes reais, o que implica que
. Assim,
Dividindo por 4, obtemos nosso resultado.
7.9 Demonstre o Teorema 7.2. A norma de um espao com produto interno V satisfaz
(a) [N
1
] e || || 0 se, e s se, 0.
(b) [N
2
]
(c) [N
3
]
(a) Se , ento e, portanto, . Se 0, ento . Consequentemente,
. Assim, [N
1
] vlido.
(b) Temos . Tomando a raiz quadrada de ambos lados, resulta [N
2
].
(c) Usando a desigualdade de Cauchy-Schwarz, obtemos
Tomando a raiz quadrada de ambos lados, resulta [N
3
].
Ortogonalidade, complementos ortogonais, conjuntos ortogonais
7.10 Encontre k tal que os vetores u (1, 2, k, 3) e (3, k, 7, 5) de sejam ortogonais.
Calculamos
Tomando , obtemos .
7.11 Seja W o subespao de gerado por u (1, 2, 3, 1, 2) e (2, 4, 7, 2, 1). Encontre uma base do com-
plemento ortogonal de W.
Queremos encontrar todos os vetores w (x, y, z, s, t) tais que
Eliminando x da segunda equao, obtemos o sistema equivalente
Figura 7-7
_Book_Lipschutz.indb 254 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 255
As variveis livres so y, s e t. Logo,
(1) Tomando y 1, s 0, t 0, obtemos a soluo w
1
(2, 1, 0, 0, 0).
(2) Tomando y 0, s 1, t 0, obtemos a soluo w
2
(13, 0, 4, 1, 0).
(3) Tomando y 0, s 0, t 1, obtemos a soluo w
3
(17, 0, 5, 0, 1).
O conjunto {w
1
, w
2
, w
3
} uma base de .
7.12 Seja w (1, 2, 3, 1) um vetor de . Encontre uma base ortogonal de .
Tomemos uma soluo no nula de , digamos, . Agora, tomemos uma soluo
no nula do sistema
digamos, . Por ltimo, calculamos uma soluo no nula do sistema
digamos, . Assim,
1
,
2
,
3
uma base ortogonal de .
7.13 Seja S o conjunto constitudo dos vetores de dados.
(a) Mostre que S ortogonal e uma base de .
(b) Encontre as coordenadas de um vetor arbitrrio de em relao base S.
(a) Calculamos
Assim, S ortogonal e S linearmente independente. Por isso, S uma base de , j que quaisquer quatro vetores
linearmente independentes de formam uma base de .
(b) Como S ortogonal, basta encontrar os coeficientes de Fourier de em relao aos vetores da base, como no
Teorema 7.7 Assim,
so as coordenadas de em relao base S.
7.14 Sejam S, S
1
, S
2
subespaos de V. Demonstre as afirmaes seguintes.
(a)
(b) Se , ento .
(c)
(a) Seja . Ento , para cada , portanto, . Assim, .
(b) Seja . Ento , para cada . Como , temos , para cada S
1
.
Assim, e, portanto,
(c) Como ger , a parte (b) fornece ger . Suponha que ger . Ento existem w
1
, w
2
, ..., w
k

em S tais que Usando , temos
Assim, . Segue que . Ambas incluses fornecem .
7.15 Demonstre o Teorema 7.5. Se S um conjunto ortogonal de vetores no nulos, ento S linearmente inde-
pendente.
Suponha que S {u
1
, u
2
, ..., u
r
} e que
_Book_Lipschutz.indb 255 22/12/10 09:02
LGEBRA LINEAR
256
(1)
Tomando o produto interno de (1) com u
1
,
Como , resulta e, assim, a
1
0. Analogamente, para i 2, ..., n, tomando o produto interno de (1)
com u
i
,
Mas e, portanto, cada a
i
0. Assim, S linearmente independente.
7.16 Demonstre o Teorema 7.6 (Pitgoras). Seja {u
1
, u
2
, ..., u
r
} um conjunto ortogonal de vetores. Ento
Expandindo o produto interno, obtemos
O teorema decorre observando que , para
7.17 Demonstre o Teorema 7.7. Seja {u
1
, u
2
, ..., u
n
} uma base ortogonal de V. Ento, dado qualquer ,
Suponha que . Tomando o produto interno de ambos lados com u
1
, obtemos
Assim, . Analogamente, para i 2, ..., n,
Assim, . Substituindo essa expresso no lugar de k
i
na equao , obtemos o resultado.
7.18 Seja {e
1
, e
2
, ..., e
n
} uma base ortonormal de V. Demonstre.
(a) Dado qualquer , temos
(b)
(c) Dados quaisquer , temos
(a) Suponha que . Tomando o produto interno de u com e
1
,
_Book_Lipschutz.indb 256 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 257
Analogamente, para i 2, 3, ..., n,
Substituindo no lugar de k
i
na equao , obtemos o resultado.
(b) Temos
Mas , para , e , para i j. Logo, como queramos,
(c) Pela parte (a), temos
Assim, pela parte (b),
Projees, algoritmo de Gram-Schmidt, aplicaes
7.19 Suponha que . Seja um vetor qualquer de V. Mostre que
o nico escalar tal que ortogonal a w.
Para ter ortogonal a w, devemos ter
Assim, . Reciprocamente, suponha que . Ento
7.20 Encontre o coeficiente de Fourier c e a projeo de (1, 2, 3, 4) sobre w (1, 2, 1, 2) em .
Calculamos . Ento
7.21 Considere o subespao U de gerado pelos vetores
Encontre (a) uma base ortogonal de U; (b) uma base ortonormal de U.
(a) Usamos o algoritmo de Gram-Schmidt. Comeamos denotando . Em seguida, calculamos
Denotamos e calculamos
_Book_Lipschutz.indb 257 22/12/10 09:02
LGEBRA LINEAR
258
Limpamos as fraes para obter . Ento w
1
, w
2
, w
3
formam uma base ortogonal de U.
(b) Normalizamos a base ortogonal formada por w
1
, w
2
, w
3
. Como e , o conjunto
de vetores seguintes forma uma base ortonormal de U.
7.22 Considere o espao vetorial P(t) com o produto interno . Aplique o algoritmo de
Gram-Schmidt ao conjunto para obter um conjunto ortogonal {f
0
, f
1
, f
2
} com coeficientes inteiros.
Comeamos denotando f
0
1. Em seguida, calculamos
Limpamos as fraes para obter . Ento calculamos
Limpamos as fraes para obter . Assim, o conjunto ortogonal procurado.
7.23 Seja (1, 3, 5, 7). Encontre a projeo de sobre W ou, em outras palavras, encontre que minimi-
za , sendo W o subespao de gerado por
(a) Como u
1
e u
2
so ortogonais, basta calcular os coeficientes de Fourier
Ento
(b) Como u
1
e u
2
no so ortogonais, primeiro aplicamos o algoritmo de Gram-Schmidt para encontrar uma base
ortogonal de W. Denotando , encontramos
Denotando , calculamos
Ento
7.24 Sejam w
1
e w
2
vetores no nulos ortogonais e um vetor qualquer de V. Encontre c
1
e c
2
tais que seja or-
togonal a w
1
e w
2
, com .
Se ortogonal a w
1
, ento
Assim, . (Ou seja, c
1
o componente de ao longo de w
1
.) Analogamente, se ortogonal a w
2
,
ento
Assim, . (Ou seja, c
2
o componente de ao longo de w
2
.)
_Book_Lipschutz.indb 258 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 259
7.25 Demonstre o Teorema 7.8. Sejam w
1
, w
2
, ..., w
r
vetores ortogonais de V. Dado um vetor qualquer de V,
denotamos
,
com
Ento ortogonal a w
1
, w
2
, ..., w
r
.
Dado i 1, 2, ..., r e usando que , com , temos
Isso demonstra o teorema.
7.26 Demonstre o Teorema 7.9. Seja {
1
,
2
, ...,
n
} uma base qualquer de um espao com produto interno V. En-
to existe uma base ortonormal {u
1
, u
2
, ..., u
n
} de V tal que a matriz de mudana de base de {
i
} para {u
i
}
triangular, ou seja, para k 1, 2, ..., n,
A demonstrao utiliza o algoritmo de Gram-Schmidt e as observaes 1 e 3 da Seo 7.7. Mais especificamente, apli-
camos o algoritmo a {
i
} para obter uma base ortogonal {w
1
, ..., w
n
}, que normalizamos para obter uma base ortonormal
{u
i
} de V. O algoritmo especificamente garante que cada w
k
uma combinao linear de
1
, ...,
n
e, portanto, cada u
k

uma combinao linear de
1
, ...,
n
.
7.27 Demonstre o Teorema 7.10. Seja S {w
1
, w
2
, ..., w
r
} uma base ortogonal de um subespao W de um espa-
o vetorial V. Ento S pode ser estendida a uma base ortogonal de V, ou seja, podemos encontrar vetores
tais que {w
1
, w
2
, ..., w
n
} seja uma base ortogonal de V.
Estendemos S a uma base de V. Aplicando o algoritmo de Gram-Schmidt a , primei-
ro obtemos w
1
, ..., w
r
, porque S ortogonal, e depois obtemos vetores tais que {w
1
, w
2
, ..., w
n
} uma base
ortogonal de V. Assim, provamos o teorema.
7.28 Demonstre o Teorema 7.4. Seja W um subespao de V. Ento .
Pelo Teorema 7.9, existe uma base ortogonal {u
1
, ..., u
r
} de W e, pelo Teorema 7.10, podemos estend-la a uma base
ortogonal {u
1
, u
2
, ..., u
n
} de V. Logo, . Dado , temos
, com e
Assim, obtemos .
Por outro lado, se , ento , fornecendo w 0. Logo, .
As duas condies do o resultado procurado
OBSERVAO Nossa demonstrao foi feita no caso em que V tem dimenso finita. Observamos que o teorema
tambm vlido em espaos de dimenso infinita.
7.29 Seja W um subespao de um espao V de dimenso finita. Prove que .
Pelo Teorema 7.4, e, tambm . Logo,
Isso fornece . Como (ver Problema 7.14), resulta .
7.30 Demonstre a afirmao dada. Seja w
1
, w
2
, ..., w
r
um conjunto ortogonal de vetores no nulos de V. Seja um
vetor qualquer de V e c
i
o componente de ao longo de w
i
. Dados escalares a
1
, ..., a
r
quaisquer, temos
Ou seja, a melhor aproximao de por combinaes lineares de w
1
, ..., w
r
.
Pelo Teorema 7.8, ortogonal a cada w
i
e, portanto, ortogonal a qualquer combinao linear dos veto-
res w
1
, w
2
, ..., w
r
. Portanto, usando o teorema de Pitgoras e somando de k 1 a r, obtemos
_Book_Lipschutz.indb 259 22/12/10 09:02
LGEBRA LINEAR
260
A raiz quadrada de ambos lados nos d o teorema.
7.31 Seja {e
1
, e
2
, ..., e
r
} um conjunto ortonormal de vetores de V. Seja um vetor qualquer de V e c
i
o coeficiente
de Fourier de em relao a e
i
. Demonstre a desigualdade de Bessel
Observe que , porque . Ento, usando , com , e somando de k 1 a r, obtemos
que d a desigualdade de Besel.
Matrizes ortogonais
7.32 Encontre uma matriz ortogonal P cuja primeira linha seja .
Inicialmente, procuramos um vetor no nulo w
2
(x, y, z) que seja ortogonal a u
1
, ou seja, para o qual
Uma tal soluo w
2
(0, 1, 1). Normalizamos w
2
para obter a segunda linha de P,
Em seguida, procuramos um vetor no nulo w
3
(x, y, z) que seja ortogonal a u
1
e, tambm, a u
2
, ou seja, para o qual
Tomando z 1, encontramos a soluo w
3
(4, 1, 1). Normalizamos w
3
para obter a terceira linha de P, a saber,
Assim,
Enfatizamos que a matriz P encontrada no nica.
7.33 Seja . Decida se vlido, ou no. (a) As linhas de A so ortogonais; (b) A uma matriz

ortogonal; (c) as colunas de A so ortogonais.
(a) vlido, porque e
(b) No , porque as linhas de A no so vetores unitrios; por exemplo, ||(1, 1, 1)||
2
1 1 1 3.
(c) No ; por exemplo,
7.34 Seja B a matriz obtida normalizando cada linha da matriz A do Problema 7.33.
(a) Encontre B.
(b) Ser B ortogonal?
_Book_Lipschutz.indb 260 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 261
(c) Sero ortogonais as colunas de B?
(a) Temos


(b) , porque as linhas de B continuam ortogonais e agora so vetores unitrios.
(c) So, porque as linhas de B formam um conjunto ortonormal de vetores. Ento, pelo Teorema 7.11, as colunas de B
formam, automaticamente, um conjunto ortonormal.
7.35 Demonstre cada uma das afirmaes seguintes.
(a) P ortogonal se, e s se, P
T
ortogonal.
(b) Se P ortogonal, ento ortogonal.
(c) Se P e Q so ortogonais, ento PQ ortogonal.
(a) Temos . Assim, P ortogonal se, e s se, se, e s se, se, e s se, P
T
ortogonal.
(b) Temos , porque P ortogonal. Assim, pela parte (a), ortogonal.
(c) Temos . Assim, . Logo, e,
portanto PQ ortogonal.
7.36 Seja P uma matriz ortogonal. Mostre que
(a) , para quaisquer ;
(b) , para cada .
Usamos
(a)
(b) Temos
Tomando a raiz quadrada de ambos lados, obtemos (b).
7.37 Demonstre o Teorema 7.12. Sejam E {e
i
} e bases ortonormais de V e P a matriz de mudana
de base da base E para a base . Ento P ortogonal.
Suponha que
(1)
Usando o Problema 7.18(b) e a hiptese da ortonormalidade de , obtemos
(2)
Seja B [b
ij
] a matriz de coeficientes de (1). (Logo, .) Suponha que . Ento
(3)
Por (2) e (3), temos . Assim, . Decorre que B ortogonal e, portanto, ortogonal.
7.38 Demonstre o Teorema 7.13. Sejam {e
1
, ..., e
n
} uma base ortonormal de um espao com produto interno V e
P [a
ij
] uma matriz ortogonal. Ento os n vetores seguintes formam uma base ortonormal de V.
Como {e
i
} ortonormal, o Problema 7.18(b) garante que
_Book_Lipschutz.indb 261 22/12/10 09:02
LGEBRA LINEAR
262
onde C
i
denota a i-sima coluna da matriz ortogonal P [a
ij
]. Como P ortogonal, suas colunas formam um conjunto
ortonormal. Isso implica . Assim, uma base ortonormal.
Produtos internos e matrizes positivas
7.39 Decida quais das matrizes simtricas dadas so positivas.
Usamos o Teorema 7.14, que afirma que uma matriz real e simtrica positiva se, e s se, suas entradas
diagonais so positivas e seu determinante positivo.
(a) No , porque negativo.
(b) positiva.
(c) No , porque a entrada diagonal 3 negativa.
(d) positiva.
7.40 Encontre os valores de k com os quais as matrizes dadas so positivas.
(a) Em primeiro lugar, k deve ser positivo. Tambm deve ser positivo, portanto, . Assim, k > 8.
(b) Precisamos que seja positivo, ou seja, . Assim, , ou 6 < k < 6.
(c) C nunca ser positiva, pois tem a entrada negativa 2 na diagonal.
7.41 Encontre a matriz A que representa o produto interno cannico de em relao a cada uma das bases dadas
de .
(a) Calculamos . Assim,
(b) Calculamos . Assim,

(Como os vetores da base so ortogonais, a matriz A diagonal.)
7.42 Considere o espao vetorial V P
2
(t) com produto interno
(a) Encontre , com e .
(b) Encontre a matriz A do produto interno em relao base de V.
(c) Verifique o Teorema 7.16, mostrando que em relao base .
(b) Aqui usamos o fato de que, se r s n, ento
Ento . Assim,
_Book_Lipschutz.indb 262 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 263
(c) Temos em relao base dada. Ento
7.43 Demonstre o Teorema 7.14. positiva se, e s se, a e d so positivos e positivo.
Seja . Ento
Suponha que f(u) > 0, para cada . Ento, f(1, 0) a > 0 e f(0, 1) d > 0. Tambm, .
Como a > 0, obtemos
Reciprocamente, suponha que a > 0, d > 0, ad b
2
> 0. Completando o quadrado, obtemos
Dessa forma, f(u) > 0, para cada .
7.44 Demonstre o Teorema 7.15. Seja A uma matriz real positiva. Ento a funo um produto
interno de .
Dados vetores u
1
, u
2
e ,
e, dado qualquer escalar r e vetores u, ,
Logo, vale [I
1
].
Como um escalar, . Tambm, A
T
A, pois A simtrica. Logo,
Logo, vale [I
2
].
Finalmente, como A positiva, temos , para cada no nulo. Assim, dado qualquer vetor no nulo
, temos . Tambm, . Assim, vale [I
3
]. Em vista disso, a funo
um produto interno.
7.45 Demonstre o Teorema 7.16. Seja A a representao matricial de um produto interno em relao a uma base
S de V. Ento, dados quaisquer vetores , temos
Suponha que S {w
1
, w
2
, ..., w
r
} e que A [k
ij
]. Ento, . Suponha que
Ento (1)
_Book_Lipschutz.indb 263 22/12/10 09:02
LGEBRA LINEAR
264
Por outro lado,

(2)
As equaes (1) e (2) garantem a afirmao do teorema.
7.46 Demonstre o Teorema 7.17. Seja A a representao matricial de algum produto interno de V. Ento A uma
matriz positiva.
Como vale para quaisquer vetores w
i
e w
j
da base, a matriz A simtrica. Seja X um vetor no nulo
qualquer de . Ento [u] X, para algum vetor no nulo. O Teorema 7.16 afirma que

. Assim, A positiva.
Espaos com produto interno complexos
7.47 Seja V um espao com produto interno complexo. Verifique a relao
Usando e, depois, , obtemos
7.48 Suponha que num espao com produto interno complexo. Encontre
7.49 Encontre o coeficiente de Fourier (componente) c e a projeo cw de sobre
em .
Lembrando que , calculamos
Assim, . Decorre que .
7.50 Demonstre o Teorema 7.18 (Cauchy-Schwarz). Seja V um espao com produto interno complexo. Ento
Se 0, a desigualdade reduz a e, portanto, vlida. Agora, suponha que . Usando (vlido
para nmeros complexos) e , expandimos , em que t um valor real.
_Book_Lipschutz.indb 264 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 265
Tomamos para obter , do que decorre . Tomando a raiz
quadrada de ambos lados, obtemos a desigualdade procurada.
7.51 Encontre uma base ortogonal de em , com .
Aqui consiste em todos os vetores s (x, y, z) tais que
Encontramos uma soluo, digamos, . Ento resolvemos o sistema
Aqui, z uma varivel livre. Tomamos z 1 para obter . Multiplicando
por 2, obtemos a soluo . Os vetores w
1
e w
2
formam uma base ortogonal de .
7.52 Encontre uma base ortonormal do subespao W de gerado por
Aplicamos o algoritmo de Gram-Schmidt. Tomamos e calculamos
Multiplicamos por 2 para limpar as fraes, obtendo . Em seguida, calculamos
e . Normalizando {w
1
, w
2
}, obtemos a base ortonormal de W seguinte.
7.53 Encontre a matriz P que representa o produto interno cannico de em relao base .
Calculamos os seis produtos internos a seguir.
Em seguida, usando , obtemos
(Conforme esperado, P hermitiana, ou seja, P
H
P.)
Espaos vetoriais normados
7.54 Considere os vetores de . Encontre
(a) A norma infinito escolhe o mximo do valor absoluto dos componentes. Logo,
(b) A norma 1 soma o valor absoluto dos componentes. Logo,
(c) A norma 2 igual raiz quadrada da soma do quadrado dos componentes (ou seja, a norma induzida pelo produto
interno cannico de ). Logo,
(d) Primeiro calculamos . Ento
_Book_Lipschutz.indb 265 22/12/10 09:02
LGEBRA LINEAR
266
7.55 Considere a funo de C[0, 3].
(a) Encontre Esboce o grfico de f(t) no plano , (c) Encontre , (d) Encontre .
(a) Queremos calcular . Como f(t) derivvel em [0, 3], |f(t)| atinge um mximo num ponto
crtico de (ou seja, quando a derivada ), ou num extremidade de [0, 3]. Como ,
tomamos e obtemos t 2 como ponto crtico. Calculando,
Assim,
(b) Calculamos f(t) para alguns valores de t em [0, 3], por exemplo,
Esboamos os pontos de e traamos uma curva contnua pelos pontos, conforme Figura 7-8.
(c) Queremos calcular . Conforme indicado na Figura 7-8, f(t) negativa em [0, 3], portanto,
.
Assim,
(d)
Assim,
Figura 7-8
7.56 Demonstre o Teorema 7.24. Seja V um espao vetorial normado. Ento a funo d(u, ) ||u || satisfaz
os trs axiomas de espao mtrico, como segue.
[M
1
] e d(u, ) 0 se, e s se, u .
[M
2
]
[M
3
]
Se , ento e, portanto, . Tambm . Assim,
[M
1
] vlido. Tambm temos
Assim, [M
2
] e [M
3
] so vlidos.
_Book_Lipschutz.indb 266 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 267
Problemas Complementares
Produtos internos
7.57 Verifique que define um produto interno de , com , a funo
7.58 Encontre os valores de k que fazem um produto interno de , com , da funo
7.59 Considere os vetores de . Encontre
(a) em relao ao produto interno cannico de .
(b) em relao ao produto interno de do Problema 7.57.
(c) || || usando o produto interno cannico de .
(d) | || usando o produto interno de do Problema 7.57.
7.60 Mostre que cada uma das funes seguintes no um produto interno de , com .
7.61 Seja V o espao vetorial das matrizes sobre . Mostre que define um produto interno de V.
7.62 Suponha que . (Observe que isso a igualdade de Cauchy-Schwarz.) Mostre que u e so linear-
mente dependentes.
7.63 Sejam f(u, ) e g(u, ) produtos internos de um espao vetorial V sobre . Prove.
(a) A soma f g um produto interno de V, sendo (f g)(u, ) f(u, ) g(u, ).
(b) O mltiplo kf, com k > 0, um produto interno de V, sendo (kf)(u, ) kf(u, ).
Ortogonalidade, complementos ortogonais, conjuntos ortogonais
7.64 Seja V o espao vetorial dos polinmios sobre de grau com o produto interno definido por .
Encontre uma base do subespao W ortogonal a .
7.65 Encontre uma base do subespao W de ortogonal a e .
7.66 Encontre uma base do subespao W de ortogonal aos vetores
7.67 Seja um vetor de . Encontre
(a) uma base ortogonal de , (b) uma base ortonormal de .
7.68 Seja W o subespao de ortogonal a . Encontre
(a) uma base ortogonal de W, (b) uma base ortonormal de W. (Compare com o Problema 7.65.)
7.69 Seja S o conjunto constitudo dos vetores de dados.
(a) Mostre que S ortogonal e uma base de .
(b) Escreva como uma combinao linear de u
1
, u
2
, u
3
, u
4
.
(c) Encontre as coordenadas de um vetor arbitrrio de em relao base S.
(d) Normalize S para obter um conjunto ortonormal de .
_Book_Lipschutz.indb 267 22/12/10 09:02
LGEBRA LINEAR
268
7.70 Considere com o produto interno . Mostre que uma base ortonormal de M o conjunto
7.71 Considere com o produto interno . Encontre uma base para o complemento ortogonal (a)
das matrizes diagonais, (b) das matrizes simtricas.
7.72 Seja {u
1
, u
2
, ..., u
r
} um conjunto ortogonal de vetores. Mostre que, dados escalares a
1
, a
2
, ..., a
r
quaisquer, o conjunto
{a
1
u
1
, a
2
u
2
, ..., a
r
u
r
} ortogonal.
7.73 Sejam U e W subespaos de um espao com produto interno V de dimenso finita. Mostre que
Projees, algoritmo de Gram-Schmidt, aplicaes
7.74 Encontre o coeficiente de Fourier c e a projeo cw de sobre w, com
(a) em .
(b) em .
(c) em P(t), com produto interno .
(d) em , com produto interno .
7.75 Seja U o subespao de gerado por
(a) Aplique o algoritmo de Gram-Schmidt para encontrar uma base ortogonal e uma base ortonormal de U.
(b) Encontre a projeo de sobre U.
7.76 Seja (1, 2, 3, 4, 6). Encontre a projeo de sobre W ou, em outras palavras, encontre que minimiza ,
sendo W o subespao de gerado por
7.77 Considere o subespao W P
2
(t) de P(t) com o produto interno . Encontre a projeo de
sobre W. (Sugesto: use os polinmios ortogonais obtidos no Problema 7.22.)
7.78 Considere P(t) com o produto interno e o subespao W P
3
(t).
(a) Encontre uma base ortogonal de W aplicando o algoritmo de Gram-Schmidt em
(b) Encontre a projeo de sobre W.
Matrizes ortogonais
7.79 Encontre o nmero de todas as matrizes ortogonais da forma e exiba-as.
7.80 Encontre uma matriz ortogonal P cujas duas primeiras linhas sejam mltiplos de
respectivamente.
7.81 Encontre uma matriz ortogonal simtrica P cuja primeira linha seja . (Compare com o Problema 7.32.)
7.82 Dizemos que duas matrizes reais A e B so ortogonalmente equivalentes se existir uma matriz ortogonal P tal que
. Mostre que essa relao de equivalncia.
_Book_Lipschutz.indb 268 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 269
Produtos internos e matrizes positivas
7.83 Encontre a matriz A que representa o produto interno cannico de em relao a cada uma das bases seguintes.
7.84 Considere o produto interno de dado por
com
Encontre a matriz B que representa esse produto interno de em relao a cada base do Problema 7.83.
7.85 Encontre a matriz C que representa o produto interno cannico de em relao base S formada pelos vetores
.
7.86 Seja V P
2
(t) com produto interno
(a) Encontre , com
(b) Encontre a matriz A do produto interno em relao base .
(c) Verifique o Teorema 7.16, mostrando que em relao base
7.87 Decida quais das matrizes seguintes so positivas.
7.88 Sejam A e B matrizes positivas. Mostre que
(a) A B positiva, (b) kA positiva, com k > 0.
7.89 Seja B uma matriz real no singular. Mostre que (a) simtrica, (b) positiva.
Espaos com produto interno complexos
7.90 Verifique que
Mais geralmente, prove que
7.91 Considere de C
3
. Encontre
7.92 Encontre o coeficiente de Fourier c e a projeo cw de
(a) sobre em .
(b) sobre em .
7.93 Sejam de . Verifique que a funo dada um produto interno de .
7.94 Encontre uma base ortogonal e uma base ortonormal do subespao W de gerado por e
7.95 Sejam de . Encontre os valores de para os quais a funo dada um
produto interno de .
7.96 Demonstre a expanso seguinte de um produto interno de um espao complexo V.
_Book_Lipschutz.indb 269 22/12/10 09:02
LGEBRA LINEAR
270
[Compare com o Problema 7.7(b).]
7.97 Seja V um espao com produto interno real. Mostre que
(a) se, e s se, .
(b) se, e s se,
D contraexemplos que mostrem que as afirmaes dadas no valem em, digamos, .
7.98 Encontre a matriz P que representa o produto interno cannico de em relao base
7.99 Uma matriz complexa A unitria se for invertvel e . Alternativamente, A unitria se suas linhas (colunas)
formarem um conjunto ortonormal de vetores (em relao ao produto interno cannico de ). Encontre uma matriz
unitria cuja primeira linha seja (a) um mltiplo de , (b) um mltiplo de .
Espaos vetoriais normados
7.100 Considere os vetores de . Encontre
7.101 Repita o Problema 7.100 com de .
7.102 Considere as funes de C[0, 4]. Encontre
7.103 Demonstre que (a) uma norma de , (b) uma norma de .
7.104 Demonstre que (a) uma norma de C[a, b], (b) uma norma de C[a, b].
Respostas dos Problemas Complementares
Notao: denota uma matriz M de linhas R
1
, R
2
, ... Tambm observe que as bases no so nicas.
7.58 k > 9
7.59
7.60 Seja u (0, 0, 1); ento em ambos casos.
7.64
7.65
7.66
7.67
7.68
7.69
7.71
7.74
_Book_Lipschutz.indb 270 22/12/10 09:02
CAPTULO 7 ESPAOS COM PRODUTO INTERNO, ORTOGONALIDADE 271
7.75
7.76 (a) , (b) Primeiro, encontre uma base ortogonal de W, digamos, e
. Ento, .
7.77
7.78
7.79 Quatro:
7.80 com
7.81
7.83
7.84
7.85
7.86 com
7.87 (a) No , (b) , (c) No , (d) .
7.91
7.92
7.94
7.95 a e d reais e positivos, e ad bc positivos.
7.97
7.98
7.99 (a)
(b) com
7.100 (a) 4 e 3, (b) 11 e 10, (c) , (d) 6, 19, 9
7.101
7.102 (a) 8, (b) 16, (c) .
_Book_Lipschutz.indb 271 22/12/10 09:02
8.1 INTRODUO
A cada matriz quadrada A [a
ij
] de ordem n est associado um escalar especial, denominado determinante de A e
denotado por det(A), ou |A| ou
Enfatizamos que uma tabela de escalares emoldurada por segmentos de reta, denominada determinante de
ordem n, no uma matriz e somente denota o determinante da tabela de escalares (ou seja, da matriz emoldurada).
A funo determinante foi descoberta durante a investigao de sistemas de equaes lineares. Veremos que o
determinante uma ferramenta indispensvel na investigao e na obteno de propriedades de matrizes quadradas.
A definio do determinante e a maioria de suas propriedades tambm se aplicam ao caso em que as entradas
da matriz provm de um anel comutativo.
Comeamos com o caso especial de determinantes de ordens 1, 2 e 3. Depois definimos um determinante de
ordem arbitrria. Essa definio geral precedida por uma discusso de permutaes necessria para a nossa defi-
nio geral de determinante.
8.2 DETERMINANTES DE ORDENS 1 E 2
Os determinantes de ordens 1 e 2 so definidos como segue.
Assim, o determinante de uma matriz A [a
11
] de ordem 1 o prprio escalar a
11
, isto , det(A) |a
11
| a
11
. O
determinante de ordem dois pode ser facilmente lembrado usando o diagrama a seguir.
Ou seja, o determinante igual ao produto dos elementos ao longo da seta marcada com o sinal de soma menos o
produto dos elementos ao longo da seta marcada com o sinal de diferena. (Existe um diagrama anlogo para de-
terminantes de ordem 3, mas no para determinantes de ordens superiores.)
Determinantes
Captulo 8
_Book_Lipschutz.indb 272 22/12/10 09:02
CAPTULO 8 DETERMINANTES 273
Exemplo 8.1
(a) Como o determinante de ordem 1 o prprio escalar, temos
(b)
Aplicao a equaes lineares
Considere duas equaes lineares com duas incgnitas, digamos,
Seja D a
1
b
2
a
2
b
1
o determinante da matriz de coeficientes. Ento o sistema tem uma nica soluo se, e s se,
. Nesse caso, a nica soluo pode ser completamente expressa em termos de determinantes, como segue.
Observe que D aparece no denominador de ambos os quocientes. Os numeradores N
x
e N
y
dos quocientes que de-
terminam x e y, respectivamente, podem ser obtidos substituindo a coluna dos termos constantes no lugar da coluna
dos coeficientes da incgnita dada na matriz de coeficientes. Por outro lado, se D 0, ento o sistema pode no ter
soluo ou, ento, ter mais de uma soluo.
Exemplo 8.2 Resolva com determinantes o sistema
Primeiro, calculamos o determinante D da matriz de coeficientes.
Como , o sistema possui soluo nica. Para obter os numeradores N
x
e N
y
, simplesmente substitumos, na
matriz de coeficientes, os coeficientes de x e y, respectivamente, pelos termos constantes e, ento, tomamos seus
determinantes.
Ento, a nica soluo do sistema
8.3 DETERMINANTES DE ORDEM 3
Considere uma matriz qualquer A [a
ij
] de ordem 3. O determinante de A definido como segue.
Observe que h seis produtos, cada um consistindo de trs elementos da matriz original. Trs desses produtos rece-
bem o sinal positivo (mantm seu sinal) e os outros trs recebem o sinal negativo (mudam seu sinal).
_Book_Lipschutz.indb 273 22/12/10 09:02
LGEBRA LINEAR
274
Os diagramas da Figura 8-1 podem ajudar a lembrar desses seis produtos de det(A). Ou seja, o determinante
igual soma dos produtos dos elementos ao longo das trs setas assinaladas com o sinal de soma na Figura 8-1, mais
a soma dos negativos dos produtos dos elementos que esto nas setas assinaladas com o sinal de diferena. Enfatiza-
mos que no existem recursos visuais com os quais seja possvel lembrar determinantes de ordens superiores.
Figura 8-1
Exemplo 8.3 Sejam e Encontre det(A) e det(B).
Usamos os diagramas da Figura 8-1.
Forma alternativa para o determinante de ordem 3
O determinante de uma matriz A [a
ij
] de ordem 3 pode ser reescrito como segue.
que uma combinao linear de trs determinantes de ordem 2 cujos coeficientes (com sinais alternados) formam
a primeira linha da matriz dada. Essa combinao linear pode ser indicada como segue.
Observe que cada matriz pode ser obtida suprimindo, na matriz original, a linha e a coluna que contm seu
coeficiente.
Exemplo 8.4
_Book_Lipschutz.indb 274 22/12/10 09:02
CAPTULO 8 DETERMINANTES 275
8.4 PERMUTAES
Uma permutao do conjunto {1, 2, ..., n} uma bijeo desse conjunto em si mesmo ou, equivalentemente, uma
reordenao dos nmeros 1, 2, ..., n. Uma permutao denotada por
O conjunto de todas essas permutaes denotado por S
n
e o nmero dessas permutaes n!. Se , ento a
aplicao inversa e, se , ento a aplicao composta . Tambm a transformao iden-
tidade . (Na verdade, .)
Exemplo 8.5
(a) Existem permutaes em S
2
, a saber, 12 e 21.
(b) Existem permutaes em S
3
, a saber, 123, 132, 213, 231, 312 e 321.
Sinal (paridade) de uma permutao
Considere uma permutao arbitrria de S
n
, digamos, . Dizemos que uma permutao par ou m-
par se existir um nmero par ou mpar de inverses em . Por uma inverso em entendemos um par de inteiros (i,
k) tais que i > k, mas com i precedendo k em . Ento definimos o sinal ou a paridade de , e escrevemos sgn , por
Exemplo 8.6
(a) Encontre o sinal de em S
5
.
Para cada elemento k, contamos o nmero de elementos i tais que i > k, mas com i precedendo k em .
Temos
2 nmeros (3 e 5) maiores do que e precedendo 1,
3 nmeros (3, 5 e 4) maiores do que e precedendo 2,
1 nmero (5) maior do que e precedendo 4.
(No existem nmeros maiores do que e precedendo 3 e 5.) Como h um total de seis inverses, par e sgn
(b) A permutao identidade par, pois no h inverses em .
(c) Em S
2
, a permutao 12 par e 21 mpar. Em S
3
, as permutaes 123, 231, 312 so pares e as permutaes
132, 213, 321 so mpares.
(d) Seja a permutao que troca de posio os dois nmeros i e j, deixando os demais fixos. Ou seja,
Dizemos que uma transposio. Se i < j, ento existem 2(j i) 1 inverses em e, portanto, a transpo-
sio mpar.
OBSERVAO Podemos mostrar que, dado qualquer n, a metade das permutaes de S
n
so pares e a outra me-
tade so mpares. Por exemplo, 3 das 6 permutaes de S
3
so pares e 3 so mpares.
8.5 DETERMINANTES DE ORDEM ARBITRRIA
Seja A [a
ij
] uma matriz quadrada de ordem n sobre um corpo K.
Considere um produto de n elementos de A tal que um, e apenas um, desses elementos vm de cada linha e um,
e apenas um, vm de cada coluna. Um tal produto pode ser escrito na forma
_Book_Lipschutz.indb 275 22/12/10 09:02
LGEBRA LINEAR
276
em que os fatores pertencem a linhas sucessivas, sendo os primeiros de seus dois ndices na ordem natural 1, 2, ...,
n. Agora, como os fatores vm de colunas diferentes, a sequncia dos segundos de seus dois ndices forma uma
permutao de S
n
. Reciprocamente, cada permutao de S
n
determina um produto desse tipo. Assim,
a matriz A fornece n! desses produtos.
DEFINIO O determinante de A [a
ij
], denotado por det(A) ou |A|, a soma de todos os n! produtos descritos
acima, sendo cada um desses produtos multiplicado por sgn , isto ,
Dizemos que a matriz quadrada A de ordem n tem um determinante de ordem n.
O exemplo seguinte mostra que a definio dada coincide com as definies precedentes de determinantes de
ordem 1, 2 e 3.
Exemplo 8.7
(a) Seja A [a
11
] uma matriz . Como S
1
s tem uma permutao, que par, det(A) a
11
, o prprio elemen-
to.
(b) Seja A [a
ij
] uma matriz . Em S
2
a permutao 12 par e a permutao 21 mpar. Logo,
(c) Seja A [a
ij
] uma matriz . Em S
3
as permutaes 123, 231, 312 so pares e as permutaes 321, 213,
132 so mpares. Logo,
OBSERVAO Quando n cresce, o nmero de termos no determinante se torna astronmico. Por isso, usamos
mtodos indiretos para calcular determinantes em vez da definio de determinante. Na verdade, demonstramos
vrias propriedades dos determinantes que nos permitem simplificar consideravelmente as contas. Em particular,
mostramos que um determinante de ordem n igual a uma combinao linear de determinantes de ordem n 1,
como no caso n 3 j visto.
8.6 PROPRIEDADES DE DETERMINANTES
Vejamos as propriedades bsicas do determinante.
Teorema 8.1 O determinante de uma matriz A coincide com o de sua transposta A
T
, isto ,
Com esse teorema (demonstrado no Problema 8.22), vemos que qualquer teorema sobre o determinante de
uma matriz A relacionado com as linhas de A tem um teorema anlogo relacionado com as colunas de A.
O teorema seguinte (demonstrado no Problema 8.24) apresenta certos casos em que o determinante pode ser
obtido imediatamente.
Teorema 8.2 Seja A uma matriz quadrada.
(i) Se A tem uma linha (coluna) de zeros, ento |A| 0.
(ii) Se A tem duas linhas (colunas) idnticas, ento |A| 0.
_Book_Lipschutz.indb 276 22/12/10 09:02
CAPTULO 8 DETERMINANTES 277
(iii) Se A triangular, isto , se A possui zeros acima ou abaixo da diagonal, ento |A| igual ao
produto dos elementos diagonais. Assim, em particular, |I| 1, sendo I a matriz identidade.
O teorema seguinte (demonstrado nos Problemas 8.23 e 8.25) mostra como o determinante de uma matriz
afetado pelas operaes elementares com as linhas e as colunas.
Teorema 8.3 Suponha que B seja obtida a partir de A por uma operao elementar com as linhas (colunas).
(i) Se duas linhas (colunas) trocaram de posio, ento
(ii) Se uma linha (coluna) de A foi multiplicada por um escalar k, ento
(iii) Se um mltiplo de uma linha (coluna) de A foi somado a uma outra linha (coluna) de A, ento
Propriedades principais dos determinantes
Enunciamos, agora, duas das mais importantes e teis propriedades de determinantes.
Teorema 8.4 O determinante de um produto de duas matrizes A e B o produto de seus determinantes, isto ,
Esse teorema afirma que o determinante uma funo multiplicativa.
Teorema 8.5 Seja A uma matriz quadrada. So equivalentes as afirmaes dadas.
(i) A invertvel, isto , A possui uma inversa
(ii) AX 0 possui apenas a soluo nula.
(iii) O determinante de A no nulo, isto ,
OBSERVAO Dependendo do autor e do texto, uma matriz no singular A definida como uma matriz inver-
tvel, ou como uma matriz A para a qual ou como uma matriz A tal que AX 0 s tem a soluo nula. O
teorema precedente mostra que todas essas definies so equivalentes.
Demonstramos os Teoremas 8.4 e 8.5 (nos Problemas 8.29 e 8.28, respectivamente) utilizando a teoria de ma-
trizes elementares e o lema seguinte (demonstrado no Problema 8.26), que um caso especial do Teorema 8.4.
Lema 8.6 Seja E uma matriz elementar. Ento, dada qualquer matriz A, .
Vimos que duas matrizes A e B so semelhantes se existir uma matriz no singular P tal que
Usando a propriedade multiplicativa do determinante (Teorema 8.4), pode-se demonstrar facilmente (Problema
8.31) o teorema seguinte.
Teorema 8.7 Se A e B so matrizes semelhantes, ento
8.7 MENORES E COFATORES
Considere uma matriz quadrada A [a
ij
] de ordem n. Denotemos por M
ij
a submatriz de A de ordem (n 1) obtida
suprimindo sua i-sima linha e sua j-sima coluna. O determinante denominado menor do elemento a
ij
de A
e o cofator de a
ij
, denotado por A
ij
, o menor com sinal, como segue.
_Book_Lipschutz.indb 277 22/12/10 09:02
LGEBRA LINEAR
278
Observe que os sinais (1)
i j
que acompanham os menores formam um padro de tabuleiro de xadrez com o
sinal da soma na diagonal.
Enfatizamos que M
ij
denota uma matriz, enquanto A
ij
denota um escalar.
OBSERVAO Frequentemente, o sinal (1)
i j
do cofator A
ij
obtido com o padro do tabuleiro de xadrez. Mais
precisamente, comeamos com o sinal da soma e alternamos o sinal, ou seja,
contando da diagonal principal para a casa apropriada do tabuleiro.
Exemplo 8.8 Seja Encontre os menores e os cofatores seguintes. (a) e (b) e
Expanso de Laplace
Vale o teorema seguinte (demonstrado no Problema 8.32).
Teorema 8.8 (Laplace) O determinante de uma matriz quadrada A [a
ij
] igual soma dos produtos obtidos
multiplicando os elementos de qualquer linha (coluna) por seus respectivos cofatores.
Essas frmulas para |A| so denominadas expanses de Laplace do determinante de A pela i-sima linha e
j-sima coluna. Junto com as operaes elementares com as linhas (colunas), oferecem um mtodo para simplificar
o clculo de |A|, conforme veremos.
8.8 CLCULO DE DETERMINANTES
O algoritmo seguinte reduz o clculo de um determinante de ordem n ao clculo de um determinante de ordem
n 1.
Algoritmo 8.1 (Reduo de ordem de um determinante) dada uma matriz no nula A [a
ij
] quadrada de ordem
n, com n > 1.
Passo 1 Escolha um elemento a
ij
1 ou, na falta desse,
Passo 2 Usando a
ij
como piv, use operaes elementares com as linhas (colunas) para colocar zeros em todas as
outras posies da coluna (linha) contendo a
ij
.
Passo 3 Expanda o determinante pela coluna (linha) contendo a
ij
.
_Book_Lipschutz.indb 278 22/12/10 09:02
CAPTULO 8 DETERMINANTES 279
Destacamos as observaes seguintes.
OBSERVAO 1 O Algoritmo 8.1 costuma ser usado para determinantes de ordem 4, ou superior. Para determi-
nantes de ordem menor do que 4, usamos as frmulas especficas para o determinante.
OBSERVAO 2 A eliminao gaussiana ou, equivalentemente, o uso repetido do Algoritmo 8.1, junto com tro-
cas de linhas, podem ser usados para transformar uma matriz A numa matriz triangular superior cujo determinante
seja o produto de suas entradas diagonais. Contudo, devemos manter um registro do nmero de trocas de linhas, j
que cada troca de linha troca o sinal do determinante.
Exemplo 8.9 Use o Algoritmo 8.1 para calcular o determinante de
Usamos a
23
como piv e colocamos zeros nas outras posies da terceira coluna, isto , aplicamos as operaes
elementares com as linhas Substituir R
1
por 2R
2
R
1
, Substituir R
3
por 3R
2
R
3
e Substituir R
4
por R
2

R
4
. Pelo Teorema 8.3(iii), o valor do determinante no se altera com essas operaes. Assim,
Agora, expandimos a terceira coluna. Mais precisamente, suprimimos todos os termos iguais a zero e usamos o fato
de que o sinal do menor M
23
Assim,
8.9 ADJUNTA CLSSICA
Sejam A [a
ij
] uma matriz sobre um corpo K e A
ij
o cofator de a
ij
. A adjunta clssica de A, denotada por
adj A, a transposta da matriz de cofatores de A, a saber,
Dizemos adjunta clssica, em vez de simplesmente adjunta, porque, hoje me dia, o termo adjunta utilizado
para um conceito totalmente diferente (ver Captulo 13).
Exemplo 8.10 Seja Vejamos os cofatores dos nove elementos de A.
_Book_Lipschutz.indb 279 22/12/10 09:02
LGEBRA LINEAR
280
A transposta da matriz dos cofatores fornece a adjunta clssica de A, ou seja,
Vale o teorema seguinte (demonstrado no Problema 8.34).
Teorema 8.9 Seja A uma matriz quadrada qualquer. Ento
onde I a matriz identidade. Assim, se
Exemplo 8.11 Seja A a matriz do Exemplo 8.10. Temos
Assim, A possui uma inversa e, pelo Teorema 8.9,
8.10 APLICAES A EQUAES LINEARES, REGRA DE CRAMER
Considere um sistema AX B de n equaes lineares com n incgnitas. Seja A [a
ij
] a matriz (quadrada) de coe-
ficientes e B [b
i
] o vetor coluna dos termos constantes. Seja A
i
a matriz obtida de A substituindo a coluna i de A
pelo vetor coluna B. Alm disso, denotemos
A relao fundamental entre esses determinantes e a soluo do sistema AX B dada no teorema a seguir.
Teorema 8.10 O sistema (quadrado) AX B possui uma nica soluo se, e s se, Nesse caso, a nica
soluo dada por
Esse teorema (demonstrado no Problema 8.35) conhecido como Regra de Cramer para a resoluo de siste-
mas de equaes lineares. Enfatizamos que o teorema apenas se refere a sistemas com o mesmo nmero de equa-
es e incgnitas, e apenas fornece a soluo no caso De fato, se D 0, o teorema no nos diz se o sistema
possui soluo, ou no. Contudo, no caso de um sistema homogneo, temos o resultado til seguinte (demonstrado
no Problema 8.54).
Teorema 8.11 Um sistema homogneo quadrado AX 0 tem alguma soluo no nula se, e s se, D |A| 0.
_Book_Lipschutz.indb 280 22/12/10 09:02
CAPTULO 8 DETERMINANTES 281
Exemplo 8.12 Usando determinantes, resolva o sistema
Em primeiro lugar, calculamos o determinante D da matriz de coeficientes.
Como o sistema tem soluo nica. Para calcular N
x
, N
y
, N
z
substitumos, respectivamente, os coeficientes de
x, y, z na matriz de coeficientes pelos termos constantes, obtendo
Assim, a soluo nica do sistema ou seja, o vetor u (4, 2, 3).
8.11 SUBMATRIZES, MENORES E MENORES PRINCIPAIS
Seja A [a
ij
] uma matriz quadrada de ordem n. Consideremos quaisquer r linhas e r colunas de A. Mais precisa-
mente, consideremos um conjunto qualquer de r ndices de linha e um conjunto
qualquer de r ndices de coluna. Ento I e J definem uma submatriz de A, denotada por
A(I; J), obtida suprimindo todas as linhas e colunas de A cujos ndices no esto, respectivamente, em I ou J, res-
pectivamente. Assim,
Dizemos que o determinante um menor de A de ordem r e
o correspondente menor com sinal. (Observe que um menor de ordem n 1 um menor conforme definimos na
Seo 8.7, e o menor com sinal correspondente um cofator.) Alm disso, Se e denotam, respectivamente, os
ndices de linhas e colunas restantes, ento
denota o menor complementar e seu sinal (Problema 8.73) igual ao sinal do menor.
Exemplo 8.13 Seja A [a
ij
] uma matriz quadrada de ordem 5 e sejam I {1, 2, 4} e J {2, 3, 5}. Ento
e e o menor |M| e o menor complementar so dados a seguir.
Como mpar, |M| o menor com sinal e o menor complementar com sinal.
Menores principais
Dizemos que um menor principal se os ndices de linha e coluna so os mesmos ou, equivalentemente, se os
elementos diagonais do menor so elementos diagonais da matriz. Observamos que o sinal de um menor principal
sempre porque a soma dos ndices de linhas e dos mesmos ndices de colunas sempre par.
_Book_Lipschutz.indb 281 22/12/10 09:02
LGEBRA LINEAR
282
Exemplo 8.14 Seja Calcule as somas C
1
, C
2
e C
3
dos menores principais de ordens 1, 2 e 3,
respectivamente.
(a) Temos trs menores principais de ordem 1, a saber,
Observe que C
1
, simplesmente, o trao de A, ou seja, C
1
tr(A).
(b) Temos trs maneiras de escolher dois dentre os trs elementos diagonais e cada escolha destas fornece um
menor de ordem 2, a saber,
(Observe que esses menores de ordem 2 so os cofatores A
33
, A
22
e A
11
de A, respectivamente.) Assim,
(c) Temos somente uma maneira de escolher trs dentre os trs elementos diagonais. Logo, o nico menor de
ordem trs o prprio determinante de A. Assim,
8.12 MATRIZES EM BLOCOS E DETERMINANTES
O principal resultado desta seo o teorema seguinte (demonstrado no Problema 8.36).
Teorema 8.12 Seja M uma matriz triangular superior (inferior) em blocos com blocos diagonais A
1
, A
2
, ..., A
n
. Ento
Exemplo 8.15 Calcule |M|, sendo
Observe que M uma matriz triangular superior em blocos. Calculamos o determinante de cada bloco diagonal.
Ento
OBSERVAO Seja em que A, B, C, D so matrizes quadradas. No vlido em
geral que
(Ver Problema 8.68.)
8.13 DETERMINANTES E VOLUME
O conceito de determinante est relacionado com os conceitos de rea e volume, como segue. Sejam u
1
, u
2
, ..., u
n

vetores de . Seja S o paraleleppedo (slido) determinado por esses vetores, isto ,
, com i 1, , n}
(No caso n 2, S um paralelogramo.) Denotemos por V(S) o volume de S (ou a rea de S, se n 2). Ento
V(S) valor absoluto de det(A)
_Book_Lipschutz.indb 282 22/12/10 09:02
CAPTULO 8 DETERMINANTES 283
onde A a matriz de linhas u
1
, u
2
, ..., u
n
. Em geral, V(S) 0 se, e s se, os vetores u
1
, u
2
, ..., u
n
no formam um
sistema de coordenadas para (ou seja, se, e s se, os vetores so linearmente dependentes).
Exemplo 8.16 Sejam Encontre o volume V(S) do paraleleppedo S
de (Figura 8-2) determinado por esses trs vetores.
z
y
x
0
u
3
u
2
u
1
Figura 8-2
Calculamos o determinante da matriz cujas linhas so u
1
, u
2
, u
3
. Temos
Portanto,
8.14 DETERMINANTE DE UM OPERADOR LINEAR
Seja F um operador linear de um espao vetorial V de dimenso finita. Seja A a representao matricial de F em
relao a alguma base S de V. Ento definimos o determinante de F, denotado por det(F), por
det(F) |A|
Se B for uma outra representao matricial de F em relao a alguma outra base de V, ento A e B so matrizes
semelhantes (Teorema 6.7) e |A| |B| (Teorema 8.7). Em outras palavras, a definio de det(F) independe da par-
ticular escolha da base S de V. (Dizemos, ento, que este conceito est bem definido).
O teorema seguinte (demonstrado no Problema 8.62) segue de teoremas anlogos para matrizes.
Teorema 8.13 Sejam F e G operadores lineares de um espao vetorial V. Ento
(i)
(ii) F invertvel se, e s se,
Exemplo 8.17 Sejam F o operador linear de dado e A a matriz que representa F na base cannica de .
Ento
_Book_Lipschutz.indb 283 22/12/10 09:02
LGEBRA LINEAR
284
8.15 MULTILINEARIDADE E DETERMINANTES
Seja V um espao vetorial sobre um corpo K e denotemos por o conjunto de todas nuplas
A (A
1
, A
2
, ..., A
n
)
em que os A
i
so vetores de V. Temos as definies seguintes.
DEFINIO Dizemos que uma aplicao multilinear se for linear em cada componente, como segue.
(i) Se ento
(ii) Se com ento
Aplicaes multilineares com n componentes tambm so ditas n-lineares e, em particular, com n 2, bilineares.
DEFINIO Dizemos que uma aplicao alternada se D(A) 0 em cada A com dois elementos
iguais, ou seja,
Seja, agora, M o conjunto de todas as matrizes quadradas A de ordem n sobre um corpo K. Podemos ver A como
uma nupla consistindo nos vetores linha A
1
, A
2
, ..., A
n
de A, isto , podemos ver A no formato A (A
1
, A
2
, ..., A
n
).
O teorema seguinte (demonstrado no Problema 8.37) caracteriza a funo determinante.
Teorema 8.14 Existe uma nica funo D: M K tal que
(i) D multilinear, (ii) D alternada, (iii) D(I) 1.
Essa funo D a funo determinante, ou seja, D(A) |A|, para qualquer matriz M.
Problemas Resolvidos
Clculo de determinantes
8.1 Calcule o determinante de cada uma das matrizes seguintes.
Usamos a frmula
8.2 Calcule o determinante de cada uma das matrizes seguintes.
_Book_Lipschutz.indb 284 22/12/10 09:02
CAPTULO 8 DETERMINANTES 285
Usamos o diagrama da Figura 8-1 para obter os seis produtos.
8.3 Calcule o determinante de cada uma das matrizes seguintes.
(a) Podemos simplificar as entradas subtraindo da segunda linha o dobro da primeira, isto , usando a
operao sobre as linhas Substituir R
2
por 2R
1
R
2
. Ento
(b) B triangular, portanto, |B| produto das entradas diagonais 120.
(c) Eliminando as fraes, simplificamos as contas. Por isso, multiplicamos a primeira linha R
1
por 6 e a segunda linha
R
2
por 4. Ento
8.4 Calcule o determinante de cada uma das matrizes seguintes.
(a) Usamos a
31
1 como piv para colocar zeros na primeira coluna, aplicando as operaes sobre as linhas Substituir
R
1
por 2R
3
R
1
, Substituir R
2
por 2R
3
R
2
e Substituir R
4
por R
3
R
4
. Ento
(b) Primeiro reduzimos |B| a um determinante de ordem 4 e depois a um de ordem 3, no qual podemos usar o diagrama
da Figura 8-1. Usamos b
22
1 como piv para colocar zeros na segunda coluna, aplicando as operaes sobre as
linhas Substituir R
1
por 2R
2
R
1
, Substituir R
3
por R
2
R
3
e Substituir R
5
por R
2
R
5
. Ento
_Book_Lipschutz.indb 285 22/12/10 09:02
LGEBRA LINEAR
286
Cofatores, adjuntas clssicas, inversas
8.5 Seja
(a) Encontre A
23
, o cofator (menor com sinal) de 7 em A.
(b) Encontre o menor e o menor com sinal da submatriz M A(2, 4; 2, 3).
(c) Encontre o menor principal determinado pelas primeira e terceiras entradas diagonais, isto , por M
A(1, 3; 1, 3).
(a) Tomamos o determinante da submatriz de A obtida suprimindo a linha 2 e a coluna 3 (as que tem o 7) e
multiplicamos o determinante por
O expoente 2 3 vem dos ndices de A
23
, ou seja, do fato de o 7 aparecer na linha 2 e coluna 3.
(b) Os ndices das linhas so 2 e 4 e os das colunas so 2 e 3. Logo, o menor o determinante
e o menor com sinal
(c) O menor principal o determinante
Observe que as entradas diagonais da submatriz so as entradas diagonais da matriz original. Tambm, o sinal do
menor principal positivo.
8.6 Seja Encontre (a) |B|, (b) adj B, (c) , usando adj B.
(a)
(b) Queremos a transposta da matriz de cofatores
(c) Como temos
8.7 Seja . Encontre a soma S
k
dos menores principais de ordem k de A nos casos
(a) k 1, (b) k 2, (c) k 3.
_Book_Lipschutz.indb 286 22/12/10 09:02
CAPTULO 8 DETERMINANTES 287
(a) Os menores principais de ordem 1 so os elementos da diagonal. Assim, S
1
o trao de A, ou seja,
(b) Os menores principais de ordem 2 so os cofatores dos elementos diagonais. Assim,
(c) S h um menor principal de ordem 3, o determinante de A. Ento
8.8 Seja Encontre o nmero N
k
e a soma S
k
dos menores principais de ordem
(a) k 1, (b) k 2, (c) k 3, (d) k 4.
Cada subconjunto (no vazio) da diagonal ou, equivalentemente, cada subconjunto (no vazio) de {1, 2, 3, 4},
determina um menor principal de A, sendo desses de ordem k. Assim,
Determinantes e sistema de equaes lineares
8.9 Use determinantes para resolver o sistema
Primeiro arranjamos a equao no formato padro, depois calculamos o determinante D da matriz de coeficientes.
Como , o sistema tem soluo nica. Para calcular N
x
, N
y
, N
z
substitumos, respectivamente, os coeficientes de x,
y, z na matriz de coeficientes pelos termos constantes. Ento
_Book_Lipschutz.indb 287 22/12/10 09:02
LGEBRA LINEAR
288
Assim,
8.10 Considere o sistema
Use determinantes para encontrar os valores de k com os quais o sistema tem
(a) soluo nica, (b) mais de uma soluo, (c) nenhuma soluo.
(a) O sistema tem soluo nica se onde D o determinante da matriz de coeficientes. Calculamos
Assim, o sistema tem soluo nica se
(b e c) A eliminao gaussiana mostra que o sistema tem mais de uma soluo se k 1 e que o sistema no tem soluo
se k 2.
Problemas variados
8.11 Encontre o volume V(S) do paraleleppedo S de determinado pelos vetores dados.
(a)
(b)
V(S) o valor absoluto do determinante da matriz M cujas linhas so os vetores dados. Assim,
(a)
Logo,
(b) Assim, V(S) 0 ou, em outras palavras, u
1
, u
2
, u
3
so
coplanares e linearmente dependentes.
8.12 Encontre det(M), com
M uma matriz triangular (inferior) em blocos, logo, calculamos o determinante de cada bloco.
Assim,
8.13 Encontre o determinante do operador dado por
_Book_Lipschutz.indb 288 22/12/10 09:02
CAPTULO 8 DETERMINANTES 289
O determinante de um operador linear F igual ao determinante de qualquer matriz que represente F. Por isso, primeiro
calculamos a matriz que representa F na base cannica, cujas linhas consistem nos coeficientes de x, y, z, respectiva-
mente. Ento
8.14 Escreva explicitamente , sendo, em geral,
O smbolo usado para um produto de termos, da mesma forma que o smbolo usado para uma soma de termos.
Logo, significa o produto de todos termos para os quais Assim,
8.15 Seja D uma aplicao bilinear alternada. Mostre que
Sendo D alternada, Logo,
No entanto, Assim, como queramos mostrar.
Permutaes
8.16 Encontre a paridade (sinal) da permutao
Contamos o nmero de inverses, ou seja, para cada elemento k, contamos o nmero de elementos i de tais que i > k
e i precede k em . Temos
k 1: 3 nmeros (3, 6, 4) k 4: 1 nmero (6)
k 2: 4 nmeros (3, 6, 4, 5) k 5: 1 nmero (6)
k 3: 0 nmeros k 6: 0 nmeros
Como mpar, uma permutao mpar e
8.17 Sejam e permutaes de S
5
. Encontre (a) (b)
Lembre que e so maneiras concisas de escrever
(a) Efetuando e depois em 1, 2, 3, 4, 5, obtemos
[Isto , por exemplo, .] Assim,
(b) Por definio, se, e s se, Logo,
8.18 Seja uma permutao qualquer de S
n
. Mostre que, para cada inverso (i, k) com i > k, mas i
precedendo k em , existe um par tal que

(1)
e vice-versa. Assim, par ou mpar, dependendo de existir um nmero par ou mpar de pares satisfazendo (1).
_Book_Lipschutz.indb 289 22/12/10 09:02
LGEBRA LINEAR
290
Escolhemos e dados por e Ento i > k se, e s se, e i precede k em se,
e s se,
8.19 Considere os polinmios e definidos por
(Ver Problema 8.14.) Mostre que se for uma permutao par e , se for uma permutao m-
par, ou seja,
Como injetora e sobre,
Assim, (g) ou , dependendo de existir um nmero par ou mpar de termos da forma com i > j. Ob-
serve que, para cada par (i, j) para o qual

(1)
existe um termo em para o qual Como par se, e s se, existir um nmero par de
pares satisfazendo (1), temos se, e s se, par. Assim, se, e s se, mpar.
8.20 Sejam Mostre que Assim, o produto de duas permutaes pares ou
mpares par e o produto de uma permutao par por uma mpar mpar.
Usando o Problema 8.19, temos
Por isso,
8.21 Considere a permutao Mostre que e que, dados escalares a
ij
, mostre que
onde
Temos a permutao identidade. Como par, e so, ambas, pares ou mpares. Assim,
Como uma permutao, Ento k
1
, k
2
, ..., k
n
tem a propriedade
Seja Ento, para i 1, ..., n,
Logo, a permutao identidade. Assim,
Demonstraes dos teoremas
8.22 Demonstre o Teorema 8.1.
Se A [a
ij
], ento A
T
[b
ij
], com b
ij
a
ij
. Logo,
Seja Pelo Problema 8.21, e Logo,
_Book_Lipschutz.indb 290 22/12/10 09:02
CAPTULO 8 DETERMINANTES 291
Contudo, quando percorre todos os elementos de S
n
, tambm percorre todos os elementos de S
n
. Assim,
|A
T
| |A|.
8.23 Demonstre o Teorema 8.3(i). Se duas linhas (colunas) de A trocaram de posio, ento |B| |A|.
Provamos a afirmao no caso em que foram trocadas duas colunas. Seja a transposio que troca os dois ndices
correspondente s duas colunas de A que foram trocadas. Se A [a
ij
] e B [b
ij
], ento Logo, dada qualquer
permutao ,
Assim,
Como a transposio uma permutao mpar, Por isso,
e, portanto,
Contudo, quando percorre todos os elementos de tambm percorre todos os elementos de S
n
. Assim, |B| |A|.
8.24 Demonstre o Teorema 8.2. Seja A uma matriz quadrada.
(i) Se A tem uma linha (coluna) de zeros, ento |A| 0.
(i) Se A tem duas linhas (colunas) idnticas, ento |A| 0.
(iii) Se A triangular, ento |A| produto dos elementos diagonais. Assim, |I| 1.
(i) Cada parcela de |A| contm um fator de cada linha e, portanto, da linha de zeros. Assim, cada parcela de |A| nula
e, assim, |A| 0.
(ii) Suponha que em K. Trocando as duas linhas idnticas de A entre si, continuamos com a mesma matriz
A. Logo, pelo Problema 8.23, |A| |A| e, portanto, |A| 0.
Agora, suponha que 1 1 0 em K. Ento sgn , para cada Como A tem duas linhas idnticas,
podemos rearranjar as parcelas de |A| em pares de parcelas iguais. Como cada par 0, o determinante de A 0.
(iii) Suponha A [a
ij
] seja triangular inferior, ou seja, as entradas acima da diagonal so todas nulas, a
ij
0 se i < j.
Considere uma parcela t do determinante de A.
Suponha que Ento e, portanto, . Logo, t 0. Ou seja, nulo cada termo em que .
Agora suponha que , mas Ento e, portanto, . Logo, t 0. Ou seja, nulo cada
termo em que ou .
Analogamente, nulo cada termo em que ou ou ... ou . Por isso,
produto dos elementos diagonais.
8.25 Demonstre o Teorema 8.3. B obtida a partir de A por uma operao elementar.
(i) Se duas linhas (colunas) trocaram de posio, ento
(ii) Se uma linha (coluna) de A foi multiplicada por um escalar k, ento
(iii) Se um mltiplo de uma linha (coluna) de A foi somado a uma outra linha (coluna) de A, ento
(i) Esse resultado est provado no Problema 8.23.
(ii) Se a j-sima linha de A for multiplicada por k, ento cada parcela de |A| ser multiplicada por k, portanto, |B| k|A|.
Ou seja,
_Book_Lipschutz.indb 291 22/12/10 09:02
LGEBRA LINEAR
292
(iii) Suponha que j-sima linha de A somamos c vezes a k-sima linha de A. Usando o smbolo chapu para denotar
a j-sima posio numa parcela do determinante, temos
A primeira soma o determinante de uma matriz cujas k-sima e j-sima linhas so iguais. Assim, pelo Teo-
rema 8.2(ii), essa soma nula. A segunda soma o determinante de A. Logo,
8.26 Demonstre o Lema 8.6. Seja E uma matriz elementar. Ento,
Considere as operaes elementares com as linhas: (i) multiplicar uma linha por uma constante (ii) trocar duas
linhas entre si, (iii) somar um mltiplo de uma linha a uma outra linha.
Sejam E
1
, E
2
, E
3
as matrizes elementares correspondentes. Ou seja, E
1
, E
2
, E
3
so obtidas aplicando as operaes dadas
matriz identidade I. Pelo Problema 8.25,
Sabemos (Teorema 3.11) que E
i
A a matriz obtida aplicando a operao correspondente a A. Assim, pelo Teorema 8.3,
obtemos as afirmaes do lema, como segue.
8.27 Seja B uma matriz equivalente por linhas a uma matriz quadrada A. Prove que |B| 0 se, e s se, |A| 0.
Pelo Teorema 8.3, o efeito de uma operao elementar trocar o sinal do determinante ou multiplicar o determinante
por um escalar no nulo. Assim, |B| 0 se, e s se, |A| 0.
8.28 Demonstre o Teorema 8.5. Seja A uma matriz quadrada. So equivalentes as afirmaes dadas.
(i) A invertvel, (ii) AX 0 possui apenas a soluo nula, (iii)
A demonstrao utiliza eliminao gaussiana. Se A for invertvel, ento A equivalente por linhas a I. Como , o
Problema 8.27 garante que Se A no invertvel, ento A equivalente por linhas a uma matriz com uma linha
nula. Logo, det(A) 0. Assim, (i) equivalente a (iii).
Se AX 0 tem somente a soluo nula X 0, ento A equivalente por linhas a I e A invertvel. Reciprocamente, se
A invertvel, com inversa , ento
a nica soluo de AX 0. Assim, (i) equivalente a (ii).
8.29 Demonstre o Teorema 8.4. |AB| |A||B|.
Se A no singular, ento AB tambm no singular e, portanto, |AB| 0 |A||B|. Por outro lado, se A no singular,
ento um produto de matrizes elementares. Logo, pelo Lema 8.6 e induo, obtemos
8.30 Seja P invertvel. Prove que
Logo, e, portanto,
8.31 Demonstre o Teorema 8.7. Se A e B so matrizes semelhantes, ento
Se A e B so semelhantes, existe uma matriz invertvel P tal que Logo, usando o Problema 8.30, obtemos
Observamos que, embora as matrizes e A possam no comutar, seus determinantes e |A| comutam, por serem
escalares do corpo K.
8.32 Demonstre o Teorema 8.8 (Laplace). Sejam A [a
ij
] e A
ij
o cofator de a
ij
. Ento, para quaisquer i ou j,
_Book_Lipschutz.indb 292 22/12/10 09:02
CAPTULO 8 DETERMINANTES 293
Como |A| |A
T
|, basta provar uma dessas expanses, digamos, a primeira, em termos das linhas de A. Cada parcela de
|A| contm uma, e s uma, entrada da i-sima linha de A. Logo, podemos escrever |A| na forma
(Observe que uma soma de parcelas que no tem elemento algum da i-sima linha de A.) Assim, o teorema estar
provado se conseguirmos mostrar que
onde M
ij
a matriz obtida suprimindo a linha e a coluna que contm a entrada a
ij
. (Historicamente, a expresso era
denominada cofator de a
ij
e, portanto, o teorema reduz a mostrar que as duas definies de cofator so equivalentes.)
Primeiro consideramos o caso em que i n, j n. Ento a soma das parcelas de |A| contendo a
nn

onde somamos sobre todas as permutaes para as quais Contudo, isso equivalente (mostre isso!) a
somar sobre todas as permutaes de {1, ..., n 1}. Assim,
Agora, consideramos i e j arbitrrios. Trocamos a i-sima linha com cada linha que a sucede at ela ser a ltima e, em
seguida, trocamos a j-sima coluna com cada coluna que a sucede at ela ser a ltima. Observe que o determinante |M
ij
|
no se altera, porque as posies relativas das outras linhas e colunas no so afetadas por essas trocas. Contudo, o
sinal de |A| e de foi trocado n i vezes e, depois, outras n j vezes. Em vista disso,
8.33 Seja A [a
ij
] e seja B a matriz obtida de A substituindo a i-sima linha de A pelo vetor coluna
Mostre que
Alm disso, mostre que, para
Seja B [b
ij
]. Pelo Teorema 8.8,
Como B
ij
no depende da i-sima linha de B, obtemos B
ij
A
ij
para j 1, ..., n. Logo,
Seja, agora, a matriz obtida a partir de A substituindo a i-sima linha de A pela j-sima linha de A. Como tem duas
linhas iguais, Assim, pelo resultado que acabamos de ver, obtemos
Usando que |A| |A
T
|, tambm obtemos
8.34 Demonstre o Teorema 8.9.
Sejam A [a
ij
] e A(adj A) [b
ij
]. A i-sima linha de A

(1)
Como adj A a transposta da matriz de cofatores, a j-sima coluna de adj A a transposta dos cofatores da j-sima linha
de A, como segue.

(2)
Agora, a ij-sima entrada b
ij
de A(adj A) obtida multiplicando as expresses (1) e (2), como segue.
_Book_Lipschutz.indb 293 22/12/10 09:02
LGEBRA LINEAR
294
Pelo Teorema 8.8 e o Problema 8.33,
Por isso, A(adj A) a matriz diagonal com elementos diagonais iguais a |A|. Em outras palavras, Ana-
logamente,
8.35 Demonstre o Teorema 8.10 (Regra de Cramer). O sistema (quadrado) AX B possui uma nica soluo se,
e s se, Nesse caso, x
i
N
i
/D, para cada i.
J vimos que AX B possui uma nica soluo se, e s se, A invertvel e que A invertvel se, e s se,
Suponha, agora, que Pelo Teorema 8.9, multiplicando AX B por obtemos

(1)
Observe que a i-sima linha de Se ento, por (1),
temos
No entanto, como no Problema 8.33, temos que o determinante da matriz obtida
substituindo a i-sima coluna de A pelo vetor coluna B. Assim, x
i
(1/D)N
i
, como queramos mostrar.
8.36 Demonstre o Teorema 8.12. Seja M uma matriz triangular superior (inferior) em blocos com blocos diago-
nais A
1
, A
2
, ..., A
n
. Ento
Basta provar o teorema para n 2, ou seja, quando M uma matriz quadrada da forma A demonstra-
o no caso geral segue facilmente, por induo.
Sejam A [a
ij
] uma matriz quadrada de ordem r, B [b
ij
] uma matriz quadrada de ordem s e M [m
ij
] uma matriz
quadrada de ordem n, com n r s. Por definio,
Se i > r e ento m
ij
0. Assim, basta considerar aquelas permutaes tais que
Seja para e seja para Ento
que implica det(M) det(A) det(B).
8.37 Demonstre o Teorema 8.14. Existe uma nica funo tal que
(i) D multilinear, (ii) D alternada, (iii) D(I) 1.
Essa funo D a funo determinante, ou seja, D(A) |A|.
Seja D a funo determinante D(A) |A|. Devemos mostrar que D satisfaz (i), (ii) e (iii) e que D nica funo que
satisfaz (i), (ii) e (iii).
Pelo Teorema 8.2, D satisfaz (ii) e (iii). Mostremos que multilinear. Suponha que a i-sima linha de A [a
ij
] seja da
forma . Ento
Lipschutz_08.indd 294 07/02/11 17:23
CAPTULO 8 DETERMINANTES 295
Tambm, pelo Teorema 8.3(ii),
Assim, D multilinear, ou seja, D satisfaz (i).
Demonstremos, agora, a unicidade de D. Seja D uma aplicao que satisfaz (i), (ii) e (iii). Se {e
1
, ..., e
n
} a base can-
nica de K
n
, ento, por (iii), Usando (ii), tambm temos

(1)
Seja, agora, A [a
ij
]. Observe que a k-sima linha A
k
de A
Assim,
Usando a multilinearidade de D, podemos escrever D(A) como uma soma de parcelas do tipo

(2)
onde a soma percorre todas as sequncias com Se dois dos ndices forem iguais, digamos,
com ento, por (ii),
Dessa forma, a soma de (2) s precisa ser somada sobre todas as permutaes Usando (1), finalmente
obtemos que
Assim, D a funo determinante e o teorema est provado.
Problemas Complementares
Clculo de determinantes
8.38 Calcule
8.39 Encontre todos os t tais que
8.40 Calcule o determinante de cada uma das matrizes seguintes.
_Book_Lipschutz.indb 295 22/12/10 09:02
LGEBRA LINEAR
296
8.41 Encontre o determinante de cada uma das matrizes seguintes.
8.42 Calcule
8.43 Calcule cada um dos determinantes seguintes.
Cofatores, adjuntas clssicas, inversas
8.44 Encontre det(A), adj A e , com
8.45 Encontre a adjunta clssica de cada matriz do Problema 8.41.
8.46 Seja

(a) Encontre adj A, (b) Mostre que adj(adj A) A, (c) Quando temos A adj A?
8.47 Mostre que, se A diagonal (triangular), ento adj A diagonal (triangular).
8.48 Seja A [a
ij
] uma matriz triangular. Mostre que
(a) A invertvel se, e s se, cada entrada diagonal
(b) Os elementos diagonais de (caso exista) so os recprocos dos elementos diagonais de A.
Menores, menores principais
8.49 Sejam e Encontre o menor e o menor com sinal correspon-
dente s submatrizes dadas.
(a) A(1, 4; 3, 4), (b) B(1, 4; 3, 4), (c) A(2, 3; 2, 4), (d) B(2, 3; 2, 4).
8.50 Para k 1, 2, 3, encontre a soma S
k
de todos os menores principais de ordem k, com
_Book_Lipschutz.indb 296 22/12/10 09:02
CAPTULO 8 DETERMINANTES 297
8.51 Para k 1, 2, 3, 4, encontre a soma S
k
de todos os menores principais de ordem k, com
Determinantes e sistemas de equaes lineares
8.52 Resolva os sistemas dados com determinantes.
8.53 Resolva os sistemas dados com determinantes.
8.54 Demonstre o Teorema 8.11. Um sistema AX 0 tem alguma soluo no nula se, e s se, D |A| 0.
Permutaes
8.55 Encontre as paridades das permutaes de S
5
.
8.56 Para as permutaes do Problema 8.55, encontre
8.57 Seja Mostre que percorre S
n
quando percorre ou seja,
8.58 Seja tal que Seja definida por
(a) Mostre que
(b) Mostre que, quando percorre S
n
, mantendo percorre ou seja,
8.59 Considere uma permutao Sejam {e
i
} a base cannica de K
n
e A a matriz cuja i-sima linha

Mostre que sgn
Determinante de operador linear
8.60 Encontre o determinante de cada uma das transformaes lineares seguintes.
(a) definida por
(b) definida por
(c) definida por
8.61 Seja o operador derivada, ou seja, D(f(t)) df/dt. Encontre det(D) sendo V o espao vetorial de funes com
a base dada. (a) (b) (c) {sen t, cos t}.
8.62 Demonstre o Teorema 8.13. Sejam F e G operadores lineares de um espao vetorial V. Ento
(i) (ii) F invertvel se, e s se,
8.63 Demonstre (a) det(1
V
) 1, sendo 1
V
o operador identidade, (b) , se T
1
for invertvel.
_Book_Lipschutz.indb 297 22/12/10 09:02
LGEBRA LINEAR
298
Problemas variados
8.64 Encontre o volume V(S) do paraleleppedo S de determinado pelos vetores dados.
(a)
(b)
8.65 Encontre o volume V(S) do paraleleppedo S de determinado pelos vetores dados.
8.66 Seja V o espao vetorial das matrizes de ordem 2 sobre Decida se a aplicao dada bili-
near (em relao s linhas).
(a) D(M) a d, (c) D(M) ac bd, (e) D(M) 0,
(b) D(M) ad, (d) D(M) ab cd, (f) D(M) 1.
8.67 Seja A uma matriz quadrada de ordem n. Mostre que
8.68 Sejam A, B, C, D matrizes quadradas de ordem n que comutam. Considere a matriz quadrada de ordem 2n em blocos
Prove que Mostre que a afirmao pode ser falsa se as matrizes no comutarem.
8.69 Seja A uma matriz ortogonal, isto , A
T
A I. Mostre que
8.70 Seja V o espao das matrizes quadradas de ordem m vistas como m-uplas de vetores linha. Seja uma aplica-
o m-linear alternada. Mostre que
(a) isto , o sinal muda se trocarmos a posio de duas linhas;
(b) se A
1
, A
2
, ..., A
m
so linearmente independentes, ento
8.71 Sejam V o espao das matrizes quadradas de ordem m (como no Problema 8.70) e Mostre que a afirmao
seguinte equivalente a D ser alternada.
sempre que , para algum i.
Seja V o espao das matrizes quadradas de ordem n sobre K. Seja invertvel, de modo que Defina
por , com Logo,
em que A
i
a i-sima linha de A e, portanto, A
i
B a i-sima linha de AB. Mostre que D multilinear alternada e que
D(I) 1. (Alguns textos usam esse mtodo para provar que |AB| |A||B|.)
8.72 Mostre que , onde g g(x
i
) o produto das diferenas do Problema 8.19, x x
n
e
o determinante de Vandermonde definido por
8.73 Seja A uma matriz qualquer. Mostre que o sinal de um menor A[I, J] igual ao de seu menor complementar .
_Book_Lipschutz.indb 298 22/12/10 09:02
CAPTULO 8 DETERMINANTES 299
8.74 Seja A uma matriz quadrada de ordem n. O posto determinante de A a ordem da maior submatriz quadrada de A (ob-
tida suprimindo linhas e colunas de A) cujo determinante no nulo. Mostre que o posto determinante de A igual ao
posto de A, que o maior nmero de linhas (ou colunas) linearmente independentes de A.
Respostas dos Problemas Complementares
Notao: denota uma matriz de linhas R
1
, R
2
, ...
8.38
8.39
8.40
8.41
8.42
8.43
8.44 (a)
(b) Tambm,
8.45
8.46
8.49
8.50
8.51
8.52
8.53 (a) (b) Como D 0, o sistema no pode ser resolvido com determinantes.
8.55
8.56
8.60 (a) det(T) 17, (b) det(T) 4, (c) No est definido.
8.61 (a) 0, (b) 6, (c) 1
8.64 (a) 18, (b) 0
8.65 17
8.66 (a) No , (b) , (c) , (d) No , (e) , (f) No .
_Book_Lipschutz.indb 299 22/12/10 09:02
9.1 INTRODUO
As ideias apresentadas neste captulo podem ser discutidas em dois contextos.
Contexto de matrizes
Seja dada uma matriz quadrada A de ordem n. Dizemos que a matriz A diagonalizvel se existir uma matriz no
singular P tal que
seja diagonal. Neste captulo estudamos a diagonalizao de uma matriz A. Em particular, fornecemos um algorit-
mo para encontrar a matriz P, quando existir.
Contexto de operadores lineares
Seja dado um operador linear . Dizemos que o operador T diagonalizvel se existir uma base S de V tal
que a representao matricial D de T em relao base S for uma matriz diagonal. Neste captulo estudamos con-
dies sob as quais o operador T diagonalizvel.
Equivalncia dos dois contextos
Os dois conceitos apresentados so, essencialmente, o mesmo. Mais precisamente, uma matriz quadrada A pode ser
vista como o operador linear F definido por
F(X) AX
onde X um vetor coluna e representa F em relao a um novo sistema de coordenadas (base) S cujos
elementos so as colunas de P. Por outro lado, qualquer operador linear T pode ser representado por uma matriz A
em relao a alguma base e, escolhendo alguma outra base, T representado pela matriz
em que P a matriz de mudana de base.
A maioria dos teoremas ser enunciada de duas formas, uma em termos de matrizes A e outra em termos de
operadores lineares T.
Diagonalizao:
Autovalores e Autovetores
Captulo 9
_Book_Lipschutz.indb 300 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 301
Papel do corpo K
O corpo K subjacente no teve, at agora, papel especial algum nas nossas discusses sobre espaos vetoriais e
transformaes lineares. No entanto, a diagonalizao de uma matriz A ou de um operador linear T depende das
razes de um polinmio sobre K e essas razes dependem de K. Por exemplo, suponha que
Ento no tem razes se , o corpo dos reais, mas tem as razes se , o corpo dos comple-
xos. Alm disso, encontrar as razes de um polinmio de grau maior do que dois , em geral, um assunto em si
(frequentemente discutido em disciplinas de Clculo Numrico). Por isso, nossos exemplos geralmente levam a
polinmios cujas razes so encontradas facilmente.
9.2 POLINMIOS DE MATRIZES
Considere um polinmio sobre um corpo K. Na Seo 2.8 definimos, para matrizes
quadradas A quaisquer,
onde I a matriz identidade. Em particular, dizemos que A uma raiz de f(t) se f(A) 0, a matriz nula.
Exemplo 9.1 Seja . Ento

. Sejam
Ento
e
Assim, A um zero de g(t).
Vale o teorema seguinte (demonstrado no Problema 9.7).
Teorema 9.1 Sejam f e g polinmios. Dados qualquer matriz quadrada A e qualquer escalar k temos
Observe que (iv) nos diz que dois polinmios quaisquer de A comutam.
Matrizes e operadores lineares
Seja, agora, um operador linear de um espao vetorial V. As potncias de T podem ser definidas pela
composio, como segue.
Tambm, dado qualquer polinmio , definimos f(T) da mesma forma que para matri-
zes, ou seja,
onde, agora, I o operador identidade. Tambm dizemos que T uma raiz de f(t) se f(T) 0, o operador nulo.
Observamos que as relaes do Teorema 9.1 so vlidas tanto para operadores lineares quanto para matrizes.
OBSERVAO Seja A uma representao matricial de um operador linear T. Ento f(A) a representao matri-
cial de f(T) e, em particular, f(T) 0 se, e s se, f(A) 0.
_Book_Lipschutz.indb 301 22/12/10 09:03
LGEBRA LINEAR
302
9.3 POLINMIO CARACTERSTICO, TEOREMA DE CAYLEY-HAMILTON
Seja A [a
ij
] uma matriz quadrada de ordem n. A matriz M A tI
n
, em que I
n
a matriz quadrada identidade de
ordem n e t uma incgnita, pode ser obtida subtraindo t de cada elemento diagonal de A. A matriz simtrica na
soma de M a matriz tI
n
A e seu determinante
que um polinmio de grau n em t, denominado polinmio caracterstico de A.
Enunciamos, agora, um teorema importante da lgebra Linear (demonstrado no Problema 9.8).
Teorema 9.2 (Cayley-Hamilton) Cada matriz A uma raiz de seu polinmio caracterstico.
OBSERVAO Se A [a
ij
] for uma matriz triangular, ento tI A uma matriz triangular com entradas diago-
nais t a
ii
e, portanto,
Observe que as razes de so as entradas diagonais de A.
Exemplo 9.2 O polinmio caracterstico de
Conforme afirma o Teorema de Cayley-Hamilton, A uma raiz de , pois
Sejam, agora, A e B so matrizes semelhantes, digamos, , em que P invertvel. Mostremos que A
e B tm o mesmo polinmio caracterstico. Usando , temos
Como os determinantes so escalares, decorre que comutam e, como , obtemos
Assim, demonstramos o teorema a seguir.
Teorema 9.3 Matrizes semelhantes tm o mesmo polinmio caracterstico.
Polinmios caractersticos de graus 2 e 3
H frmulas simples para os polinmios caractersticos de matrizes de ordens 2 e 3.
(a) Seja . Ento
Aqui, tr(A) denota o trao de A, isto , a soma dos elementos diagonais de A.
(b) Seja . Ento
_Book_Lipschutz.indb 302 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 303
Aqui, A
11
, A
22
, A
33
denotam, respectivamente, os cofatores de a
11
, a
22
, a
33
.
Exemplo 9.3 Encontre o polinmio caracterstico de cada uma das matrizes seguintes.
(a) Temos , portanto,
(b) Temos , portanto,
(c) Temos , portanto,
Exemplo 9.4 Encontre o polinmio caracterstico de .
Temos tr(A) 1 3 9 13. Os cofatores dos elementos diagonais so
Assim, e, tambm, . Dessa forma,
OBSERVAO Os coeficientes do polinmio caracterstico de uma matriz quadrada de ordem 3 so os se-
guintes, com sinais alternados.
Observamos que cada S
k
a soma de todos os menores principais de A de ordem k.
O prximo teorema, cuja demonstrao est alm do alcance deste livro, nos diz que esse resultado verdadei-
ro em geral.
Teorema 9.4 Seja A uma matriz quadrada de ordem n. O polinmio caracterstico de A
onde S
k
a soma de todos os menores principais de ordem k.
Polinmio caracterstico de um operador linear
Seja, agora, um operador linear de um espao vetorial V de dimenso finita. Definimos o polinmio ca-
racterstico de T como sendo o polinmio caracterstico de qualquer representao matricial de T. Lembre-se
que se A e B forem representaes matriciais de T, ento , sendo P a matriz de mudana de base. Assim,
A e B so semelhantes e, pelo Teorema 9.3, A e B tm o mesmo polinmio caracterstico. Por isso, o polinmio ca-
racterstico de T independe da particular escolha da base na qual calculamos a representao matricial de T.
Como f(T) 0 se, e s se, f(A) 0, sendo f(t) um polinmio qualquer e A uma representao matricial qual-
quer de T, temos o teorema seguinte anlogo para operadores lineares.
Teorema 9.2 (Cayley-Hamilton) Um operador linear T uma raiz de seu polinmio caracterstico.
_Book_Lipschutz.indb 303 22/12/10 09:03
LGEBRA LINEAR
304
9.4 DIAGONALIZAO, AUTOVALORES E AUTOVETORES
Seja A uma matriz quadrada de ordem n. Ento A pode ser representada por (ou semelhante a) uma matriz diago-
nal D diag(k
1
, k
2
, ..., k
n
) se, e s se, existe uma base S de vetores (coluna) u
1
, u
2
, ..., u
n
tal que
Neste caso, dizemos que A diagonalizvel. Alm disso, se P denotar a matriz no singular cujas colunas so,
respectivamente, os vetores da base u
1
, u
2
, ..., u
n
, ento D P
1
AP.
Essa observao nos leva definio seguinte.
DEFINIO Seja A uma matriz quadrada qualquer. Dizemos que um escalar um autovalor de A se existe um
vetor (coluna) no nulo tal que
Qualquer vetor satisfazendo essa relao denominado autovetor de A associado (ou correspondente, ou perten-
cente) ao autovalor .
Observe que qualquer mltiplo escalar k de um autovetor associado a tambm um autovetor associado a
, pois
O conjunto de todos esses autovetores um subespao de V (Problema 9.19), denominado autoespao de . (Se
, dizemos que uma reta invariante e um fator de escala.)
Os termos valor caracterstico e vetor caracterstico, ou valor prprio e vetor prprio, tambm so utilizados
em vez de autovalor e autovetor.
Essas observaes e definies nos do o teorema a seguir.
Teorema 9.5 Uma matriz quadrada A de ordem n semelhante a uma matriz diagonal D se, e s se, A tem n
autovetores linearmente independentes. Nesse caso, os elementos diagonais de D so os autovalores associados e
, onde P a matriz cujas colunas so os autovetores.
Suponha que uma matriz A possa ser diagonalizada, digamos, , com D diagonal. Ento A possui a
fatorao diagonal extremamente til
Usando essa fatorao, a lgebra de A se reduz lgebra da matriz diagonal D, que muito facilmente calculada.
Mais precisamente, digamos que D diag(k
1
, k
2
, ..., k
n
). Ento
Mais geralmente, dado qualquer polinmio f(t), temos
Alm disso, se os elementos diagonais de D forem no negativos, considere
Ento B uma raiz quadrada no negativa de A, ou seja, e os autovalores de B so no negativos.
_Book_Lipschutz.indb 304 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 305
Exemplo 9.5 Sejam , e . Ento
Assim,
1
e
2
so autovetores de A associados, respectivamente, aos autovalores . Observe que
1
e
2
so linearmente independentes e, portanto, formam uma base de . Dessa forma, A diagonalizvel. Alm
disso, seja P a matriz cujas colunas so esses autovetores
1
e
2
, como segue.
e, portanto,

Ento A semelhante matriz diagonal
Como era de se esperar, os elementos diagonais 1 e 4 de D so os autovalores associados aos autovetores
1
e
2
,
respectivamente, que so as colunas de P. Em particular, A tem a fatorao
Por isso,
Alm disso, dado , temos f(1) 5 e f(4) 2 e
Finalmente, calculemos a raiz quadrada positiva de A. Para isso, usamos para obter a matriz
tal que , sendo que B tem os autovalores positivos 1 e 2.
OBSERVAO Em todo este captulo, usamos o fato seguinte.
Se ento
Ou seja, para obter , trocamos a posio dos elementos diagonais a e d de P, tomamos o simtrico dos elemen-
tos no diagonais b e c e dividimos cada entrada pelo determinante |P|.
Propriedades dos autovalores e autovetores
No Exemplo 9.5 vimos as vantagens de uma representao (fatorao) diagonal de uma matriz quadrada. No teo-
rema seguinte (demonstrado no Problema 9.20), listamos as propriedades que nos permitem encontrar uma tal re-
presentao.
_Book_Lipschutz.indb 305 22/12/10 09:03
LGEBRA LINEAR
306
Teorema 9.6 Seja A uma matriz quadrada. As afirmaes dadas so equivalentes.
(i) O escalar um autovalor de A.
(ii) A matriz singular.
(iii) O escalar uma raiz do polinmio caracterstico de A.
O autoespao de um autovalor o espao soluo do sistema homogneo MX 0, onde , ou
seja, M obtida subtraindo de cada elemento diagonal de A.
Algumas matrizes no possuem autovalores e, consequentemente, autovetores. No entanto, usando o Teorema
9.6 e o Teorema Fundamental da lgebra (todo polinmio sobre o corpo dos complexos tem alguma raiz), obte-
mos o resultado seguinte.
Teorema 9.7 Seja A uma matriz quadrada sobre o corpo dos complexos . Ento A possui pelo menos um auto-
valor.
Os teoremas a seguir sero utilizados mais tarde. (O teorema equivalente ao Teorema 9.8 para operadores lineares
est demonstrado no Problema 9.21 e o Teorema 9.9 est demonstrado no Problema 9.22.)
Teorema 9.8 Suponha que
1
,
2
, ...,
n
sejam autovetores de uma matriz A associados a autovalores distintos
Ento
1
,
2
, ...,
n
so linearmente independentes.
Teorema 9.9 Suponha que o polinmio caracterstico de uma matriz quadrada A de ordem n seja um pro-
duto de n fatores distintos, digamos, Ento A semelhante matriz diagonal
D diag(a
1
, a
2
, ..., a
n
).
Se um autovalor de uma matriz A, ento a multiplicidade algbrica de definida como a multiplicidade
de como raiz do polinmio caracterstico de A e a multiplicidade geomtrica de a dimenso do autoespao,
Vale o teorema seguinte (cujo equivalente para operadores lineares est demonstrado no Problema 9.23).
Teorema 9.10 A multiplicidade geomtrica de um autovalor de uma matriz A no maior do que a multiplici-
dade algbrica.
Diagonalizao de operadores lineares
Considere um operador linear . Dizemos que T diagonalizvel se T puder ser representado por uma
matriz diagonal D. Assim, T diagonalizvel se, e s se, existir uma base S {u
1
, u
2
, ..., u
n
} de V tal que
Nesse caso, T representado pela matriz diagonal
D diag(k
1
, k
2
, ..., k
n
)
em relao base S.
Essa observao nos leva s definies e teoremas seguintes, anlogos s definies e teoremas para matrizes
que j apresentamos.
_Book_Lipschutz.indb 306 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 307
DEFINIO Seja T um operador linear. Dizemos que um escalar um autovalor de T se existe um vetor no
nulo tal que
Qualquer vetor satisfazendo essa relao denominado autovetor de T associado (ou correspondente, ou per-
tencente) ao autovalor .
O conjunto de todos os autovetores associados a um autovalor um subespao de V, denominado autoes-
pao de . (Alternativamente, um autovalor de T se singular e, nesse caso, o ncleo de .)
As multiplicidades algbrica e geomtrica de um autovalor de um operador T so definidas da mesma maneira
que as de um autovalor de uma matriz A.
Os teoremas seguintes so vlidos para operadores lineares T de espaos vetoriais V de dimenso finita.
Teorema 9.5 T pode ser representado por uma matriz diagonal D se, e s se, existe uma base S de V consistindo
em autovetores de T. Nesse caso, os elementos diagonais de D so os autovalores associados.
Teorema 9.6 Seja T um operador linear. As afirmaes dadas so equivalentes.
(i) O escalar um autovalor de T.
(ii) O operador singular.
(iii) O escalar uma raiz do polinmio caracterstico de T.
Teorema 9.7 Se V um espao vetorial complexo, ento T possui pelo menos um autovalor.
Teorema 9.8 Suponha que
1
,
2
, ...,
n
sejam autovetores de um operador linear T associados a autovalores dis-
tintos Ento
1
,
2
, ...,
n
so linearmente independentes.
Teorema 9.9 Suponha que o polinmio caracterstico de T seja um produto de n fatores distintos, digamos,
. Ento T pode ser representado pela matriz diagonal D diag(a
1
, a
2
, ..., a
n
).
Teorema 9.10 A multiplicidade geomtrica de um autovalor de T no maior do que a multiplicidade algbrica.
OBSERVAO O teorema a seguir reduz a procura de uma diagonalizao de um operador linear T diagonali-
zao de uma matriz A.
Teorema 9.11 Seja A uma representao matricial de T. Ento T diagonalizvel se, e s se, A diagonalizvel.
9.5 CLCULO DE AUTOVALORES E AUTOVETORES, DIAGONALIZAO DE MATRIZES
Nesta seo oferecemos um algoritmo para calcular autovalores e autovetores de uma dada matriz quadrada A dada
e para decidir se existe ou no uma matriz no singular P tal que seja diagonal.
Algoritmo 9.1 (Algoritmo de Diagonalizao) dada uma matriz quadrada A de ordem n.
Passo 1 Encontre o polinmio caracterstico de A.
Passo 2 Encontre as razes de para obter os autovalores de A.
Passo 3 Repita (a) e (b) para cada autovalor de A.
(a) Forme a matriz subtraindo de cada elemento diagonal de A.
(b) Encontre uma base para o espao soluo do sistema homogneo MX 0. (Esses vetores da
base so autovetores linearmente independentes de A associados a .)
_Book_Lipschutz.indb 307 22/12/10 09:03
LGEBRA LINEAR
308
Passo 4 Considere a coleo S {
1
,
2
, ...,
m
} de todos os autovetores obtidos no Passo 3.
(a) Se , ento A no diagonalizvel.
(b) Se m n, ento A diagonalizvel. Mais precisamente, seja P a matriz cujas colunas so os
autovetores
1
,
2
, ...,
m
. Ento
onde o autovalor associado ao autovetor
i
.
Exemplo 9.6 Aplique o algoritmo de diagonalizao matriz .
(1) Calculamos o polinmio caracterstico de A. Temos
logo,
(2) Tomamos . As razes so os autovalores de A.
(3) (i) Encontramos um autovetor
1
de A associado ao autovalor subtraindo de cada elemento diago-
nal de A

e obtendo a matriz . Os autovetores associados a formam o espao soluo do
sistema homogneo MX 0, isto ,
O sistema tem apenas uma varivel livre. Assim, uma soluo no nula, por exemplo,
1
(2, 1), um auto-
vetor que gera o autoespao de
(ii) Encontramos um autovetor
2
de A associado ao autovalor subtraindo de cada elemento diagonal
de A (ou, ento, somando 2) e obtendo a matriz
e o sistema homogneo
O sistema s tem uma soluo independente. Assim, uma soluo no nula, digamos,
2
(1, 3), um auto-
vetor que gera o autoespao de
(4) Seja P a matriz cujas colunas so os autovetores
1
e
2
. Ento
e, portanto,
Dessa forma, a matriz diagonal cujas entradas diagonais so os autovalores associados, isto ,
Exemplo 9.7 Considere a matriz . Temos
portanto,
Dessa forma, o nico autovalor de B.
_Book_Lipschutz.indb 308 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 309
Subtraindo de cada elemento diagonal de B, obtemos a matriz
e o sistema homogneo
O sistema tem uma nica soluo independente, por exemplo x 1, y 1. Assim, (1, 1) e seus mltiplos
so os nicos autovetores de B. Dessa forma, B no diagonalizvel, porque no existe uma base consistindo em
autovetores de B.
Exemplo 9.8 Considere a matriz . Aqui, . Assim,

o polinmio caracterstico de A. Consideramos os dois casos a seguir.
(a) Se A uma matriz sobre o corpo dos reais, ento no tem razes (reais). Assim, A no possui autovalo-
res nem autovalores e, portanto, A no diagonalizvel.
(b) Se A uma matriz sobre o corpo dos complexos, ento tem duas razes, i e i. Assim, A
tem os dois autovalores distintos i e i e, portanto, A possui dois autovetores linearmente independentes. Des-
sa forma, existe uma matriz no singular P sobre o corpo dos complexos tal que
Assim, A diagonalizvel (sobre ).
9.6 DIAGONALIZAO DE MATRIZES REAIS SIMTRICAS E FORMAS QUADRTICAS
Existem muitas matrizes reais que no so diagonalizveis. De fato, algumas matrizes reais podem sequer possuir
algum autovalor (real). Contudo, com matrizes reais simtricas, esses problemas no ocorrem. A saber, temos os
teoremas seguintes.
Teorema 9.12 Se A uma matriz real simtrica, ento cada raiz do polinmio caracterstico de A real.
Teorema 9.13 Sejam A uma matriz real simtrica e u e autovetores de A associados a autovalores distintos
. Ento u e so ortogonais, isto ,
Esses dois teoremas fornecem o resultado fundamental seguinte.
Teorema 9.14 Se A uma matriz real simtrica, ento existe uma matriz ortogonal P tal que dia-
gonal.
A matriz ortogonal P obtida normalizando uma base de autovetores ortogonais de A, conforme exemplo a
seguir. Nesse caso, dizemos que A ortogonalmente diagonalizvel.
Exemplo 9.9 Seja

uma matriz real simtrica. Encontre uma matriz ortogonal P tal que
seja diagonal.
Inicialmente, calculamos o polinmio caracterstico de A. Temos
portanto,
Segue que so os autovalores de A.
(a) Subtraindo de cada elemento diagonal de A obtemos a matriz
e o sistema homogneo
Uma soluo no nula u
1
(1, 2).
_Book_Lipschutz.indb 309 22/12/10 09:03
LGEBRA LINEAR
310
(b) Subtraindo de cada elemento diagonal de A obtemos a matriz
e o sistema homogneo
(A segunda equao foi eliminada, por ser um mltiplo da primeira equao.) Uma soluo no nula u
2

(2, 1).
Conforme afirma o Teorema 9.13, u
1
e u
2
so ortogonais. Normalizando u
1
e u
2
, obtemos os vetores ortonormais
Finalmente, seja P a matriz cujas colunas so , respectivamente. Ento
Como era de se esperar, as entradas diagonais de so os autovalores associados s colunas de P.
O procedimento desse exemplo pode ser formalizado no algoritmo seguinte, que fornece uma matriz ortogonal
P tal que diagonal.
Algoritmo 9.2 (Algoritmo de Diagonalizao Ortogonal) dada uma matriz real simtrica A.
Passo 1 Encontre o polinmio caracterstico de A.
Passo 2 Encontre os autovalores de A, que so as razes de .
Passo 3 Para cada autovalor de A do Passo 2, encontre uma base ortogonal do autoespao associado.
Passo 4 Normalize todos autovetores do Passo 3, que formam uma base ortonormal de .
Passo 5 Seja P a matriz cujas colunas so os autovetores normalizados do Passo 4.
Aplicao s formas quadrticas
Seja q um polinmio real nas variveis x
1
, x
2
, ..., x
n
tal que cada parcela de q de grau dois, isto ,
com
Dizemos, ento, que q uma forma quadrtica. Se no existirem parcelas mistas da forma x
i
x
j
, isto , se todos os
d
ij
forem nulos, dizemos que q diagonal.
Toda forma quadrtica q define uma matriz real simtrica A [a
ij
], com a
ii
c
i
e . A saber, q
pode ser escrita no formato matricial
em que X [x
1
, x
2
, ..., x
n
]
T
o vetor coluna das variveis. Alm disso, seja X PY uma substituio linear de va-
riveis. Substituindo na forma quadrtica, obtemos
Assim, P
T
AP a representao matricial de q nas novas variveis.
Procuramos uma matriz ortogonal P tal que a substituio ortogonal X PY fornea uma forma quadrtica
diagonal, ou seja, para a qual P
T
AP seja diagonal. Sendo P ortogonal, e, portanto, . A
teoria desenvolvida nesta seo fornece uma tal matriz ortogonal P.
_Book_Lipschutz.indb 310 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 311
Exemplo 9.10 Considere a forma quadrtica
com
Pelo Exemplo 9.9,
com
Seja . Ento a matriz P corresponde substituio linear ortogonal X PY das variveis x e y em termos
das variveis s e t, como segue.
Essa substituio em q(x, y) nos d a forma quadrtica diagonal .
9.7 POLINMIO MNIMO
Seja A uma matriz quadrada qualquer. Seja J(A) o conjunto de todos os polinmios f(t) para os quais A uma raiz,
isto , para os quais f(A) 0. O conjunto J(A) no vazio em virtude do Teorema 9.2 de Cayley-Hamilton, que nos
diz que o polinmio caracterstico de A pertence a J(A). Seja m(t) o polinmio mnico de menor grau em
J(A). (Um tal polinmio m(t) existe e nico.) Dizemos que m(t) o polinmio mnimo da matriz A.
OBSERVAO Um polinmio dito mnico se seu coeficiente dominante (o do termo de maior grau)
for igual a um.
Vale o teorema seguinte (demonstrado no Problema 9.33).
Teorema 9.15 O polinmio mnimo m(t) de uma matriz (operador linear) A divide qualquer polinmio que tenha
A como raiz. Em particular, m(t) divide o polinmio caracterstico de A.
H at uma relao ainda mais forte entre m(t) e .
Teorema 9.16 O polinmio caracterstico e o polinmio mnimo m(t) de uma matriz A tm os mesmos fato-
res irredutveis.
Esse teorema (demonstrado no Problema 9.35) no diz que , mas to somente que qualquer fator
irredutvel de um deles necessariamente divide o outro. Em particular, como um fator linear irredutvel, m(t) e
possuem os mesmos fatores lineares. Logo, possuem as mesmas razes. Assim, temos o teorema a seguir.
Teorema 9.17 Um escalar um autovalor de uma matriz A se, e s se, uma raiz do polinmio mnimo m(t) de A.
Exemplo 9.11 Encontre o polinmio mnimo m(t) de .
Primeiro calculamos o polinmio caracterstico de A. Temos
Logo,
_Book_Lipschutz.indb 311 22/12/10 09:03
LGEBRA LINEAR
312
O polinmio mnimo m(t) deve dividir . Tambm, cada fator irredutvel de (ou seja, t 1 e t 3) deve
ser um fator de m(t). Assim, m(t) , exatamente, um dos polinmios seguintes.
Sabemos, pelo teorema de Cayley-Hamilton, que . Ento, resta testar f(t). Temos
Assim, o polinmio mnimo de A.
Exemplo 9.12
(a) Considere as duas matrizes quadradas de ordem r seguintes, com .
A primeira matriz, denominada Bloco de Jordan, tem em cada entrada diagonal, 1 em cada entrada superdia-
gonal (que consiste nas entradas acima da diagonal) e zeros nas demais entradas. A segunda matriz A tem em
cada entrada diagonal, a em cada entrada superdiagonal e zeros nas demais. [Ou seja, A uma generalizao de
.] Mostra-se que
o polinmio caracterstico e tambm o polinmio mnimo de ambas A e .
(b) Considere um polinmio mnico arbitrrio
Seja C(f) a matriz quadrada de ordem n com 1 em cada entrada subdiagonal (que consiste nas entradas abaixo
da diagonal), os simtricos dos coeficientes na ltima coluna e zeros nas demais entradas, como segue.
Dizemos que C(f) a matriz companheira do polinmio f(t). Mostra-se que o polinmio mnimo m(t) e tam-
bm o polinmio caracterstico da matriz companheira C(f) so iguais ao polinmio original f(t).
Polinmio mnimo de um operador linear
O polinmio mnimo m(t) de um operador linear T definido como o polinmio mnico de menor grau para o qual
T seja uma raiz. No entanto, dado qualquer polinmio f(t), temos
f(T) 0 se, e s se, f(A) 0
onde A uma representao matricial qualquer de T. Dessa forma, T e A tm os mesmos polinmios mnimos.
Assim, os teoremas relativos a polinmios mnimos de matrizes tambm se aplicam a polinmios mnimos de ope-
radores lineares. Ou seja, valem os teoremas seguintes.
_Book_Lipschutz.indb 312 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 313
Teorema 9.15 O polinmio mnimo m(t) de um operador linear T divide qualquer polinmio que tenha T como
raiz. Em particular, m(t) divide o polinmio caracterstico de T.
Teorema 9.16 O polinmio caracterstico e o polinmio mnimo de um operador linear T tm os mesmos fatores
irredutveis.
Teorema 9.17 Um escalar um autovalor de um operador linear T se, e s se, uma raiz do polinmio m-
nimo m(t) de T.
9.8 POLINMIOS CARACTERSTICO E MNIMO DE MATRIZES EM BLOCOS
Nesta seo discutimos as relaes entre certas matrizes (quadradas) em blocos e os polinmios mnimo e caracte-
rstico.
Polinmio caracterstico e matrizes triangulares em blocos
Seja M uma matriz triangular em blocos, digamos, , em que A
1
e A
2
so matrizes quadradas. Ento
tI M tambm uma matriz triangular em blocos, com blocos diagonais tI A
1
e tI A
2
. Assim,
Ou seja, o polinmio caracterstico de M o produto dos polinmios caractersticos dos blocos diagonais A
1
e A
2
.
Por induo, obtemos o resultado til a seguir.
Teorema 9.18 Seja M uma matriz triangular em blocos com blocos diagonais A
1
, A
2
, ..., A
r
. Ento o polinmio
caracterstico de M o produto dos polinmios caractersticos dos blocos diagonais A
i
, ou seja,
Exemplo 9.13 Considere a matriz
Ento M uma matriz triangular em blocos com blocos diagonais . Temos

e, portanto,

e, portanto,
Dessa forma, o polinmio caracterstico de M o produto
Polinmio mnimo e matrizes diagonais em blocos
Vale o teorema seguinte (demonstrado no Problema 9.36).
Teorema 9.19 Seja M uma matriz diagonal em blocos com blocos diagonais A
1
, A
2
, ..., A
r
. Ento o polinmio
mnimo de M igual ao mnimo mltiplo comum (MMC) dos polinmios mnimos dos blocos diagonais A
i
.
OBSERVAO Enfatizamos que esse teorema se aplica a matrizes diagonais em blocos, ao passo que o Teorema
9.18 anlogo para o polinmio caracterstico se aplica a matrizes triangulares em blocos.
_Book_Lipschutz.indb 313 22/12/10 09:03
LGEBRA LINEAR
314
Exemplo 9.14 Encontre o polinmio caracterstico e o polinmio mnimo m(t) da matriz diagonal em blocos
com
Ento o produto dos polinmios caractersticos de A
1
, A
2
, A
3
, respectivamente. Pode-se
mostrar que
Assim, . [Conforme poderamos prever, o grau de 5.]
Os polinmios mnimos m
1
(t), m
2
(t), m
3
(t) dos blocos diagonais A
1
, A
2
, A
3
, respectivamente, so iguais aos
polinmios caractersticos, isto ,
Mas m(t) igual ao mnimo mltiplo comum de m
1
(t), m
2
(t), m
3
(t). Assim, .
Problemas Resolvidos
Polinmios de matrizes, polinmios caractersticos
9.1 Seja . Encontre f(A), com
Para comear, calculamos . Ento
[Assim, A uma raiz de f(t).]
9.2 Encontre o polinmio caracterstico de cada uma das matrizes dadas.
Usamos a frmula

de matrizes quadradas M de ordem 2.
(a) logo,
(b) logo,
(c) logo,
9.3 Encontre o polinmio caracterstico de cada uma das matrizes dadas.
_Book_Lipschutz.indb 314 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 315
Usamos a frmula , em que A
ii
o cofator de a
ii
da matriz qua-
drada A [a
ij
] de ordem 3.
(a) ,
Assim,
(b)
Assim,
9.4 Encontre o polinmio caracterstico de cada uma das matrizes dadas.
(a) A triangular em blocos com blocos diagonais
Assim,
(b) Como B triangular, .
9.5 Encontre o polinmio caracterstico de cada um dos operadores lineares dados.
(a) definido por .
(b) definido por sendo V o espao de funes com base S {sen t, cos t}.
O polinmio caracterstico de um operador linear igual ao polinmio caracterstico de qualquer matriz A que
represente o operador.
(a) Utilizamos a matriz A que representa T em relao base cannica de . Temos
logo,
(b) Utilizamos a matriz A que representa o operador derivada D em relao base S. Temos
Assim,
9.6 Mostre que uma matriz A e sua transposta A
T
tm o mesmo polinmio caracterstico.
Usando a transposta, . Como uma matriz e sua transposta tm o mesmo deter-
minante,
_Book_Lipschutz.indb 315 22/12/10 09:03
LGEBRA LINEAR
316
9.7 Demonstre o Teorema 9.1. Sejam f e g polinmios. Dados quaisquer matriz quadrada A e escalar k,
Sejam . Ento, por definio,
(i) Suponha que

e seja b
i
0, com i > m. Ento
Logo,
(ii) Por definio, , onde
Logo, e
(iii) Por definio, e, portanto,
(iv) Por (ii), .
9.8 Demonstre o Teorema 9.2 (Cayley-Hamilton). Cada matriz A uma raiz de seu polinmio caracterstico.
Sejam A uma matriz quadrada de ordem n qualquer e seu polinmio caracterstico, digamos,
Denotemos por B(t) a adjunta clssica da matriz tI A. Os elementos de B(t) so os cofatores da matriz tI A e, por-
tanto, polinmios em t de grau, no mximo, n 1. Assim,
onde os B
i
denotam matrizes quadradas de ordem n sobre K que no dependem de t. Pela propriedade fundamental da
adjunta clssica (Teorema 8.9), temos , ou
Removendo os parnteses e igualando as potncias correspondentes de t, obtemos
Multiplicando essas equaes por , respectivamente, resulta
Somando essas equaes matriciais, obtemos 0 do lado esquerdo e do lado direito, ou seja,
Assim, , demonstrando o teorema de Cayley-Hamilton.
_Book_Lipschutz.indb 316 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 317
Autovalores e autovetores de matrizes 2 2
9.9 Seja
(a) Encontre todos os autovalores e autovetores associados.
(b) Encontre matrizes P e D tais que P seja no singular e seja diagonal.
(a) Comeamos calculando o polinmio caracterstico de A.
As razes de so os autovalores de A. Calculemos os autovetores associados.
(i) Subtramos das entradas diagonais de A para obter a matriz M A 2I, cujo sistema homogneo
correspondente MX 0 fornece os autovetores associados a . Temos
que corresponde a
O sistema s tem uma varivel livre e uma soluo no nula. Assim, um autovetor
associado a (e gerando o subespao de)
(ii) Subtramos (ou, equivalentemente, somamos 5) das entradas diagonais de A para obter
que corresponde a

O sistema s tem uma varivel livre e uma soluo no nula. Assim, um autovetor
associado a
(b) Seja P a matriz de colunas
1
e
2
. Ento
Observe que D a matriz diagonal cujas entradas diagonais so os autovalores de A associados aos
autovetores que aparecem em P.
OBSERVAO Aqui P a matriz de mudana de base da base cannica de para a base
S {
1
,
2
} e D a matriz que representa (o operador matricial) A em relao nova base S.
9.10 Seja
(a) Encontre todos os autovalores e autovetores associados.
(b) Encontre uma matriz no singular P tal que seja diagonal e .
(c) Encontre A
6
e f(A), com .
(d) Encontre uma raiz cbica real de A, isto , uma matriz B tal que B
3
A e B tenha autovalores reais.
(a) Comeamos calculando o polinmio caracterstico de A.
As razes de so os autovalores de A. Calculemos os autovetores associados.
(i) Subtramos das entradas diagonais de A para obter a matriz M A I, cujo sistema homogneo
correspondente MX 0 fornece os autovetores associados a . Temos
que corresponde a
_Book_Lipschutz.indb 317 22/12/10 09:03
LGEBRA LINEAR
318
O sistema s tem uma soluo independente, por exemplo, x 2, y 1. Assim, um
autovetor associado a (e gerando o subespao de) .
(ii) Subtramos das entradas diagonais de A para obter
que corresponde a
O sistema s tem uma soluo independente, por exemplo, x 1, y 1. Assim, um autovetor
associado a
(b) Seja P a matriz de colunas
1
e
2
. Ento

com
(c) Usamos a fatorao diagonal e, como 1
6
1 e 4
6
4096, obtemos
Tambm f(1) 2 e f(4) 1. Logo,
(d) Aqui, a raiz cbica real de D. Logo, a raiz cbica real de A
9.11 Cada uma das matrizes reais dadas define um operador linear de .
Para cada matriz, encontre todos os autovalores e um conjunto S mximo de autovetores linearmente inde-
pendentes. Qual desses operadores diagonalizvel, ou seja, pode ser representado por uma matriz diagonal?
(a) Comeamos calculando . As razes so os autovalores
de A. Calculemos os autovetores associados.
(i) Subtramos das entradas diagonais de A para obter
que corresponde a
A nica soluo no nula .
(ii) Subtramos (ou somamos 4) das entradas diagonais de A para obter
que corresponde a
A nica soluo no nula .
Ento S {
1
,
2
} {(3, 1), (2, 3)} um conjunto mximo de autovetores linearmente independentes.
Como S uma base de , A diagonalizvel. Em relao base S, A representada pela matriz diagonal D
diag(7, 4).
(b) Comeamos calculando o polinmio caracterstico . No h razes reais. Assim, B uma matriz real
que representa um operador linear de que no tem autovalores e no tem autovetores. Logo, em particular, B no
diagonalizvel.
_Book_Lipschutz.indb 318 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 319
(c) Comeamos calculando . Assim, o nico autovalor de C. Subtramos
das entradas diagonais de C para obter
que corresponde a
O sistema homogneo tem uma nica soluo independente, por exemplo, x 1, y 1. Assim, um
autovetor de C. Mais que isso, como no h outros autovalores, o conjunto S { } {(1, 1)} de um elemento
um conjunto mximo de autovetores linearmente independentes de C. Em particular, como S no uma base de
R
2
, C no diagonalizvel.
9.12 Considere o operador linear B do espao complexo C
2
definido pela matriz B do Problema 9.11. Mostre que,
nesse caso, B diagonalizvel, encontrando uma base S de consistindo em autovetores de B.
O polinmio caracterstico de B ainda . Como um polinmio sobre C, fatora, j que

Assim, so os autovalores de B.
(i) Subtramos das entradas diagonais de B para obter o sistema homogneo
O sistema s tem uma soluo independente, por exemplo, x 2, y 1 i. Assim, um
autovetor que gera o subespao de
(ii) Subtramos (ou somamos i) das entradas diagonais de B para obter o sistema homogneo
O sistema s tem uma soluo independente, por exemplo, x 1, y 1 i. Assim, um
autovetor que gera o autoespao de
Como uma matriz complexa, B diagonalizvel. Mais precisamente, S {
1
,
2
} {(1, 1 i), (1, 1 i)} uma base
de consistindo em autovetores de B. Usando essa base S, B representada pela matriz diagonal D diag(i, i).
9.13 Seja L o operador linear de que reflete cada ponto P pela reta y kx, com k > 0 fixado. (Ver Figura 9-1.)
(a) Mostre que so autovetores de L.
(b) Mostre que L diagonalizvel e encontre uma representao diagonal D de L.
Figura 9-1
(a) O vetor determina um ponto da reta y kx e, portanto, mantido fixado por L, isto , .
Assim, um autovetor de L associado ao autovalor
O vetor perpendicular reta y kx e, portanto, L reflete em seu simtrico, isto ,
. Assim, um autovetor de L associado ao autovalor
_Book_Lipschutz.indb 319 22/12/10 09:03
LGEBRA LINEAR
320
(b) Dessa forma, S {
1
,
2
} uma base de consistindo em autovetores de L. Assim, L diagonalizvel, com a
representao matricial (em relao base S).
Autovalores e autovetores
9.14 Seja . (a) Encontre todos os autovalores de A.
(b) Encontre um conjunto S mximo de autovetores linearmente independentes de A.
(c) A diagonalizvel? Se for, encontre P tal que seja diagonal.
(a) Comeamos calculando o polinmio caracterstico de A. Temos
Tambm calculamos cada cofator A
ii
de a
ii
em A.
Logo,
Supondo que (t) tenha alguma raiz racional, os candidatos so . Testando por
Ruffini, obtemos
Assim, t 3 uma raiz de . Tambm t 3 e so fatores. Logo,
Por isso, so autovalores de A.
(b) Calculamos autovetores linearmente independentes para cada autovalor de A.
(i) Subtramos das entradas diagonais de A para obter a matriz
correspondente a
Logo, so solues linearmente independentes.
(ii) Subtramos das entradas diagonais de A para obter a matriz
correspondente a
A nica varivel livre z. Logo, uma soluo.
Assim, S {u, , w} {(1, 1, 0), (1, 0, 1), (1, 2, 1)} um conjunto mximo de autovetores de A linearmente inde-
pendentes.
OBSERVAO Os vetores u e foram escolhidos como solues independentes do sistema dado por x y z
0. Por outro lado, w , automaticamente, independente de u e , porque w pertence a um autoespao diferente de
A. Assim, os trs vetores so linearmente independentes.
_Book_Lipschutz.indb 320 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 321
(c) A diagonalizvel porque tem trs autovetores linearmente independentes. Seja P a matriz de colunas u, , w.
Ento
9.15 Repita o Problema 9.14 com a matriz
(a) Comeamos calculando o polinmio caracterstico de B. Temos
portanto,
Logo, . Assim, so os autovalores de B.
(b) Calculamos uma base do autoespao de cada autovalor de B.
(i) Subtramos das entradas diagonais de B para obter
correspondente a

O sistema s tem uma soluo independente, por exemplo, x 1, y 1, z 0. Assim, constitui
uma base do autoespao de
(ii) Subtramos (ou somamos 4) das entradas diagonais de B para obter
correspondente a
O sistema s tem uma soluo independente, por exemplo, x 0, y 1, z 1. Assim, constitui
uma base do autoespao de
Assim, S {u, } um conjunto mximo de autovetores de B linearmente independentes.
(c) Como B tem, no mximo, dois autovetores linearmente independentes, B no semelhante a uma matriz diagonal,
ou seja, B no diagonalizvel.
9.16 Encontre as multiplicidades algbrica e geomtrica do autovalor da matriz B do Problema 9.15.
A multiplicidade algbrica de 2, porque t 2 aparece com expoente 2 em . Contudo, a multiplicidade
geomtrica de 1, porque (sendo o autoespao de ).
9.17 Seja definido por Encontre todos
os autovalores de T e uma base em cada autoespao. T diagonalizvel? Se for, encontre uma base S de
que diagonaliza T e encontre sua representao diagonal.
Inicialmente encontramos a matriz A que representa T na base cannica de , escrevendo os coeficientes de x, y, z
como linhas e depois calculamos o polinmio caracterstico de A (e de T). Temos
Logo, e, portanto, so os autovalores de A (e de T).
Agora, calculamos autovetores linearmente independentes de cada autoespao de A.
_Book_Lipschutz.indb 321 22/12/10 09:03
LGEBRA LINEAR
322
(i) Subtramos das entradas diagonais de A para obter a matriz
correspondente a
As variveis livres so y e z, portanto existem dois autovetores linearmente independentes associados a .
Por exemplo, so dois desses autovetores.
(ii) Subtramos das entradas diagonais de A para obter
correspondente a
A nica varivel livre z. Logo, w (1, 2, 1) uma soluo.
Assim, T diagonalizvel, porque tem trs autovetores linearmente independentes. Mais precisamente, escolhendo
S {u, , w} {(1, 1, 0), (2, 0, 1), (1, 2, 1)}
como base, T representado pela matriz diagonal D diag(1, 1, 2).
9.18 Mostre as afirmaes seguintes relativas a um operador linear (matriz) T.
(a) O escalar 0 um autovalor de T se, e s se, T singular.
(b) Se um autovalor de T e T invertvel, ento um autovalor de .
(a) Temos que 0 um autovalor de T se, e s se, existe um vetor tal que T( ) 0 0, isto , se, e s se, T
singular.
(b) Sendo invertvel, T no singular. Logo, por (a), Pela definio de autovalor, existe tal que .
Aplicando a ambos lados, obtemos
e, portanto,
Assim, um autovalor de
9.19 Seja um autovalor de um operador linear e seja o conjunto de todos autovetores associados a
(denominado autoespao de ). Prove que um subespao de V, ou seja, prove as afirmaes seguintes.
(a) Se , ento ru , para cada escalar r. (b) Se , ento
(a) Como , temos . Ento , de modo que .
(Interpretamos o vetor nulo como um autovetor de para que seja um subespao de V.)
(b) Como , temos . Ento e,
portanto, .
9.20 Demonstre o Teorema 9.6. As afirmaes dadas so equivalentes. (i) O escalar um autovalor de A.
(ii) A matriz singular.
(iii) O escalar uma raiz do polinmio caracterstico de A.
O escalar um autovalor de A se, e s se, existe um vetor no nulo tal que
ou singular. Nesse caso, uma raiz de . Tambm, est no subespao de se, e s se,
valer essa relao. Logo, uma soluo de
9.21 Demonstre o Teorema 9.8. Suponha que
1
,
2
, ...,
n
sejam autovetores de T associados a autovalores distin-
tos Ento
1
,
2
, ...,
n
so linearmente independentes.
_Book_Lipschutz.indb 322 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 323
Vamos supor que o teorema seja falso. Seja
1
,
2
, ...,
s
um conjunto mnimo de vetores para o qual o teorema seja falso.
Temos s > 1, porque , j que autovetor. Tambm, pela condio de minimalidade,
2
, ...,
s
linearmente inde-
pendente. Assim,
1
uma combinao linear de
2
, ...,
s
, digamos,
(1)
(onde algum ). Aplicando T a (1) e usando a linearidade de T, obtemos
(2)
Como
j
um autovetor de T associado a , temos . Substituindo em (2), resulta
(3)
Multiplicando (1) por , obtemos
(4)
Igualando os lados direitos de (3) e (4), ou subtraindo (3) de (4), resulta
(5)
Como
2
,
3
, ...,
s
so linearmente independentes, os coeficientes de (5) devem ser, todos, nulos, ou seja,
Contudo, os so distintos. Logo, para j > 1. Assim, . Isso contradiz o fato de
que algum . O teorema est provado.
9.22 Demonstre o Teorema 9.9. Suponha que o polinmio caracterstico de
uma matriz quadrada A de ordem n seja um produto de n fatores distintos, digamos, . Ento A semelhan-
te matriz diagonal D diag(a
1
, a
2
, ..., a
n
).
Sejam
1
,
2
, ...,
n
autovetores (no nulos) associados aos autovalores a
i
. Ento os n autovetores
i
so linearmente inde-
pendentes (Teorema 9.8) e, portanto, formam uma base de K
n
. Dessa forma, A diagonalizvel, isto , A semelhante a
uma matriz diagonal D, e os elementos diagonais de D so os autovalores a
i
.
9.23 Demonstre o Teorema 9.10. A multiplicidade geomtrica de um autovalor de T no maior do que a mul-
tiplicidade algbrica.
Suponha que a multiplicidade geomtrica de seja r. Ento o autoespao desse autovalor contm r autovetores line-
armente independentes
1
, ...,
r
. Estendemos o conjunto {
i
} a uma base de V, digamos, . Ento
A matriz de T nessa base , com A [a
ij
]
T
e B [b
ij
]
T
.
Como M diagonal em blocos, o polinmio caracterstico do bloco deve dividir o polinmio caracterstico
de M e, portanto, de T. Assim, a multiplicidade algbrica de para T r, no mnimo, como queramos mostrar.
Diagonalizao de matrizes reais simtricas e formas quadrticas
9.24 Seja . Encontre uma matriz ortogonal P tal que seja diagonal.
_Book_Lipschutz.indb 323 22/12/10 09:03
LGEBRA LINEAR
324
Comeamos calculando o polinmio caracterstico de A. Temos
Assim, os autovalores de A so . Em seguida, calculamos os autovetores associados.
Subtramos das entradas diagonais de A para obter a matriz
correspondente a
Uma soluo no nula .
Subtramos (ou somamos 2) das entradas diagonais de A para obter a matriz
correspondente a
Uma soluo no nula .
Como era de se esperar, dada a simetria de A, os autovetores u
1
e u
2
so ortogonais. Normalizamos u
1
e u
2
para obter,
respectivamente, os vetores unitrios
Finalmente, seja P a matriz cujas colunas so os vetores unitrios , respectivamente. Ento
Conforme previsto, as entradas diagonais de D so os autovalores de A.
9.25 Seja . (a) Encontre todos os autovalores de B.
(b) Encontre um conjunto S mximo de autovetores ortogonais de B.
(c) Encontre uma matriz ortogonal P tal que seja diagonal.
(a) Comeamos calculando o polinmio caracterstico de B. Temos
portanto,
Logo, . Se tiver alguma raiz inteira, os candidatos devem dividir 400.
Testando t 5, por Ruffini obtemos
Assim, t 5 um fator de tambm um fator. Assim,
Os autovalores de B so (multiplicidade 2) e (multiplicidade 1).
(b) Encontremos uma base ortogonal de cada autoespao. Subtramos (ou somamos 5) das entradas diagonais
de B para obter o sistema homogneo
Logo, . O sistema tem duas solues independentes. Uma soluo .
Procuramos uma segunda soluo que seja ortogonal a
1
, ou seja,
e, portanto,
_Book_Lipschutz.indb 324 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 325
Uma tal soluo
Subtramos das entradas diagonais de B para obter o sistema homogneo
Esse sistema fornece uma soluo no nula . (Como afirma o Teorema 9.13, o autovetor
3

ortogonal a
1
e
2
.)
Ento
1
,
2
,
3
formam um conjunto mximo de autovetores ortogonais (no nulos) de B.
(c) Normalizamos
1
,
2
,
3
para obter uma base ortogonal
Ento P a matriz cujas colunas so . Assim,
9.26 Seja . Encontre uma substituio ortogonal que diagonalize q.
Comeamos com a matriz simtrica A que representa q e seu polinmio caracterstico . Temos
Os autovalores de A so . Assim, usando as novas variveis s e t, uma forma diagonal de q
A substituio ortogonal correspondente obtida a partir de um conjunto ortogonal de autovetores de A.
(i) Subtramos das entradas diagonais de A para obter a matriz
correspondente a
Uma soluo no nula
(ii) Subtramos (ou somamos 8) das entradas diagonais de A para obter a matriz
correspondente a
Uma soluo no nula
Como era de se esperar, dada a simetria de A, os autovetores u
1
e u
2
so ortogonais.
Agora normalizamos u
1
e u
2
para obter, respectivamente, os vetores unitrios
Finalmente, seja P a matriz cujas colunas so os vetores unitrios , respectivamente. Ento
a mudana de coordenadas ortogonal procurada, ou seja,
Tambm podemos expressar s e t em termos de x e y usando , ou seja,
_Book_Lipschutz.indb 325 22/12/10 09:03
LGEBRA LINEAR
326
Polinmio mnimo
9.27 Sejam . O polinmio caracterstico de ambas matrizes

. Encontre o polinmio mnimo m(t) de cada matriz.
O polinmio mnimo m(t) deve dividir . Tambm, cada fator de (ou seja, t 2 e t 1) deve ser, tambm,
fator de m(t). Assim, m(t) exatamente um dos dois polinmios seguintes.
(a) Pelo Teorema de Cayley-Hamilton, , de modo que basta testar f(t). Temos
Assim, o polinmio mnimo de A.
(b) Novamente, , de modo que basta testar f(t). Obtemos
Assim, . Em vista disso, o polinmio mnimo de B. [Enfatizamos
que no necessrio calcular g(B), pois o Teorema de Cayley-Hamilton garante que g(B) 0.]
9.28 Encontre o polinmio mnimo m(t) de cada uma das matrizes dadas.
(a) O polinmio caracterstico de A Como tem fatores distintos, o
polinmio mnimo
(b) Como B triangular, seus autovalores so os elementos diagonais 1, 2, 3 e, ento, seu polinmio caracterstico
. Como tem fatores distintos,
(c) O polinmio caracterstico de C . Logo, o polinmio mnimo de C
Contudo, , ou seja, . Logo,
9.29 Seja S {u
1
, u
2
, , u
n
} uma base de V e suponha que F e G sejam operadores de V tais que [F] tem zeros
na diagonal e abaixo dela e que [G] tem na superdiagonal e zeros no resto. Ou seja,
Mostre que , mas . (Essas condies tambm valem para [F] e [G].)
(a) Temos e, para r > 1, uma combinao linear de vetores que precedem u
r
em S. Ou seja,
_Book_Lipschutz.indb 326 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 327
Ento, uma combinao linear de vetores que precedem e assim por diante. Logo,
para cada r. Assim, para cada e, portanto, , como queramos mostrar.
(b) Temos e, para cada k > 1, . Logo, para r < k. Como , tambm
Portanto, e, assim, . Por outro lado, (a) afirma que
9.30 Seja A a matriz do Exemplo 9.12(a) que tem um em cada entrada diagonal, a em cada entrada superdiago-
nal, com , e zeros nas demais. Mostre que tanto o polinmio caracterstico quanto
o polinmio mnimo m(t) de A.
Como A triangular, com na diagonal, o polinmio caracterstico de A. Assim, m(t)
uma potncia de . Pelo Problema 9.29, . Logo,
9.31 Encontre o polinmio caracterstico e o polinmio mnimo m(t) de cada matriz dada.
(a) M diagonal em blocos com blocos diagonais
O polinmio caracterstico e mnimo de A e o polinmio caracterstico e mnimo de B
. Ento
, mas m(t) MMC[f(t), g(t)] (t 4)
3
(onde MMC significa o mnimo mltiplo comum). Enfatizamos que o expoente de m(t) o tamanho do maior
bloco.
(b) Aqui, diagonal em blocos com blocos diagonais . O polinmio
caracterstico de , que tem fatores distintos. Logo, g(t) tambm o polinmio mnimo de B.
Em vista disso,
, mas m(t) MMC[f(t), g(t)] (t 2)
2
(t 3)
9.32 Encontre uma matriz A cujo polinmio mnimo seja
Simplesmente tomamos , a matriz companheira de f(t) [definida no Exemplo 9.12(b).]
9.33 Demonstre o Teorema 9.15. O polinmio mnimo m(t) de uma matriz (operador linear) A divide qualquer
polinmio que tenha A como raiz. Em particular (pelo Teorema de Cayley-Hamilton), m(t) divide o polin-
mio caracterstico de A.
Seja f(t) um polinmio tal que f(A) 0. Pelo algoritmo da diviso, existem polinmios q(t) e r(t) tais que
e r(t) 0 ou, ento, o grau de r(t) menor do que o grau de m(t). Substituindo t A nessa
equao e usando que f(A) 0 e m(A) 0, obtemos r(A) 0. Se , ento r(t) um polinmio de grau menor
do que m(t) que tem A como zero. Isso contradiz a definio de polinmio mnimo. Assim, r(t) 0 e, portanto, f(t)
m(t)q(t), ou seja, m(t) divide f(t).
_Book_Lipschutz.indb 327 22/12/10 09:03
LGEBRA LINEAR
328
9.34 Seja m(t) o polinmio mnimo m(t) de uma matriz quadrada A de ordem n. Prove que o polinmio caracte-
rstico de A divide [m(t)]
n
.
Suponha que . Definimos matrizes B
j
como segue.
Ento
Definindo
obtemos
Tomando o determinante de ambos lados, resulta . Como |B(t)| um polinmio,
|tI A| divide [m(t)]
n
, ou seja, o polinmio caracterstico de A divide [m(t)]
n
.
9.35 Demonstre o Teorema 9.16. O polinmio caracterstico e o polinmio mnimo m(t) de uma matriz A
tm os mesmos fatores irredutveis.
Seja f(t) um polinmio irredutvel. Se f(t) divide m(t), ento f(t) tambm divide [porque m(t) divide ]. Por outro
lado, se f(t) divide , ento, pelo Problema 9.34, f(t) tambm divide [m(t)]
n
. No entanto, f(t) irredutvel, portanto,
f(t) tambm divide m(t). Assim, m(t) e tm os mesmos fatores irredutveis.
9.36 Demonstre o Teorema 9.19. O polinmio mnimo m(t) de uma matriz diagonal em blocos M com blocos
diagonais A
i
igual ao mnimo mltiplo comum (MMC) dos polinmios mnimos dos blocos diagonais A
i
.
Demonstramos o teorema no caso r 2, sendo que o caso geral decorre por induo. Seja , com A
e B
matrizes quadradas. Queremos mostrar que o polinmio mnimo m(t) de M o MMC dos polinmios mnimos g(t) e
h(t) de A e B, respectivamente.
Como m(t) o polinmio mnimo de M, temos e m(A) 0 e m(B) 0. Como g(t)
o polinmio mnimo de A, g(t) divide m(t). Analogamente, h(t) divide m(t). Assim, m(t) um mltiplo de g(t) e h(t).
Seja, agora, f(t) um mltiplo qualquer de g(t) e h(t). Ento . No entanto, m(t) o
polinmio mnimo de M, de modo que m(t) divide f(t). Assim, m(t) o MMC de g(t) e h(t).
9.37 Seja o polinmio mnimo de uma matriz quadrada A de ordem n.
Prove as afirmaes seguintes.
(a) A no singular se, e s se, o termo constante .
(b) Se A no singular, ento um polinmio em A de grau r 1 < n.
(a) So equivalentes. (i) A no singular, (ii) 0 no uma raiz de m(t), (iii) . Assim, a afirmao verdadeira.
_Book_Lipschutz.indb 328 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 329
(b) Como A no singular, temos por (a). Temos
Assim,

Dessa forma,
Problemas Complementares
Polinmios de matrizes
9.38 Sejam Encontre f(A), g(A), f(B), g(B), com e
9.39 Seja . Encontre A
2
, A
3
, A
n
, com n > 3, e .
9.40 Seja . Encontre uma matriz real A tal que B A
3
.
9.41 Para cada matriz dada, encontre um polinmio que tem a matriz como raiz.
9.42 Sejam A uma matriz quadrada e f(t) um polinmio quaisquer. Prove que
.

(d) Se A simtrica, ento f(A) simtrica.
9.43 Sejam M diag[A
1
, ..., A
r
] uma matriz diagonal em blocos e f(t) um polinmio quaisquer. Mostre que f(M) diagonal
em blocos e que f(M) diag[f(A
1
), ..., f(A
r
)].
9.44 Sejam M uma matriz triangular em blocos com blocos diagonais A
1
, ..., A
r
e f(t) um polinmio quaisquer. Mostre que
f(M) triangular em blocos com blocos diagonais f(A
1
), ..., f(A
r
).
Autovalores e autovetores
9.45 Para cada uma das matrizes dadas, encontre todos os autovalores e autovetores linearmente independentes associados.
Quando possvel, encontre a matriz no singular P que diagonaliza a matriz.
9.46 Seja
(a) Encontre os autovalores e autovetores associados.
(b) Encontre uma matriz no singular P tal que seja diagonal.
(c) Encontre A
8
e f(A), com
(d) Encontre uma matriz B tal que B
2
A.
_Book_Lipschutz.indb 329 22/12/10 09:03
LGEBRA LINEAR
330
9.47 Repita o Problema 9.46 com
9.48 Para cada uma das matrizes dadas, encontre todos os autovalores e um conjunto S mximo de autovetores linearmente
independentes.
Quais matrizes podem ser diagonalizadas, e por qu?
9.49 Para cada um dos operadores lineares dados, encontre todos os autovalores e uma base de cada autoespao.
9.50 Seja uma matriz real. Encontre condies relativas a a, b, c, d que sejam necessrias e suficientes para que
A seja diagonalizvel, isto , para que A tenha dois autovetores (reais) linearmente independentes.
9.51 Mostre que as matrizes A e A
T
tm os mesmos autovalores. D um exemplo de uma matriz A tal que A e A
T
tenham
autovetores diferentes.
9.52 Seja um autovetor dos operadores lineares F e G. Mostre que tambm um autovetor do operador linear ,
com k e escalares.
9.53 Seja um autovetor de um operador linear T associado ao autovalor . Demonstre.
(a) Para n > 0, um autovetor de T
n
associado a .
(b) um autovetor de f(T), para qualquer polinmio f(t).
9.54 Seja um autovalor da composta dos operadores lineares F e G. Mostre que tambm um autovetor da
composta . [Sugesto: mostre que G( ) um autovetor de .]
9.55 Seja uma projeo linear, isto , tal que E
2
E. Mostre que E diagonalizvel e que, de fato, pode ser repre-
sentada pela matriz diagonal em que r o posto de E.
Diagonalizao de matrizes reais simtricas e formas quadrticas
9.56 Para cada uma das matrizes simtricas A dadas, encontre uma matriz ortogonal P e uma matriz diagonal D tais que
.
9.57 Para cada uma das matrizes simtricas B dadas, encontre seus autovalores, um conjunto ortogonal mximo S de autove-
tores e uma matriz ortogonal P tal que seja diagonal.
9.58 Usando variveis s e t, encontre uma substituio ortogonal que diagonalize cada uma das formas quadrticas dadas.
9.59 Para cada uma das formas quadrticas q(x, y, z) dadas, encontre uma substituio ortogonal que expresse x, y, z em
termos das variveis r, s, t e encontre q(r, s, t).
_Book_Lipschutz.indb 330 22/12/10 09:03
CAPTULO 9 DIAGONALIZAO: AUTOVALORES E AUTOVETORES 331
9.60 Encontre uma matriz simtrica A com autovalores
(a) e autovetor u (1, 1) associado a ;
(b) e autovetor u (1, 2) associado a
Em cada caso, encontre uma matriz B tal que B
2
A.
Polinmios caracterstico e mnimo
9.61 Encontre os polinmios caracterstico e mnimo de cada uma das matrizes dadas.
9.62 Encontre os polinmios caracterstico e mnimo de cada uma das matrizes dadas.
9.63 Sejam . Mostre que A e B tm polinmios caractersticos diferentes (portan-
to, no so semelhantes) mas tm o mesmo polinmio mnimo. Assim, matrizes no semelhantes podem ter o mesmo
polinmio mnimo.
9.64 Seja A uma matriz quadrada de ordem n tal que A
k
0, para algum k > n. Mostre que A
n
0.
9.65 Mostre que uma matriz A e sua transposta A
T
tm o mesmo polinmio mnimo.
9.66 Suponha que f(t) seja um polinmio mnico irredutvel tal que f(A) 0 para alguma matriz A. Mostre que f(t) o poli-
nmio mnimo de A.
9.67 Mostre que A uma matriz escalar kI se, e s se, o polinmio mnimo de A m(t) t k.
9.68 Encontre uma matriz A cujo polinmio mnimo seja
9.69 Sejam f(t) e g(t) polinmios mnicos (coeficiente dominante 1) de grau mnimo para os quais A uma raiz. Mostre que
f(t) g(t). [Assim, o polinmio mnimo de A nico.]
Respostas dos Problemas Complementares
Notao: denota uma matriz de linhas R
1
, R
2
, ...
9.38

9.39
9.40 Seja . Tomamos e, ento, .
_Book_Lipschutz.indb 331 22/12/10 09:03
LGEBRA LINEAR
332
9.41
9.45
. Somente A e C podem ser diagonalizadas; usamos P [u, ].
9.46
9.47
9.48 (a)
(b)
(c) Somente A e C podem ser diagonalizadas; usamos
P [u, , w].
9.49 (a) , (b) No tem autovalores reais.
9.50 Precisamos
9.51
9.52
9.57
Normalizamos u, , w, obtendo e tomamos . (Observao: u e no so nicos.)
9.58
9.59
onde
9.60
9.61
9.62
9.68 Tomamos a matriz companheira A [Exemplo 9.12(b)] com ltima coluna:
9.69 Sugesto: A uma raiz de h(t) f(t) g(t) e ou o grau de h(t) menor do que o grau de f(t).
_Book_Lipschutz.indb 332 22/12/10 09:03
10.1 INTRODUO
Seja T um operador linear de um espao vetorial de dimenso finita. Vimos no Captulo 6 que T pode no ter uma
representao matricial diagonal. Mesmo assim, ainda possvel simplificar a representao matricial de T de
vrias maneiras. esse o principal assunto deste captulo. Em particular, obteremos o teorema da decomposio
primria e as formas cannicas triangulares, de Jordan e racional.
Observamos que as formas cannicas triangulares e de Jordan existem para um operador T se, e s se, o poli-
nmio caracterstico de T possuir todas as suas razes no corpo base K. Isso sempre ocorre se K for o corpo dos
complexos , mas pode no ser verdade se K for o corpo dos reais
Neste captulo tambm introduzimos a ideia de espao quociente, uma ferramenta muito poderosa que ser
utilizada na demonstrao da existncia das formas cannicas triangular e racional.
10.2 FORMA TRIANGULAR
Seja T um operador linear de um espao vetorial V de dimenso n. Suponha que T possa ser representado pela ma-
triz triangular
Ento o polinmio caracterstico de T um produto de fatores lineares, a saber,
A recproca tambm verdadeira e constitui um teorema importante (demonstrado no Problema 10.28).
Teorema 10.1 Seja um operador linear cujo polinmio caracterstico fatora em polinmios lineares.
Ento existe uma base de V na qual T representado por uma matriz triangular.
Teorema 10.1 (Forma Alternativa) Seja A uma matriz quadrada cujo polinmio caracterstico fatora em polin-
mios lineares. Ento A semelhante a uma matriz triangular, ou seja, existe uma matriz invertvel P tal que
triangular.
Dizemos que um operador linear T pode ser trazido forma triangular se T puder ser representado por alguma
matriz triangular. Observe que, nesse caso, os autovalores de T so exatamente os elementos que aparecem na dia-
gonal principal. Vejamos uma aplicao dessa observao.
Exemplo 10.1 Seja A uma matriz quadrada sobre o corpo dos complexos Suponha que seja um autovalor de
A
2
. Mostre que ou um autovalor de A.
Formas Cannicas
Captulo 10
Lipschutz_10.indd 333 22/12/10 13:36
LGEBRA LINEAR
334
Pelo Teorema 10.1, A e A
2
so semelhantes, respectivamente, a matrizes triangulares no formato
Como matrizes semelhantes possuem os mesmos autovalores, para algum i. Assim, ou
um autovalor de A.
10.3 INVARINCIA
Seja um operador linear. Dizemos que um subespao W de V invariante por T ou, ento, T-invariante
se T levar W em si mesmo, ou seja, se implicar

Nesse caso, a restrio de T a W define um ope-
rador linear de W, de maneira que T induz um operador linear definido por para cada
Exemplo 10.2
(a) Seja o operador linear que gira cada vetor horizontalmente em torno do eixo z por um ngulo
(ver Figura 10-1), definido por
0
W
y
z
x
U
T( ) v
T w ( )

v
w
Figura 10-1
Observe que cada vetor w (a, b, 0) do plano xy, denotado por W, permanece em W aplicando T. Logo, W
T-invariante. Observe tambm que o eixo z, denotado por U, invariante por T. Alm disso, a restrio de T a
W uma rotao em torno da origem O, ao passo que a restrio de T a U a transformao identidade de U.
(b) Os autovetores (no nulos) de um operador linear podem ser caracterizados como geradores de
subespaos unidimensionais T-invariantes. Suponha que com Ento o subes-
pao unidimensional gerado por , invariante por T, pois
Reciprocamente, suponha que dim U 1, que gere U e que U seja invariante por T. Ento e,
portanto, T(u) um mltiplo de u, isto , Logo, u um autovetor de T.
O teorema seguinte (demonstrado no Problema 10.3) fornece uma classe importante de subespaos invariantes.
Teorema 10.2 Sejam um operador linear e f(t) um polinmio. Ento o ncleo de f(T) invariante por T.
A relao da noo de invarincia com as representaes matriciais dada no teorema seguinte (demonstrado
no Problema 10.5).
Teorema 10.3 Seja W um subespao invariante por Ento existe uma representao matricial de T com
uma matriz em blocos

sendo A a representao matricial da restrio de T a W.
Lipschutz_10.indd 334 22/12/10 13:36
CAPTULO 10 FORMAS CANNICAS 335
10.4 DECOMPOSIO EM SOMAS DIRETAS INVARIANTES
Dizemos que um espao vetorial V a soma direta dos subespaos W
1
, W
2
, ..., W
r
, denotada por
se cada vetor puder ser escrito, de maneira nica, na forma
com
Vale o teorema seguinte (demonstrado no Problema 10.7).
Teorema 10.4 Sejam W
1
, W
2
, ..., W
r
subespaos de V e suponha que
sejam bases de W
1
, W
2
, ..., W
r
, respectivamente. Ento V a soma direta dos W
i
se, e s se, a unio
uma base de V.
Suponha, agora, que seja um operador linear e que V seja a soma direta de subespaos (no nulos)
T-invariantes W
1
, W
2
, ..., W
r
, ou seja,
e
Denotando a restrio de T a W
i
por T
i
, dizemos que T decomponvel nos operadores T
i
ou que T a soma direta
dos T
i
, e escrevemos Tambm dizemos que os subespaos W
1
, W
2
, ..., W
r
reduzem T ou que
formam uma decomposio em soma direta T-invariante de V.
Consideremos o caso especial em que dois subespaos U e W reduzem um operador linear digamos,
com dim U 2 e dim W 3, sendo {u
1
, u
2
} e {w
1
, w
2
, w
3
} bases de U e W, respectivamente. Denotando as restri-
es de T a U e W por T
1
e T
2
, respectivamente, temos
Por isso, as representaes matriciais de T
1
, T
2
, T so, respectivamente, as matrizes A, B, M dadas por
De fato, a matriz diagonal em blocos M a representao de T na base {u
1
, u
2
, w
1
, w
2
, w
3
} de V (Teorema 10.4), j
que e
Uma generalizao desse argumento fornece o teorema a seguir.
Teorema 10.5 Seja um operador linear e suponha que V seja a soma direta de subespaos T-invarian-
tes, digamos, W
1
, W
2
, ..., W
r
. Se A
i
a representao matricial da restrio de T a W
i
ento T pode ser representado
pela matriz diagonal em blocos
M diag(A
1
, A
2
, ..., A
r
)
10.5 DECOMPOSIO PRIMRIA
O teorema seguinte mostra que qualquer operador linear decomponvel em operadores cujos polin-
mios mnimos so potncias de polinmios irredutveis. Esse o primeiro passo na direo de obter uma forma
cannica para T.
Lipschutz_10.indd 335 22/12/10 13:36
LGEBRA LINEAR
336
Teorema 10.6 (Teorema da Decomposio Primria) Seja um operador linear com polinmio mnimo
em que os f
i
(t) so polinmios mnicos irredutveis distintos. Ento V a soma direta dos subespaos T-invariantes
W
1
, W
2
, ..., W
r
, sendo W
i
o ncleo de Alm disso, o polinmio mnimo da restrio de T a W
i
.
Os polinmios do teorema so primos entre si. Portanto, esse teorema fundamental uma consequncia
direta (Problema 10.11) dos dois teoremas seguintes (demonstrados nos Problemas 10.9 e 10.10, respectivamente).
Teorema 10.7 Sejam um operador linear e f(t) g(t)h(t) um polinmio tal que f(T) 0, com g(t) e h(t)
polinmios primos entre si. Ento V a soma direta dos subespaos T-invariantes U Nuc g(T) e W Nuc h(T).
Teorema 10.8 No Teorema 10.7, se f(t) o polinmio mnimo de T [e g(t) e h(t) so mnicos] ento g(t) e h(t) so
os polinmios mnimos das restries de T a U e W, respectivamente.
O teorema da decomposio primria tambm utilizado para apresentar uma caracterizao bastante til dos
operadores diagonalizveis (demonstrada no Problema 10.12).
Teorema 10.9 Um operador linear diagonalizvel se, e s se, o polinmio mnimo m(t) de T um
produto de polinmios lineares distintos.
Teorema 10.9 (Forma Alternativa) Uma matriz A semelhante a uma matriz diagonal se, e s se, o polinmio
mnimo de A um produto de polinmios lineares distintos.
Exemplo 10.3 Seja uma matriz quadrada tal que A
3
I. Decida se A ou no semelhante a uma matriz
diagonal sobre (i) o corpo real (ii) o corpo complexo
Como A
3
I, A uma raiz do polinmio O polinmio mnimo m(t)
de A no pode ser t 1, porque Logo,
ou
Como nenhum desses polinmios um produto de fatores lineares sobre A no diagonalizvel sobre R. Por
outro lado, cada um desses polinmios um produto de polinmios lineares distintos sobre Logo, A diagona-
lizvel sobre
10.6 OPERADORES NILPOTENTES
Dizemos que um operador linear nilpotente se T
n
0, para algum inteiro positivo n. Dizemos que o
ndice de nilpotncia de T k se T
k
0, mas 0. Analogamente, dizemos que uma matriz quadrada A nil-
potente se A
n
0 para algum inteiro positivo n, e de ndice k se A
k
0, mas Claramente, o polinmio
mnimo de um operador (matriz) nilpotente de ndice k e, por isso, 0 seu nico autovalor.
Exemplo 10.4 As duas matrizes quadradas de ordem r dadas a seguir so utilizadas em todo este captulo.
Lipschutz_10.indd 336 22/12/10 13:36
CAPTULO 10 FORMAS CANNICAS 337
A primeira matriz, denominada bloco de Jordan nilpotente, consiste em entradas iguais a 1 na linha acima da
diagonal, que denominamos superdiagonal, e 0 em todas as demais entradas. N N(r) uma matriz nilpotente de
ordem r. (A matriz N(1) de ordem 1 , simplesmente, a matriz nula [0] de ordem 1.)
A segunda matriz, denominada bloco de Jordan associado ao autovalor consiste em entradas iguais a na
diagonal, 1 na superdiagonal e 0 em todas as demais entradas. Observe que
De fato, mostraremos que qualquer operador linear T pode ser decomposto em operadores, cada um dos quais
uma soma de um operador escalar com um operador nilpotente.
Um resultado fundamental sobre operadores nilpotentes (demonstrado no Problema 10.16) o teorema seguinte.
Teorema 10.10 Seja um operador nilpotente de ndice k. Ento T possui uma representao matricial
diagonal em blocos em que cada bloco diagonal um bloco de Jordan nilpotente N. H, pelo menos, um bloco N
de ordem k e todos os outros blocos N so de ordens O nmero de blocos N de cada ordem possvel deter-
minado, de modo nico, pelo operador T. O nmero total de blocos N de todas as ordens igual nulidade de T.
A demonstrao do Teorema 10.10 esclarece que o nmero de blocos N de ordem i igual a
onde m
i
a nulidade de T
i
.
10.7 FORMA CANNICA DE JORDAN
Um operador linear T pode ser colocado em forma cannica de Jordan se seus polinmios mnimo e caracterstico
podem ser fatorados em polinmios lineares. Isso sempre vale se K for o corpo dos complexos Em geral, sempre
podemos estender o corpo base K a um corpo no qual os polinmios mnimo e caracterstico podem ser fatorados
em polinmios lineares; assim, nesse sentido amplo, qualquer operador tem uma forma cannica de Jordan. Ana-
logamente, toda matriz semelhante a uma matriz em forma cannica de Jordan.
O teorema seguinte (demonstrado no Problema 10.18) descreve a forma cannica de Jordan J de um operador
linear T.
Teorema 10.11 Seja um operador linear cujos polinmios mnimo e caracterstico so, respectiva-
mente,
e
e em que os so escalares distintos. Ento T tem uma representao matricial diagonal em blocos, em que cada
bloco diagonal um bloco de Jordan Para cada o bloco J
ij
correspondente tem as propriedades lis-
tadas a seguir.
(i) Existe pelo menos um J
ij
de ordem m
i
e todos os outros J
ij
so de ordem
(ii) A soma das ordens dos J
ij
n
i
.
(iii) O nmero de J
ij
a multiplicidade geomtrica de
(iv) O nmero de J
ij
de cada ordem possvel determinado, de modo nico, pelo operador T.
Exemplo 10.5 Suponha que os polinmios mnimo e caracterstico de um operador linear T sejam, respectiva-
mente,
e
Lipschutz_10.indd 337 22/12/10 13:37
LGEBRA LINEAR
338
Ento a forma cannica de Jordan de T uma das matrizes diagonais em blocos a seguir.
Se T tiver dois autovetores independentes associados ao autovalor 2, ento a forma cannica de Jordan a primeira
matriz; a segunda ocorre se T tiver trs autovetores independentes associados a 2.
10.8 SUBESPAOS CCLICOS
Seja T um operador linear de um espao vetorial V de dimenso finita sobre K. Suponha que , com O
conjunto de todos os vetores da forma f(T) , em que f(t) percorre todos os polinmios sobre K, um subespao
T-invariante de V denominado subespao T-cclico de V gerado por e denotado por Z( , T). Pelo Problema 10.56,
poderamos ter definido, equivalentemente, Z( , T) como a interseo de todos os subespaos T-invariantes de V
que contm . A restrio de T a Z( , T) denotada por T .
Consideremos, agora, a sequncia
das potncias de T agindo sobre . Seja k o menor inteiro tal que T
k
( ) uma combinao linear daqueles vetores
que o precedem nessa sequncia,digamos,
Ento
o nico polinmio mnico de menor grau tal que m (T)( ) 0. Dizemos que m (t) o T-anulador de e de Z( , T).
Vale o teorema seguinte (demonstrado no Problema 10.29), em que usamos a notao que acabamos de introduzir.
Teorema 10.12 Valem as afirmaes seguintes.
(i) O conjunto uma base de Z( , T), portanto, dim Z( , T) k.
(ii) O polinmio mnimo de T m (t).
(iii) A representao matricial de T na base de (i) a matriz companheira C(m ) de m (t), ou
seja,
10.9 FORMA CANNICA RACIONAL
Nesta seo apresentamos a forma cannica racional de um operador linear Enfatizamos que essa forma
existe sempre, mesmo que o polinmio mnimo no possa ser fatorado em polinmios lineares. (Isso no ocorre
com a forma cannica de Jordan.)
Lipschutz_10.indd 338 22/12/10 13:37
CAPTULO 10 FORMAS CANNICAS 339
Lema 10.13 Seja um operador linear cujo polinmio mnimo em que f(t) um polinmio m-
nico irredutvel. Ento V a soma direta
dos subespaos T-cclicos Z(
i
, T) com T-anuladores correspondentes
Qualquer outra decomposio de V em subespaos T-cclicos tem o mesmo nmero de componentes e o mesmo
conjunto de T-anuladores.
Enfatizamos que esse lema (demonstrado no Problema 10.31) no diz que os vetores
i
ou outros subespaos
T-cclicos Z(
i
, T) sejam determinados de modo nico por T, mas o lema nos diz que o conjunto dos T-anuladores
determinado, de modo nico, por T. Assim, T tem uma nica representao matricial diagonal em blocos
em que as C
i
so matrizes companheiras. De fato, as C
i
so as matrizes companheiras dos polinmios
Usando o teorema da decomposio primria e o Lema 10.13, obtemos o resultado a seguir.
Teorema 10.14 Seja um operador linear com polinmio mnimo
em que os f
i
(t) so polinmios mnicos irredutveis distintos. Ento T tem uma nica representao matricial dia-
gonal em blocos
em que as C
ij
so matrizes companheiras. Em particular, Cij a matriz companheira do polinmio com
A representao matricial de T dada nesse teorema denominada forma cannica racional. Os polinmios
so denominados divisores elementares de T.
Exemplo 10.6 Seja V um espao vetorial de dimenso 8 sobre o corpo dos racionais e seja T um operador
linear de V cujo polinmio mnimo
Assim, como dim V 8, o polinmio caracterstico de T Tambm vemos que a forma cannica
racional M de T precisa ter um bloco dado pela matriz companheira de f
1
(t) e um bloco dado pela matriz compa-
nheira de Temos duas possibilidades.
(a)
(b)
Ou seja,
10.10 ESPAO QUOCIENTE
Sejam V um espao vetorial sobre um corpo K e W um subespao de V. Se um vetor qualquer de V, escrevemos
W para o conjunto das somas w, com ou seja,
Lipschutz_10.indd 339 22/12/10 13:37
LGEBRA LINEAR
340
Esses conjuntos so denominados classes laterais de W em V.
Mostramos (Problema 10.22) que essas classes laterais definem
uma partio de V em subconjuntos dois a dois disjuntos.
Exemplo 10.7 Seja W o subespao de definido por
ou seja, W a reta dada pela equao x y 0. Podemos ver
W como uma translao dessa reta obtida com a soma do
vetor a cada ponto de W. Conforme indicado na Figura 10-2, a
classe lateral W tambm uma reta, e paralela a W. Assim,
as classes laterais de W em so precisamente todas as retas
paralelas a W.
No teorema seguinte usamos as classes laterais de um subespao W de um espao vetorial V para definir um
novo espao vetorial, denominado espao quociente de V por W e denotado por V/W.
Teorema 10.15 Seja W um subespao de um espao vetorial V sobre um corpo K. Ento as classes laterais de W
em V formam um espao vetorial sobre K com as operaes de adio e multiplicao por escalar dadas a seguir.
(i) (ii) com
Observe que, na demonstrao do Teorema 10.15 (Problema 10.24), necessrio mostrar, antes de mais nada,
que as operaes de V/W esto bem definidas, ou seja, sempre que e temos
(i) e (ii) , com .
No caso de um subespao invariante, temos o seguinte resultado til (demonstrado no Problema 10.27).
Teorema 10.16 Seja W um subespao invariante por um operador linear Ento T induz um operador
linear de V/W definido por Alm disso, se T uma raiz de algum polinmio, ento
tambm . Assim, o polinmio mnimo de divide o polinmio mnimo de T.
Problemas Resolvidos
Subespaos invariantes
10.1 Seja um operador linear. Mostre que cada um dos subespaos dados invariante por T.
(a) {0}, (b) V, (c) o ncleo de T, (d) a imagem de T.
(a) Temos logo, {0} invariante por T.
(b) Para cada logo, V invariante por T.
(c) Seja Ento , porque o ncleo de T um subespao de V. Assim, Nuc T invariante
por T.
(d) Como para cada isso certamente vale quando Logo, a imagem de T invariante
por T.
10.2 Seja {W
i
} uma coleo de subespaos T-invariantes de um espao vetorial V. Mostre que a interseo
tambm T-invariante.
Se , ento para cada i. Como W
i
T-invariante, temos , para cada i. Assim, e,
portanto, W T-invariante.
Figura 10-2
Lipschutz_10.indd 340 22/12/10 13:37
CAPTULO 10 FORMAS CANNICAS 341
10.3 Demonstre o Teorema 10.2. Sejam um operador linear e f(t) um polinmio. Ento o ncleo de
f(T) invariante por T.
Suponha que , ou seja, que f(T)( ) 0. Devemos mostrar que T( ) tambm pertence ao ncleo de
f(T), ou seja, que Como f(t)t tf(t), temos Assim, como
queramos, resulta
10.4 Encontre todos subespaos invariantes por interpretada como um operador de
Pelo Problema 10.1, e {0} so invariantes por A. Agora, se A tiver algum outro subespao invariante, deve ser unidi-
mensional. Contudo, o polinmio caracterstico de A
Logo, A no tem autovalores (em ) e, portanto, A no tem autovetores. Como os subespaos unidimensionais corres-
pondem a autovetores [Exemplo 10.2(b)], segue que e {0} so os nicos subespaos invariantes por A.
10.5 Demonstre o Teorema 10.3. Seja W um subespao T-invariante. Ento existe uma representao matricial de
T com uma matriz em blocos , sendo A a representao matricial da restrio de T a W.
Escolhemos uma base {w
1
, ..., w
r
} de W e a estendemos a uma base de V. Temos
Como a matriz de T nessa base a transposta da matriz de coeficientes desse sistema de equaes (Seo 6.2), decorre
que essa matriz da forma sendo A a transposta da matriz de coeficientes do subsistema bvio. Pelo mesmo
argumento, A a matriz de em relao base {w
i
} de W.
10.6 Denote por a restrio de um operador T a um subespao T-invariante W. Prove as afirmaes dadas.
(a) Para cada polinmio f(t), vale
(b) O polinmio mnimo de divide o polinmio mnimo de T.
(a) Se f(t) 0 ou se f(t) uma constante (isto , de grau 1), o resultado imediato.
Suponha que o grau de f(t) seja n > 1 e que o resultado valha para polinmios de grau menor do que n. Seja
(b) Seja m(t) o polinmio mnimo de T. Ento, por (a), para cada ou seja,
um zero do polinmio m(t). Assim, conclumos que o polinmio mnimo de divide m(t).
Lipschutz_10.indd 341 22/12/10 13:37
LGEBRA LINEAR
342
Decomposies em somas diretas invariantes
10.7 Demonstre o Teorema 10.4. Sejam W
1
, W
2
, ..., W
r
subespaos de V com respectivas bases
Ento V a soma direta dos W
i
se, e s se, a unio uma base de V.
Seja B uma base de V. Ento, para cada
com Agora mostramos que somas como essa so nicas. Suponha que
com
Como uma base de W
i
, temos e, portanto,
Como B uma base de V, temos a
ij
b
ij
, para cada i e cada j. Logo, e, portanto, a soma de nica. Em vista
disso, V a soma direta dos W
i
.
Reciprocamente, suponha que V seja a soma direta dos W
i
. Ento, para cada onde
Como uma base de W
i
, cada w
i
uma combinao linear dos e, portanto, uma combinao linear dos
elementos de B. Assim, B gera V. Mostremos que B linearmente independente. Suponha que
Observe que Tambm temos Como uma soma dessas para 0
nica,
para
A independncia das bases implica que todos os coeficientes a so nulos. Assim, B linearmente independente
e, portanto, uma base de V.
10.8 Seja um operador linear e suponha que em relao a uma decomposio em soma
direta T-invariante Prove as afirmaes dadas.
(a) m(t) o mnimo mltiplo comum de m
1
(t) e m
2
(t), sendo m(t), m
1
(t), m
2
(t) os polinmios mnimos de T,
T
1
, T
2
, respectivamente.
(b) sendo os polinmios caractersticos de T, T
1
, T
2
, respectivamente.
(a) Pelo Problema 10.6, ambos m
1
(t) e m
2
(t) dividem m(t). Suponha, agora, que f(t) seja um mltiplo de ambos m
1
(t) e
m
2
(t). Ento f(T
1
)(U) 0 e f(T
2
)(W) 0. Seja de modo que com e Agora,
Ou seja, T um zero de f(t). Logo, m(t) divide f(t), de modo que m(t) o mnimo mltiplo comum de m
1
(t) e m
2
(t).
(b) Pelo Teorema 10.5, T tem uma representao matricial em que A e B so as representaes
matriciais de T
1
e T
2
, respectivamente. Ento, como queramos,
10.9 Demonstre o Teorema 10.7. Sejam um operador linear e f(t) g(t)h(t) um polinmio tal que f(T)
0, com g(t) e h(t) polinmios primos entre si. Ento V a soma direta dos subespaos T-invariantes U
Nuc g(T) e W Nuc h(T).
Lipschutz_10.indd 342 22/12/10 13:37
CAPTULO 10 FORMAS CANNICAS 343
Inicialmente, observe que U e W so T-invariantes pelo Teorema 10.2. Agora, sendo g(t) e h(t) polinmios primos entre
si, existem polinmios r(t) e s(t) tais que
Logo, para o operador T, (*)
Seja ento, por (*),
Mas a primeira parcela dessa soma pertence a W Nuc h(T), porque
Analogamente, a segunda parcela pertence a U. Assim, V a soma de U e W.
Para provar que devemos mostrar que uma soma u w, com e , determinada de modo
nico por . Aplicando o operador r(T)g(T) a u w, e usando que g(T)u 0, obtemos
Tambm, aplicando (*) unicamente a w e usando que h(T)w 0, obtemos
Ambas frmulas juntas nos do w r(T)g(T) e, portanto, w est determinado de modo nico por . Analogamente, u
est determinado de modo nico por . Assim, , como queramos mostrar.
10.10 Demonstre o Teorema 10.8. No Teorema 10.7 (Problema 10.9), se f(t) o polinmio mnimo de T (e g(t) e
h(t) so mnicos) ento g(t) e h(t) so os polinmios mnimos das restries T
1
e T
2
de T a U e W, respecti-
vamente.
Sejam m
1
(t) e m
2
(t) os polinmios mnimos de T
1
e T
2
, respectivamente. Observe que g(T
1
) 0 e h(T
2
) 0, porque U
Nuc g(T) e W Nuc h(T). Assim,
m
1
(t) divide g(t) e m
2
(t) divide h(t) (1)
Pelo Problema 10.9, f(t) o mnimo mltiplo comum de m
1
(t) e m
2
(t). No entanto, m
1
(t) e m
2
(t) so primos entre si, por-
que g(t) e h(t) so primos entre si. Em vista disso, f(t) m
1
(t)m
2
(t). Tambm temos f(t) g(t)h(t). Essas duas equaes,
junto com (1), e lembrando que todos polinmios envolvidos so mnicos, implicam que g(t) m
1
(t) e h(t) m
2
(t),
como queramos mostrar.
10.11 Demonstre o Teorema da Decomposio Primria 10.6. Seja um operador linear com polinmio
mnimo
em que os f
i
(t) so polinmios mnicos irredutveis distintos. Ento V a soma direta dos subespaos
T-invariantes W
1
, ..., W
r
, sendo W
i
o ncleo de . Alm disso, o polinmio mnimo da restrio
de T a W
i
.
A prova por induo em r. O caso r 1 trivial. Suponha que o teorema tenha sido provado para r 1. Pelo Teorema
10.7, podemos escrever V como a soma direta de subespaos T-invariantes W
1
e V
1
, em que W
1
o ncleo de e
V
1
o ncleo de Pelo Teorema 10.8, os polinmios mnimos das restries de T a W
1
e V
1
so
e , respectivamente.
Denotemos a restrio de T a V
1
por . Pela hiptese de induo, V
1
a soma direta de subespaos W
2
, ..., W
r
tais que
W
i
o ncleo de e tais que o polinmio mnimo da restrio de a W
i
. Ocorre que o ncleo de ,
com i 2, .., r, necessariamente est contido em V
1
, pois divide . Assim, o ncleo de
igual ao ncleo de , que W
i
. Tambm, a restrio de T a W
i
igual restrio de a W
i
(com i 2, ..., r).
Logo, tambm o polinmio mnimo da restrio de T a W
i
. Assim, a decomposio
procurada de T.
10.12 Demonstre o Teorema 10.9. Um operador linear tem uma representao matricial diagonal se, e
s se, o polinmio mnimo m(t) de T um produto de polinmios lineares distintos.
Lipschutz_10.indd 343 22/12/10 13:37
LGEBRA LINEAR
344
Digamos que m(t) seja um produto de polinmios lineares distintos
em que os so escalares distintos. Pelo teorema da decomposio primria, V a soma direta de subespaos W
1
, ...,
W
r
, em que . Assim, se ento , ou . Em outras palavras, cada
vetor de W
i
um autovetor associado ao autovalor Pelo Teorema 10.4, a unio de bases dos subespaos W
1
, ..., W
r

uma base de V. Como essa base consiste em autovetores de T, conclumos que T diagonalizvel.
Reciprocamente, digamos que T seja diagonalizvel (isto , que V tenha uma base consistindo de autovetores de T).
Sejam os autovalores distintos de T. Ento o operador
leva cada vetor da base em 0. Assim, f(T) 0 e, portanto, o polinmio mnimo m(t) de T divide o polinmio
Em vista disso, m(t) um produto de polinmios lineares distintos.
Operadores nilpotentes, forma cannica de Jordan
10.13 Seja T:V V um operador linear. Suponha que, para tenhamos , mas . Prove
as afirmaes dadas.
(a) O conjunto linearmente independente.
(b) O subespao W gerado por S T-invariante.
(c) A restrio de T a W nilpotente de ndice k.
(d) Em relao base de W, a matriz de T uma matriz quadrada de ordem k dada
pelo bloco de Jordan nilpotente N
k
de ndice k.
(a) Suponha que

(*)
Aplicando a (*) e usando obtemos e, como tambm . Agora,
aplicando a (*) e usando e a 0, obtemos e, portanto, a
1
0. Em seguida, apli-
cando a (*) e usando e a a
1
0, obtemos e, portanto, a
2
0. Continuando esse
processo, mostramos que todos os a so nulos. Assim, S independente.
(b) Seja Ento
Usando temos
Assim, W T-invariante.
(c) Por hiptese, Logo, para i 0, ..., k 1,
Isso significa que, aplicando a cada gerador de W, obtemos 0. Logo, e, portanto, nilpotente de ndice
k, no mximo. Por outro lado, ou seja, T nilpotente de ndice exatamente k.
(d) Com a base de W temos
Assim, como queramos mostrar, a matriz de T nessa base uma matriz quadrada de ordem k dada pelo bloco de
Jordan nilpotente N
k
.
Lipschutz_10.indd 344 22/12/10 13:37
CAPTULO 10 FORMAS CANNICAS 345
10.14 Seja um operador linear e denotemos U Nuc T
i
e W Nuc T
i 1
. Mostre que
(a) (b)
(a) Seja . Ento e, portanto, Assim,
Como isso vale para cada resulta
(b) Analogamente, se , ento e, portanto, .
Assim,
10.15 Seja T:V V um operador linear e denotemos X Nuc T
i 2
, Y Nuc T
i 1
e Z Nuc T
i
. Pelo Problema
10.14, temos Suponha que
sejam bases de X, Y, Z, respectivamente. Mostre que
est contido em Y e linearmente independente.
Pelo Problema 10.14, e, portanto, Suponha que S seja linearmente dependente. Ento existe uma
relao
em que pelo menos um coeficiente no nulo. Mais que isso, como {u
i
} independente, pelo menos um dos b
k
deve ser
no nulo. Transpondo, obtemos
Logo,

Assim, e, portanto,

Como {u
i
,
j
} gera Y, obtemos uma relao entre os u
i
,
j
, w
k
em que um dos coeficientes (a saber, um dos b
k
) no nulo.
Isso contradiz o fato de que {u
i
,
j
, w
k
} independente. Assim, S tambm deve ser independente.
10.16 Demonstre o Teorema 10.10. Seja um operador nilpotente de ndice k. Ento T possui uma represen-
tao matricial diagonal em blocos consistindo em blocos de Jordan nilpotente N. H pelo menos um bloco N de
ordem k e todos os outros blocos N so de ordens O nmero de blocos N de cada ordem possvel determi-
nado, de modo nico, pelo operador T. O nmero total de blocos N de todas as ordens igual nulidade de T.
Suponha que dim V n e denotemos W
1
Nuc T, W
2
Nuc T
2
, ..., W
k
Nuc T
k
. Denotemos, tambm, m
i
dim W
i
,
para i 1, ..., k. Como o ndice de T k, temos W
k
V, mas e, ento, . Pelo Problema 10.14,
obtemos
Assim, por induo, podemos escolher uma base {u
1
, ..., u
n
} de V tal que seja uma base de W
i
.
Agora escolhemos uma nova base de V em relao qual T ter a forma procurada. conveniente denotar os elementos
dessa nova base usando dois ndices. Comeamos tomando
bem como
Pelo problema precedente,
um subconjunto linearmente independente de W
k 1
. Estendemos S
1
a uma base de W
k 1
juntando novos elementos
(se necessrio) que denotamos por
Em seguida, definimos
Lipschutz_10.indd 345 22/12/10 13:37
LGEBRA LINEAR
346
Novamente, pelo problema precedente,
um subconjunto linearmente independente de W
k 2
, que pode ser estendido a uma base de W
k 2
juntando os ele-
mentos
Continuando dessa forma, obtemos uma nova base de V que, para melhor visualizao, arranjamos como segue.
A linha de baixo forma uma base de W
1
, as duas ltimas linhas formam uma base de W
2
, e assim por diante. No entanto,
o que importante que T leva cada vetor no vetor que est imediatamente abaixo dele nessa tabela, ou no vetor nulo,
se o vetor estiver na linha de baixo da tabela. Assim,
Agora fica claro [ver Problema 10.13(d)] que T tem a forma procurada se os (i, j) forem ordenados lexicograficamente.
Comeando com (1, 1), subimos pela primeira coluna at (1, k), saltamos de volta para (2, 1) e subimos pela segunda
coluna at onde der.
Alm disso, haver exatamente entradas diagonais de ordem k. Tambm haver
como pode ser lido diretamente da tabela. Em particular, como os nmeros m
1
, ..., m
k
so determinados de modo nico
por T, o nmero de entradas diagonais de cada ordem determinado de modo nico por T. Finalmente, a identidade
mostra que a nulidade m
1
de T o nmero total de entradas diagonais de T.
10.17 Sejam e No difcil verificar que A e B so nilpo-
tentes de ndice 3, isto , A
3
0, mas e B
3
0, mas Encontre as matrizes nilpotentes em
forma cannica M
A
e M
B
semelhantes a A e B, respectivamente.
Como A e B so nilpotentes de ndice 3, M
A
e M
B
devem conter um bloco de Jordan nilpotente de ordem 3 e nenhum blo-
co maior do que 3. Observe que pos(A) 2 e pos(B) 3, portanto nul(A) 5 2 3 e nul(B) 5 3 2. Assim,
M
A
deve ter trs blocos diagonais, que devem ser um de ordem 3 e dois de ordem 1, e M
B
deve ter dois blocos diagonais,
que devem ser um de ordem 3 e um de ordem 2, como segue.
Lipschutz_10.indd 346 22/12/10 13:37
CAPTULO 10 FORMAS CANNICAS 347
10.18 Demonstre o Teorema 10.11 relativo forma cannica de Jordan de um operador T.
Pelo teorema da decomposio primria, T decomponvel em operadores T
1
, ..., T
r
, ou seja, sendo
o polinmio mnimo de T
i
. Assim, em particular,
Denotemos Ento, para i 1, ..., r,
com
Dessa forma, T
i
a soma do operador escalar com um operador nilpotente N
i
, que tem ndice m
i
, pois o
polinmio mnimo de T
i
.
Agora, pelo Teorema 10.10, relativo a operadores nilpotentes, podemos escolher uma base de tal forma que N
i
esteja
em forma cannica. Nessa base, representado por uma matriz diagonal em blocos M
i
cujas entradas
diagonais so as matrizes J
ij
. A soma direta J das matrizes M
i
est em forma cannica de Jordan e, pelo Teorema 10.5,
uma representao matricial de T.
Finalmente, devemos mostrar que os blocos J
ij
satisfazem as propriedades exigidas. A propriedade (i) segue do fato de
que N
i
tem ndice m
i
. A propriedade (ii) vlida porque T e J tm o mesmo polinmio caracterstico. A propriedade (iii)
vlida porque a nulidade de igual multiplicidade geomtrica do autovalor . A propriedade (iv)
decorre do fato de que os T
i
e, portanto, os N
i
, so determinados de modo nico por T.
10.19 Encontre todas as possveis formas cannicas de Jordan J de um operador linear com polinmio
caracterstico e mnimo
J deve ser de ordem 5, pois tem grau 5, e todos elementos diagonais devem ser iguais a 2, que o nico autovalor.
Como o expoente de t 2 em m(t) 2, J deve ter um bloco de Jordan de ordem 2 e os outros devem ser de ordem 2 ou
1. Assim, h somente duas possibilidades,
10.20 Encontre todas as possveis formas cannicas de Jordan de um operador linear com polinmio
caracterstico Em cada caso, encontre o polinmio mnimo m(t).
Como t 2 tem expoente 3 em , deve aparecer trs vezes na diagonal. Analogamente, 5 aparece duas vezes.
Assim, h seis possibilidades, como segue.
O expoente no polinmio mnimo m(t) igual ao tamanho do maior bloco. Assim,
Espao quociente e forma triangular
10.21 Seja W um subespao de um espao vetorial V. Mostre que as afirmaes dadas so equivalentes.
(i) (ii) (iii)
Suponha que Ento existe algum tal que Logo, Reciprocamen-
te, suponha que Ento com Logo, Assim, so equivalentes
(i) e (ii).
Tambm temos se, e s se, se, e s se, Assim, tambm so equi-
valentes (ii) e (iii).
Lipschutz_10.indd 347 22/12/10 13:37
LGEBRA LINEAR
348
10.22 Demonstre que as classes laterais de W em V particionam V em conjuntos dois a dois disjuntos, ou seja,
prove as afirmaes seguintes.
(a) Duas classes laterais u W e W so iguais ou disjuntas.
(b) Cada pertence a alguma classe, a saber,
Alm disso, u W W se, e s se, de modo que ( w) W W, para cada
Seja Como temos provando (b).
Suponha, agora, que as classes u W e W no sejam disjuntas, digamos, que o vetor x pertena classe u W e
tambm classe W. Ento e Resta provar que u W W para obter (a). Seja
um elemento da classe lateral u W. Como pertencem a W, temos
Assim, e, portanto, a classe lateral u W est contida na classe lateral W. Analogamente, W
est contido em u W. Assim, u W W.
Finalmente, u W W se, e s se, e, pelo Problema 10.21, isso equivale a A ltima afir-
mao est demonstrada.
10.23 Seja W o espao soluo da equao homognea 2x 3y 4z 0. Descreva as classes laterais de W em .
W um plano pela origem O (0, 0, 0) e as classes laterais de W so os planos paralelos a W. Equivalentemente, as
classes laterais de W so os conjuntos soluo da famlia de equaes
De fato, a classe W, com (a, b, c), o conjunto soluo da equao linear
10.24 Seja W um subespao de um espao vetorial V. Mostre que as operaes dadas no Teorema 10.15 esto bem
definidas, ou seja, mostre que se e ento
(a) e (b) , com
(a) Como e tanto quanto pertencem a W. Segue que
e, portanto,
(b) Tambm, como implica ento e, dessa forma,
10.25 Sejam V um espao vetorial e W um subespao de V. Mostre que a aplicao natural definida
por linear.
Dados e quaisquer, temos
e
Assim, linear.
10.26 Seja {w
1
, ..., w
r
} uma base de um subespao W de um espao vetorial V. Suponha que o conjunto de classes
laterais com seja uma base do espao quociente V/W. Mostre que o conjunto
de vetores uma base de V. Assim,
Seja Como uma base de V/W, temos
Logo, com Como {w
i
} uma base de W,
Lipschutz_10.indd 348 22/12/10 13:37
CAPTULO 10 FORMAS CANNICAS 349
Desse modo, B gera V.
Mostremos que B linearmente independente. Suponha que
(1)
Ento
Como independente, os c so todos nulos. Substituindo em (1), obtemos Como {w
i
}
independente, os d so todos nulos. Assim, B linearmente independente e, portanto, uma base de V.
10.27 Demonstre o Teorema 10.16. Seja W um subespao invariante por um operador linear Ento T
induz um operador linear de V/W definido por Alm disso, se T uma raiz de
algum polinmio, ento tambm . Assim, o polinmio mnimo de divide o polinmio mnimo de T.
Comeamos mostrando que est bem definido, isto , se ento Se
ento e, como W T-invariante, Dessa forma,
como queramos mostrar.
Em seguida, mostramos que linear. Temos
Alm disso,
Assim, linear.
Finalmente, seja u W uma classe lateral qualquer de V/W. Temos
Logo, . Analogamente, , para cada n. Assim, dado um polinmio qualquer
e, portanto, Dessa forma, se T uma raiz de f(t), ento ou seja, tambm
uma raiz de f(t), provando o teorema.
10.28 Demonstre o Teorema 10.1. Seja um operador linear cujo polinmio caracterstico fatora em
polinmios lineares. Ento existe uma base de V na qual T representado por uma matriz triangular.
A demonstrao por induo na dimenso de V. Se dim V 1, toda representao matricial de T uma matriz ,
que triangular.
Agora suponha que dim V n > 1 e que o teorema seja vlido para espaos de dimenses menores do que n. Como o
polinmio caracterstico de T fatora em polinmios lineares, T tem, pelo menos, um autovalor e, portanto, pelo menos
um autovetor no nulo, digamos que Seja W o subespao unidimensional gerado por e denotemos
Ento (Problema 10.26) Observe, tambm, que W invariante por T.
Pelo Teorema 10.16, T induz um operador linear de cujo polinmio mnimo divide o polinmio mnimo de T. Como
o polinmio caracterstico de T um produto de polinmios lineares, o mesmo ocorre com seu polinmio mnimo e,
portanto, com os polinmios mnimo e caracterstico de Assim, e satisfazem as hipteses do teorema. Logo, por
induo, existe uma base de tal que
Lipschutz_10.indd 349 22/12/10 13:37
LGEBRA LINEAR
350
Sejam, agora,
2
, ...,
n
elementos de V que pertencem s classes laterais respectivamente, Ento {
2
, ...,
n
}
uma base de V (Problema 10.26). Como temos
e, portanto,
Mas W gerado por , portanto, um mltiplo de , digamos,
e, portanto,
Analogamente para i 3, ..., n,
e, portanto,
Assim,
e, dessa forma, nessa base, a matriz de T triangular.
Subespaos cclicos, forma cannica racional
10.29 Demonstre o Teorema 10.12. Sejam Z( , T) um subespao T-cclico, T a restrio de T a Z( , T), e
o T-anulador de . Valem as afirmaes seguintes.
(i) O conjunto uma base de Z( , T), portanto, dim Z( , T) k.
(ii) O polinmio mnimo de T m (t).
(iii) A representao matricial de T na base de (i) a matriz companheira C C(m ) de m (t) [que tem
entradas iguais a 1 na subdiagonal, o simtrico dos coeficientes a
0
, a
1
, ..., a
k 1
de m (t) na ltima
coluna, e entradas nulas no resto].
(i) Por definio de m (t), o vetor T
k
( ) o primeiro da sequncia , T( ), T
2
( ), ... que uma combinao linear
dos vetores que o precedem na sequncia. Assim, o conjunto B { , T( ), T
2
( ), ..., T
k 1
( )} linearmente
independente. Resta mostrar que Z( , T) ger(B), o espao gerado por B. Pelo que acabamos dever, T
k
( ) ger(B).
Usamos induo para provar que T
n
( ) ger(B), para todo n. Supomos que n > k e que T
n 1
( ) ger(B), ou seja,
que uma combinao linear de , T( ), T
2
( ), ..., T
k 1
( ). Ento uma combinao
linear de T( ), T
2
( ), ..., T
k
( ). Como T
k
( ) ger(B), segue que T
n
( ) ger(B), para cada n. Consequentemente,
f(T)( ) ger(B) para qualquer polinmio f(t). Assim, Z( , T) ger(B) e, portanto, B uma base, como queramos
mostrar.
(ii) Seja o polinmio mnimo de T . Como temos
Assim, uma combinao linear de de modo que Contudo, m (T) 0 e,
portanto, m (T ) 0. Ento m(t) divide m (t), de modo que Decorre que k s e, portanto, m (t) m(t).
(iii)

Por definio, a matriz de T nessa base a transposta da matriz de coeficientes desse sistema de equaes lineares,
ou seja, C, como queramos mostrar.
10.30 Seja um operador linear. Seja W um subespao T-invariante de V e o operador induzido no
quociente V/W. Prove as afirmaes dadas.
(a) O T-anulador de divide o polinmio mnimo de T.
(b) O -anulador de divide o polinmio mnimo de T.
Lipschutz_10.indd 350 22/12/10 13:37
CAPTULO 10 FORMAS CANNICAS 351
(a) O T-anulador de o polinmio mnimo da restrio de T a Z( , T), portanto, pelo Problema 10.6, divide o
polinmio mnimo de T.
(b) O -anulador de divide o polinmio mnimo de , que divide o polinmio mnimo de T pelo Teorema
10.16.
OBSERVAO Se o polinmio mnimo de T f(t)
n
, com um polinmio mnico irredutvel, ento o T-anula-
dor de e o -anulador de so da forma f(t)
m
, com
10.31 Demonstre o Lema 10.13. Seja um operador linear cujo polinmio mnimo em que f(t)
um polinmio mnico irredutvel. Ento V a soma direta de subespaos T-cclicos Z
i
Z(
i
, T), em que i
1, ..., r, com T-anuladores correspondentes
Qualquer outra decomposio de V numa soma direta de subespaos T-cclicos tem o mesmo nmero de
componentes e o mesmo conjunto de T-anuladores.
A prova por induo na dimenso de V. Se dim V 1, ento V T-cclico e vale o lema. Agora suponha que dim V >
1 e que o lema seja vlido para todos os espaos vetoriais de dimenso inferior de V.
Como o polinmio mnimo de T f(t)
n
, existe algum tal que de modo que o T-anulador de
1
Seja Z
1
Z(
1
, T); sabemos que Z
1
T-invariante. Denotemos e seja o operador linear de
induzido por T. Pelo Teorema 10.16, o polinmio mnimo de divide f(t)
n
. Logo, a hiptese vale para e e, conse-
quentemente, por induo, a soma direta de subespaos -cclicos, digamos,
em que os -anuladores correspondentes so
Afirmamos que existe um vetor
2
na classe lateral cujo T-anulador o -anulador da classe Seja w um
vetor qualquer de Ento Logo, existe algum polinmio g(t) para o qual
(1)
Como f(t)
n
o polinmio mnimo de T, (1) garante que
No entanto, f(t)
n
o T-anulador de
1
, portanto, f(t)
n
divide e, dessa forma, , para algum
polinmio h(t). Denotamos
Como , tambm pertence classe lateral Assim, o T-anulador de
2
um mltiplo do
-anulador de . Por outro lado, por (1),
Consequentemente, o T-anulador de
2
como afirmamos.
Analogamente, existem tais que e tais que o T-anulador de
i
, o -anulador de
Definimos
Seja d o grau de f(t), de modo que o grau de dn
i
. Ento, por ser o T-anulador de
i
e tambm o -anulador
de sabemos que
so bases de Z(
i
, T) e respectivamente, para i 2, ..., r. No entanto, , de modo
que
Lipschutz_10.indd 351 22/12/10 13:37
LGEBRA LINEAR
352
uma base de Portanto, pelo Problema 10.26 e a relao (ver Problema 10.27),
uma base de V. Assim, pelo Teorema 10.4, como queramos mostrar.
Resta provar que os expoentes n
1
, ..., n
r
so determinados de modo nico por T. Como d o grau de f(t),
e
Tambm, se s um inteiro positivo qualquer, ento (Problema 10.59) um subespao cclico gerado por
que tem dimenso se n
i
> s e dimenso 0 se
Agora, qualquer vetor pode ser escrito de modo nico na forma onde Logo, qual-
quer vetor de pode ser escrito, de modo nico, na forma
com Seja t o inteiro (que depende de s) para o qual
Ento
e, portanto, (2)
Os nmeros esquerda de (2) so determinado de modo nico por T. Tomando s n 1, (2) determina o nmero de n
i

que so iguais a n. Em seguida, tomando s n 2, (2) determina o nmero de n
i
(se existirem) que so iguais a n 1.
Repetimos esse processo at tomar s 0 e determinar o nmero de n
i
que so iguais a 1. Assim, os n
i
so determinados,
de modo nico por T e V, terminando a demonstrao do lema.
10.32 Sejam V um espao vetorial de dimenso sete sobre e um operador linear de polinmio mnimo
Encontre todas as formas cannicas racionais M possveis de T.
Como dim V 7, s h duas possibilidades para o polinmio caracterstico de T,

ou Alm disso, a soma das ordens das matrizes companheiras deve
totalizar 7. Tambm uma matriz companheira deve ser e uma outra deve ser
Assim, M deve ser uma das trs matrizes diagonais em bloco a seguir.
Projees
10.33 Suponha que A projeo de V sobre o subespao W
k
a aplicao definida
por E( ) w
k
, se , Mostre que (a) E um operador linear, (b) E
2
E.
(a) Como a soma , determinada, de modo nico, por , a aplicao E est bem definida.
Suponha que, dado , tenhamos Ento
e
so as somas nicas correspondentes a u e k . Ento,
e
e, portanto, E linear.
Lipschutz_10.indd 352 22/12/10 13:37
CAPTULO 10 FORMAS CANNICAS 353
(b) Temos que
a nica soma correspondente a e, portanto, E(w
k
) w
k
. Ento, para cada
Assim, E
2
E, como queramos mostrar.
10.34 Suponha que seja um operador linear tal que E
2
E. Mostre que (a) E(u) u, para cada
(isto , Nuc E restrio de E imagem de E a transformao identidade); (b) V a
soma direta da imagem e do ncleo de E, isto , (c) E a projeo de V sobre Im E, a
imagem de E. Assim, pelo problema precedente, um operador linear uma projeo se, e s se,
T
2
T. Essa caracterizao de projeo usada frequentemente como definio.
(a) Se ento existe algum tal que E( ) u. Segue que
(b) Seja Podemos escrever no formato E( ) E( ). Como e, como
temos Assim,
Agora, suponha que Por (a), temos E(w) w, porque Por outro lado, , j
que Nuc E. Assim, w 0 e, portanto, Essas duas condies implicam que V a soma
direta da imagem e do ncleo de E.
(c) Seja e suponha que u w, com e Observe que E(u) u, por (a), e que E(w) 0,
porque Logo,
Assim, E a projeo de V sobre a imagem de E.
10.35 Suponha que e seja um operador linear. Mostre que U e W so T-invariantes se, e s
se, TE ET, onde E projeo de V sobre U.
Observe que , para cada e que (i) E( ) se, e s se, (ii) E(v) 0 se, e s se,
Suponha que ET TE. Seja . Como E(u) u,
Logo, U T-invariante. Seja, agora, Como E(w) 0,
e, portanto,
Assim, W tambm T-invariante.
Reciprocamente, sejam U e W subespaos T-invariantes. Seja e suponha que u w, com e
Ento, e
.
Logo, E(T(u)) T(u) e E(T(w)) 0. Assim,
e
Ou seja, (ET)( ) (TE)( ), para cada assim, ET TE, como queramos mostrar.
Problemas Complementares
Subespaos invariantes
10.36 Sejam W invariante por e f(t) um polinmio. Mostre que W invariante por f(T).
10.37 Mostre que cada subespao de V invariante por I e 0, os operadores identidade e nulo, respectivamente.
Lipschutz_10.indd 353 22/12/10 13:37
LGEBRA LINEAR
354
10.38 Seja W invariante por e Prove que W tambm invariante por e
10.39 Seja um operador linear. Prove que cada autoespao de T T-invariante.
10.40 Seja V um espao vetorial de dimenso mpar (maior do que 1) sobre o corpo dos reais Mostre que qualquer operador
linear de V tem algum subespao invariante alm de V e {0}.
10.41 Encontre todos os subespaos invariantes por vista como um operador linear de (a) (b)
10.42 Suponha que dim V n. Mostre que tem uma representao matricial triangular se, e s se, existem subespa-
os T-invariantes tais que dim W
k
k, com k 1, ..., n.
Somas diretas invariantes
10.43 Dizemos que os subespaos W
1
, ..., W
r
so independentes se implica que cada w
i
0. Mos-
tre que ger(W
i
) se, e s se, os W
i
so independentes. [Aqui, ger(W
i
) denota o espao gerado pelos W
i
.]
10.44 Mostre que se, e s se, (i) V ger(W
1
, ..., W
r
) e (ii) para cada k 1, ..., r, vale
10.45 Mostre que se, e s se,
10.46 Suponha que o polinmio caracterstico de seja em que cada f
i
(t) um polinmio
mnico irredutvel. Seja a decomposio primria de V em subespaos T-invariantes. Mostre que
o polinmio caracterstico da restrio de T a W
i
.
Operadores nilpotentes
10.47 Sejam T
1
e T
2
operadores nilpotentes que comutam, isto , T
1
T
2
T
2
T
1
. Mostre que T
1
T
2
e T
1
T
2
tambm so nilpo-
tentes.
10.48 Seja A uma matriz supertriangular, isto , todas as entradas na diagonal e abaixo da diagonal so nulas. Mostre que A
nilpotente.
10.49 Seja V o espao vetorial dos polinmios de grau Mostre que o operador derivada de V nilpotente de ndice n 1.
10.50 Mostre que qualquer bloco de Jordan nilpotente N semelhante sua transposta N
T
(que tem entradas iguais a 1 na
subdiagonal e demais entradas nulas).
10.51 Mostre que duas matrizes nilpotentes de ordem 3 so semelhantes se, e s se, tiverem o mesmo ndice de nilpotncia.
Mostre com um exemplo que a afirmao no verdadeira para matrizes nilpotentes de ordem 4.
Forma cannica de Jordan
10.52 Encontre todas as possveis formas cannicas de Jordan das matrizes cujos polinmios caracterstico e mnimo m(t)
esto dados.
(a)
(b)
10.53 Mostre que cada matriz complexa semelhante sua transposta. (Sugesto: use a forma cannica de Jordan.)
10.54 Mostre que so semelhantes todas as matrizes complexas A tais que A
n
I, mas , com k < n.
10.55 Seja A uma matriz complexa com todos os autovalores reais. Mostre que A semelhante a uma matriz com todas entra-
das reais.
Lipschutz_10.indd 354 22/12/10 13:37
CAPTULO 10 FORMAS CANNICAS 355
Subespaos cclicos
10.56 Seja um operador linear de V. Prove que Z( , T) a interseo de todos os subespaos T-invariantes de V que
contm .
10.57 Sejam f(t) e g(t) os T-anuladores de u e , respectivamente. Mostre que se f(t) e g(t) so primos entre si, ento f(t)g(t)
o T-anulador de u .
10.58 Prove que Z(u, T) Z( , T) se, e s se, g(T)(u) , para algum polinmio g(t) primo com o polinmio T-anulador de u.
10.59 Seja W Z( , T) e suponha que o T-anulador de seja em que f(t) um polinmio mnico irredutvel de grau d.
Mostre que o subespao cclico gerado por e que tem dimenso d(n s) se n > s e dimenso 0 se
Forma cannica racional
10.60 Encontre todas as formas cannicas racionais possveis para matrizes sobre de polinmio mnimo dado.
(a) (b)
10.61 Seja A uma matriz de polinmio mnimo Encontre a forma cannica racional de A se A
uma matriz sobre o corpo dos (a) racionais (b) reais (c) complexos
10.62 Encontre a forma cannica racional de um bloco de Jordan de ordem 4 com na diagonal.
10.63 Prove que o polinmio caracterstico de um operador um produto de seus divisores elementares.
10.64 Prove que so semelhantes duas matrizes com os mesmos polinmios mnimo e caracterstico.
10.65 Denote por C(f(t)) a matriz companheira de um polinmio f(t) arbitrrio. Mostre que f(t) o polinmio caracterstico de
C(f(t)).
Projees
10.66 Suponha que Seja E
i
a projeo de V sobre W
i
. Prove que (i)
(ii)
10.67 Sejam E
1
, , E
r
operadores lineares de V tais que
(i) (ou seja, cada E
i
uma projeo); (ii) (iii)
Prove que
10.68 Seja uma projeo (ou seja, E
2
E). Prove que E tem uma representao matricial da forma em que
r o posto de E e I
r
a matriz identidade de ordem r.
10.69 Prove que duas projees de mesmo posto so semelhantes. (Sugesto: use o resultado do Problema 10.68.)
10.70 Seja uma projeo. Prove
(i) I E uma projeo e (ii) I E invertvel (se ).
Espaos quociente
10.71 Seja W um subespao de V. Suponha que um conjunto de classes laterais de V/W seja
linearmente independente. Mostre que o conjunto de vetores de V tambm linearmente independente.
Lipschutz_10.indd 355 22/12/10 13:37
LGEBRA LINEAR
356
10.72 Seja W um subespao de V. Suponha que um conjunto de vetores de V seja linearmente independente e
que Mostre que o conjunto de classes laterais de V/W tambm linearmen-
te independente.
10.73 Suponha que e que {u
1
, ..., u
n
} seja uma base de U. Mostre que {u
1
W, ..., u
n
W} uma base do espao
quociente V/W. (Observe que no se impe restrio sobre a dimensionalidade de V ou W.)
10.74 Seja W o espao soluo da equao linear
e seja Prove que a classe lateral W de W em K
n
o conjunto soluo da equao linear
com
10.75 Seja V o espao vetorial de polinmios sobre e W o subespao dos polinmios divisveis por t
4
(ou seja, da forma
). Mostre que o espao quociente V/W tem dimenso 4.
10.76 Sejam U e W subespaos de V tais que Observe que cada classe lateral u W de W em U tambm pode ser
vista como uma classe lateral de W em V, porque implica . Assim, U/W um subconjunto de V/W. Prove
que (i) U/W um subespao de V/W, (ii) dim (V/W) dim(U/W) dim(V/U).
10.77 Sejam U e W subespaos de V. Mostre que as classes laterais de em V podem ser obtidas intersectando cada
classe lateral de U em V por cada classe lateral de W em V, ou seja,
10.78 Seja um operador linear de ncleo W e imagem U. Mostre que o espao quo-
ciente V/W isomorfo a U pela aplicao definida por
Alm disso, mostre que onde a aplicao natural de V em
V/W (ou seja, ) e a aplicao de incluso (ou seja,
i(u) u). (Ver diagrama.)
Respostas dos Problemas Complementares
10.41 (a) e {0}, (b) , {0}, W
1
ger(2, 1 2i), W
2
ger(2, 1 2i)
10.52
(c) Seja M
k
um bloco de Jordan com de ordem k. Ento

10.60 Sejam
(a)

(b)
10.61 Sejam
(a) (b) (c)
10.62 A matriz companheira com ltima coluna dada por
Lipschutz_10.indd 356 22/12/10 13:37
11.1 INTRODUO
Neste captulo estudamos as transformaes lineares de um espao vetorial V em seu corpo de escalares K. (Salvo
meno explcita em contrrio, interpretamos K como um espao vetorial sobre si mesmo.) Naturalmente, todos os
teoremas e resultados obtidos para transformaes arbitrrias de V continuam valendo nesse caso especial. Contu-
do, tratamos dessas transformaes lineares em separado, em virtude de sua importncia fundamental e porque a
relao especial de V com K d origem a novos conceitos e resultados que no se aplicam ao caso geral.
11.2 FUNCIONAIS LINEARES E O ESPAO DUAL
Seja V um espao vetorial sobre o corpo K. Uma aplicao denominada funcional linear de V se, para
quaisquer e ,
Em outras palavras, um funcional linear de V uma transformao linear de V em K.
Exemplo 11.1
(a) Seja a i-sima aplicao projeo, isto , . Ento linear e, portanto, um
funcional linear de K
n
.
(b) Seja V o espao vetorial dos polinmios em t sobre R. Seja o operador integral definido por
. Sabemos que J linear e, portanto, um funcional linear de V.
(c) Seja V o espao vetorial das matrizes quadradas de ordem n sobre K. Seja a aplicao trao
com A [a
ij
]
Ou seja, T associa a uma matriz A a soma de suas entradas diagonais. Essa aplicao linear (Problema 11.24)
e, portanto, um funcional linear de V.
Pelo Teorema 5.10, o conjunto dos funcionais lineares de um espao vetorial V sobre K tambm um espao
vetorial sobre K com adio e multiplicao por escalar definidas por
onde so funcionais lineares de V e . Esse espao vetorial denominado espao dual de V e deno-
tado por V*.
Funcionais Lineares
e o Espao Dual
Captulo 11
_Book_Lipschutz.indb 357 22/12/10 09:04
LGEBRA LINEAR
358
Exemplo 11.2 Seja V K
n
o espao vetorial das nuplas de K, que escrevemos como vetores coluna. Ento o
espao dual V* pode ser identificado com o espao dos vetores linha. Em particular, qualquer funcional linear
em V* tem a representao
Historicamente, a expresso formal direita dessa igualdade era denominada forma linear.
11.3 BASE DUAL
Suponha que V seja um espao vetorial de dimenso n sobre K. Pelo Teorema 5.11, a dimenso do espao dual V*
tambm n (pois K tem dimenso 1 sobre si mesmo). Na verdade, cada base de V determina uma base de V* como
segue (ver Problema 11.3 para a demonstrao).
Teorema 11.1 Seja {
1
, ...,
n
} uma base de V sobre K. Sejam os funcionais lineares definidos por
Ento uma base de V*.
A base desse teorema denominada base dual de {
i
}. A frmula dada na definio da base dual, utilizan-
do o delta de Kronecker , uma maneira abreviada de escrever
Pelo Teorema 5.2, essas transformaes lineares so nicas e esto bem definidas.
Exemplo 11.3 Considere a base {
1
(2, 1),
2
(3, 1)} de . Encontre a base dual .
Queremos encontrar os funcionais lineares tais que
Essas quatro condies levam aos dois sistemas de equaes lineares a seguir.
As solues so a 1, b 3 e c 1, d 2. Logo, constituem a base
dual de {
1
,
2
}.
Os dois teoremas seguintes (demonstrados nos Problemas 11.4 e 11.5, respectivamente) estabelecem relaes
entre bases e bases duais.
Teorema 11.2 Sejam {
1
, ...,
n
} uma base de V e a base dual de V*. Valem as afirmaes seguintes.
(i) Dado qualquer vetor .
(ii) Dado qualquer funcional linear
Teorema 11.3 Sejam {
1
, ...,
n
} e {w
1
, ..., w
n
} bases de V e sejam e as bases de V* duais
de {
i
} e {w
i
}, respectivamente. Seja P a matriz de mudana de base de {
i
} para {w
i
}. Ento a matriz de
mudana de base de para
_Book_Lipschutz.indb 358 22/12/10 09:04
CAPTULO 11 FUNCIONAIS LINEARES E O ESPAO DUAL 359
11.4 ESPAO BIDUAL
Repetimos: cada espao vetorial V tem um espao dual V*, que consiste em todos os funcionais lineares de V. Assim,
V* tem um espao dual V**, denominado espao bidual de V, que consiste em todos os funcionais lineares de V*.
Mostremos que cada determina um elemento especfico . Dado qualquer , definimos
Resta mostrar que essa aplicao linear. Dados quaisquer escalares e funcionais lineares
, temos
Assim, linear e, portanto, . Vale o teorema seguinte (demonstrado no Problema 12.7).
Teorema 11.4 Se V tem dimenso finita, ento a aplicao um isomorfismo de V sobre V**.
Essa aplicao denominada aplicao natural de V em V**. Enfatizamos que a aplicao natural
nunca sobrejetora se V no for de dimenso finita. No entanto, ela sempre linear e, mais que isso, injetora.
Suponha, agora, que V tenha dimenso finita. Pelo Teorema 11.4, a aplicao natural determina um isomorfismo
entre V e V**. Salvo meno explcita em contrrio, identificamos V com V** por meio desse isomorfismo. Dessa
forma, consideramos V como o espao dos funcionais lineares de V* e escreveremos V V**. Observamos que se
for a base de V* que dual da base {
i
} de V, ento {
i
} a base de V** V que dual da base .
11.5 ANULADORES
Seja W um subconjunto (no necessariamente um subespao) do espao vetorial V. Dizemos que um funcional li-
near um anulador de W se , para cada , ou seja, se O conjunto de todos
esses funcionais lineares denotado por W
0
e denominado anulador de W. Mostremos que o anulador de W um
subespao de V*. Claramente, . Sejam, agora, . Ento, dados quaisquer escalares e
qualquer , temos
e, portanto, . Assim, W
0
um subespao de V*.
No caso em que W um subespao de V, temos a relao seguinte entre W e seu anulador W
0
(ver Problema
11.11 para a demonstrao).
Teorema 11.5 Sejam V um espao de dimenso finita e W um subespao de V. Ento
e
Aqui,

para cada ou, equivalentemente, , onde interpretamos
como um subespao de V pela identificao de V com V**.
11.6 TRANSPOSTA DE UMA TRANSFORMAO LINEAR
Seja uma transformao linear qualquer de um espao vetorial V num espao vetorial U. Ento, dado
qualquer funcional linear , a composta uma transformao linear de V em K.
Ou seja, . Assim, a correspondncia
uma aplicao de U* em V*, que denotamos por T
t
e denominamos transposta de T. Em outras palavras,
definida por
_Book_Lipschutz.indb 359 22/12/10 09:04
LGEBRA LINEAR
360
Assim, , para cada
Teorema 11.6 A aplicao transposta T
t
de T uma transformao linear.
Demonstrao: Dados quaisquer escalares e funcionais lineares ,
Assim, T
t
linear, como queramos demonstrar.
Enfatizamos que, se T uma transformao linear de V em U, ento T
t
uma transformao linear de U* em
V*. A nomenclatura transposta para a transformao T
t
sem dvida deriva da afirmao do teorema seguinte
(demonstrado no Problema 11.16).
Teorema 11.7 Sejam uma transformao linear e A a representao matricial de T em relao s
bases {
i
} de V e {u
i
} de U. Ento a matriz transposta A
T
a representao matricial da transformao transposta
em relao s bases duais de {u
i
} e {
i
}.
Problemas Resolvidos
Espaos duais e bases duais
11.1 Encontre a base que dual base de dada.
Os funcionais lineares podem ser escritos da forma
Por definio de base dual, para , mas para i j. Obtemos exigindo
. Isso fornece
Resolvendo o sistema de equaes, obtemos a
1
1, a
2
0, a
3
0. Assim,
Obtemos exigindo Isso fornece
Resolvendo o sistema de equaes, obtemos b
1
7, b
2
2, a
3
3. Assim,
Obtemos exigindo Isso fornece
Resolvendo o sistema de equaes, obtemos c
1
2, c
2
1, c
3
1. Assim,
11.2 Seja o espao vetorial dos polinmios reais de grau . Encontre a base {
1
,
2
} de
V que dual da base de V* dada por
Sejam
1
a bt e
2
c dt. Por definio de base dual,
_Book_Lipschutz.indb 360 22/12/10 09:04
CAPTULO 11 FUNCIONAIS LINEARES E O ESPAO DUAL 361
Assim,
Resolvendo cada sistema, obtemos a 2, b 2 e Assim, a base de
V que dual de
11.3 Demonstre o Teorema 11.1. Seja {
1
, ...,
n
} uma base de V sobre K. Sejam os funcionais
lineares definidos por com , mas com i j. Ento uma base de V*.
Comeamos mostrando que gera V*. Seja um elemento arbitrrio de V* e suponha que
Denote Ento
Analogamente, para i 2, ..., n,
Assim, , para i 1, ..., n. Como e coincidem nos vetores da base, resulta .
Por isso, gera V*.
Resta mostrar que linearmente independente. Suponha que
Aplicando ambos lados no vetor
1
, obtemos
Analogamente, para i 2, ..., n,
Logo, . Assim, linearmente independente e, portanto, uma base de V*.
11.4 Demonstre o Teorema 11.2. Sejam {
1
, ...,
n
} uma base de V e a base dual de V*. Dados
quaisquer e ,
Suponha que
(1)
Ento
Analogamente, para i 2, ..., n,
Logo, . Substituindo esses valores em (1), obtemos (i).
Para provar (ii), aplicamos o funcional a ambos lados de (1), obtendo
Como isso vale para cada , temos , como queramos mostrar.
11.5 Demonstre o Teorema 11.3. Sejam {
i
} e {w
i
} bases de V e sejam as respectivas bases duas
de V*. Seja P a matriz de mudana de base de {
i
} para {w
i
}. Ento a matriz de mudana de base
de para
_Book_Lipschutz.indb 361 22/12/10 09:04
LGEBRA LINEAR
362
Suponha que, para i 1, ..., n,
Ento P [a
ij
] e Q [b
ij
]. Queremos provar que
Denotemos a i-sima linha de Q por R
i
e a j-sima coluna de P
T
por C
j
. Ento
Por definio de base dual,
onde o delta de Kronecker. Logo,
Assim, , como queramos mostrar.
11.6 Suponha que

com e dim V n. Mostre que existe tal que
Estendemos { } a uma base { ,
2
, ...,
n
} de V. Pelo Teorema 5.2, existe uma nica transformao linear
tal que Assim, tem as propriedades procuradas.
11.7 Demonstre o Teorema 11.4. Se V tem dimenso finita, ento a aplicao um isomorfismo de V sobre
V**.
Comeamos provando que a aplicao linear, ou seja, que dados vetores e escalares
quaisquer, . Dado qualquer funcional linear ,
Como para cada , temos . Assim, uma transfor-
mao linear.
Suponha, agora, que Ento, pelo Problema 11.6, existe para o qual . Logo,
e, assim, . Como implica , a transformao linear no singular.
Ocorre que dim V dim V* dim V**, j que V tem dimenso finita. Pelo Teorema 5.9, a transformao
um isomorfismo de V sobre V**.
Anuladores
11.8 Mostre que se anula um subconjunto S de V, ento anula o espao gerado ger(S) por S. Assim,
S
0
[ger(S)]
0
.
Seja ger . Ento existem para os quais Temos
Como um elemento arbitrrio de ger(S), anula ger(S), como queramos mostrar.
11.9 Encontre uma base do anulador W
0
do subespao W de gerado por
Pelo Problema 11.8, basta encontrar uma base do conjunto de funcionais lineares tais que e ,
sendo Assim,
O sistema de duas equaes nas incgnitas a, b, c, d est em forma escalonada, com variveis livres c e d.
(1) Tomando c 1, d 0, obtemos a soluo a 11, b 4, c 1, d 0.
(2) Tomando c 0, d 1, obtemos a soluo a 6, b 1, c 0, d 0.
Os funcionais lineares formam uma base de W
0
.
_Book_Lipschutz.indb 362 22/12/10 09:04
CAPTULO 11 FUNCIONAIS LINEARES E O ESPAO DUAL 363
11.10 Mostre as afirmaes. (a) Dado qualquer subconjunto S de V, . (b) Se , ento .
(a) Seja . Ento, dado qualquer funcional linear . Logo, . Assim, pela
identificao de V com V**, temos . Por isso,
(b) Seja Ento , para cada . Mas , portanto, anula cada elemento de S
1
(ou seja,
). Assim,
11.11 Demonstre o Teorema 11.5. Sejam V um espao de dimenso finita e W um subespao de V. Ento
(i) Suponha que dim V n e que Queremos mostrar que dim W
0
n r. Escolhemos uma base {w
1
, ...,
w
r
} de W e estendemos essa base a uma base de V, digamos, Considere a base dual
Por definio de base dual, cada um dos dessa base anula cada w
i
, de modo que Afirmamos
que uma base de W
0
. Agora, parte de uma base de V*, portanto linearmente independente.
Em seguida mostramos que gera W
0
. Seja Pelo Teorema 11.2,
Consequentemente, gera W
0
e , portanto, uma base de W
0
. Em vista disso, como queramos,
(ii) Suponha que dim V n e que dim W r. Ento dim V* n e, por (i), dim W
0
n r. Assim, por (i) temos
e, portanto, Pelo Problema 11.10, Em vista disso,
11.12 Sejam U e W subespaos de V. Prove que
Seja Ento anula U W e, portanto, em particular, anula U e, tambm, W. Logo, e
, de modo que Assim,
Por outro lado, suponha que Ento anula U e, tambm, W. Se , ento , com
e . Logo, Assim, anula U W, ou seja, Em vista
disso,
Juntando as duas incluses, obtemos o resultado procurado.
OBSERVAO Observe que no utilizamos argumento dimensional nessa prova, o que significa que o resultado
vale em espaos de dimenso finita ou infinita.
Transposta de uma transformao linear
11.13 Seja o funcional linear de definido por . Para cada um dos operadores lineares T de
dados, calcule .
Por definio, , isto , para cada . Logo,
11.14 Sejam uma transformao linear e sua transposta. Mostre que o ncleo de T
t
o
anulador da imagem de T, isto , Nuc T
t
(Im T)
0
.
Seja

Nuc , isto , . Se , ento u T( ), para algum . Logo,
_Book_Lipschutz.indb 363 22/12/10 09:04
LGEBRA LINEAR
364
Temos , para cada . Logo, e, assim, Nuc

Por outro lado, seja , isto , Ento, para cada ,
Temos , para cada . Logo, Assim, e, portanto,
Juntando as duas incluses, obtemos o resultado procurado.
11.15 Seja uma transformao linear entre os espaos V e U de dimenso finita. Mostre que pos(T) =
pos(T
t
).
Digamos que dim V = n, dim U = m e pos(T)= r. Pelo Teorma 11.5,
Pelo Problema 11.4, . Assim, e, portnto, como queramos mostrar,
11.16 Demonstre o Teorema 11.7. Sejam uma transformao linear e A a representao matricial de T
em relao s bases {
i
} de V e{u
i
} de U. Ento a matriz transposta A
T
a representao matricial da trans-
formao transposta em relao s bases duais de {u
i
}e{v
i
}.
Digamos que, para j = 1, ..., m,
(1)
Queremos provar que, para i = 1, ..., n,
(2)
em que so as bases duais de ,, respectivamente.
Seja dado e suponha que . Ento, por (1),
Logo, para j = 1, ..., n,
(3)
Por ouro lado, para j = 1, ..., n,
(4)
Como um vetor arbitrrio, (3) e (4) implicam que
que (2). Assim, o teorema est provado.
_Book_Lipschutz.indb 364 22/12/10 09:04
CAPTULO 11 FUNCIONAIS LINEARES E O ESPAO DUAL 365
Problemas Complementares
Espaos duais e bases duais
11.17 Encontre , com e definidos por
11.18 Encontre a base dual de cada uma das bases de R
3
dadas.

11.19 Seja V o espao vetorial dos polinmios sobre de grau . Sejam os funcionais lineares definidos por
Aqui, denota a derivada de f(t). Encontre a base de V que dual de
11.20 Sejam tais que implica , para cada . Mostre que ru, para algum escalar r.
11.21 Sejam tais que implica , para cada . Mostre que , para algum escalar k.
11.22 Seja V o espao vetorial dos polinmios sobre K. Dado , defina por . Mostre que
(a) linear, (b) se , ento
11.23 Seja V o espao vetorial dos polinmios de grau Sejam escalares distintos. Sejam os funcionais
lineares definidos por Mostre que linearmente inde-
pendente e encontre a base de V que dual.
11.24 Seja V o espao vetorial das matrizes quadradas de ordem n. Seja a aplicao trao, ou seja, a aplicao

, com A [a
ij
]. Mostre que T linear.
11.25 Seja W um subespao de V. Mostre que, para cada funcional linear de W existe um funcional linear de V tal que
, para cada , ou seja, a restrio de a W.
11.26 Seja {e
1
, ..., e
n
} a base cannica de K
n
. Mostre que a base dual , em que a i-sima projeo de K
n
, ou
seja,
11.27 Seja V um espao vetorial sobre . Sejam e suponha que , definida
por , tambm pertence a V*. Mostre que ou
Anuladores
11.28 Seja W o subespao de gerado por Encontre uma base do anulador de W.
11.29 Seja W o subespao de gerado por Encontre uma base do anulador de W.
11.30 Mostre que, para cada subconjunto S de V, ger(S) S
00
, onde ger(S) denota o espao gerado por S.
11.31 Sejam U e W subespaos de um espao V de dimenso finita. Prove que
11.32 Suponha que . Prove que .
Transposta de uma transformao linear
11.33 Seja o funcional linear de definido por . Para cada uma das transformaes lineares
dadas, calcule .
_Book_Lipschutz.indb 365 22/12/10 09:04
LGEBRA LINEAR
366
11.34 Suponha que sejam lineares. Prove que
11.35 Suponha que seja linear e que V tenha dimenso finita. Prove que Im T
t
(Nuc T)
0
.
11.36 Sejam linear e dados. Mostre que ou ou existe tal que e
11.37 Seja V de dimenso finita. Mostre que a aplicao um isomorfismo de Hom(V, V) sobre Hom(V*, V*). (Aqui,
T qualquer operador linear de V.)
Problemas variados
11.38 Seja V um espao vetorial sobre . Definimos o segmento de reta ligando os pontos por

Dizemos que um subconjunto S de V convexo se implica . Dado , defina
Prove que so convexos.
11.39 Seja V um espao vetorial de dimenso finita. Um hiperplano H de V pode ser definido como o ncleo de um funcional
linear no nulo de V. Mostre que cada subespao de V a interseo de um nmero finito de hiperplanos de V.
Respostas dos Problemas Complementares
11.17
11.18
11.19
11.22 (b) Seja f(t) t. Ento e, portanto, .
11.23
11.28
11.29
11.33
_Book_Lipschutz.indb 366 22/12/10 09:04
12.1 INTRODUO
Neste captulo generalizamos os conceitos de transformaes lineares e funcionais lineares. Especificamente, in-
troduzimos o conceito de uma forma bilinear. Essas formas bilineares tambm do origem s formas quadrticas e
hermitianas. Embora as formas quadrticas j tenham sido discutidas anteriormente, neste captulo tratamos dessas
formas independentemente dos resultados anteriores.
Embora o corpo K seja arbitrrio, mais adiante nos restringiremos aos casos . Alm disso,
s vezes podemos precisar dividir por 2. Nesses casos, devemos supor que , o que vlido em
12.2 FORMAS BILINEARES
Seja V um espao vetorial de dimenso finita sobre um corpo K. Uma forma bilinear de V uma aplicao

tal que, dados e quaisquer,
A condio (i) significa que f linear na primeira varivel e a condio (ii) que f linear na segunda varivel.
Exemplo 12.1
(a) Seja f o produto escalar de , isto , dados u (a
i
) e (b
i
),
Ento f uma forma bilinear de . (Na verdade, qualquer produto interno sobre um espao vetorial real V
uma forma bilinear de V.)
(b) Sejam e funcionais lineares arbitrrios de V. Seja definida por . Ento f
uma forma bilinear, j que e so, ambas, lineares.
(c) Seja A [a
ij
] uma matriz quadrada de ordem n qualquer sobre um corpo K. Ento A pode ser identificada
com a forma bilinear F de K
n
dada a seguir, em que X [x
i
] e Y [y
i
] so vetores coluna de variveis.
Essa expresso formal nas variveis x
i
e y
i
denominada polinmio bilinear correspondente matriz A. A
equao (1) (ver adiante) mostra que, num certo sentido, toda forma bilinear desse tipo.
Formas Bilineares,
Quadrticas e Hermitianas
Captulo 12
_Book_Lipschutz.indb 367 22/12/10 09:05
LGEBRA LINEAR
368
Espao das formas bilineares
Seja B(V) o conjunto de todas as formas bilineares de V. B(V) tem uma estrutura de espao vetorial definindo, para
quaisquer e , f g e kf por
Vale o teorema seguinte (demonstrado no Problema 12.4).
Teorema 12.1 Seja V um espao vetorial de dimenso n sobre K. Seja uma base qualquer do espao
dual V*. Ento {f
ij
: i, j 1, ..., n} uma base de B(V), em que f
ij
definida por . Em parti-
cular, dim B(V) n
2
.
12.3 FORMAS BILINEARES E MATRIZES
Sejam f uma forma bilinear de V e S {u
1
, ..., u
n
} uma base de V. Dados , temos
Ento
Assim, f completamente determinada pelos n
2
valores f(u
i
, u
j
).
A matriz A [a
ij
], em que a
ij
f(u
i
, u
j
), denominada representao matricial de f em relao base S ou,
simplesmente, a matriz de f em S. Essa matriz representa f no sentido seguinte; dados quaisquer,

(1)
[Como de hbito, [u]
S
denota o vetor (coluna) de coordenadas de u na base S.]
Mudana de base, matrizes congruentes
Agora perguntamos: como se transforma a matriz que representa uma forma bilinear quando escolhemos uma nova
base? A resposta dada no teorema seguinte (demonstrado no Problema 12.5).
Teorema 12.2 Seja P a matriz de mudana de base de uma base S para uma outra base . Se A a representao
matricial da forma bilinear f em relao base original S, ento a representao matricial de f em
relao nova base .
Esse teorema motiva uma definio.
DEFINIO Dizemos que uma matriz B congruente a uma matriz A (e escrevemos ) se existir uma matriz
no singular P tal que .
Assim, o Teorema 12.2 afirma que so congruentes todas as matrizes que representam uma mesma forma bili-
near. Observamos que matrizes congruentes tm o mesmo posto, pois P e P
T
so no singulares; em particular, o
conceito introduzido a seguir est bem definido.
DEFINIO O posto de uma forma bilinear f de V, denotado pos(f), o posto de qualquer representao matricial
de f. Dizemos que f degenerada ou no degenerada dependendo de termos pos(f) < dim V ou pos(f) dim V,
respectivamente.
12.4 FORMAS BILINEARES ALTERNADAS
Seja f uma forma bilinear de V. Dizemos que f
(i) alternada se f( , ) 0, para cada ;
(ii) antissimtrica se f(u, ) f( , u), para quaisquer .
_Book_Lipschutz.indb 368 22/12/10 09:05
CAPTULO 12 FORMAS BILINEARES, QUADRTICAS E HERMITIANAS 369
Agora, suponha que (i) seja verdadeira. Ento (ii) tambm verdadeira, pois, dados quaisquer , temos
Por outro lado, suponha que (ii) seja verdadeira e, tambm, que . Ento (i) tambm verdadeira, pois,
dado qualquer , temos f(u, ) f( , u). Em outras palavras, ser alternada e ser antissimtrica so equivalen-
tes, se
O teorema principal sobre a estrutura das formas bilineares alternadas (demonstrado no Problema 12.23)
dado a seguir.
Teorema 12.3 Seja f uma forma bilinear alternada de V. Ento existe uma base de V na qual f representada por
uma matriz diagonal em blocos M do tipo
Alm disso, o nmero de blocos no nulos determinado de modo nico por f [porque igual metade do posto de f].
Em particular, esse teorema mostra que, necessariamente, toda forma bilinear alternada tem posto par.
12.5 FORMAS BILINEARES SIMTRICAS, FORMAS QUADRTICAS
Nesta seo investigamos os conceitos importantes de formas bilineares simtricas e formas quadrticas e sua re-
presentao por meio de matrizes simtricas. A nica restrio sobre o corpo K que . Na Seo 12.6 nos
restringimos ao corpo real , o que fornece resultados especiais importantes.
Formas bilineares simtricas
Seja f uma forma bilinear de V. Dizemos que f simtrica se, dados quaisquer , temos
f(u, ) f( , u),
fcil mostrar que f simtrica se, e s se, qualquer representao matricial A de f uma matriz simtrica.
O principal resultado para formas bilineares simtricas (demonstrado no Problema 12.10) dado a seguir.
(Enfatizamos que estamos supondo .)
Teorema 12.4 Seja f uma forma bilinear simtrica de V. Ento V tem uma base {
1
, ...,
n
} na qual f representada
por uma matriz diagonal, isto , na qual f(
i
,
j
) 0, se
Teorema 12.4 (Forma Alternativa) Seja A uma matriz simtrica sobre K. Ento A congruente a uma matriz
diagonal, ou seja, existe uma matriz no singular P tal que P
T
AP diagonal.
Algoritmo de diagonalizao
Sabemos que uma matriz no singular P o produto de matrizes elementares (ver Teorema 3.17). Dessa forma,
uma maneira de obter a forma diagonal D P
T
AP por meio de uma sequncia de operaes elementares com as
linhas e essa mesma sequncia de operaes elementares com as colunas. Aplicadas na matriz identidade I, essa
mesma sequncia de operaes elementares fornece P
T
. Podemos formalizar esse algoritmo como segue.
Algoritmo 12.1 (Diagonalizao por Congruncia de uma Matriz Simtrica) dada uma matriz simtrica
A [a
ij
] de ordem n.
Passo 1 Forme a matriz em blocos M [A
1
, I], em que A
1
A a metade esquerda de M e a matriz
identidade I de ordem n a metade direita de M.
Passo 2 Examine a entrada a
11
. H trs casos.
_Book_Lipschutz.indb 369 22/12/10 09:05
LGEBRA LINEAR
370
Caso I (Use a
11
como um piv para colocar zeros abaixo de a
11
em M e direita de a
11
em A
1
.) Para i
2, ..., n,
(a) Aplique a operao com as linhas Substituir R
i
por a
i1
R
1
a
11
R
i
.
(b) Aplique a operao correspondente com as colunas Substituir C
i
por a
i1
C
1
a
11
C
i
.
Essas operaes reduzem a matriz M forma

(*)
Caso II a
11
0, mas , para algum k > 1.
(a) Aplique a operao com as linhas Trocar R
1
e R
k
entre si.
(b) Aplique a operao correspondente com as colunas Trocar C
1
e C
k
entre si.
(Essas operaes levam a
kk
para a primeira entrada diagonal, que reduz a matriz ao Caso I.)
Caso III Todas entradas diagonais a
ii
0, mas algum
(a) Aplique a operao com as linhas Substituir R
i
por R
j
R
i
.
(b) Aplique a operao correspondente com as colunas Substituir C
i
por C
j
C
i
.
(Essas operaes levam 2a
ij
para a i-sima entrada diagonal, que reduz a matriz ao Caso II.)
Assim, finalmente, M reduzida forma (*), em que A
2
uma matriz simtrica de ordem menor do que a ordem
de A.
Passo 3 Repita o Passo 2 com cada nova matriz A
k
(suprimindo as primeiras linha e coluna da matriz precedente)
at que A esteja diagonalizada. Ento, M est transformada forma , em que D diagonal.
Passo 4 Tome P Q
T
. Ento D P
T
AP.
OBSERVAO 1 Enfatizamos que, no Passo 2, as operaes com as linhas alteram os dois lados de M, mas as
operaes com as colunas alteram apenas o lado esquerdo de M.
OBSERVAO 2 A condio utilizada no Caso III, em que conclumos a partir de
No Problema 12.9 apresentamos uma justificativa para esse algoritmo.
Exemplo 12.2 Seja . Aplique o Algoritmo 12.1 para encontrar uma matriz no singular P tal
que D P
T
AP seja diagonal.
Comeamos construindo a matriz M [A, I], isto , tomamos
Aplicamos nas linhas de M as operaes Substituir R
2
por 2R
1
R
2
e Substituir R
3
por 3R
1
R
3
e, depois,
aplicamos nas colunas de M as operaes correspondentes Substituir C
2
por 2C
1
C
2
e Substituir C
3
por 3C
1

C
3
, obtendo
e, depois,
_Book_Lipschutz.indb 370 22/12/10 09:05
CAPTULO 12 FORMAS BILINEARES, QUADRTICAS E HERMITIANAS 371
Em seguida, aplicamos nas linhas de M a operao Substituir R
3
por 2R
2
R
3
e, depois, aplicamos nas colunas
de M a operao correspondente Substituir C
3
por 2C
2
C
3
, obtendo
e, depois,
Assim, A foi diagonalizada. Escrevemos
e, portanto,
Enfatizamos que P a transposta da metade direita da matriz final.
Formas quadrticas
Comeamos com uma definio.
DEFINIO A Dizemos que uma aplicao uma forma quadrtica se q( ) f( , ), para alguma
forma bilinear simtrica f de V.
Se em K, ento a forma bilinear f pode ser obtida de volta da forma quadrtica q usando a forma
polar de f a seguir.
Seja, agora, f representada por uma matriz simtrica A [a
ij
] e suponha que Escrevendo X [x
i
]
para um vetor coluna de variveis, q pode ser representada na forma
Essa expresso formal nas variveis x
i
tambm denominada forma quadrtica.
A saber, temos a definio alternativa seguinte.
DEFINIO B Uma forma quadrtica nas variveis x
1
, x
2
, ..., x
n
um polinmio tal que cada um de seus termos
tem grau dois, isto ,
Usando , a forma quadrtica q da Definio B determina uma matriz simtrica A [a
ij
], em que
a
ii
c
i
e . Assim, as Definies A e B so, essencialmente, iguais.
Se a representao matricial A de q diagonal, ento q tem a representao diagonal
Assim, o polinmio quadrtico que representa q no tem termos mistos, com duas variveis distintas. Alm disso,
pelo Teorema 12.4, toda forma quadrtica tem alguma representao desse tipo (se ).
12.6 FORMAS BILINEARES SIMTRICAS REAIS, LEI DA INRCIA
Nesta seo tratamos de formas bilineares simtricas e formas quadrticas em espaos vetoriais V sobre o corpo
dos reais . A natureza especial de enseja uma teoria independente. O teorema seguinte o resultado principal
(demonstrado no Problema 12.14).
Teorema 12.5 Seja f uma forma bilinear simtrica de V sobre . Ento existe uma base de V na qual f repre-
sentada por uma matriz diagonal. Qualquer outra representao matricial diagonal de f tem o mesmo nmero p de
entradas positivas e o mesmo nmero n de entradas negativas.
_Book_Lipschutz.indb 371 22/12/10 09:05
LGEBRA LINEAR
372
Esse resultado , s vezes, denominado Lei da Inrcia ou Teorema de Sylvester. O posto e a assinatura de uma
forma bilinear simtrica f so denotados e definidos por
pos(f) p n e sig(f) p n
Pelo Teorema 12.5, esses valores esto determinados de modo nico.
Dizemos que uma forma bilinear simtrica f
(i) positiva se q( ) f( , ) > 0, para cada ;
(ii) no negativa se , para cada .
Exemplo 12.3 Seja f o produto escalar de . Vimos que f uma forma bilinear simtrica de . Observamos que
f tambm positiva. De fato, dado qualquer de ,
Nas Sees 9.6 e 12.5 vimos como diagonalizar uma forma quadrtica real q ou, equivalentemente, uma matriz
simtrica real A, por meio de uma matriz de transio ortogonal P. Se P for, to somente, no singular, podemos
representar q na forma diagonal com todas entradas no nulas iguais a 1 e a 1. De fato, temos o corolrio seguinte.
Corolrio 12.6 Qualquer forma quadrtica real q tem uma nica representao do tipo
em que r p n o posto da forma q.
Corolrio 12.6 (Forma Alternativa) Qualquer matriz simtrica real A congruente a uma nica matriz diagonal
D diag(I
p
, I
n
, 0)
em que r p n o posto de A.
12.7 FORMAS HERMITIANAS
Seja V um espao vetorial de dimenso finita sobre o corpo dos complexos . Uma forma hermitiana de V uma
aplicao tal que, dados

C e quaisquer
(i)
(ii)
(Como sempre, denota o complexo conjugado de .)
Usando (i) e (ii), obtemos
Assim,
Como antes, a condio (i) significa que f linear na primeira varivel. Por outro lado, a condio (iii) significa
que f linear conjugada na segunda varivel. Alm disso, a condio (ii) acarreta e, portanto,
f( , ) real, para cada
Os resultados das Sees 12.5 e 12.6 para formas simtricas tm seus anlogos para formas hermitianas. As-
sim, a aplicao , definida por q( ) f( , ) denominada forma quadrtica hermitiana ou forma qua-
drtica complexa associada forma hermitiana f. Podemos obter f de volta de q usando a forma polar
_Book_Lipschutz.indb 372 22/12/10 09:05
CAPTULO 12 FORMAS BILINEARES, QUADRTICAS E HERMITIANAS 373
Seja, agora, S {u
1
, ..., u
n
} uma base de V. A matriz H [h
ij
] dada por h
ij
f(u
i
, u
j
) denominada represen-
tao matricial de f na base S. Por (ii), , portanto, H hermitiana e, em particular, as entradas
diagonais de H so reais. Assim, qualquer representao matricial diagonal de f tem apenas entradas reais.
O teorema seguinte (demonstrado no Problema 12.47) o anlogo complexo do Teorema 12.5 relativo a for-
mas bilineares simtricas reais.
Teorema 12.7 Seja f uma forma hermitiana de V sobre . Ento existe uma base de V na qual f representada
por uma matriz diagonal. Qualquer outra representao matricial diagonal de f tem o mesmo nmero p de entradas
positivas e o mesmo nmero n de entradas negativas.
Novamente, o posto e a assinatura de uma forma hermitiana f so denotados e definidos por
pos(f) p n e sig(f) p n
Pelo Teorema 12.7, esses valores esto determinados de modo nico.
Analogamente, dizemos que uma forma hermitiana f
(i) positiva se q( ) f( , ) > 0, para cada ;
(ii) no negativa se , para cada .
Exemplo 12.4 Seja f o produto escalar de , ou seja, para quaisquer u (z
i
) e (w
i
) de ,
Ento, f uma forma hermitiana de . Alm disso, f tambm positiva, pois, dado qualquer de ,
Problemas Resolvidos
Formas bilineares
12.1 Sejam u (x
1
, x
2
, x
3
) e (y
1
, y
2
, y
3
). Escreva f em notao matricial, sendo
Seja A [a
ij
], em que a
ij
o coeficiente de x
i
y
j
. Ento
12.2 Seja A uma matriz sobre K. Mostre que a aplicao f definida por f(X, Y) X
T
AY uma forma bilinear
de K
n
.
Dados e quaisquer,
Logo, f linear na primeira varivel. Tambm,
Logo, f linear na segunda varivel e, portanto, uma forma bilinear de K
n
.
_Book_Lipschutz.indb 373 22/12/10 09:05
LGEBRA LINEAR
374
12.3 Seja f a forma bilinear de definida por
(a) Encontre a matriz A de f na base {u
1
(1, 0), u
2
(1, 1)}.
(b) Encontre a matriz B de f na base {
1
(2, 1),
2
(1, 1)}.
(c) Encontre a matriz de mudana de base P da base {u
i
} para a base {
i
} e verifique que B P
T
AP.
(a) Tomando A [a
ij
], com a
ij
f(u
i
, u
j
), obtemos
Assim,

a matriz de f na base {u
1
, u
2
}.
(b) Tomando B [b
ij
], com b
ij
f(
i
,
j
), obtemos
Assim, a matriz de f na base {
1
,
2
}.
(c) Escrevemos
1
e
2
em termos de u
1
e u
2
, ou seja,
1
u
1
u
2
e
2
2u
1
u
2
. Ento
e
12.4 Demonstre o Teorema 12.1. Seja V um espao vetorial de dimenso n sobre K. Seja uma
base qualquer do espao dual V*. Ento {f
ij
: i, j 1, ..., n} uma base de B(V), em que f
ij
definida por
Assim, dim B(V) n
2
.
Seja {u
1
, ..., u
n
} a base de V dual de Mostremos que {f
ij
} gera B(V). Seja dado e denotemos
f(u
i
, u
j
) a
ij
. Afirmamos que Basta mostrar que

com s, t 1, ..., n
Temos
conforme afirmado. Logo, {f
ij
} gera B(V). Agora suponha que Ento, para s, t 1, ..., n quaisquer,
A ltima igualdade segue como na primeira parte. Assim, {f
ij
} independente, portanto, uma base de B(V).
12.5 Demonstre o Teorema 12.2. Seja P a matriz de mudana de base de uma base S para uma base . Se A a
representao matricial da forma bilinear f em relao base S, ento B P
T
AP a representao matricial
de f em relao base .
Sejam . Como P a matriz de mudana de base de S para , temos e, tambm, ,
de modo que Assim,
Como u e so elementos arbitrrios de V, conclumos que P
T
AP a matriz de f na base .
_Book_Lipschutz.indb 374 22/12/10 09:05
CAPTULO 12 FORMAS BILINEARES, QUADRTICAS E HERMITIANAS 375
Formas bilineares simtricas, formas quadrticas
12.6 Encontre a matriz simtrica que corresponde forma quadrtica dada.
A matriz simtrica A [a
ij
] que representa q(x
1
, ..., x
n
) tem entradas diagonais a
ii
iguais aos coeficientes do termo
ao quadrado e entradas no diagonais a
ij
e a
ji
iguais metade do coeficiente do termo misto x
i
x
j
. Assim,
A terceira matriz diagonal porque a forma quadrtica diagonal, isto , no tem termos mistos.
12.6 Encontre a forma quadrtica q(X) que corresponde matriz simtrica dada.
A forma quadrtica q(X) que corresponde a uma matriz simtrica M definida por q(X) X
T
MX, em que X [x
i
]
o vetor coluna de variveis.
(a) Calculando,
Conforme esperado, o coeficiente 5 do termo ao quadrado x
2
e o coeficiente 8 do termo ao quadrado y
2
so os ele-
mentos diagonais de A. O coeficiente 6 do termo misto xy a soma dos elementos no diagonais 3 e 3 de A (ou,
o dobro do elemento no diagonal 3, j que A simtrica).
(b) Como B quadrada de ordem 3, temos trs variveis, digamos, x, y, z ou x
1
, x
2
, x
3
. Ento,
Aqui usamos que os coeficientes dos termos ao quadrado so os respectivos elementos
diagonais 4, 6, 9 de B e que os coeficientes dos termos mistos x
i
x
j
so a soma dos elementos no diagonais b
ij
e
b
ji
(ou duas vezes b
ij
, j que b
ij
b
ji
).
(c) Como C quadrada de ordem 4, temos quatro variveis, digamos,
12.8 Seja Aplique o Algoritmo 12.1 para encontrar uma matriz no singular P tal que

D P
T
AP seja diagonal e encontre a assinatura sig(A) de A.
_Book_Lipschutz.indb 375 22/12/10 09:05
LGEBRA LINEAR
376
Comeamos formando a matriz M [A, I], como segue.
Usando a
11
como piv, aplicamos as operaes Substituir R
2
por 3R
1
R
2
e Substituir R
3
por 2R
1
R
3
com as
linhas de M e depois aplicamos as operaes Substituir C
2
por 3C
1
C
2
e Substituir C
3
por 2C
1
C
3
com as
colunas de A, obtendo
e, ento,
Agora aplicamos a operao Substituir R
3
por R
2
2R
3
e depois aplicamos a operao Substituir C
3
por C
2
2C
3
,
obtendo
e, ento,
Agora, A foi diagonalizada e a transposta de P est na metade direita de M. Assim, tomamos
e, ento,
Observe que D tem p 2 elementos diagonais positivos e n 1 entrada negativa. Assim, a assinatura de A sig(A)
p n 2 1 1.
12.9 Justifique o Algoritmo 12.1 que diagonaliza (via congruncia) uma matriz simtrica A.
Considere a matriz em blocos M [A, I]. O algoritmo aplica uma sequncia de operaes elementares com as linhas,
seguida pela sequncia correspondente de operaes com as colunas do lado esquerdo de M, que a matriz A. Isso equi-
vale a pr-multiplicar A por uma sequncia de matrizes elementares, digamos, E
1
, E
2
, ..., E
r
, e ps-multiplicar A pelas
transpostas de E
i
. Assim, quando o algoritmo termina, a matriz diagonal D esquerda de M igual a
com
Por outro lado, o algoritmo somente aplica as operaes elementares com as linhas matriz identidade I do lado direito
de M. Assim, quando o algoritmo termina, a matriz direita de M igual a
Tomando P Q
T
, obtemos D P
T
AP, que a diagonalizao de A via congruncia.
12.10 Demonstre o Teorema 12.4. Seja f uma forma bilinear simtrica de V sobre K (em que ). Ento V
tem uma base na qual f representada por uma matriz diagonal.
O Algoritmo 12.1 mostra que cada matriz simtrica sobre K congruente a uma matriz diagonal. Essa afirmao
equivalente afirmao de que f tem uma representao diagonal.
12.11 Seja q a forma quadrtica associada forma bilinear simtrica f. (Suponha que ).Verifique a iden-
tidade polar
Temos
Se , podemos dividir tudo por 2 para obter a identidade polar.
_Book_Lipschutz.indb 376 22/12/10 09:05
CAPTULO 12 FORMAS BILINEARES, QUADRTICAS E HERMITIANAS 377
12.12 Considere a forma quadrtica e a substituio linear
x s 3t, y 2s t
(a) Reescreva q(x, y) em notao matricial e encontre a matriz A que representa q(x, y).
(b) Reescreva a substituio linear usando notao matricial e encontre a matriz P correspondente
substituio.
(c) Encontre q(s, t) usando substituio direta.
(d) Encontre q(s, t) usando notao matricial.
(a) Temos . Assim, e , com
(b) Temos Assim, , com e X PY.
(c) Substitumos x e y em q para obter
(d) Temos q(X) X
T
AX e X PY. Assim, X
T
Y
T
P
T
e, portanto,
[Conforme esperado, so iguais os resultados de (c) e (d).]
12.13 Considere uma matriz diagonal A diag(a
1
, ..., a
n
) qualquer sobre K. Mostre que, dados quaisquer escala-
res no nulos congruente matriz diagonal D de entradas Alm disso,
demonstre as afirmaes dadas.
(a) Se , podemos escolher D tal que cada entrada diagonal seja 1 ou 0.
(b) Se , podemos escolher D tal que cada entrada diagonal seja 1, 1 ou 0.
Seja P diag(k
1
, ..., k
n
). Ento,
(a) Seja P diag(b
i
), com
Ento todas as entradas diagonais de P
T
AP so iguais a 1 ou 0.
(b) Seja P diag(b
i
), com
Ento todas as entradas diagonais de P
T
AP so iguais a 1, 1 ou 0.
OBSERVAO Enfatizamos que (b) no segue vlido trocando congruncia por congruncia hermitiana.
12.14 Demonstre o Teorema 12.5. Seja f uma forma bilinear simtrica de V sobre . Ento existe uma base de V
na qual f representada por uma matriz diagonal. Qualquer outra representao matricial diagonal de f tem
o mesmo nmero p de entradas positivas e o mesmo nmero n de entradas negativas.
Pelo Teorema 12.4, existe uma base {u
1
, ..., u
n
} de V na qual f representada por uma matriz diagonal com, digamos, p
entradas positivas e n negativas. Agora, seja {w
1
, ..., w
n
} uma outra base de V, na qual f representada por uma matriz
diagonal com, digamos, p entradas positivas e n negativas. Podemos supor, sem perda de generalidade, que as entradas
positivas aparecem antes das demais, em cada matriz. Como pos(f) p n p

n , basta provar que p p .
Lipschutz_12.indd 377 07/02/11 17:24
LGEBRA LINEAR
378
Sejam U o espao gerado por u
1
, ..., u
p
e W o espao gerado por
n
. Ento f( , ) > 0 para cada vetor
no nulo para cada vetor no nulo . Logo, . Observe que dim U p e
Assim,
Como , resulta Analogamente, mostramos que , de
modo que , como queramos mostrar.
OBSERVAO A validade do Teorema 12.5 e a demonstrao apresentada dependem to somente do conceito de
positividade. Assim, o teorema tambm vlido em qualquer subcorpo K do corpo real , como o corpo racional
.
Formas quadrticas reais positivas
12.15 Prove que so equivalentes as definies dadas de positividade.
(a) So positivas as entradas diagonais de qualquer representao diagonal de q.
(b) q(Y) > 0, para qualquer vetor no nulo Y de .
Digamos que . Se todos os coeficientes forem positivos, claramente q(Y) > 0,
sempre que . Assim, (a) implica (b). Reciprocamente, suponha que (a) seja falso, ou seja, suponha que al-
guma entrada diagonal . Seja e
k
(0, ..., 1, ..., 0) o vetor com todas as entradas nulas, exceto por um 1 na
k-sima posio. Ento q(e
k
) a
k
no positivo, de modo que (b) falso. Assim, (b) implica (a). Em vista disso,
(a) e (b) so equivalentes.
12.16 Decida se a forma quadrtica dada positiva ou no.
Diagonalizamos a matriz simtrica A correspondente a q via congruncia.
(a) Aplicamos as operaes Substituir R
3
por 2R
1
R
3
e Substituir C
3
por 2C
1
C
3
e, depois, Substituir R
3
por
R
2
R
3
e Substituir C
3
por C
2
C
3
, obtendo
A representao diagonal de q contm as entradas positivas 1, 2, 1 na diagonal. Assim, q positiva.
(b) Temos
H uma entrada negativa 2 na representao diagonal de q. Assim, q no positiva.
12.17 Mostre que positiva se, e s se, a > 0 e o discriminante
Suponha que . Ento ou ; digamos, . Seja . Ento
Contudo, as afirmaes seguintes so equivalentes.
(i) positiva para cada valor de t.
(ii) se situa acima do eixo t.
(iii) a > 0 e .
_Book_Lipschutz.indb 378 22/12/10 09:05
CAPTULO 12 FORMAS BILINEARES, QUADRTICAS E HERMITIANAS 379
Assim, q positiva se, e s se, a > 0 e D < 0. [Observao: D < 0 o mesmo que det(A) > 0, sendo A a matriz simtrica
correspondente a q.]
12.18 Decida se a forma quadrtica dada positiva ou no.
Calculamos o discriminante e usamos o Problema 12.17.
(a) . Como a 1 > 0 e D < 0, q positiva.
(b) . Como D > 0, q no positiva.
(c) . Como a 3 > 0 e D < 0, q positiva.
Formas hermitianas
12.19 Decida se a matriz dada hermitiana.
Uma matriz complexa A [a
ij
] hermitiana se , ou seja, se .
(a) hermitiana, por ser igual transposta conjugada.
(b) No hermitiana, mesmo sendo simtrica; por exemplo, o conjugado de i i.
(c) hermitiana. Observe que uma matriz real hermitiana se, e s se, simtrica.
12.20 Seja A uma matriz hermitiana. Mostre que define uma forma hermitiana de C
n
.
Dados e quaisquer,
Logo, f linear na primeira varivel. Tambm
Assim, f uma forma hermitiana de .
OBSERVAO Utilizamos o fato de que escalar e, portanto, igual transposta.
12.21 Sejam f uma forma hermitiana de V e H a matriz de f na base S {u
i
} de V. Prove as afirmaes dadas.
(a) , para quaisquer .
(b) Se P a matriz de mudana de base de S para uma nova base de V, ento (ou ,
em que ) a matriz de f na nova base .
Observe que (b) o anlogo complexo do Teorema 12.2.
(a) Sejam e suponha que e . Calculando,
_Book_Lipschutz.indb 379 22/12/10 09:05
LGEBRA LINEAR
380
(b) Sendo P a matriz de mudana de base de S para , temos e , portanto, e
Assim, por (a),
Como u e so elementos arbitrrios de V, conclumos que a matriz de f na base
12.22 Considere a matriz hermitiana
.
Encontre uma matriz no singular P tal que seja diagonal. Tambm encontre a assinatura de H.
Usamos um Algoritmo 12.1 modificado, que aplica as mesmas operaes com as linhas, mas depois, o conjugado das
operaes correspondentes nas colunas. Assim, comeamos formando a matriz em blocos M [H, I], como segue.
Aplicamos as operaes Substituir R
2
por (1 i)R
1
R
2
e Substituir R
3
por 2iR
1
R
3
com as linhas de M e depois
as operaes conjugadas correspondentes Substituir C
2
por (1 i)C
1
C
2
e Substituir C
3
por 2iC
1
C
3
com as
colunas, obtendo
e, ento,
Agora aplicamos a operao Substituir R
3
por 5iR
2
2R
3
e a operao conjugada correspondente Substituir C
3
por
5iC
2
2C
3
, obtendo
e, ento,
Agora, H foi diagonalizada e a transposta de P est na metade direita de M. Assim, tomamos
e, ento,
Observe que D tem p 2 elementos diagonais positivos e n 1 entrada negativa. Assim, a assinatura de H sig(H)
p n 2 1 1.
Formas bilineares alternadas
12.23 Demonstre o Teorema 12.3. Seja f uma forma bilinear alternada de V. Ento existe uma base de V na qual f
representada por uma matriz diagonal em blocos M com blocos do tipo ou 0. O nmero de blocos

no nulos determinado de modo nico por f [porque igual metade do posto de f].
Se f 0, o teorema trivialmente verdadeiro. Tambm, se dim V 1, ento f(r
1
u, r
2
u) r
1
r
2
f(u, u) 0 e, portanto, f
0. Em vista disso, podemos supor que dim V > 1 e que .
Como , existem vetores (no nulos) tais que . De fato, multiplicando u
1
por um fator
apropriado, podemos supor que e, portanto, . Segue que u
1
e u
2
so linearmente indepen-
dentes, pois, se u
2
ru
1
, digamos, ento f(u
1
, u
2
) f(u
1
, ru
1
) rf(u
1
, u
1
) 0. Denotando U ger(u
1
, u
2
), obtemos as
afirmaes a seguir.
_Book_Lipschutz.indb 380 22/12/10 09:05
CAPTULO 12 FORMAS BILINEARES, QUADRTICAS E HERMITIANAS 381
(i) A representao matricial da restrio de f a U na base {u
1
, u
2
} .
(ii) Se , digamos, , ento
Seja W o conjunto daqueles vetores para os quais , ou seja,
Afirmamos que claro que , de modo que basta mostrar que V U W. Seja dado.
Tomamos

e w u (1)
Como u uma combinao linear de u
1
e u
2
, temos .
Mostremos que . Por (1) e (ii), , portanto,
Analogamente, e, portanto,
Ento e, por (1) segue que u w, com . Dessa forma, mostramos que V U W. Assim,
Resta observar que a restrio de f a W uma forma bilinear alternada de W. Por induo, existe uma base u
3
, ..., u
n
de
W na qual a representao matricial da restrio de f a W tem o formato procurado. Assim, u
1
, u
2
, u
3
, ..., u
n
uma base
de V na qual a representao matricial de f tem o formato procurado.
Problemas Complementares
Formas bilineares
12.24 Sejam Decida se a aplicao dada uma forma bilinear de ou no.
12.25 Seja f a forma bilinear de definida por
(a) Encontre a matriz A de f na base {u
1
(1, 1), u
2
(1, 2)}.
(b) Encontre a matriz B de f na base {
1
(1, 1),
2
(3, 1)}.
(c) Encontre a matriz de mudana de base P de {u
i
} para {
i
} e verifique que B P
T
AP.
12.26 Seja V o espao vetorial das matrizes quadradas de ordem 2 sobre . Seja dada e defina a aplicao f(A,
B) tr(A
T
MB), para , em que tr denota o trao. (a) Mostre que f uma forma bilinear de V. (b) Encontre a
matriz de f na base
12.27 Seja B(V) o conjunto das formas bilineares de V sobre K. Prove as afirmaes seguintes.
(a) Se , ento , para qualquer .
(b) Se e so funcionais lineares de V, ento pertence a B(V).
12.28 Denotemos por [f] a representao matricial de uma forma bilinear f de V em relao a uma base {u
1
, ..., u
n
} de V. Mos-
tre que a aplicao um isomorfismo de B(V) sobre o espao vetorial das matrizes quadradas de ordem n.
_Book_Lipschutz.indb 381 22/12/10 09:05
LGEBRA LINEAR
382
12.29 Seja f uma forma bilinear de V. Dado um subconjunto S qualquer de V, sejam
para cada e

para cada
Mostre que (a) so subespaos de V; (b) implica ;
(c)

12.30 Seja f uma forma bilinear de V. Prove que pos(f) e que, portanto,
12.31 Seja f uma forma bilinear de V. Dado qualquer , defina por e
. Prove as afirmaes seguintes.
(a) so lineares, ou seja, .
(b) so transformaes lineares de V em V*.
(c)
12.32 Mostre que a congruncia de matrizes (denotada por ) uma relao de equivalncia, isto ,
(a) (ii) se , ento ; (iii) se e , ento .
Formas bilineares simtricas, formas quadrticas
12.33 Encontre a matriz simtrica A associada forma quadrtica dada.
12.34 Encontre uma matriz no singular P tal que D P
T
AP seja diagonal, nos casos de A dados.
12.35 Sejam
(a) Reescreva q(x, y) em notao matricial e encontre a matriz A que representa a forma quadrtica.
(b) Reescreva a substituio linear usando notao matricial e encontre a matriz P correspondente substituio.
(c) Encontre q(s, t) usando (i) substituio direta, (ii) notao matricial.
12.36 Para a forma quadrtica q(x, y, z) dada, encontre uma substituio linear no singular escrevendo as variveis x, y, z em
termos de variveis r, s, t tais que q(r, s, t) seja diagonal.
Em cada caso, encontre o posto e a assinatura da forma.
12.37 D um exemplo de uma forma quadrtica q(x, y) tal que q(u) 0 e q( ) 0, mas .
12.38 Seja S(V) o conjunto de todas as formas bilineares simtricas de V. Mostre que
(a) S(V) um subespao de B(V); (b) se dim V n, ento
12.39 Considere um polinmio real quadrtico , com a
ij
a
ji
.
_Book_Lipschutz.indb 382 22/12/10 09:05
CAPTULO 12 FORMAS BILINEARES, QUADRTICAS E HERMITIANAS 383
(a) Se , mostre que a substituio
fornece a equao , em que tambm um polinmio quadrtico.
(b) Se a
11
0, mas, digamos, , mostre que a substituio
fornece a equao em que , o que reduz esse caso ao caso (a).
OBSERVAO Esse mtodo de diagonalizao de q conhecido como completamento do quadrado.
Formas quadrticas positivas
12.40 Decida se a forma quadrtica dada positiva ou no.
12.41 Encontre os valores de k com os quais a forma quadrtica dada positiva.
12.42 Seja A uma matriz real simtrica positiva. Mostre que A P
T
P, para alguma matriz no singular P.
Formas hermitianas
12.43 Modifique o Algoritmo 12.1 de tal modo que, para uma dada matriz hermitiana H, produza uma matriz no singular P
tal que seja diagonal.
12.44 Encontre uma matriz no singular P tal que seja diagonal, nos casos de H dados.
Em cada caso, encontre o posto e a assinatura da matriz.
12.45 Seja A uma matriz complexa no singular. Mostre que hermitiana e positiva.
12.46 Dizemos que B congruente hermitianamente a A se existir uma matriz no singular P tal que ou, equivalen-
temente, se existir uma matriz no singular Q tal que . Mostre que a congruncia hermitiana uma relao
de equivalncia. (Observao: se , ento .)
12.47 Demonstre o Teorema 12.7. Seja f uma forma hermitiana de V. Ento existe uma base S de V na qual f representada
por uma matriz diagonal e qualquer outra representao diagonal de f tem o mesmo nmero p de entradas positivas e o
mesmo nmero n de entradas negativas.
Problemas variados
12.48 Sejam e uma operao elementar com as linhas e f* a correspondente operao conjugada com as colunas (em que cada
escalar k de e substitudo pelo conjugado em f*). Mostre que a matriz elementar correspondente a f* a transposta
conjugada da matriz elementar correspondente a e.
12.49 Sejam V e W espaos vetoriais sobre K. Dizemos que uma aplicao uma forma bilinear de V e W se
(i) ,
(ii)
_Book_Lipschutz.indb 383 22/12/10 09:05
LGEBRA LINEAR
384
para quaisquer . Demonstre as afirmaes seguintes.
(a) O conjunto B(V, W) de todas as formas bilineares de V e W um subespao do espao vetorial das aplicaes de
em K.
(b) Se uma base de V* e uma base de W*, ento {f
ij
: i 1, ..., m, j 1, ..., n} uma base
de B(V, W), sendo f
ij
definido por Assim, dim B(V, W) dim V dim W.
[Observe que, se V W, ento obtemos o espao B(V) estudado neste captulo.]
12.50 Seja V um espao vetorial sobre K. Dizemos que uma aplicao uma forma multilinear (ou
m-linear) de V se f linear em cada varivel, ou seja, para cada i 1, ..., m,
em que denota o i-simo elemento, sendo todos os demais elementos mantidos fixados. Dizemos que uma forma
m-linear alternada se f(
1
, ...,
m
) 0, sempre que
i

j
, para . Demonstre as afirmaes seguintes.
(a) O conjunto B
m
(V) de todas as formas m-lineares de V um subespao do espao vetorial das aplicaes de
em K.
(b) O conjunto A
m
(V) das formas m-lineares alternadas de V um subespao de B
m
(V).
OBSERVAO 1 Se m 2, obtemos o espao B(V) estudado neste captulo.
OBSERVAO 2 Se V K
m
, ento a funo determinante uma forma alternada m-linear de V.
Respostas dos Problemas Complementares
Notao: denota uma matriz M de linhas R
1
, R
2
, ...
12.24 (a) , (b) No , (c) , (d) No , (e) No , (f) .
12.25
12.26
12.33
12.34
12.35
12.36
12.37
12.40 (a) , (b) No , (c) No , (d)
12.41
12.44
_Book_Lipschutz.indb 384 22/12/10 09:05
13.1 INTRODUO
Neste captulo investigamos o espao A(V) dos operadores lineares T de um espao com produto interno V. (Ver
Captulo 7.) Assim, o corpo K ou o corpo dos reais ou o corpo dos complexos Na verdade, utilizamos
terminologias diferentes para o caso real e o caso complexo. Tambm utilizamos o fato de que os produtos internos
dos espaos euclidianos real e complexo poderem ser definidos, respectivamente, por
e
onde u e so vetores coluna.
O leitor deveria rever o contedo do Captulo 7 para estar bastante familiarizado com os conceitos de norma
(comprimento), ortogonalidade e bases ortonormais. Observamos, tambm, que no Captulo 7 tratamos, principal-
mente, com espaos com produtos internos reais, ao passo que aqui vamos supor que V um espao com produto
interno complexo, salvo meno em contrrio.
Finalmente, observamos que no Captulo 2 denotamos a transposta conjugada de uma matriz complexa A por
A
H
, isto , A
H
Essa notao no padro. Muitos textos, principalmente os mais avanados, usam A* para
denotar essa matriz. Passamos a utilizar essa notao neste captulo. Assim, agora,
13.2 OPERADORES ADJUNTOS
Comeamos com uma definio bsica.
DEFINIO Dizemos que um operador linear T de um espao com produto interno V tem um operador adjunto
T* de V se , para quaisquer
No exemplo a seguir, mostramos que o operador adjunto tem uma descrio simples no contexto das transfor-
maes matriciais.
Exemplo 13.1
(a) Seja A uma matriz real quadrada de ordem n vista como um operador linear de Ento, dados
quaisquer,
Assim, a transposta A
T
de A a adjunta de A.
(b) Seja B uma matriz complexa quadrada de ordem n vista como um operador linear de Ento, dados
quaisquer,
Assim, a transposta conjugada B* de B a adjunta de B.
Operadores Lineares em
Espaos com Produto Interno
Captulo 13
_Book_Lipschutz.indb 385 22/12/10 09:05
LGEBRA LINEAR
386
OBSERVAO A notao B* pode significar tanto a adjunta de B como um operador linear ou a transposta con-
jugada de B como uma matriz. Pela parte (b) do exemplo precedente, essa ambiguidade irrelevante, pois ambas
denotam o mesmo objeto.
O teorema seguinte (demonstrado no Problema 13.4) o resultado principal desta seo.
Teorema 13.1 Seja T um operador linear de um espao vetorial com produto interno V de dimenso finita sobre
K. Valem as afirmaes a seguir.
(i) Existe um nico operador linear T* de V tal que , para quaisquer
(Ou seja, T tem um adjunto T*.)
(ii) Se A a representao matricial de T em relao a uma base ortonormal S {u
i
} de V, ento
a representao matricial de T* na base S a transposta conjugada A* de A (ou a transposta A
T
de
A se K for real).
Enfatizamos que essa relao simples entre as representaes matriciais de T e de T* no existe se S no for
ortonormal. Assim, vemos uma propriedade til das bases ortonormais. Tambm enfatizamos que esse teorema no
vlido se V tiver dimenso infinita (Problema 13.31).
O teorema seguinte (demonstrado no Problema 13.5) resume algumas das propriedades do adjunto.
Teorema 13.2 Sejam T, T
1
, T
2
operadores lineares de V e seja Ento
Observe a semelhana entre esse teorema e o Teorema 2.3 relativo s propriedades da operao de transposio
de matrizes.
Funcionais lineares e espaos com produto interno
No Captulo 11 vimos que um funcional linear de um espao vetorial V uma transformao linear
Nessa subseo apresentamos um resultado bsico (Teorema 13.3) que utilizado na demonstrao do importante
Teorema 13.1.
Seja V um espao com produto interno. Cada determina uma aplicao definida por
Agora, dados quaisquer e temos
Assim, um funcional linear de V. A recproca tambm verdadeira em espaos de dimenso finita e est in-
cluda no importante teorema a seguir (demonstrado no Problema 13.3).
Teorema 13.3 Seja um funcional linear de um espao com produto interno V de dimenso finita. Ento existe
um nico vetor tal que , para cada
Observamos que esse teorema no vlido em espaos de dimenso infinita (Problema 13.24).
13.3 ANALOGIA ENTRE A(V

) E , OPERADORES LINEARES ESPECIAIS
Seja A(V) a lgebra de todos os operadores lineares de um espao com produto interno V de dimenso finita. A apli-
cao adjunta de A(V) muito parecida com a aplicao de conjugao do corpo dos complexos
Para ilustrar essa analogia, identificamos na Tabela 13-1 certas classes de operadores cujo comportamen-
to pela aplicao adjunta imita o comportamento pela conjugao de certas classes de nmeros complexos.
A analogia entre esses operadores T e os nmeros complexos z refletida no prximo teorema.
_Book_Lipschutz.indb 386 22/12/10 09:05
CAPTULO 13 OPERADORES LINEARES EM ESPAOS COM PRODUTO INTERNO 387
Teorema 13.4 Seja um autovalor de um operador linear T de V.
(i) Se (ou seja, T ortogonal ou unitrio), ento
(ii) Se (ou seja, T autoadjunto), ento real.
(iii) Se (ou seja, T antiadjunto), ento imaginrio puro.
(iv) Se com S no singular (ou seja, T positivo), ento real e positivo.
Demonstrao. Em cada caso, seja um autovetor no nulo de T associado a ou seja, , com
Logo, positivo.
Demonstrao de (i). Mostramos que
Como temos e, portanto,
Demonstrao de (ii). Mostramos que
Como temos e, portanto, real.
Demonstrao de (iii). Mostramos que
Como temos ou e, portanto, imaginrio puro.
Demonstrao de (iv). Observe, inicialmente, que , pois S no singular. Logo, posi-
tivo. Mostramos que
.
Como e so positivos, temos que positivo.
Tabela 13.1
Classe de nmeros
complexos
Comportamento
pela conjugao Classe de operadores de A(V)
Comportamento pela
aplicao adjunta
Crculo unitrio (|z| 1) Operadores ortogonais (caso real)
Operadores unitrios (caso complexo)
Eixo real Operadores autoadjuntos
Tambm denominados simtricos (caso
real) ou hermitianos (caso complexo)
Eixo imaginrio Operadores antiadjuntos
Tambm denominados
antissimtricos (caso real) anti-hermitianos
ou (caso complexo)
Eixo real positivo
Operadores positivos

,
com S no singular
_Book_Lipschutz.indb 387 22/12/10 09:05
LGEBRA LINEAR
388
OBSERVAO Cada um desses operadores T comuta com seu adjunto, isto , TT* T*T. Tais operadores so
denominados operadores normais.
13.4 OPERADORES AUTOADJUNTOS
Seja T um operador autoadjunto de um espao com produto interno V, isto ,
T T*
(Se T estiver dado por uma matriz A, ento A simtrica ou hermitiana de acordo com A ser real ou complexa.)
Pelo Teorema 13.4, os autovalores de T so reais. Uma outra propriedade importante de T dada no teorema se-
guinte.
Teorema 13.5 Sejam T um operador autoadjunto de V e u e autovetores de T associados a autovalores distintos.
Ento u e so ortogonais, isto ,
Demonstrao. Digamos que e com Mostramos que .
(A quarta igualdade decorre de T* T e a ltima usa o fato de que o autovalor real.) Como obtemos
, demonstrando o teorema.
13.5 OPERADORES ORTOGONAIS E UNITRIOS
Seja U um operador linear de um espao com produto interno V de dimenso finita tal que
ou, equivalentemente,
J vimos que U denominado ortogonal ou unitrio, dependendo de o corpo subjacente ser real ou complexo. O
teorema seguinte (demonstrado no Problema 13.10) d uma caracterizao alternativa desses operadores.
Teorema 13.6 As condies seguintes sobre um operador U so equivalentes.
(i) isto , . [U unitrio (ortogonal).]
(ii) U preserva produtos internos, isto , dados quaisquer,
(iii) U preserva comprimentos, isto , ||U( )|| || ||, para cada .
Exemplo 13.2
(a) Seja o operador linear que gira cada vetor horizontalmente em torno do eixo z por um ngulo
fixado, conforme Figura 10-1 (Seo 10.3). Esse operador definido por
Observamos que os comprimentos (distncias a partir da origem) so preservados por T. Assim, T um ope-
rador ortogonal.
(b) Seja V o espao de Hilbert definido na Seo 7.3. Seja o operador linear definido por
Claramente, T preserva produtos internos e comprimentos. Contudo, T no uma aplicao sobrejetora por-
que, por exemplo, (1, 0, 0, ...) no pertence imagem de T; logo, T no invertvel. Vemos, assim, que o Teo-
rema 13.6 no vlido em espaos de dimenso infinita.
_Book_Lipschutz.indb 388 22/12/10 09:05
CAPTULO 13 OPERADORES LINEARES EM ESPAOS COM PRODUTO INTERNO 389
Um isomorfismo de um espao com produto interno sobre um outro uma aplicao bijetora que preserva as
trs propriedades bsicas de um espao com produto interno: a soma de vetores, a multiplicao por escalar e o
produto interno. Assim, as transformaes ortogonais e unitrias tambm podem ser caracterizadas como os iso-
morfismos de V sobre si mesmo. Observe que uma transformao U dessas tambm preserva distncias, j que
Por isso, tambm dizemos que U uma isometria.
13.6 MATRIZES ORTOGONAIS E UNITRIAS
Seja U um operador linear de um espao com produto interno V. A partir do Teorema 13.1, obtemos os resultados
a seguir.
Teorema 13.7a Uma matriz complexa A representa um operador unitrio U (em relao a alguma base ortonor-
mal) se, e s se,
Teorema 13.7b Uma matriz real A representa um operador ortogonal U (em relao a alguma base ortonormal)
se, e s se, .
Esses teoremas motivam as definies seguintes (apresentadas nas Sees 2.10 e 2.11).
DEFINIO Uma matriz complexa A tal que denominada matriz unitria.
DEFINIO Uma matriz real A tal que denominada matriz ortogonal.
Repetimos o Teorema 2.6, que caracteriza essas matrizes.
Teorema 13.8 Seja A uma matriz. As afirmaes seguintes so equivalentes.
(i) A unitria (ortogonal).
(ii) As linhas de A constituem um conjunto ortonormal.
(iii) As colunas de A constituem um conjunto ortonormal.
13.7 MUDANA DE BASES ORTONORMAIS
As bases ortonormais desempenham um papel especial na teoria dos espaos vetoriais com produto interno V.
Assim, naturalmente estamos interessados nas propriedades da matriz de mudana de base de uma dessas bases
para outra. Vale o teorema seguinte (demonstrado no Problema 13.12).
Teorema 13.9 Seja {u
1
, ..., u
n
} uma base ortonormal de um espao com produto interno V. Ento, a matriz de
mudana de base de {u
i
} para uma outra base ortonormal unitria (ortogonal). Reciprocamente, se P [a
ij
] uma
matriz unitria (ortogonal), ento o conjunto dado a seguir uma base ortonormal de V.
Sabemos que matrizes A e B que representam um mesmo operador linear T so semelhantes, isto , ,
onde P a matriz (no singular) de mudana de base. Por outro lado, se V um espao com produto interno, esta-
mos usualmente interessados no caso em que P unitria (ou ortogonal), como foi sugerido no Teorema 13.9.
(Lembremos que P unitria se sua inversa for a transposta conjugada e que P ortogonal se sua inver-
sa for a transposta .) Isso conduz seguinte definio.
DEFINIO As matrizes complexas A e B so unitariamente equivalentes se existir alguma matriz unitria P tal
que B P*AP. Analogamente, as matrizes reais A e B so ortogonalmente equivalentes se existir alguma matriz
ortogonal P tal que B P
T
AP.
Observe que matrizes ortogonalmente equivalentes so necessariamente congruentes.
_Book_Lipschutz.indb 389 22/12/10 09:05
LGEBRA LINEAR
390
13.8 OPERADORES NO NEGATIVOS E POSITIVOS
Seja P um operador linear de um espao com produto interno V. Dizemos que
(i) P positivo se P S*S, para algum operador no singular S.
(ii) P no negativo se P S*S, para algum operador S.
Uma caracterizao alternativa desses operadores dada nos teoremas seguintes.
Teorema 13.10a Seja P um operador. As afirmaes seguintes so equivalentes.
(i) , para algum operador no singular autoadjunto T.
(ii) P positivo.
(iii) P autoadjunto e , para cada de V.
Vale o teorema correspondente para operadores no negativos (demonstrado no Problema 13.21).
Teorema 13.10b Seja P um operador. As afirmaes seguintes so equivalentes.
(i) , para algum operador autoadjunto T.
(ii) P no negativo, isto , P S*S, para algum operador S.
(iii) P autoadjunto e , para cada de V.
13.9 DIAGONALIZAO E FORMAS CANNICAS EM ESPAOS
COM PRODUTO INTERNO
Seja T um operador linear de um espao com produto interno V de dimenso finita sobre o corpo K. A representa-
o de T por uma matriz diagonal depende dos autovetores e autovalores de T e, portanto, depende das razes do
polinmio caracterstico de T. Agora, sempre se fatora em polinmios lineares sobre o corpo complexo
, mas pode no conter fatores lineares sobre o corpo real . Assim, a situao para espaos com produto interno
reais (tambm denominados espaos euclidianos) intrinsecamente diferente da situao para espaos com produ-
to interno complexos (tambm denominados espaos unitrios) e, portanto, sero tratados separadamente.
Espaos com produto interno reais, operadores simtricos e ortogonais
Vale o teorema seguinte (demonstrado no Problema 13.14).
Teorema 13.11 Seja T um operador simtrico (autoadjunto) de um espao com produto interno real V de dimen-
so finita. Ento existe uma base ortonormal de V constituda por autovetores de T, isto , T pode ser representado
por uma matriz diagonal em relao a alguma base ortonormal.
Segue a afirmao correspondente para matrizes.
Teorema 13.11 (Forma Alternativa) Seja A uma matriz simtrica real. Ento existe uma matriz ortogonal P tal
que diagonal.
Podemos escolher as colunas da matriz P do enunciado como autovetores ortogonais normalizados de A; en-
to, os elementos diagonais de B so os autovalores associados.
Por outro lado, um operador ortogonal T no precisa ser simtrico, logo, pode no ser representvel por uma
matriz diagonal em relao a uma base ortonormal. Entretanto, um operador T desses possui uma representao
cannica simples, conforme descrito no teorema a seguir (demonstrado no Problema 13.16).
_Book_Lipschutz.indb 390 22/12/10 09:05
CAPTULO 13 OPERADORES LINEARES EM ESPAOS COM PRODUTO INTERNO 391
Teorema 13.12 Seja T um operador ortogonal de um espao com produto interno real V. Ento existe uma base
ortonormal de V na qual T representado por uma matriz diagonal em blocos M do tipo
Observemos que cada um dos blocos diagonais representa uma rotao num subespao de dimenso dois
associado e que cada elemento diagonal 1 da matriz I
t
oposta da identidade representa uma reflexo num subes-
pao unidimensional associado.
Espaos com produto interno complexos, operadores normais e triangulares
Dizemos que um operador linear T normal se comutar com seu adjunto, isto , se TT* T*T. Observe que os
operadores normais incluem ambos os operadores autoadjuntos e os unitrios.
Analogamente, dizemos que uma matriz complexa A normal se comutar com sua transposta conjugada, isto
, se AA* A*A.
Exemplo 13.3 Seja . Ento e, tambm, Assim,
A normal.
Vale o teorema seguinte (demonstrado no Problema 13.19).
Teorema 13.13 Seja T um operador normal de um espao com produto interno complexo V de dimenso finita.
Ento existe uma base ortonormal de V constituda por autovetores de T, isto , T pode ser representado por uma
matriz diagonal em relao a alguma base ortonormal.
Segue a afirmao correspondente para matrizes.
Teorema 13.13 (Forma Alternativa) Seja A uma matriz normal. Ento existe uma matriz unitria P tal que
diagonal.
No teorema a seguir (demonstrado no Problema 13.20) vemos que mesmo operadores de espaos unitrios que
no sejam normais tm uma forma relativamente simples.
Teorema 13.14 Seja T um operador qualquer de um espao com produto interno complexo V de dimenso finita.
Ento T pode ser representado por uma matriz triangular em relao a alguma base ortonormal de V.
Teorema 13.14 (Forma Alternativa) Seja A uma matriz complexa qualquer. Ento existe uma matriz unitria P tal
que triangular.
13.10 TEOREMA ESPECTRAL
O teorema espectral uma reformulao dos teoremas de diagonalizao 13.11 e 13.13.
Teorema 13.15 (Teorema Espectral) Seja T um operador normal (simtrico) de um espao com produto interno V
complexo (real) de dimenso finita. Ento existem operadores lineares E
1
, ..., E
r
de V e escalares tais que
_Book_Lipschutz.indb 391 22/12/10 09:05
LGEBRA LINEAR
392
Esses operadores lineares E
1
, ..., E
r
de V so projees, isto , Alm disso, so projees ortogonais,
porque tm a propriedade adicional que , com
No exemplo a seguir, vemos a relao entre a representao matricial diagonal e as correspondentes projees
ortogonais.
Exemplo 13.4 Considere as matrizes diagonais A, E
1
, E
2
, E
3
seguintes.
Temos
(i) , (ii) , (iii) , (iv) , com
Problemas Resolvidos
Operadores adjuntos
13.1 Encontre o adjunto do operador definido por
Comeamos calculando a matriz A que representa F na base cannica de , ou seja, a matriz A cujas colunas so os
coeficientes de x, y, z e, depois, tomamos a transposta A
T
de A, como segue.
e, ento,
A adjunta F* representada pela transposta de A; logo,
13.2 Encontre o adjunto do operador definido por
Comeamos calculando a matriz B que representa G na base cannica de e, depois, tomamos a transposta conjugada
B* de B, como segue.
e, ento,
Assim,
13.3 Demonstre o Teorema 13.3. Seja um funcional linear de um espao com produto interno V de dimenso
finita. Ento existe um nico vetor tal que , para cada
Seja {w
1
, ..., w
n
} uma base ortonormal de V. Definimos
Seja o funcional linear de V definido por , para cada Ento, para i 1, ..., n,
_Book_Lipschutz.indb 392 22/12/10 09:05
CAPTULO 13 OPERADORES LINEARES EM ESPAOS COM PRODUTO INTERNO 393
Como e coincidem nos vetores da base, obtemos
Suponha, agora, que seja um outro vetor de V tal que , para cada Ento , ou
Em particular, isso vale para o vetor ou seja, Disso decorre que
e Assim, o vetor u nico, como queramos mostrar.
13.4 Demonstre o Teorema 13.1. Seja T um operador linear de um espao vetorial com produto interno V de
dimenso finita. Valem as afirmaes a seguir.
(a) Existe um nico operador linear T* de V tal que
, para quaisquer
(b) Se A a representao matricial de T em relao a uma base ortonormal S {u
i
} de V, ento a
representao matricial de T* na base S a transposta conjugada A* de A.
(a) Definamos o operador T*. Seja um vetor arbitrrio de V fixado. A aplicao um funcional
linear de V. Logo, pelo Teorema 13.3, existe um nico vetor tal que , para cada
Definimos por Ento , para cada
Mostremos que T* linear. Dados e quaisquer,
Como isso vlido para cada , temos Assim, T* linear.
(b) As matrizes A [a
ij
] e B [b
ij
] que representam T e T*, respectivamente, na base S so dadas por
e (Problema 13.67). Logo,
Assim, B A*, como queramos mostrar.
13.5 Demonstre o Teorema 13.2.
(i) Dados
Pela unicidade do adjunto, resulta
(ii) Dados
A unicidade do adjunto implica
(iii) Dados
A unicidade do adjunto implica
(iv) Dados
A unicidade do adjunto implica
_Book_Lipschutz.indb 393 22/12/10 09:05
LGEBRA LINEAR
394
13.6 Mostre que (a) I* I, (b) 0* 0.
(a) Dados , logo, I* I.
(b) Dados logo, 0* 0.
13.7 Seja T invertvel. Mostre que
portanto,
13.8 Sejam T um operador linear de V e W um subespao T-invariante de V. Mostre que invariante por T*.
Seja . Se , ento e, portanto, Logo, , j que
ortogonal a cada Assim, invariante por T*.
13.9 Seja T um operador linear de V. Mostre que cada uma das condies seguintes implica T 0.
(i) , para quaisquer .
(ii) V um espao complexo e , para cada .
(iii) V autoadjunto e , para cada .
D um exemplo de um operador T de um espao real V tal que valha para cada , mas
[Ou seja, (ii) no vale em espaos reais V.]
(i) Tomando v T(u), temos e, portanto, T(u) 0, para cada . Assim, T 0.
(ii) Por hiptese, para quaisquer . Expandindo e usando e
, obtemos
(1)
Observe que w arbitrrio em (1). Substituindo w por iw e usando e
, obtemos
Dividindo por i e somando com (1), resulta para quaisquer . Por (i), T 0.
(iii) Por (ii), a afirmao vale em espaos complexos, portanto, resta provar a afirmao no caso real. Expandindo
, novamente obtemos (1). Como T autoadjunto e o espao real, temos
. Substituindo isso em (1), resulta , para quaisquer .
Por (i), T 0.
Como um exemplo, considere o operador linear T de definido por T(x, y) (y, x). Ento, ,
para cada , mas
Operadores e matrizes ortogonais e unitrios
13.10 Demonstre o Teorema 13.6. As condies seguintes sobre um operador U so equivalentes.
(i) , isto , U unitrio. (ii) (iii)
Suponha que (i) valha. Ento, dados quaisquer ,
Assim, (i) implica (ii). Suponha que (ii) valha. Ento
Assim, (ii) implica (iii). Resta mostrar que (iii) implica (i).
Suponha que (iii) valha. Ento, para cada ,
Logo, , para cada . Como autoadjunto (demonstre), pelo Problema 13.9
temos que e, portanto, . Assim, , como queramos provar.
_Book_Lipschutz.indb 394 22/12/10 09:05
CAPTULO 13 OPERADORES LINEARES EM ESPAOS COM PRODUTO INTERNO 395
13.11 Sejam U um operador unitrio (ortogonal) de V e W um subespao de V invariante por U. Mostre que
tambm invariante por U.
Como U no singular, U(W) W, de modo que, para cada , existe algum tal que .
Seja, agora, . Ento, para cada ,
Assim, U( ) pertence a . Dessa forma, invariante por U.
13.12 Demonstre o Teorema 13.9. A matriz de mudana de base de uma base ortonormal {u
1
, ..., u
n
} para uma
outra base ortonormal unitria (ortogonal). Reciprocamente, se P [a
ij
] uma matriz unitria (ortogonal),
ento os vetores formam uma base ortonormal.
Seja {
i
} uma outra base ortonormal e suponha que
(1)
Como {
i
} ortonormal,
(2)
Seja B [b
ij
] a matriz de coeficientes em (1). (Ento B
T
a matriz de mudana de base de {u
i
} para {
i
}.) Ento
BB* [c
ij
], com Por (2), temos e, portanto, BB* I. Dessa forma, B e,
portanto, B* unitria.
Falta provar que ortonormal. Pelo Problema 13.67,
onde C
i
denota a i-sima coluna da matriz unitria (ortogonal) P [a
ij
]. Como P unitria (ortogonal), suas colunas so
ortonormais, portanto, . Assim, uma base ortonormal.
Operadores simtricos e formas cannicas em espaos euclidianos
13.13 Seja T um operador simtrico. Mostre que (a) o polinmio caracterstico de T um produto de polin-
mios lineares (sobre ) e que (b) T tem algum autovetor no nulo.
(a) Seja A a matriz que representa T nalguma base ortonormal de V; ento A A
T
. Seja o polinmio caracterstico
de A. Vendo A como um operador autoadjunto complexo, o Teorema 13.4 garante que todos autovalores de A so
reais. Assim,
em que todos os so reais. Em outras palavras, um produto de polinmios lineares sobre .
(b) Por (a), T tem pelo menos um autovalor (real). Assim, T tem algum autovetor no nulo.
13.14 Demonstre o Teorema 13.11. Seja T um operador simtrico de um espao com produto interno real V de
dimenso finita. Ento existe uma base ortonormal de V constituda por autovetores de T. (Logo, T pode ser
representado por uma matriz diagonal em relao a alguma base ortonormal.)
A demonstrao por induo na dimenso n de V. Se dim V 1, a afirmao do teorema vlida trivialmente. Supo-
nha, ento, que dim V n > 1 e que o teorema seja vlido para operadores simtricos de espaos de dimenso n 1.
Pelo Problema 13.13, existe algum autovetor no nulo
1
de T. Seja W o espao gerado por
1
e seja u
1
um vetor unitrio
de W, por exemplo, .
Como
1
um autovetor de T, o subespao W de V invariante por T. Pelo Problema 13.8, invariante por T* T.
Assim, a restrio de T a um operador simtrico. Pelo Teorema 7.4, temos . Logo, ,
j que dim W 1. Por induo, existe uma base ortonormal {u
2
, ..., u
n
} de consistindo de autovetores de e, por-
tanto, de T. Entretanto, temos , para i 2, ..., n, j que . Dessa forma, {u
1
, u
2
, ..., u
n
} um conjunto
ortonormal consistindo em autovetores de T. O teorema est demonstrado.
13.15 Seja . Encontre uma mudana de coordenadas ortogonal (substituio linear)
que diagonalize a forma quadrtica q.
_Book_Lipschutz.indb 395 22/12/10 09:05
LGEBRA LINEAR
396
Calculamos a matriz simtrica A que representa q e seu polinmio caracterstico , como segue.
e
Os autovalores so e . Logo, a forma diagonal de q
(em que usamos novas variveis s e t). A mudana de coordenadas ortogonal correspondente obtida por meio de um
conjunto ortogonal de autovalores de A.
Subtramos das entradas diagonais de A para obter a matriz
correspondente a ou
Uma soluo no nula u
1
(3, 1). Em seguida, subtramos das entradas diagonais de A para obter a matriz
correspondente a ou
Uma soluo no nula u
2
(1, 3). Normalizamos u
1
e u
2
para obter a base ortonormal
Seja P a matriz cujas colunas so e . Ento
e
Assim, a mudana de coordenadas ortogonal
ou
Tambm podemos escrever s e t em termos de x e y usando , como segue.
13.16 Demonstre o Teorema 13.12. Seja T um operador ortogonal de um espao com produto interno real V. Ento
existe uma base ortonormal de V na qual T representado por uma matriz diagonal em blocos M do tipo
Seja . Ento . Assim, S um operador simtrico de V. Pelo
Teorema 13.11, existe uma base ortonormal de V consistindo em autovetores de S. Se denota os autovalores
distintos de S, ento V pode ser decomposto na soma direta , em que V
i
consiste nos autove-
tores associados a . Afirmamos que cada V
i
invariante por T. De fato, dado , temos e, portanto,
Isso mostra que e, portanto, V
i
invariante por T. Como os V
i
so ortogonais uns aos outros, podemos restrin-
gir nossa investigao ao modo pelo qual T atua em cada V
i
individualmente.
Num dado V
i
, temos . Multiplicando por T, obtemos
(1)
_Book_Lipschutz.indb 396 22/12/10 09:05
CAPTULO 13 OPERADORES LINEARES EM ESPAOS COM PRODUTO INTERNO 397
Consideramos os casos e separadamente. Se , ento , o que conduz a
, ou . Assim, T restrito a esse V
i
I ou I.
Se , ento T no tem autovetores em V
i
, pois, pelo Teorema 13.4, os nicos autovalores de T so 1 e 1. Dessa
forma, para , os vetores e T( ) so linearmente independentes. Seja W o subespao gerado por e T( ). Ento W
invariante por T, pois, usando (1), obtemos
Pelo Teorema 7.4, . Alm disso, pelo Problema 13.8, tambm invariante por T. Assim, podemos de-
compor V
i
na soma direta de subespaos bidimensionais W
j
, onde os W
j
so ortogonais uns aos outros e cada W
j
inva-
riante por T. Assim, agora podemos restringir nossa investigao ao modo pelo qual T age em cada W
j
individualmente.
Como , o polinmio caracterstico de T agindo em W
j
. Assim, o determi-
nante de T 1, que o termo constante de . Pelo Teorema 2.7, a matriz A que representa T agindo em W
j
em relao
a alguma base ortonormal de W
j
deve ser da forma
A unio das bases dos vrios W
j
nos d uma base ortonormal de V
i
e a unio das bases dos V
i
d uma base ortonormal de
V, na qual a matriz que representa T da forma procurada.
Operadores normais e formas cannicas em espaos unitrios
13.17 Decida se a matriz dada normal ou no.
(a) , (b)
(a) ,
Como , a matriz A no normal.
(b)
Como , a matriz B normal.
13.18 Seja T um operador normal. Prove as afirmaes dadas.
(a) T( ) 0 se, e s se, T*( ) 0. (b) normal.
(c) Se , ento logo, cada autovetor de T , tambm, um autovetor de T*.
(d) Se e , com ento isto , autovetores de T associados a
autovalores distintos so ortogonais.
(a) Mostramos que como segue.
Logo, por [I
3
] da definio de produto interno na Seo 7.2, vale (a).
(b) Mostramos que comuta com seu adjunto.
Assim, normal.
_Book_Lipschutz.indb 397 22/12/10 09:05
LGEBRA LINEAR
398
(c) Se , ento . Por (b), normal, portanto, por (a), temos . Logo
e, assim, .
(d) Mostramos que como segue.
Como obtemos
13.19 Demonstre o Teorema 13.13. Seja T um operador normal de um espao com produto interno complexo V de
dimenso finita. Ento existe uma base ortonormal de V constituda por autovetores de T. (Assim, T pode
ser representado por uma matriz diagonal em relao a alguma base ortonormal.)
A demonstrao por induo na dimenso n de V. Se dim V 1, a afirmao do teorema vlida trivialmente. Supo-
nha, ento, que dim V n > 1 e que o teorema seja vlido para operadores normais de espaos complexos de dimenso
n 1. Como V um espao vetorial complexo, T tem, ao menos, um autovalor e, portanto, um autovetor no nulo .
Seja W o subespao de V gerado por e seja u
1
um vetor unitrio de W.
Como um autovetor de T, o subespao W invariante por T. Contudo, tambm um autovetor de T*, pelo Proble-
ma 13.18; logo, W tambm invariante por T*. Pelo Problema 13.18, invariante por T** T. O resto da demons-
trao idntico ltima parte da demonstrao do Teorema 13.11 (Problema 13.14).
13.20 Demonstre o Teorema 13.14. Seja T um operador qualquer de um espao com produto interno complexo
V de dimenso finita. Ento T pode ser representado por uma matriz triangular em relao a alguma base
ortonormal de V.
A demonstrao por induo na dimenso n de V. Se dim V 1, a afirmao do teorema vlida trivialmente. Supo-
nha, ento, que dim V n > 1 e que o teorema seja vlido para operadores de espaos complexos de dimenso n 1.
Como V um espao vetorial complexo, T tem, ao menos, um autovalor e, portanto, um autovetor no nulo . Seja W o
subespao de V gerado por e seja u
1
um vetor unitrio de W. Ento u
1
um autovetor de T e, digamos, T(u
1
) a
11
u
1
.
Pelo Teorema 7.4, . Denotemos por E a projeo ortogonal de V sobre . Claramente, invariante
pelo operador ET. Por induo, existe uma base ortonormal {u
2
, ..., u
n
} de tal que, para i 2, ..., n,
(Observe que {u
1
, u
2
, ..., u
n
} uma base ortonormal de V.) Como E a projeo ortogonal de V sobre decorre que
para i 2, ..., n. Isso, com T(u
1
) a
11
u
1
, d o resultado procurado.
Problemas variados
13.21 Demonstre o Teorema 13.10b. Seja P um operador. As afirmaes seguintes so equivalentes.
(i) , para algum operador autoadjunto T.
(ii) P no negativo, isto , P S*S, para algum operador S.
(iii) P autoadjunto e , para cada de V.
Suponha que (i) valha, ou seja, que , com . Ento e, portanto, (i) implica (ii). Suponha,
agora, que (ii) valha. Ento e, portanto, P autoadjunto. Alm disso,
Assim, (ii) implica (iii) e resta provar que (iii) implica (i).
Suponha que (iii) valha. Como P autoadjunto, existe uma base ortonormal {u
1
, ..., u
n
} consistindo em autovetores de
P; digamos que Pelo Teorema 13.14, os so reais. Usando (iii), mostremos que os no so negativos.
Para cada i, temos
Assim, , o que fora , como queramos. Em vista disso, um nmero real. Seja T o operador
linear definido por
, com i 1, ..., n
_Book_Lipschutz.indb 398 22/12/10 09:05
CAPTULO 13 OPERADORES LINEARES EM ESPAOS COM PRODUTO INTERNO 399
Como T representado por uma matriz diagonal real na base ortonormal {u
i
}, decorre que T autoadjunto. Alm disso,
para cada i,
Como os valores de T
2
e P coincidem numa base de V, resulta T
2
P. O teorema est demonstrado.
OBSERVAO O operador T da demonstrao o nico operador positivo tal que P T
2
, denominado raiz
quadrada positiva de P.
13.22 Mostre que todo operador T a soma de um operador autoadjunto e de um operador antiadjunto.
Tomamos e . Ento T S U, com
e
Assim, S autoadjunto e T antiadjunto.
13.23 Prove. Seja T um operador linear qualquer de um espao com produto interno V de dimenso finita. Ento T
um produto de um operador unitrio (ortogonal) U e um nico operador positivo P, ou seja, T UP. Alm
disso, se T for invertvel, ento U tambm determinado de maneira nica.
Pelo Teorema 13.10, T*T um operador no negativo e, portanto, existe um (nico) operador no negativo P tal
que P
2
T*T (Problema 13.43). Observe que
(1)
Consideremos agora, separadamente, os casos de T ser ou no invertvel.
Se T invertvel, tomamos e mostramos que unitrio, como segue.
e
Assim, unitrio. Agora tomamos . Ento U tambm unitrio e T UP, como queramos.
Para demonstrar a unicidade, supomos que T U
0
P
0
, com U
0
unitrio e P
0
no negativo. Ento
Mas a raiz quadrada positiva de T*T nica (Problema 13.43), de modo que P
0
P. (Observe que a invertibilidade de
T no foi usada na demonstrao da unicidade de P.) Agora, sendo T invertvel, (1) garante que P tambm invertvel.
Multiplicando U
0
P UP direita por , resulta U
0
U. Assim, tambm U nico se T for invertvel.
Suponha, agora, que T no seja invertvel. Seja W a imagem de P, isto , W Im P. Definimos por
onde (2)
Precisamos mostrar que U
1
est bem definido, isto , que implica . Isso segue do fato de que
equivalente a , o que fora , por (1). Assim, U
1
um operador bem
definido. A seguir, definimos . Observe que, por (1), P e T tm o mesmo ncleo. Logo, as imagens de P e T
tm a mesma dimenso, isto , dim (Im P) dim W dim (Im T). Consequentemente, e tambm tm a
mesma dimenso. Seja U
2
um isomorfismo qualquer de sobre .
A seguir, tomamos . [Aqui, definimos U como segue. Se e , com
ento .] Ocorre que U linear (Problema 13.69) e, se e P( ) w, ento, por (2),
Assim, T UP, como queramos.
Resta mostrar que U unitrio. Todo vetor pode ser escrito da forma , onde
. Ento , com , por definio de U
2
. Tambm
, por (1). Assim,
[Tambm usamos o fato de que .] Assim, U unitrio e o teorema est demonstrado.
_Book_Lipschutz.indb 399 22/12/10 09:05
LGEBRA LINEAR
400
13.24 Seja V o espao vetorial dos polinmios sobre com o produto interno definido por
D um exemplo de um funcional linear de V para o qual no valha o Teorema 13.3, ou seja, para o qual
no exista polinmio h(t) algum tal que , para cada .
Seja definido por , ou seja, calcula f(t) em 0 e, portanto, leva f(t) em seu termo constante.
Suponha que h(t) seja um polinmio tal que
(1)
para cada polinmio f(t). Observe que leva o polinmio tf(t) em 0, portanto, por (1),
(2)
para cada polinmio f(t). Em particular, (2) deve valer para o polinmio f(t) th(t), ou seja,
Essa integral fora h(t) a ser o polinmio nulo, portanto, para cada polinmio . Isso
contradiz o fato de que no o funcional nulo. Assim, tal polinmio h(t) no existe.
Problemas Complementares
Operadores adjuntos
13.25 Encontre a adjunta da matriz dada.
(a) , (b) , (c)
13.26 Seja definido por . Encontre T*(x, y, z).
13.27 Seja definido por . Encontre T*(x, y, z).
13.28 Para cada funcional linear de V dado, encontre tal que , para cada .
(a) definido por
(b) , definido por
13.29 Seja T um operador de um espao V de dimenso finita. Prove que a imagem de T* o complemento ortogonal do n-
cleo de T, ou seja, . Assim, pos(T) pos(T*).
13.30 Mostre que T*T 0 implica T 0.
13.31 Seja V o espao vetorial dos polinmios sobre com o produto interno definido por . Seja D o
operador derivada de V, ou seja, D(f) df/dt. Mostre que no existe operador D* de V tal que ,
para quaisquer . Assim, D no tem adjunto.
_Book_Lipschutz.indb 400 22/12/10 09:05
CAPTULO 13 OPERADORES LINEARES EM ESPAOS COM PRODUTO INTERNO 401
Operadores e matrizes unitrios e ortogonais
13.32 Encontre uma matriz unitria (ortogonal) cuja primeira linha seja
(a) , (b) um mltiplo de (1, 1, i), (c) um mltiplo de (1, i, 1, i).
13.33 Prove que os produtos e as inversas de matrizes ortogonais so ortogonais. (Assim, as matrizes ortogonais formam um
grupo perante a multiplicao, denominado grupo ortogonal.)
13.34 Prove que os produtos e as inversas de matrizes unitrias so unitrias. (Assim, as matrizes unitrias formam um grupo
perante a multiplicao, denominado grupo unitrio.)
13.35 Mostre que, se uma matriz ortogonal (unitria) triangular, ento ela diagonal.
13.36 Lembre que as matrizes complexas A e B so unitariamente equivalentes se existir uma matriz unitria P tal que B
P*AP. Mostre que essa equivalncia uma relao de equivalncia.
13.37 Lembre que as matrizes reais A e B so ortogonalmente equivalentes se existir uma matriz ortogonal P tal que B
P
T
AP. Mostre que essa equivalncia uma relao de equivalncia.
13.38 Seja W um subespao de V. Dado qualquer escreva , com . (Uma tal soma nica
porque .) Seja definido por . Mostre que T um operador unitrio autoadjunto
de V.
13.39 Sejam V um espao com produto interno e uma aplicao (no necessariamente linear) sobrejetora que
preserva o produto interno, ou seja, , para quaisquer . Prove que U linear e, portanto,
unitrio.
Operadores no negativos e positivos
13.40 Mostre que a soma de dois operadores no negativos (positivos) um operador no negativo (positivo).
13.41 Seja T um operador linear de V e defina por . Mostre que f um produto interno de
V se, e s se, T positivo.
13.42 Seja E uma projeo ortogonal sobre algum subespao W de V. Prove que kI E um operador no negativo (positivo)
se (k > 0).
13.43 Considere o operador T definido por na prova do Teorema 13.10b (Problema 13.21).
Mostre que T no negativo e que o nico operador no negativo tal que T
2
P.
13.44 Suponha que P seja no negativo e unitrio. Prove que P I.
13.45 Decida se a matriz dada no negativa ou positiva.
(a) (b) (c) (d) (e) (f)
13.46 Prove que uma matriz complexa no negativa se, e s se, (i) A A* e (ii) a, d e |A| ad bc so
nmeros reais no negativos.
13.47 Prove que uma matriz diagonal A no negativa (positiva) se, e s se, cada entrada diagonal um nmero real no
negativo (positivo).
_Book_Lipschutz.indb 401 22/12/10 09:05
LGEBRA LINEAR
402
Matrizes autoadjuntas e simtricas
13.48 Dado qualquer operador T, mostre que T T* autoadjunto e que T T* antiadjunto.
13.49 Seja T autoadjunto. Mostre que implica T( ) 0. Use isso para provar que tambm implica T( )
0, com n > 0.
13.50 Seja V um espao com produto interno complexo. Suponha que seja real, para cada . Mostre que T
autoadjunto.
13.51 Sejam T
1
e T
2
operadores autoadjuntos. Mostre que T
1
T
2
autoadjunto se, e s se, T
1
e T
2
comutam, isto , T
1
T
2
T
2
T
1
.
13.52 Para cada matriz simtrica A dada, encontre uma matriz ortogonal P e uma matriz diagonal D tais que D P
T
AP.
(a) (b) (c)
13.53 Encontre uma mudana de coordenadas ortogonal que diagonalize cada forma quadrtica dada e encontre a
correspondente forma quadrtica diagonal .
(a)
(b)
Operadores e matrizes normais
13.54 Seja . Verifique que A normal. Encontre uma matriz unitria P tal que P*AP seja diagonal. Encontre P*AP.
13.55 Mostre que uma matriz triangular normal se, e s se, diagonal.
13.56 Prove que se T um operador normal de V, ento , para cada . Prove que a recproca vale em
espaos com produto interno complexos.
13.57 Mostre que operadores autoadjuntos, antiadjuntos e unitrios (ortogonais) so normais.
13.58 Seja T um operador normal. Prove as afirmaes dadas.
(a) T autoadjunto se, e s se, os autovalores de T so nmeros reais.
(b) T unitrio se, e s se, os autovalores de T tm valor absoluto 1.
(c) T no negativo se, e s se, os autovalores de T so nmeros reais no negativos.
13.59 Seja T um operador normal. Mostre que T e T* tm o mesmo ncleo e a mesma imagem.
13.60 Sejam T
1
e T
2
operadores normais que comutam. Mostre que T
1
T
2
e T
1
T
2
tambm so normais.
13.61 Seja T
1
um operador normal que comuta com um operador T
2
. Mostre que T
1
tambm comuta com o operador .
13.62 Demonstre a afirmao seguinte. Sejam T
1
e T
2
operadores normais de um espao com produto interno complexo V
de dimenso finita. Ento existe uma base ortonormal de V consistindo de autovetores de T
1
e T
2
. (Assim, T
1
e T
2
so
simultaneamente diagonalizveis.)
Isomorfismos de espaos com produto interno
13.63 Seja S {u
1
, ..., u
n
} uma base ortonormal de um espao com produto interno V sobre K. Mostre que a aplicao
um isomorfismo (de espaos com produto interno) de V sobre K
n
. (Aqui, [ ]
S
denota o vetor de coordenadas
de na base S.)
_Book_Lipschutz.indb 402 22/12/10 09:05
CAPTULO 13 OPERADORES LINEARES EM ESPAOS COM PRODUTO INTERNO 403
13.64 Mostre que dois espaos com produto interno V e W sobre K so isomorfos se, e s se, V e W tm a mesma dimenso.
13.65 Sejam {u
1
, ..., u
n
} e bases ortonormais de V e W, respectivamente. Seja a transformao linear
definida por , para cada i. Mostre que T um isomorfismo.
13.66 Seja V um espao com produto interno. Vimos que cada determina um funcional linear do espao dual V* pela
definio , com . (Ver o texto que precede o Teorema 13.3.) Mostre que a aplicao linear
e no singular e, portanto, um isomorfismo de V sobre V*.
Problemas variados
13.67 Seja {u
1
, ..., u
n
} uma base ortonormal de V. Prove as afirmaes dadas.
(a)
(b) Seja A [a
ij
] a representao matricial de na base {u
i
}. Ento .
13.68 Mostre que existe uma base ortonormal {u
1
, ..., u
n
} de V consistindo de autovetores de T se, e s se, existem projees
ortogonais E
1
, ..., E
r
e escalares tais que
(i) (ii) (iii) com
13.69 Suponha que e que e sejam operadores lineares. Mostre que tambm
um operador linear. Aqui, T definido como segue. Se , com e , ento
Respostas dos Problemas Complementares
Notao: denota uma matriz de linhas R
1
, R
2
, ..., R
n
13.25
13.26
13.27
13.28
13.32
13.45 Somente (a) e (e) so no negativas; somente (e) postiva.
13.52 (a e b) (c)
(a) (b) (c)
13.53
13.54
_Book_Lipschutz.indb 403 22/12/10 09:05
A.1 INTRODUO
O material deste apndice muito mais abstrato do que o apresentado at aqui. Em vista disso, omitimos muitas
demonstraes. Tambm motivamos este material com a observao seguinte.
Seja S uma base de um espao vetorial V. O Teorema 5.2 pode ser reescrito como segue.
Teorema 5.2 Seja a aplicao incluso de S em V. Ento, dado qualquer espao vetorial U e dada qual-
quer aplicao , existe uma nica transformao linear tal que
Uma outra maneira de enunciar o fato de que dizer que o diagrama na Figura A-1(a) comutativo.
Figura A-1
A.2 APLICAES BILINEARES E PRODUTOS TENSORIAIS
Sejam U, V, W espaos vetoriais sobre um corpo K. Dizemos que uma aplicao
bilinear se, para cada , a aplicao , definida por , linear e se, para cada
, a aplicao , definida por , tambm linear.
Assim, f linear em cada uma de suas duas variveis. Observe que f anloga a uma forma bilinear, exceto que
os valores da aplicao f esto num espao vetorial U em vez do corpo K.
DEFINIO Sejam V e W espaos vetoriais sobre o mesmo corpo K. O produto tensorial de V e W um espao
vetorial T sobre K junto com uma aplicao bilinear denotada por com a
propriedade que indicamos por (*), como segue. Dados qualquer espao vetorial U sobre K e qualquer aplicao
bilinear , existe uma nica transformao linear tal que
O produto tensorial (T, g) [ou, simplesmente, T, quando g estiver subentendido] de V e W denotado por
e o elemento denominado tensor de e w.
Produtos Multilineares
Apndice A
_Book_Lipschutz.indb 404 22/12/10 09:06
APNDICE A PRODUTOS MULTILINEARES
405
Outra maneira de enunciar a condio (*) dizer que o diagrama da Figura A-1(b) comutativo. A existncia
de uma tal transformao linear nica f* denominado Princpio da Aplicao Universal. Conforme ilustra a
Figura A-1(b), a condio (*) tambm diz que qualquer aplicao bilinear fatora pelo produto
tensorial . A unicidade em (*) implica que a imagem de g gera T, ou seja, ger({ }) T.
Teorema A.1 (Unicidade do Produto Tensorial) Sejam (T, g) e produtos tensoriais de V e W. Ento
existe um nico isomorfismo tal que
Demonstrao. Como T um produto tensorial e bilinear, existe uma nica transformao
linear tal que . Analogamente, como um produto tensorial e bilinear,
existe uma nica transformao linear tal que . Usando , obtemos . Alm
disso, como T um produto tensorial e bilinear, existe uma nica transformao linear
tal que . No entanto, 1
T
g g e, portanto,
T
.

Analogamente,
T
. Assim, h um isomor-
fismo de T sobre
Teorema A.2 (Existncia do Produto Tensorial) Existe o produto tensorial de espaos vetoriais V
e W sobre K. Sejam {
1
, ...,
m
} uma base de V e {w
1
, ..., w
n
} uma base de W. Ento os mn vetores
formam uma base de T. Assim, dim T mn (dim V)(dim W).
Esboo de Demonstrao. Sejam {
1
, ...,
m
} uma base de V e {w
1
, ..., w
n
} uma base de W. Considere os mn
smbolos Seja T o espao vetorial gerado pelos t
ij
, ou seja, T consiste em todas as
combinaes lineares dos t
ij
com coeficientes em K. (Ver Problema 4.137.)
Sejam dados, digamos,
Seja definida por
Ento g bilinear (demonstre).
Seja bilinear. Como os t
ij
formam uma base de T, o Teorema 5.2 (enunciado no incio da se-
o) garante que existe uma nica transformao linear tal que Ento, para
e , temos
Logo, , onde f* a transformao linear exigida na definio. Assim, T um produto tensorial.
Sejam, agora, uma base qualquer de V e uma de W. Sejam e dados,
digamos,
Ento
Assim, os elementos geram T. H mn desses elementos, que no podem ser linearmente dependentes por-
que {t
ij
} uma base de T e, portanto, dim T mn. Assim, os formam uma base de T.
Vejamos dois exemplos concretos de produtos tensoriais.
Exemplo A.1 Sejam V o espao vetorial dos polinmios P
r 1
(x) e W o espao vetorial dos polinmios P
s 1
(y).
Assim os elementos a seguir formam bases de V e W, respectivamente.
_Book_Lipschutz.indb 405 22/12/10 09:06
LGEBRA LINEAR
406
Em particular, dim V r e dim W s. Seja T o espao vetorial dos polinmios nas variveis x e y com base
, com
Ento T o produto tensorial pela aplicao
Por exemplo, se , ento
Observe que dim T rs (dim V)(dim W).
Exemplo A.2 Sejam V o espao vetorial das matrizes sobre um corpo K e W o das matrizes sobre K.
Suponha que A [a
ij
] pertena a V e B a W. Seja T o espao vetorial das matrizes sobre K. Ento T o
produto tensorial de V e W, em que a matriz em blocos
Por exemplo, se , ento
Isomorfismos de produtos tensoriais
Inicialmente, observamos que o produto tensorial associativo de maneira cannica, como segue.
Teorema A.3 Sejam U, V, W espaos vetoriais sobre um corpo K. Ento existe um nico isomorfismo
tal que, para quaisquer
Em vista disso, podemos omitir os parnteses quando tensoriamos um nmero finito qualquer de fatores. Mais
precisamente, dados espaos vetoriais V
1
, V
2
, ..., V
m
sobre um corpo K, podemos definir, sem ambiguidade, o pro-
duto tensorial
e, dados vetores em , podemos formar, sem ambiguidade, o produto tensorial
Alm disso, dado um espao vetorial V sobre K, podemos definir, sem ambiguidade, o produto tensorial
(de r fatores)
_Book_Lipschutz.indb 406 22/12/10 09:06
APNDICE A PRODUTOS MULTILINEARES
407
Tambm temos o isomorfismo cannico
Finalmente, vendo K como um espao vetorial sobre si mesmo, temos o isomorfismo cannico
K
em que definimos
A.3 APLICAES MULTILINEARES ALTERNADAS
Seja , em que V e U so espaos vetoriais sobre K. [Lembre que , com r fato-
res.]
(1) Dizemos que f uma aplicao multilinear ou r-linear se linear como funo de cada
j
separa-
damente, considerando os demais
i
fixados. Isto ,
em que apenas a j-sima posio varia.
(2) Dizemos que a aplicao f alternada se
, sempre que
i

j
, com .
Pode-se mostrar facilmente (demonstre) que se f uma aplicao multilinear alternada de V
r
, ento
Isto , se trocamos de posio dois vetores, ento o valor associado troca de sinal.
Exemplo A.3 (Determinantes) A funo determinante do espao M das matrizes pode ser
vista como uma aplicao com n variveis
definida nas linhas R
1
, R
2
, ..., R
n
de A. Na Seo 8.15 vimos que, nesse contexto, D tanto n-linear quanto alternada.
Precisamos, agora, de mais notao. Denotemos por P [k
1
, k
2
, ..., k
r
] uma lista de r elementos de I
n
{1, 2,
..., n} (uma r-lista). Ento utilizamos a notao a seguir, em que os
k
denotam vetores e os a
ik
denotam escalares.
P
e a
P

Observe que
P
uma lista de r vetores e a
P
um produto de r escalares.
Suponha, agora, que os elementos de P [k
1
, k
2
, ..., k
r
] sejam distintos. Ento P uma permutao
P
de uma
r-lista J [i
1
, i
2
, ..., i
r
] em forma padro, isto , tal que O nmero dessas listas padro J de r
elementos de I
n
o coeficiente binomial
[Na Seo 8.4 vimos que
p
, onde m
P
o nmero de inverses que transformam P em J.]
Seja, agora, A [a
ij
] uma matriz . Dada uma r-lista ordenada J, definimos
_Book_Lipschutz.indb 407 22/12/10 09:06
LGEBRA LINEAR
408
Isto , D
J
(A) o determinante da submatriz de A cujos ndices de coluna pertencem a J.
A demonstrao do teorema principal desta seo (Teorema A.6) necessita de um lema relativo a embaralha-
mentos.
Lema A.4 Sejam V e U espaos vetoriais sobre K e uma aplicao r-linear alternada. Sejam
1
,
2
, ...,
n
vetores de V e A [a
ij
] uma matriz sobre K, com Para i 1, 2, ..., r, escrevemos
Ento
em que a soma sobre todas as r-listas J [i
1
, i
2
, ..., i
r
] em forma padro.
A demonstrao tcnica, mas direta. A linearidade de f fornece a soma
em que a soma sobre todas as r-listas P de {1, ..., n}. Por ser alternada, temos f(
P
) 0, sempre que P tiver algum
inteiro repetido. Agora, a demonstrao utiliza, principalmente, o fato de que quando trocamos a posio dos
j

para transformar
em
de tal forma que , o sinal associado a a
P
mudar do mesmo modo que o sinal da permutao cor-
respondente muda quando transformada na permutao identidade por meio de transposies.
No exemplo, ilustramos o lema com r 2 e n 3.
Exemplo A.4 Seja uma aplicao multilinear alternada. Sejam e e suponha que
Considere
Usando multilinearidade, obtemos as nove parcelas
(Observe que so as trs 2-listas em forma padro de I
3
{1, 2, 3}.) Como
f alternada, temos f(
i
,
i
) 0; logo, trs dessas nove parcelas so iguais a 0. Novamente por ser f alternada, temos
f(
i
,
j
) f(
j
,
i
). Assim trs dos termos podem ser transformados, de tal modo que seus ndices formem uma
2-lista em forma padro com uma nica inverso. Finalmente, obtemos
que o contedo do Lema A.4.
_Book_Lipschutz.indb 408 22/12/10 09:06
APNDICE A PRODUTOS MULTILINEARES
409
A.4 PRODUTOS EXTERIORES
Temos a definio a seguir.
DEFINIO Sejam V um espao vetorial de dimenso n sobre um corpo K e r um inteiro tal que O
produto exterior de potncia r de V (ou, simplesmente, produto exterior de V, se o r estiver subentendido) um
espao vetorial E sobre K junto com uma aplicao r-linear alternada , denotada por

, com a propriedade que indicamos por (*), como segue. Dado qualquer espao vetorial U sobre K
e qualquer aplicao r-linear alternada , existe uma nica transformao linear tal que
O produto exterior (E, g) [ou, simplesmente, E, quando g estiver subentendido] de potncia r de V denotado
por e o elemento denominado produto exterior dos
i
.
Uma outra maneira de enunciar a condio (*) dizer que o diagrama da Figura A-1(c) comutativo. Nova-
mente, a existncia de uma tal transformao linear nica f* denominado Princpio da Aplicao Universal.
Conforme ilustra a Figura A-1(c), a condio (*) tambm diz que qualquer aplicao r-linear alternada
fatora pelo produto exterior E . Novamente, a unicidade em (*) implica que a imagem de g gera E, ou
seja, ger({ }) E.
Teorema A.5 (Unicidade do Produto Exterior) Sejam (E, g) e (E, g ) produtos exteriores de potncia r de V.
Ento existe um nico isomorfismo h: E E tal que
A demonstrao anloga do Teorema A.1, usando o princpio da aplicao universal.
Teorema A.6 (Existncia do Produto Exterior) Existe o produto exterior E
r
V de um espao vetorial V
sobre K. Se r > n, ento E {0}. Se r n, ento . Alm disso, se {
1
, ...,
m
} uma base de V, ento
os vetores
com , formam uma base de E.
Vejamos um exemplo concreto de produto exterior.
Exemplo A.5 (Produto vetorial) Considere com a base cannica {i, j, k}. Seja . Observe que dim
V 3. Assim, dim E 3, com base . Identificamos E com pela correspondncia
Sejam u e w vetores quaisquer de , digamos,
Ento, como no Exemplo A.3,
Usando a identificao, obtemos
Assim, esse produto exterior precisamente o produto vetorial conhecido de (ver Seo 1.6).
Nosso ltimo teorema afirma que possvel multiplicar produtos exteriores, o que nos permite formar uma
lgebra exterior, como segue.
_Book_Lipschutz.indb 409 22/12/10 09:06
LGEBRA LINEAR
410
Teorema A.7 Sejam V um espao vetorial sobre K e r, s inteiros positivos. Existe uma nica aplicao bilinear
tal que, dados quaisquer vetores u
i
, w
j
em V,
Exemplo A.6 Formamos uma lgebra exterior A sobre um corpo K usando variveis no comutativas x, y e z. Por
ser uma lgebra exterior, nossas variveis satisfazem
Cada elemento de A uma combinao linear dos oito elementos
Multiplicamos dois polinmios em A usando a distributividade usual, mas tambm as condies dadas. Por
exemplo,
Observe que usamos o fato de que
_Book_Lipschutz.indb 410 22/12/10 09:06
B.1 INTRODUO
Neste apndice definimos estruturas algbricas que ocorrem em quase todas as reas da Matemtica. Em particular,
definimos corpo, que aparece na definio de espao vetorial. Comeamos com a definio de grupo, que uma
estrutura algbrica relativamente simples, com apenas uma operao, e que usado como um bloco com o qual
podemos construir muitos outros sistemas algbricos.
B.2 GRUPOS
Seja G um conjunto no vazio com uma operao binria, isto , a cada par de elementos est associado
um elemento . Dizemos que G um grupo se os axiomas a seguir forem vlidos.
[G
1
] Dados quaisquer , temos (associatividade).
[G
2
] Existe um elemento , denominado elemento neutro, ou identidade, tal que ae ea a, para cada
[G
3
] Para cada , existe um elemento , denominado inverso de a, tal que
Dizemos que um grupo G abeliano (ou comutativo) se valer a comutatividade, isto , ab ba para quaisquer
Quando a operao binria denotada por justaposio, como aqui, dizemos que G um grupo multiplicativo.
s vezes, quando o grupo abeliano, denotamos a operao binria por e, nesse caso, dizemos que G um gru-
po aditivo. Nesse caso, o elemento neutro denotado por 0 e denominado elemento zero, e o elemento inverso de
a denotado a e denominado elemento simtrico ou oposto de a.
Se A e B so subconjuntos de um grupo G, escrevemos
Tambm escrevemos a em vez de {a}.
Um subconjunto H de um grupo G um subgrupo de G se o prprio H formar um grupo com a operao indu-
zida de G. Se H um subgrupo de G e , dizemos que o conjunto Ha uma classe lateral direita de H em G
e o conjunto aH uma classe lateral esquerda de H em G.
DEFINIO Um subgrupo H de G um subgrupo normal se , para cada . Equivalentemente, H
normal se aH Ha, para cada , isto , se as classes laterais esquerda e direita de H coincidem.
Observe que cada subgrupo de um grupo abeliano normal.
Teorema B.1 Seja H um subgrupo normal de G. Ento as classes laterais de H em G formam um grupo com a
multiplicao de classes. Esse grupo denominado grupo quociente e denotado por G/H.
Estruturas Algbricas
Apndice B
_Book_Lipschutz.indb 411 22/12/10 09:07
LGEBRA LINEAR
412
Exemplo B.1 O conjunto dos inteiros forma um grupo abeliano com a adio. (Observe que os inteiros pa-
res formam um subgrupo de , mas no os mpares.) Denotemos por H o conjunto dos mltiplos de 5, isto ,
. Ento H um subgrupo (necessariamente normal) de . As classes laterais de H
em so dadas a seguir.
Dado qualquer inteiro coincide com uma das classes listadas. Assim, pelo teorema precedente,
forma um grupo com a soma de classes laterais. A tabela da adio dada a seguir.
Esse grupo quociente denominado grupo dos inteiros mdulo 5, frequentemente denotado por . Analogamente,
dado qualquer inteiro positivo n, construmos o grupo dos inteiros mdulo n.
Exemplo B.2 As permutaes de n smbolos (ver Seo 8.4) formam um grupo com a composio de aplicaes,
denominado grupo simtrico de grau n e denotado por . Investigamos , cujos elementos so
Aqui a permutao que transforma

A tabela de multiplicao dada a seguir.
(Na tabela, ab o elemento na linha a e coluna b.) O conjunto um subgrupo de , com classes late-
rais direita e esquerda como segue.
Classes laterais direita Classes laterais esquerda
_Book_Lipschutz.indb 412 22/12/10 09:07
APNDICE B ESTRUTURAS ALGBRICAS
413
Observe que as classes laterais direita e esquerda so diferentes, portanto, H no um subgrupo normal.
Uma aplicao f de um grupo G num grupo denominada homomorfismo (de grupos) se f(ab) f(a)f(b),
para quaisquer . (Se f tambm uma bijeo, isto , injetora e sobre, dizemos que f um isomorfismo e
que G e so isomorfos.) Se um homomorfismo, ento o ncleo de f o conjunto dos elementos de
G que f leva no neutro , ou seja,
ncleo de
(Como sempre, o conjunto f(G) denominado imagem da aplicao .) Vale o teorema seguinte.
Teorema B.2 Seja um homomorfismo. Ento o ncleo N de f um subgrupo normal de G e o grupo
quociente G/N isomorfo imagem de f.
Exemplo B.3 Seja G o grupo dos nmeros reais com a adio e o grupo dos nmeros reais positivos com a
multiplicao. A aplicao definida por f(a) 2
a
um homomorfismo, pois
Em particular, f uma bijeo, de modo que G e so isomorfos.
Exemplo B.4 Seja G o grupo dos nmeros complexos no nulos com a multiplicao e o grupo dos nmeros
reais no nulos com a multiplicao. A aplicao definida por f(z) |z| um homomorfismo, pois
O ncleo K de f consiste nos nmeros complexos z do crculo unitrio, isto , tais que |z| 1. Assim, G/K isomor-
fo imagem de f, ou seja, ao grupo de nmeros reais positivos com a multiplicao.
B.3 ANIS, DOMNIOS E CORPOS
Seja R um conjunto no vazio com duas operaes binrias, uma adio, denotada por e uma multiplicao,
denotada por justaposio. Dizemos que R um anel se os axiomas a seguir forem vlidos.
[R
1
] Dados quaisquer , temos (a b) c a (b c).
[R
2
] Existe um elemento , denominado elemento zero, ou nulo, tal que a 0 0 a a, para cada
[R
3
] Para cada , existe um elemento , denominado oposto, ou simtrico, de a, tal que a (a) (a)
a 0.
[R
4
] Dados quaisquer , temos a b b a.
[R
5
] Dados quaisquer , temos (ab)c a(bc).
[R
6
] Dados quaisquer , temos
(i) a(b c) ab ac e (ii) (b c)a ba ca.
Observe que os axiomas [R
1
] a [R
4
] podem ser resumidos dizendo que R um grupo abeliano na adio.
A subtrao definida em R por a b a (b).
Pode ser mostrado (Problema B.25) que a0 0a 0, para cada
Dizemos que um anel R comutativo se ab ba, para quaisquer . Dizemos que R um anel com
unidade se existir um elemento no nulo tal que a1 1a a, para cada .
Um subconjunto S de um anel R um subanel de R se o prprio S formar um anel com as operaes induzidas
de R. Observamos que S um subanel de R se, e s se, implica
Dizemos que um subconjunto I de R um ideal esquerda de R se (i) , para quaisquer e (ii)
, para quaisquer . Observe que um ideal esquerda I de R tambm um subanel de R. Analoga-
mente, definimos ideais direita e ideais bilaterais. Claramente, todos os ideais de anis comutativos so bilate-
rais. O termo ideal significa ideal bilateral, salvo meno explcita em contrrio.
_Book_Lipschutz.indb 413 22/12/10 09:07
LGEBRA LINEAR
414
Teorema B.3 Seja I um ideal (bilateral) de um anel R. Ento as classes laterais formam um anel
com a adio e multiplicao de classes. Esse anel denominado anel quociente e denotado por R/I.
Seja R, agora, um anel comutativo com unidade. Para cada , o conjunto um ideal, deno-
minado ideal principal gerado por a. Se todo ideal de R for principal, diremos que R um anel de ideais principais.
DEFINIO Um anel comutativo com unidade R denominado domnio de integridade ou, simplesmente, dom-
nio, se R no tiver divisores de zero, ou seja, se ab 0 implicar a 0 ou b 0 em R.
DEFINIO Um anel comutativo com unidade R denominado corpo se todo no nulo tiver um inverso
multiplicativo, isto , se existir um elemento tal que
Um corpo , necessariamente, um domnio, pois ab 0 e implicam
Observamos que um corpo tambm pode ser visto como um anel comutativo em que os elementos no nulos for-
mam um grupo com a multiplicao do anel.
Exemplo B.5 O conjunto dos inteiros com as operaes usuais de adio e multiplicao o exemplo clssico
de domnio com unidade. Cada ideal I de principal, ou seja, I (n) para algum inteiro n. O anel quociente
denominado anel dos inteiros mdulo n. Se n for primo, ento um corpo. Por outro lado, se n no
for primo, ento tem divisores de zero. Por exemplo, no anel , temos , , com e .
Exemplo B.6 Os nmeros racionais e os nmeros reais formam um corpo com as operaes usuais de adio
e multiplicao.
Exemplo B.7 Seja o conjunto dos pares ordenados de nmeros reais com a adio e a multiplicao definidas por
Ento satisfaz todas as propriedades requeridas de um corpo. De fato, simplesmente o corpo dos nmeros
complexos (ver Seo 1.7).
Exemplo B.8 O conjunto M de todas as matrizes com entradas reais forma um anel comutativo com divi-
sores de zero com as operaes de adio matricial e multiplicao matricial.
Exemplo B.9 Seja R um anel qualquer. Ento o conjunto R[x] de todos os polinmios sobre R forma um anel com
as operaes usuais de adio e multiplicao polinomiais. Alm disso, se R for um domnio, ento R[x] tambm
ser um domnio.
Seja D, agora, um domnio. Dizemos que b divide a em D se a bc, para algum . Dizemos que um ele-
mento invertvel se u divide 1, ou seja, se u tiver inverso multiplicativo. Dizemos que um elemento
associado de se b ua, para algum invertvel . Um elemento no invertvel denominado
irredutvel se p ab implica que a ou b invertvel.
Dizemos que um domnio um domnio de fatorao nica se todo elemento no invertvel de D puder ser
escrito de modo nico (salvo associados e ordem) como um produto de elementos irredutveis.
Exemplo B.10 O anel dos inteiros o exemplo clssico de domnio de fatorao nica. Os elementos invertveis
de so 1 e 1. Os nicos associados de so n e n. Os elementos irredutveis de so os nmeros primos.
Exemplo B.11 O conjunto D { | a, b inteiros} um domnio. Os invertveis de D so ,
. Os elementos so irredutveis em D. Observe que


Assim, D no um domnio de fatorao nica. (Ver Problema B.40.)
_Book_Lipschutz.indb 414 22/12/10 09:07
APNDICE B ESTRUTURAS ALGBRICAS
415
B.4 MDULOS
Sejam M um grupo abeliano aditivo e R um anel com unidade. Dizemos que M um R-mdulo ( esquerda), ou um
mdulo ( esquerda) sobre R, se existir uma aplicao , denotada por justaposio, tal que
[M
1
] r(m
1
m
2
) rm
1
rm
2
[M
2
] (r s)m rm sm
[M
3
] (rs)m r(sm)
[M
4
] 1m m
para quaisquer r, e m, m
1
, m
2
M.
Enfatizamos que um R-mdulo uma generalizao de um espao vetorial, j que, num mdulo, permitimos
que os escalares pertenam a um anel em vez de pertencerem a um corpo.
Exemplo B.12 Seja G um grupo abeliano aditivo qualquer. O grupo G um mdulo sobre o anel dos inteiros
definindo
onde n um inteiro positivo qualquer.
Exemplo B.13 Sejam R um anel e I um ideal de R. Ento I pode ser visto como um mdulo sobre R.
Exemplo B.14 Sejam V um espao vetorial sobre um corpo K e um operador linear. Fazemos de V um
mdulo sobre o anel K[x] dos polinmios sobre K definindo f(x) f(T)( ). O leitor deveria verificar que isto define
uma multiplicao por escalar.
Seja M um R-mdulo. Um subgrupo aditivo N de M denominado submdulo de M se e r R implicam
ru N. (Observe que, nesse caso, N um R-mdulo.)
Sejam M e R-mdulos. Dizemos que uma aplicao um homomorfismo (ou R-homomorfis-
mo ou R-linear) se
(i) T(u ) T(u) T( ) e (ii) T(ru) rT(u)
para quaisquer e r R.
Problemas
Grupos
B.1 Decida se o sistema dado forma um grupo G.
(i) G conjunto dos inteiros, operao de subtrao.
(ii) G {1, 1}, operao de multiplicao.
(iii) G conjunto dos nmeros racionais no nulos, operao de diviso.
(iv) G conjunto das matrizes no singulares, operao de multiplicao matricial.
(v) G , operao de adio.
B.2 Mostre que, num grupo G, valem as afirmaes a seguir.
(i) O elemento neutro de G nico.
(ii) Cada tem um nico elemento inverso .
(iii) .
(iv) ab ac implica b c e ba ca implica b c.
_Book_Lipschutz.indb 415 22/12/10 09:07
LGEBRA LINEAR
416
B.3 Num grupo G, definimos as potncias de por
onde
Mostre que valem as frmulas seguintes, para quaisquer inteiros .

B.4 Mostre que se G um grupo abeliano, ento , para quaisquer e qualquer inteiro .
B.5 Suponha que G seja um grupo tal que , para quaisquer . Mostre que G abeliano.
B.6 Seja H um subconjunto de um grupo G. Mostre que H um subgrupo de G se, e s se, (i) H no vazio e
(ii) implica
B.7 Prove que a interseo de um nmero qualquer de subgrupos de G tambm um subgrupo de G.
B.8 Mostre que o conjunto de todas as potncias de um subgrupo de G, denominado subgrupo cclico
gerado por a.
B.9 Dizemos que um grupo G cclico se G for gerado por algum , ou seja, se . Mostre
que todo subgrupo de um grupo cclico cclico.
B.10 Seja G um grupo cclico. Mostre que G isomorfo ao grupo dos inteiros com a adio ou ao grupo dos
inteiros mdulo n com a adio.
B.11 Seja H um subgrupo de G. Mostre que as classes laterais direita ( esquerda) de H particionam G em con-
juntos dois a dois disjuntos.
B.12 A ordem de um grupo G, denotada por |G|, o nmero de elementos de G. Prove que se H um subgrupo
de um grupo finito G, ento |H| divide |G|. (Este o Teorema de Lagrange).
B.13 Suponha que |G| p, com p primo. Mostre que G cclico.
B.14 Sejam H e N subgrupos de G, com N normal. Mostre que (i) HN um subgrupo de G e (ii) um
subgrupo normal de G.
B.15 Seja H um subgrupo de G com somente duas classes laterais direita ( esquerda). Mostre que H um sub-
grupo normal de G.
B.16 Demonstre o Teorema B.1 Seja H um subgrupo normal de G. Ento as classes laterais de H em G formam
um grupo G/H com a multiplicao de classes.
B.17 Seja G um grupo abeliano. Mostre que todo grupo quociente G/H tambm abeliano.
B.18 Seja um homomorfismo de grupos. Prove as afirmaes dadas.
(i) , em que e e so as unidades de G e , respectivamente.
(ii) , para cada
B.19 Demonstre o Teorema B.2. Seja um homomorfismo. Ento o ncleo N de f um subgrupo
normal de G e o grupo quociente G/N isomorfo imagem de f.
B.20 Seja G o grupo multiplicativo dos nmeros complexos z tais que |z| 1 e seja o grupo multiplicativo dos
nmeros reais. Prove que G isomorfo a .
_Book_Lipschutz.indb 416 22/12/10 09:07
APNDICE B ESTRUTURAS ALGBRICAS
417
B.21 Fixado , defina por . Mostre que G um isomorfismo de G sobre G.
B.22 Seja G o grupo multiplicativo das matrizes no singulares sobre . Mostre que a aplicao
um homomorfismo de G no grupo multiplicativo dos nmeros reais no nulos.
B.23 Seja G um grupo abeliano. Fixado , mostre que a aplicao um homomorfismo de G em G.
B.24 Suponha que H e N sejam subgrupos de G, sendo N normal. Prove que normal em H e que
isomorfo a HN/N.
Anis
B.25 Mostre que num anel R valem as afirmaes a seguir.
B.26 Mostre que num anel com unidade R valem as afirmaes a seguir.
B.27 Seja R um anel e suponha que a
2
a, para cada . Mostre que R um anel comutativo. (Dizemos que
um anel desses um anel booleano.)
B.28 Seja R um anel com unidade. Fazemos de R um outro anel definindo e
(a) Verifique que um anel. (b) Encontre os elementos 0 e 1 de .
B.29 Seja G um grupo abeliano (aditivo) qualquer. Defina uma multiplicao em G por ab 0. Mostre que isso
faz de G um anel.
B.30 Demonstre o Teorema B.3. Seja I um ideal (bilateral) de um anel R. Ento as classes laterais
{ }formam um anel com a adio e multiplicao de classes.
B.31 Sejam I
1
e I
2
ideais de um anel R. Prove que I
1
I
2
e tambm so ideais de R.
B.32 Sejam R e anis. Dizemos que uma aplicao um homomorfismo (de anis) se
para quaisquer . Prove que, se um homomorfismo, ento o conjunto N { }
um ideal de R. (Esse ideal N denominado ncleo de f.)
Domnios e corpos
B.33 Prove que num domnio D, se , ento b c.
B.34 Prove que F { a, b racionais} um corpo.
B.35 Prove que F { a, b inteiros} um domnio, mas no um corpo.
B.36 Prove que um domnio D finito um corpo.
B.37 Mostre que os nicos ideais de um corpo K so {0} e K.
B.38 Dizemos que um nmero complexo a bi um inteiro gaussiano se a, b forem inteiros. Mostre que o conjun-
to G dos inteiros gaussianos um domnio. Mostre, tambm, que os elementos invertveis de G so e
_Book_Lipschutz.indb 417 22/12/10 09:07
LGEBRA LINEAR
418
B.39 Sejam D um domnio e I um ideal de D. Prove que o anel quociente D/I um domnio se, e s se, I um
ideal primo. (Dizemos que um ideal I primo se implicar ou .)
B.40 Considere o domnio D { inteiros} (ver Exemplo B.11.) Se , definimos
. Prove as afirmaes dadas. (i) ; (ii) uma unidade se, e s se,
; (iii) as unidades de D so e ; (iv) os nmeros e
so irredutveis.
Mdulos
B.41 Seja M um R-mdulo. Mostre que se A e B so submdulos de M, ento A B e tambm so subm-
dulos de M.
B.42 Sejam M um R-mdulo e N um submdulo de M. Mostre que as classes laterais for-
mam um R-mdulo com a adio de classes laterais e a multiplicao por escalar definida por r(u N)
ru N. (Esse mdulo denotado por M/N e denominado mdulo quociente.)
B.43 Sejam M e R-mdulos e seja um R-homomorfismo. Mostre que o conjunto N { :
f(u) 0} um submdulo de M. (Esse submdulo denominado ncleo de f.)
B.44 Seja M um R-mdulo e denote por E(M) o conjunto de todos os R-homomorfismos de M em si mesmo. De-
fina as operaes apropriadas de adio e multiplicao em E(M) de tal modo que E(M) se torne um anel.
_Book_Lipschutz.indb 418 22/12/10 09:07
C.1 INTRODUO
Neste apndice investigamos os polinmios sobre um corpo K e mostramos que eles tm muitas propriedades que
so anlogas s dos nmeros inteiros. Esses resultados desempenham um papel importante na obteno das formas
cannicas de um operador linear T de um espao vetorial V sobre K.
C.2 ANEL DE POLINMIOS
Seja K um corpo. Formalmente, um polinmio f sobre K uma sequncia infinita de elementos de K em que todos,
exceto um nmero finito deles, so nulos, como segue.
(Escrevemos a sequncia de tal modo que ela se estenda para a esquerda em vez de para a direita.) O elemento a
k

denominado k-simo coeficiente de f. Se n for o maior inteiro para o qual ento dizemos que n o grau de
f e escrevemos
grau f n
Tambm dizemos que a
n
o coeficiente dominante de f e, se a
n
1, dizemos que f um polinmio mnico. Por
outro lado, se cada coeficiente de f for igual a 0, dizemos que f o polinmio nulo ou zero, e escrevemos f 0. No
se define o grau do polinmio nulo.
Se g for um outro polinmio sobre K, digamos,
ento a soma f g o polinmio obtido pela soma dos coeficientes correspondentes. Isso , se , ento
Alm disso, o produto fg o polinmio
ou seja, o k-simo coeficiente c
k
de fg dado por
Vale o teorema seguinte.
Polinmios Sobre um Corpo
Apndice C
_Book_Lipschutz.indb 419 22/12/10 09:07
LGEBRA LINEAR
420
Teorema C.1 O conjunto P dos polinmios sobre um corpo K com as operaes de adio e multiplicao forma
um anel comutativo com unidade e sem divisores de zero, ou seja, um domnio. Se f e g so polinmios no nulos
de P, ento grau(fg) grau(f) grau(g).
Notao
Identificamos o escalar com o polinmio
Tambm escolhemos um smbolo, digamos, t, para denotar o polinmio
Dizemos que t uma indeterminada. Multiplicando t por si mesmo, obtemos
Assim, podemos escrever o polinmio f dado na forma tradicional
Quando escolhemos t como a indeterminada, denotamos o anel de polinmios sobre K por
K[t]
e um polinmio f costuma ser escrito como f(t).
Tambm consideramos K como um subconjunto de K[t], devido identificao dada. Isso possvel porque as
operaes de adio e multiplicao de elementos de K so preservadas pela identificao, como segue.
Observamos que os elementos no nulos de K so os invertveis do anel K[t].
Tambm observamos que cada polinmio no nulo um associado de um nico polinmio mnico. Logo, se d
e forem polinmios mnicos tais que d divide e divide d, ento . (Como em todo anel, dizemos que
um polinmio g divide um polinmio f se existir um polinmio h tal que f gh.)
C.3 DIVISIBILIDADE
O teorema seguinte formaliza a diviso polinomial.
Teorema C.2 (Algoritmo de Diviso) Sejam f e g polinmios sobre um corpo K com . Ento existem poli-
nmios q e r tais que
em que, ou r 0, ou grau r < grau g.
Demonstrao. Se f 0 ou se grau f < grau g, ento temos a representao procurada
Agora, suponha que grau , digamos,
em que . Formamos o polinmio
(1)
_Book_Lipschutz.indb 420 22/12/10 09:07
APNDICE C POLINMIOS SOBRE UM CORPO
421
Ento grau . Por induo, existem polinmios q
1
e r tais que
em que, ou r 0, ou grau r < grau g. Substituindo em (1) e resolvendo, obtemos
que a representao procurada.
Teorema C.3 O anel K[t] de polinmios sobre um corpo K um anel de ideais principais. Se I um ideal de K[t],
ento existe um nico polinmio mnico d que gera I, tal que d divide cada polinmio
Demonstrao. Seja d um polinmio de menor grau em I. Como podemos multiplicar d por um escalar no
nulo e ainda permanecer em I, podemos supor, sem perda de generalidade, que d seja um polinmio mnico. Ago-
ra, seja

dado. Pelo Teorema C.2, existem polinmios q e r tais que
f qd r, em que, ou r 0, ou grau r < grau d.
Agora, implica e, portanto, . Como d um polinmio de grau mnimo em I,
segue que r 0 e f dq, isto , d divide f. Falta mostrar que d nico. Se for outro polinmio mnico que gera
I, ento d divide e divide d. Isso implica que d , porque d e so mnicos. Assim, o teorema est demons-
trado.
Teorema C.4 Sejam f e g polinmios no nulos de K[t]. Ento existe um nico polinmio mnico d tal que (i) d
divide f e g e (ii) se divide f e g, ento divide d.
DEFINIO O polinmio d do teorema precedente denominado mximo divisor comum de f e g. Se d 1, ento
dizemos que f e g so primos entre si.
Demonstrao do Teorema C.4. O conjunto um ideal. Seja d o polinmio m-
nico que gera I. Como , temos que d divide f e g. Suponha, agora, que divide f e g. Seja J o ideal gerado
por . Ento e, portanto, . Dessa forma, e, portanto, divide d, como queramos mostrar.
Falta mostrar que d nico. Se d
1
for um outro mximo divisor comum (mnico) de f e g, ento d divide d
1
e d
1

divide d. Isso implica que d d
1
, porque d e d
1
so mnicos. Assim, o teorema est demonstrado.
Corolrio C.5 Seja d o mximo divisor comum dos polinmios f e g. Ento existem polinmios m e n tais que
d mf ng. Em particular, se f e g so primos entre si, ento existem polinmios m e n tais que mf ng 1.
O corolrio segue diretamente do fato de d gerar o ideal
C.4 FATORAO
Dizemos que um polinmio de grau positivo irredutvel se p fg implicar que f ou g um escalar.
Lema C.6 Suponha que seja irredutvel. Se p divide o produto fg de polinmios , ento p
divide f ou p divide g. Mais geralmente, se p divide o produto de n polinmios f
1
, f
2
, ..., f
n
, ento p divide algum
desses polinmios.
Demonstrao. Suponha que p divida fg mas no f. Por ser p irredutvel, os polinmios f e p devem ser primos
entre si. Assim, existem polinmios tais que mf np 1. Multiplicando essa equao por g, obtemos
g mfg npg. Como p divide fg e, portanto, mfg, p divide npg. Logo, p divide a soma g mfg npg.
_Book_Lipschutz.indb 421 22/12/10 09:07
LGEBRA LINEAR
422
Suponha, agora, que p divida . Se p dividir f
1
, estamos prontos. Caso contrrio, pelo que acabamos de
provar, p divide o produto Por induo em n, p divide algum dos polinmios f
2
, ..., f
n
. Assim, provamos o
lema.
Teorema C.7 (Teorema da Fatorao nica) Seja f um polinmio no nulo de K[t]. Ento f pode ser escrito de
modo nico (exceto pela ordem dos fatores) como um produto
em que e os p
i
so polinmios mnicos irredutveis de K[t].
Demonstrao. Comeamos demonstrando a existncia de tal produto. Se f for irredutvel, ou se , ento
tal produto claramente existe. Por outro lado, suponhamos que f gh, onde f e g no so escalares. Ento g e h tm
grau menor do que o de f. Por induo, podemos supor que
com e os g
i
e h
j
so polinmios mnicos irredutveis. Dessa forma,
a representao procurada.
Mostremos, agora, a unicidade (exceto pela ordem dos fatores) dessa fatorao de f. Suponhamos que
com e os p
1
, p
2
, ..., p
n
, q
1
, q
2
, ..., q
m
so polinmios mnicos irredutveis. Agora, p
1
divide
Como p
1
irredutvel, o lema precedente garante que p
1
deve dividir um dos q
i
.
Digamos que p
1
divida q
1
. Como p
1
e q
1
so, ambos, irredutveis e mnicos, p
1
q
1
. Dessa forma,
Por induo, temos que n m e p
2
q
2
, ..., p
n
q
m
para algum rearranjo dos q
i
. Tambm temos e o teorema
est demonstrado.
Se o corpo K for o corpo dos complexos C, vlido o resultado seguinte, conhecido como teorema fundamen-
tal da lgebra, cuja demonstrao est fora do alcance deste texto.
Teorema C.8 (Teorema Fundamental da lgebra) Seja f(t) um polinmio no nulo sobre o corpo complexo .
Ento f(t) pode ser escrito de modo nico (exceto pela ordem) como um produto
em que , isto , como um produto de polinmios de grau 1.
No caso do corpo real , temos o resultado a seguir.
Teorema C.9 Seja f(t) um polinmio no nulo sobre o corpo real . Ento f(t) pode ser escrito de modo nico
(exceto pela ordem) como um produto
em que e os p
i
(t) so polinmios mnicos irredutveis de grau 1 ou 2.
_Book_Lipschutz.indb 422 22/12/10 09:07
D.1 INTRODUO
Neste apndice discutimos vrios tpicos, tais como relaes de equivalncia, determinantes e matrizes em bloco
e a inversa generalizada de Moore-Penrose.
D.2 RELAES E RELAES DE EQUIVALNCIA
Uma relao binria R ou, simplesmente, uma relao, de um conjunto A para um conjunto B atribui a cada par
ordenado exatamente uma das afirmaes seguintes.
(i) a est relacionado com b, denotado por a R b; (ii) a no est relacionado com b.
Uma relao de um conjunto A para o mesmo conjunto A denominada relao em A.
Observe que qualquer relao R de A para B define de modo nico um subconjunto de , como segue.
Reciprocamente, qualquer subconjunto de define uma relao de A para B, como segue.
a R b se, e s se, .
Em virtude da correspondncia dada entre relaes de A para B e subconjuntos de , redefinimos uma relao
como segue.
DEFINIO Uma relao R de A para B um subconjunto de .
Relaes de equivalncia
Considere um conjunto no vazio S. Uma relao R em S denominada relao de equivalncia em S se R for re-
flexiva, simtrica e transitiva, ou seja, se R satisfizer os trs axiomas seguintes.
[E
1
] (Reflexividade) Cada est relacionado consigo mesmo, ou seja, para cada temos a R a.
[E
2
] (Simetria) Se a est relacionado com b, ento b est relacionado com a, ou seja, se a R a, ento b R a.
[E
3
] (Transitividade) Se a est relacionado com b e b est relacionado com c, ento a est relacionado com c, ou seja,
se a R b e b R c, ento a R c.
A ideia geral motivadora do conceito de relao de equivalncia a da classificao de objetos que, de alguma
forma, so iguais. Claramente, a relao de igualdade uma relao de equivalncia. Por isso, muitas vezes usa-
mos os smbolos ou para denotar uma relao de equivalncia.
Miscelnea
Apndice D
_Book_Lipschutz.indb 423 22/12/10 09:08
LGEBRA LINEAR
424
Exemplo D.1
(a) Na Geometria Euclidiana, a semelhana de tringulos uma relao de equivalncia. De fato, se so
tringulos, ento (i) semelhante a si mesmo, (ii) se semelhante a , ento semelhante a e (iii) se
semelhante a e semelhante a , ento semelhante a .
(b) A relao de incluso de conjuntos no uma relao de equivalncia. A incluso reflexiva e transitiva,
mas no simtrica, porque no implica .
Relaes de equivalncia e parties
Seja S um conjunto no vazio. Dizemos que uma partio de S uma subdiviso de S em subconjuntos no vazios
e dois a dois disjuntos, ou seja, uma coleo P {A
j
} de subconjuntos no vazios de S tal que (i) cada per-
tence a algum dos A
j
e (ii) os conjuntos A
j
so dois a dois disjuntos.
Os conjuntos de uma partio so denominados clulas. Assim, cada pertence a exatamente uma das clulas.
Tambm dizemos que um elemento qualquer um representante da clula A
j
e que um subconjunto B de S um
sistema de representantes da partio se B contiver exatamente um elemento de cada uma das clulas da partio.
Suponha, agora, que R seja uma relao de equivalncia num conjunto no vazio S. Para cada , a classe
de equivalncia de a, denotada por [a], o conjunto dos elementos de S relacionados com a, como segue.
[a] {x a R x}
A coleo de classes de equivalncia denominada conjunto quociente de S por R e denotada por S/R.
S/R {[a] }
A propriedade fundamental de uma relao equivalncia e seu conjunto quociente dada no teorema a seguir.
Teorema D.1 Seja R uma relao de equivalncia num conjunto no vazio S. Ento o conjunto quociente S/R
uma partio de S.
Exemplo D.2 Seja a relao no conjunto dos inteiros definida por
que se l x congruente a y mdulo 5 e que significa que a diferena x y divisvel por 5. Ento uma rela-
o de equivalncia em .
Existem exatamente cinco classes de equivalncia no conjunto quociente , como segue.
Observe que cada inteiro x, que pode ser escrito de modo nico na forma x 5q r, com , um elemen-
to da classe de equivalncia A
r
, em que r o resto. Como esperamos, as classes de equivalncia so disjuntas e sua
unio .
Esse conjunto quociente denominado conjunto dos inteiros mdulo 5 e denotado
ou, simplesmente,
Em geral, escolhemos {0, 1, 2,