Escolar Documentos
Profissional Documentos
Cultura Documentos
Algebra
Linear
S
ergio Lu
s Zani
Departamento de Matem
atica
ICMC { USP
2010
Sum
ario
1 Espacos Vetoriais
15
27
35
43
5.1 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.2 Dimens~ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3
SUMARIO
59
69
8 Transformac
oes Lineares
83
8.1
8.2
8.3
8.4
8.5
Introduc~ao e Exemplos . . . . . . . . .
O Espaco Vetorial L (U, V) . . . . . .
Imagem e Nucleo . . . . . . . . . . . .
Isomorsmo e Automorsmo . . . . .
Matriz de uma Transformac~ao Linear .
8.5.1 Denic~ao e Exemplos . . . . .
8.5.2 Propriedades . . . . . . . . . .
8.6 Exerccios Resolvidos . . . . . . . . . .
8.7 Exerccios . . . . . . . . . . . . . . . .
9 Autovalores e Autovetores
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
83
86
93
101
104
104
106
111
117
125
139
153
SUMARIO
161
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
161
165
168
169
170
176
181
182
187
190
SUMARIO
Captulo 1
Espacos Vetoriais
1.1
Introduc
ao e Exemplos
CAPITULO 1. ESPAC
OS VETORIAIS
seus elementos e multiplicac~ao de seus elementos por escalares, t^em comum? Vejamos:
Verica-se facilmente a partir das propriedades dos numeros reais que,
com relac~ao a quaisquer funco~es f, g e h em F (R; R) e para todo , R,
s~ao validos os seguintes resultados:
1. f + g = g + f;
2. f + (g + h) = (f + g) + h;
3. se O representa o func~ao nula, isto e, O(x) = 0 para todo x R
ent~ao O + f = f;
4. a func~ao f denida por (f)(x) = [f(x)] para todo x R e tal
que f + (f) = O;
5. (f) = ()f;
6. ( + )f = f + f;
7. (f + g) = f + g;
8. 1f = f.
Agora, com relac~ao a quaisquer matrizes A, B e C em Mn e para todo
, R, tambem s~ao validos os seguintes resultados:
1. A + B = B + A;
2. A + (B + C) = (A + B) + C;
3. se O representa o func~ao nula, isto e, O = (0)nn ent~ao O + A = A;
4. se A = (ai,j )nn ent~ao a matriz A denida por A = (ai,j )nn e
tal que A + (A) = O;
5. (A) = ()A;
~ E EXEMPLOS
1.1. INTRODUC
AO
6. ( + )A = A + A;
7. (A + B) = A + B;
8. 1A = A.
Podemos ver que tanto o conjuntos das funco~es denidas na reta a valores reais como o das matrizes quadradas quando munidos de somas e multiplicac~ao por escalares adequadas apresentam propriedades algebricas
comuns. Na verdade muitos outros conjuntos munidos de operaco~es apropriadas apresentam propriedades semelhantes as acima.
por isso que ao inves de estudarmos cada um separadamente estudaE
remos um conjunto arbitrario e n~ao vazio, V, sobre o qual supomos estar
denidas uma operac~ao de adic~ao, isto e, para cada u, v V existe um
unico elemento de V associado, chamado a soma entre u e v e denotado
por u + v, e uma multiplicac~ao por escalar, isto e, para cada u V e R
existe um unico elemento de V associado, chamado de produto de u pelo
escalar e denotado por u.
para todo u, v V;
AL
u+v=v+u
AL
u + (v + w) = (u + v) + w
AL!
AL"
AL#
(u) = ()u
AL$
( + )u = u + u
para todo u, v, w V;
para todo u V e , R;
para todo u V, , R;
CAPITULO 1. ESPAC
OS VETORIAIS
10
AL%
(u + v) = u + v
AL&
1u = u
para todo u, v V e R;
para todo u V.
E comum chamarmos os elementos de um espaco vetorial de vetores, independentemente da natureza dos mesmos. Tambem chamamos de escalares os numeros reais quando estes desempenham o seu papel na ac~ao de multiplicar um vetor.
Observac
ao 1.2
Observac
ao 1.3 O elemento 0 na propriedade AL!
e unico, pois qual
quer outro 0 V satisfazendo a mesma propriedade AL! ent~ao, pelas
propriedades AL! e AL teramos 0 = 0 + 0 = 0 + 0 = 0, isto e, 0 = 0 .
Observac
ao 1.4 Em um espaco vetorial, pela propriedade AL", para
cada u V existe v V tal que u + v = 0. Na verdade, para cada
u V existe somente um elemento v V com esta propriedade. De
fato, dado u V se v e v em V s~ao tais que u + v = 0 e u + v = 0
AL!, obtemos v = v + 0 = v + (u + v ) = (v + u) + v = (u + v) + v =
0 + v = v , isto
e v = v . Denotaremos v por u e u v por u + (v).
Observac
ao 1.6
~ E EXEMPLOS
1.1. INTRODUC
AO
11
uma rotina bem simples vericar que desse modo Rn e um espaco vetoE
rial. Deixamos como exerccio esta tarefa.
Verique tambem que os seguintes exemplos s~ao espacos vetoriais.
1. Sejam n N e V = Pn (R) o conjunto formado pelo polin^omio nulo e
por todos os polin^omios de grau menor ou igual a n com coecientes
reais. Denimos a adic~ao e a multiplicac~ao por escalar da seguinte
maneira:
CAPITULO 1. ESPAC
OS VETORIAIS
12
Se p(x) = a0 + a1 x + + an xn e q(x) = b0 + b1 x + + bn xn
s~ao elementos de Pn (R) ent~ao
6. O conjunto das matrizes m por n com coecientes reais: Mmn (R)
munido de operaco~es analogas aquelas denidas em Mn (R).
Os espacos vetoriais acima envolvem operaco~es com as quais voc^e ja
deve estar familiarizado. O proximo exemplo e um pouco mais sosticado
13
1.2. PROPRIEDADES
y = xy = yx = y
x para quaisquer x, y V;
x1 = xx1 = 1 = o;
5.
( x) = x = (x ) = x = x = ()
x V e , R;
x para quaisquer
1.2
x)
y) para
x = x1 = x para qualquer x V.
Propriedades
CAPITULO 1. ESPAC
OS VETORIAIS
14
Proposic
ao 1.7
1. Para qualquer R, 0 = 0.
2. Para qualquer u V, 0u = 0.
3. Se u = 0 ent~ao = 0 ou u = 0.
4. Para quaisquer R e u V, ()u = (u) = (u).
5. Para qualquer u V, (u) = u.
6. Se u + w = v + w ent~ao u = v.
7. Se u, v V ent~ao existe um unico w V tal que u + w = v.
Prova:
1.3. EXERCICIOS
15
Resoluc
ao: Note que se encontrarmos uma func~ao f : R V que seja injetora ent~ao V tera innitos elementos, pois para cada R correspondera
um elemento distinto f() de V.
Tome v V, v = 0. Dena f : R V por f() = v. Para mostrar
que f e injetora, tomemos , R tais que f() = f(). Devemos mostrar
que = . Como v = f() = f() = v, obtemos v (v) = 0. Pelo
item 4 da proposic~ao 1.7 temos 0 = v (v) = v + ()v = ( )v.
Como v = 0, pelo item 3 da mesma proposic~ao, segue que = 0, isto
e, = .
1.3
Exerccios
Ex. 1.9
CAPITULO 1. ESPAC
OS VETORIAIS
16
Captulo 2
Subespacos Vetoriais
2.1
Introduc
ao e Exemplos
Definic
ao 2.1
IL
0 W;
IL
Se u, v W ent~ao u + v W;
IL!
Observac
ao 2.2 Note que todo subespaco vetorial W de um espaco
vetorial V e ele proprio um espaco vetorial. As propriedades comuta-
CAPITULO 2. SUBESPAC
OS VETORIAIS
18
IL
Observac
ao 2.3 Obviamente {0} e V s~
ao subespacos vetoriais do espaco vetorial V. S~ao chamados de subespacos vetoriais triviais.
Observac
ao 2.4
IL
0 W;
IL
Se u, v W e R ent~ao u + v W.
Exemplo 2.6
~ E EXEMPLOS
2.1. INTRODUC
AO
19
f(x)dx = 0
a
CAPITULO 2. SUBESPAC
OS VETORIAIS
20
2.2
Intersec
ao e Soma de Subespacos
Proposic
ao 2.13 (Interse
c
ao de subespacos) Sejam U e W
cos vetoriais de V. Ent~ao U W e subespaco vetorial de V.
subespa-
Prova:
1. Como 0 U e 0 W ent~ao 0 U W;
2. Se x, y U W e R ent~ao x + y U e x + y W. Portanto,
x + y U W.
Quest
ao: Com a notac~ao da proposic~ao acima, podemos armar que
U W e subespaco vetorial de V?
Resposta : N~ao. Basta considerar V = R2 , U = {(x, y) R2 ; x + y = 0}
e W = {(x, y) R2 ; x y = 0}. Note que (1, 1) U U W e (1, 1)
W U W mas (1, 1) + (1, 1) = (2, 0) U W.
Se U e W s~ao subespacos vetoriais de um espaco vetorial V e V e um
subespaco de V que contenha U e W, isto e, U W V ent~ao V tera
que conter todos os vetores da forma u + w, u U e w W. Isto motiva
a seguinte
Definic
ao 2.14 Sejam U e W subespacos vetoriais de um espaco vetorial V. Denimos a soma de U e W como U+W = {u+w; u U, w
W}.
Proposic
ao 2.15 (Soma de subespacos) Sejam U, W e V como na
denic~ao acima. Ent~ao U + W e um subespaco vetorial de V. Alem
do mais, U W U + W.
Prova: Veriquemos que U + W e subespaco vetorial de V.
1. Como 0 U e 0 W ent~ao 0 = 0 + 0 U + W;
~ E SOMA DE SUBESPAC
2.2. INTERSEC
AO
OS
21
2. Sejam x1 , x2 U + W ent~ao xj = uj + wj , uj U, wj W, j = 1, 2.
Agora, se R ent~ao x1 + x2 = u1 + w1 + (u2 + w2 ) = (u1 + u2 ) +
(w1 + w2 ) U + W, pois U e W s~ao subespacos vetoriais.
Mostremos que U W U + W. Seja v U W. Se v U ent~ao
v = v + 0 U + W. Se v W ent~ao v = 0 + v U + W. Ou seja,
U W U + W.
Observac
ao 2.18
Proposic
ao 2.19 (Soma direta de subespacos vetoriais) Sejam U e
W subespacos vetoriais de um espaco vetorial V. Temos V = U W se
e somente se para cada v V existirem um unico u U e um unico
w W satisfazendo v = u + w.
Prova: Suponha que V = U W, isto e, V = U + W e U W = {0}.
Ent~ao, dado v V existem u U e w W satisfazendo v = u + w.
22
CAPITULO 2. SUBESPAC
OS VETORIAIS
de U = {(x, y, z)
~ E SOMA DE SUBESPAC
2.2. INTERSEC
AO
OS
23
x + y + z = 0
x=0
y = 0
Ex. Resolvido 2.21
U = {(x, y, z) R3 ; x = 0}
e V = {(x, y, z) R3 ; y = 0}.
de um espaco
U1 + + Un = {u1 + + un ; uj Uj , j = 1, . . . , n}.
Definic
ao 2.23 Sejam U1 , . . . , Un subespacos vetoriais de um espaco
vetorial V. Dizemos que a soma de U1 a Un e uma soma direta se
(
)
Uj U1 + + Uj + + Un = {0}, j = 1, . . . n,
CAPITULO 2. SUBESPAC
OS VETORIAIS
24
Observac
ao 2.24
E obvio que
(
)
0 Uj U1 + + Uj + + Un
2.3. EXERCICIOS
2.3
25
Exerccios
{(
1. V = M2 , W =
a b
a c
; a, b, c, R .
2. V = R4 , W = {(x, x, y, y); x, y R} .
3. V = Pn (R), W = {p Pn (R); p(0) = p(1)} .
4. V = Mn , dada B Mn , dena W = {A Mn ; BA = 0} .
5. V = Rn , W = {(x1 , x2 , , xn ); a1 x1 + + an xn = 0} , onde a1 , . . . ,
an R s~ao dados.
6. V = Mn1 , W = {X Mn1 ; AX = 0} , onde A Mmn e dada.
7. V = Pn (R), W = {p Pn (R); p (t) = 0, t R} .
8. V = Mn , W = {A Mn ; At = A} .
9. V = Mn , W = {A Mn ; At = A} .
10. V = C (R; R), W = {f C (R; R); limx+ f(x) = 0} .
11. V = F (R; R), W = {f F (R; R); f(x0 ) = 0} , x0 R.
Diga, em cada um dos itens abaixo, se a armac~ao e verdadeira ou falsa, justicando sua resposta. isto e, provando se for
verdadeira ou dando um contra-exemplo se for falsa.
Ex. 2.28
CAPITULO 2. SUBESPAC
OS VETORIAIS
26
)
a 0
0 b
2. U =
}
;
{(
a, b R , W =
0 c
0 d
e UW ,
}
;
c, d R ,
V = M2 .
3. U = {p(t) V; p (t) = 0} ,
W = {q(t) V; q (t) = 0} .
V = P3 (R)
Ex. 2.30
{
}
U = (x, y) R2 ; 2x + 3y = 0 ,
{
}
W = (x, y) R2 ; x y = 0 .
a
b
0
V = M3 , U = 0 0 c ; a, b, c, d R ,
0 0 d
0
0
e
W = f g 0 ; e, f, g, h, i R .
h i 0
1. V = R2 ,
2.
3. V = P3 (R),
2.3. EXERCICIOS
27
Em cada um dos itens abaixo, dado U subespaco de V , encontrar o subespaco suplementar de U, isto e, o subespaco W de V
tal que V = U W.
Ex. 2.31
1. V = R3 , U = {(x, y, 0); x, y R} .
2. V = P3 (R), U = {p(t) P3 (R); p (t) = 0, t R} .
3. V = M3 , U = {A M3 ; At = A} .
4. V = M21 , U = {X M21 ; AX = 0} , onde A =
)
1 1
0 1
28
CAPITULO 2. SUBESPAC
OS VETORIAIS
Captulo 3
Combinac
oes Lineares
3.1
Introduc
ao e Exemplos
imos no captulo anterior que um subespaco vetorial e um subconjunto de um espaco vetorial que e fechado com relac~ao a adic~ao de
vetores e tambem com relac~ao a multiplicac~ao por escalar. Em outras palavras, quando somamos dois vetores de um subespaco vetorial ou multiplicamos um vetor do subespaco por um escalar, o resultado e um elemento
deste subespaco. Quando combinamos repetidas vezes estas aco~es temos
o que chamamos de combinac~ao linear entre vetores. Mais precisamente,
Definic
ao 3.1 Sejam u1 , . . . , un elementos de um
Dizemos que u e combinac~ao linear de u1 , . . . , un se
reais 1 , . . . , n tais que u = 1 u1 + + n un
espaco vetorial V.
existirem numeros
Observac
ao 3.2 Sejam U um espaco vetorial e V U um subespaco
vetorial. Se u1 , . . . , un V e 1 , . . . , n R ent~ao a combinac~ao linear
1 u1 + + n un pertence a V.
29
~
CAPITULO 3. COMBINAC
OES
LINEARES
30
+ + = 1
+=0
= 1
3.2
= 1, = 1 e = 1.
Geradores
Definic
ao 3.5 Sejam V um espaco vetorial e S um subconjunto n~
ao
vazio de V. Usaremos o smbolo [S] para denotar o conjunto de todas as
combinac~oes lineares dos elementos de S. Em outras palavras, u [S]
se existirem 1 , . . . , n R e u1 , . . . , un S tais que u = 1 u1 + +
n un .
Proposic
ao 3.6 Sejam V um espaco vetorial e S um
vazio de V. Ent~ao [S] e um subespaco vetorial de V.
Prova:
subconjunto n~ao
31
3.2. GERADORES
Sejam S e V como acima. Diremos que [S] e o subespaco vetorial gerado por S. Os elementos de S s~ao chamados de
geradores de [S]. Se S = {u1 , . . . , un } tambem usaremos a notac~ao
Definic
ao 3.7
[S] = [u1 , . . . , un ].
Proposic
ao 3.8 Sejam S
vetorial V. Temos
1. S [S];
2. Se S T ent~ao [S] [T ];
3. [[S]] = [S];
4. Se S e um subespaco vetorial ent~ao S = [S];
5. [S T ] = [S] + [T ].
Prova:
1. Se u S ent~ao u = 1u [S];
2. Se u [S] ent~ao existem 1 , . . . , n R e u1 , . . . , un S tais que
u = 1 u1 + +n un . Como S T temos u1 , . . . , un T e, portanto,
u [T ];
~
CAPITULO 3. COMBINAC
OES
LINEARES
32
33
3.2. GERADORES
Seja P(R) o espaco vetorial formado por todos os polin^omios. Armamos que P(R) n~ao e nitamente gerado.
Exemplo 3.10
evidente
Seja N o grau mais alto dentre os polin^omios p1 (x), . . . , pn (x). E
N+1
que x
n~ao pode ser escrito como combinac~ao linear de p1 (x), . . . , pn (x)
e, assim, xN+1 [p1 (x), . . . , pn (x)] = P(R). Uma contradic~ao.
Note que [1, x, x2 , . . . ] = P(R).
Seja V um espaco vetorial gerado por u1 , . . . , un . Mostre que se, por exemplo, u1 e uma combinac~ao linear de u2 , . . . , un
ent~ao V e gerado por u2 , . . . , un .
Exemplo 3.11
~
CAPITULO 3. COMBINAC
OES
LINEARES
34
isto e,
U = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)].
isto e,
V = [(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)].
3. Se (x, y, z, t) U V ent~ao
{
xy+t+z=0
x + y t + z = 0,
que implica em x = z e y = t.
Deste modo, (x, y, z, t) = (x, y, x, y) = x(1, 0, 1, 0) + y(0, 1, 0, 1)
e, portanto,
U V = [(1, 0, 1, 0), (0, 1, 0, 1)].
Observe que
(1, 1, 0, 0) = (1, 0, 0, 1) + (0, 1, 1, 0) (0, 0, 1, 1)
e, portanto,
U + V = [(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)].
3.3. EXERCICIOS
3.3
35
Exerccios
Ex. 3.13
3. S = 1, t, t2 , 1 + t3 , V = P3 (R).
0 1
0 0
4. S =
)}
) (
{(
0 0
1 0
, V = M2 .
Ex. 3.14
1. W = (x, y, z) V = R3 ; x 2y = 0 .
.
2. W = {p V = P3 (R); p (t) = 0, t R} .
.
3. W = {A V = M2 ; At = A} .
.
4. W = {X V = M31 ; AX = 0} , onde
0 1 0
A = 2 1 0 .
1 1 4
Ex. 3.15
~
CAPITULO 3. COMBINAC
OES
LINEARES
36
[(
3. U = {A M2 ; At = A} , W =
)]
1 1
0 1
, V = M2 .
4. U = [t3 +4t2 t+3, t3 +5t2 +5, 3t3 ], W = [t3 +4t2 , t1, 1], V = P3 (R).
Ex. 3.16 Obtenha o subconjunto formado por vetores
torial P3 (R) que geram os seguintes subespacos;
do espaco ve-
Ex. 3.18
Captulo 4
Depend
encia Linear
4.1
Introduc
ao e Exemplos
Note que a combinac~ao linear acima e nula, embora nem todos os escalares
que aparecem na sua formac~ao s~ao nulos.
Vejamos agora a seguinte situac~ao: sera possvel encontrar escalares
, e , n~ao todos nulos, de modo que, em R3 tenhamos
(1, 0, 0) + (0, 1, 0) + (0, 0, 1) = (0, 0, 0)?
A resposta e, obviamente n~ao. Isto signica que n~ao e possvel escrever
nenhum dos vetores acima como combinac~ao linear dos outros dois. Isto
contrasta com o que ocorre com os vetores u, v e w do exemplo anterior.
37
38
^
CAPITULO 4. DEPENDENCIA
LINEAR
Definic
ao 4.1
Observac
ao 4.2 Note que se 1 = = n = 0 ent~
ao 1 u1 + +
n un = 0, por
em, a recproca nem sempre e valida. Basta ver que,
por exemplo, em R2 temos (0, 0) = 1(1, 1) + 1(1, 1).
Observac
ao 4.3 A noc~
ao de independ^encia linear para a sequ^encia
u1 , . . . , un equivale a dizer que se i = 0 para algum i {1, . . . , n}
ent~ao 1 u1 + + n un = 0.
Definic
ao 4.4 Dizemos que uma sequ^
encia u1 , . . . , un de um
vetorial V e linearmente dependente (l.d., abreviadamente)
espaco
se n~ao
Observac
ao 4.5 A denic~
ao de depend^encia linear para a sequ^encia
u1 , . . . , un
e equivalente a dizer que e possvel encontrar numeros
reais 1 , . . . , n n~ao todos nulos tais que 1 u1 + + n un = 0.
Verique se a sequ^encia (1, 1, 1), (1, 1, 0), (1, 0, 0) e linearmente independente em R3 .
Exemplo 4.7
~ E EXEMPLOS
4.1. INTRODUC
AO
39
+ + = 0
+=0
= 0,
u1 = (x1 , y1 , z1 ),
u2 = (x2 , y2 , z2 )
u3 = (x3 , y3 , z3 ).
1 x1 + 2 x2 + 3 x3 = 0
1 y1 + 2 y2 + 3 y3 = 0
z + z + z = 0
1 1
2 2
3 3
x1 x2 x3
y1 y2 y3
z1 z2 z3
^
CAPITULO 4. DEPENDENCIA
LINEAR
40
Exemplo 4.10
(
) (
) (
)
1 0
1 1
0 1
,
,
0 1
0 1
0 0
1 0
0 1
que equivale a
)
(
)
(
) (
0 1
0 0
1 1
=
,
+
+
0 0
0 1
0 0
(
) (
)
+ +
0 0
=
,
0
+
0 0
Exemplo 4.12
41
4.2. PROPRIEDADES
Como
1 cos2 x sen 2 x = 0,
para todo x R,
4.2
Propriedades
1
j1
j+1
n
u1
uj1
uj+1
un .
j
j
j
j
Se u1 , . . . , un em V s~ao l.d. ent~ao qualquer sequ^encia nita de vetores de V que os contenha, tambem sera l.d..
Proposic
ao 4.15
dependentes.
^
CAPITULO 4. DEPENDENCIA
LINEAR
42
sendo que nesta ultima express~ao nem todos os coecientes s~ao nulos.
Se u1 , . . . , un , un+1 , . . . , um s~ao linearmente independentes em um espaco vetorial V ent~ao qualquer subsequ^encia destes
vetores tambem e linearmente independente.
Proposic
ao 4.16
Prova: Basta mostrar que se u1 , . . . , un , un+1 , . . . , um s~ao linearmente independentes ent~ao u1 , . . . , un tambem s~ao.
Suponha que 1 u1 + + n un = 0. Mas como
1 u1 + + n un = 1 u1 + + n un + 0un+1 + + 0um = 0
4.3. EXERCICIOS
43
Prova:
Temos
(1 1 )u1 + + (n n )un = 0
4.3
Exerccios
Ex. 4.19
2. S = 1 + t t2 , 2 + 5t 9t2 , V = P2 (R).
{(
) (
1 1
0 0
3. S =
)}
2 0
1 0
, V = M2 .
1
2
0
1
1
1
0
0
0
5. S = 3 0 1 , 0 0 0 , 10 5 7 , V = M3.
0 0 2
1
1
1
1 0 1
^
CAPITULO 4. DEPENDENCIA
LINEAR
44
1. S1 = {u, u + v, u + v + w};
2. S2 = {u v, v w, w u};
3. S3 = {u + v, u + v + w, w}.
Ex. 4.21 Sejam f, g C1 ((a, b); R). Mostre que
que f(x)g (x) = f (x)g(x) ent~ao f e g s~ao l.i..
Captulo 5
Base, Dimens
ao e Coordenadas
5.1
Base
45
46
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
preciso mostrar que estes vetores s~ao l.i. e que todo ponto
Resoluc
ao: E
de R2 se escreve como combinac~ao linear de (1, 1) e (1, 1). No entanto,
se mostrarmos que todo ponto de R2 se escreve de maneira u
nica como
combinac~ao linear de (1, 1) e (1, 1) ja estaremos mostrando as duas pro-
= y.
As matrizes em
{(
B=
) (
) (
) (
)}
1 0
0 1
0 0
0 0
,
,
,
0 0
0 0
1 0
0 1
Exerccio 5.6
~
5.2. DIMENSAO
isto e,
47
1 u1 + + n1 un1 un = 0,
5.2
Dimens
ao
Teorema 5.9
Prova: Sejam u1 , . . . , un e v1 , . . . , vm bases de um espaco vetorial nitamente gerado V. Suponhamos que n > m e mostremos que isto implicara
que u1 , . . . , un s~ao l.d., o que contraria o fato de formarem uma base.
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
48
j n,
uj = 1j v1 + + mj vm .
( m
)
i1 vi
(
+ + xn
i=1
ou ainda,
( n
j=1
)
in vi
= 0,
i=1
xj 1j v1 + +
n
)
xj mj
vm = 0.
j=1
Proposic
ao 5.12
~
5.2. DIMENSAO
49
independentes.
A seguinte proposic~ao e um resultado da prova do teorema 5.9.
Todo subespaco vetorial de um espaco vetorial de dimens~ao nita tambem tem dimens~ao nita.
Corol
ario 5.14
contradic~ao.
Corol
ario 5.15
50
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
k = 1, . . . , m, l = 1, . . . , n onde
{
1
k,l
i,j =
0
se (i, j) = (k, l)
se (i, j) = (k, l)
Teorema 5.21 (Completamento) Seja V um espaco vetorial de dimens~ao n. Se os vetores u1 , . . . , ur s~ao l.i. em V com r < n ent~ao
existem ur+1 , . . . , un tais que u1 , . . . , ur , ur+1 , . . . , un formam uma base
de V.
Prova: Como r < n existe ur+1 V tal que u1 , . . . , ur , ur+1 s~ao l.i., pois
caso contrario os vetores u1 , . . . , ur formariam uma base de V, o que e
impossvel pois dim V = n > r.
Se r + 1 = n ent~ao u1 , . . . , ur , ur+1 formam uma base de V.
Se r+1 < n ent~ao e possvel encontrar ur+2 V tal que u1 , . . . , ur , ur+1 ,
ur+2 s~ao l.i., pois caso contrario a sequ^encia u1 , . . . , ur , ur+1 seria uma base
de V, o que e impossvel pois dim V = n > r + 1.
Repetindo os argumentos acima, encontramos vetores ur+1 , ur+2 , . . . ,
ur+k , onde r + k = n, de forma que
u1 , . . . , ur , ur+1 , . . . , ur+k
~ DE SOMA DE SUBESPAC
5.3. DIMENSAO
OS VETORIAIS
51
1 a x
1 b y
1 c z
que e dado por x(b + c) y(a + c) + z(b a) seja diferente de zero. Ha
uma innidade de possibilidades para que isto aconteca. Por exemplo,
tomando (a, b, c) = (0, 1, 1) e (x, y, z) = (0, 0, 1).
5.3
Dimens
ao de Soma de Subespacos Vetoriais
Proposic
ao 5.23 Seja V um espaco vetorial
U e W s~
ao subespacos vetoriais de V ent~ao
de dimens~ao nita. Se
(5.24)
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
52
(5.25)
ou seja
U 1 u1 + + p up + 1 v1 + + m vm = 1 w1 q wq W.
Logo,
1 w1 q wq U W = [v1 , . . . , vm ].
ou seja,
1 w1 + + q wq + 1 v1 + + m vm = 0.
~ DE SOMA DE SUBESPAC
5.3. DIMENSAO
OS VETORIAIS
53
um absurdo.
Exemplo 5.29 Sejam U = {p(x) P3 (R); p(0) = p(1) = 0} e V =
{p(x) P3 (R); p(1) = 0}. Encontre uma base de U, V, U V e U + V.
U : Temos
p(x) = a0 + a1 x + a2 x2 + a3 x3 U p(0) = p(1) = 0
54
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
{
a0 = 0
a0 + a1 + a2 + a3 = 0
{
a0 = a2 = 0
a1 = a3
a0 = 0
a + a1 + a2 + a3 = 0
0
a a + a a = 0
0
1
2
3
~ DE SOMA DE SUBESPAC
5.3. DIMENSAO
OS VETORIAIS
Exemplo 5.30
U
V
UV
U+V
55
Veriquemos que os geradores acima s~ao na verdade bases para os respectivos subespacos vetoriais. Para tanto basta vericar que cada sequ^encia
de vetores acima e l.i..
Analisemos primeiramente para U: se
(1, 1, 0, 0) + (0, 1, 1, 0) + (0, 1, 0, 1) = (0, 0, 0, 0)
ent~ao
(, + + , , ) = (0, 0, 0, 0)
que implica em = = = 0.
Vejamos agora o caso do subespaco V : se
(1, 0, 0, 1) + (0, 1, 0, 1) + (0, 0, 1, 1) = (0, 0, 0, 0)
ent~ao
(, , , + + ) = (0, 0, 0, 0)
que implica em = = = 0.
Passemos agora a U V : se
(1, 0, 1, 0) + (0, 1, 0, 1) = (, , , ) = (0, 0, 0, 0)
que implica em = = 0.
Pela proposic~ao 5.23 temos dim (U + V) = 3 + 3 2 = 4. Como
(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1) geram U + V segue-se do fato
da dimens~ao deste subespaco ser quatro que formam uma base de U + V.
Como a dimens~ao de R4 tambem e U + V R4 , temos pela proposic~ao
5.27 que U + V = R4 . Note que esta soma n~ao e direta.
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
56
5.4
Coordenadas
Mostre que os vetores (1, 1, 1), (0, 1, 1) e (0, 0, 1) formam uma base de R3 . Encontre as coordenadas de (1, 2, 0) R3 com
relac~ao a base B formada pelos vetores acima.
Exemplo 5.31
Ja sabemos que dim R3 = 3. Para vericar se os vetores acima formam
uma base de V, basta vericar se eles s~ao l.i.. Utilizando o exemplo 4.8
vemos que estes vetores s~ao de fato l.i. pois a matriz
1 0 0
1 1 0
1 1 1
= 1
+=2
+ + = 0
57
5.4. COORDENADAS
1
1 .
2
Exemplo 5.32 Mostre que os polin^
omios 1, x, x2 x formam uma base,
B, de P2 (R). Encontre as coordenadas de 1 + x + x2 com relac~
ao a
base B. Encontre tambem as coordenadas deste mesmo polin^omio com
relac~ao a base C formada pelos polin^omios 1, x e x2 .
Para vericar que 1, x, x2 x formam uma base de P2 (R) basta mostrar
cada p(x) = a0 + a1 x + a2 x2 P2 (R) se escreve de maneira unica como
combinac~ao linear de 1, x e x2 x. Isto e equivalente a mostrar que a
equac~ao p(x) = 1+x+(x2 x) possui uma unica soluc~ao (, , ) R3 .
A equac~ao acima se escreve como
a0 + a1 x + a2 x2 = + ( )x + x2 ,
= a 0
= a1
= a ,
2
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
58
5.5
Exerccios
Ex. 5.33
1. B = 1, 1 + t, 1 t2 , 1 t t2 t3 , V = P3 (R).
{(
) (
1 1
0 0
2. B =
) (
2 1
0 0
) (
0 1
1 0
)}
0 0
0 2
, V = M2 .
Encontrar em cada um dos itens abaixo uma base e a dimens~ao do subespaco W do espaco vetorial V.
Ex. 5.34
1. W = (x, y, z, t) R4 ; x y = 0 e x + 2y + t = 0 , V = R4 .
(
2. W = {X M2 ; AX = X} , onde A =
1 2
0 1
, V = M2 .
4. W = {X M2 ; AX = XA} , onde A =
Ex. 5.35
1 0
1 1
, V = M2 .
5.5. EXERCICIOS
59
2. U = {A M2 ; tr (A) = 0} , W = {A M2 ; At = A} , V = M2 , onde
tr (A) e a soma dos elementos da diagonal principal de A, chamado de traco de A
3. U = {p(t) V; p (t) = 0} , W = {p(t) V; p(0) = p(1)} , V = P2 (R).
Determinar as coordenadas do vetor u = (1, 8, 5) R3 em
relac~ao a cada uma das bases de R3 abaixo;
Ex. 5.36
1. base can^onica
2. {(0, 0, 1), (0, 1, 1), (1, 1, 1)}
3. {(1, 2, 1), (0, 3, 2), (1, 1, 4)}
Determinar as coordenadas do polin^omio p(t) P3 (R),
dado por p(t) = 10 + t2 + 2t3 , t R em relac~ao as seguintes bases
de P3 (R);
Ex. 5.37
1. base can^onica
{
2. 1, 1 + t, 1 + t + t2 , 1 + t + t2 + t3
{
3. 4 + t, 2, 2 t2 , t + t3
Ex. 5.38
)
2 5
8 7
M2
em
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
60
1. base can^onica
{(
2.
Ex. 5.39
) (
1 0
0 0
) (
1 1
0 0
) (
1 1
1 0
)}
1 1
1 1
) (
1 0
1 0
Ex. 5.40 Verique que as
a base B = {1, x, . . . , xn } e
)}
1 1
0 0
p(0)
p (0)
1
p (0)
2!
..
p(n) (0)
n!
1. {u1 , u1 + u2 , u1 + u2 + u3 , . . . , u1 + , un } e um base de V;
2. se j = 0, j = 1, . . . , n ent~ao {1 u1 , . . . , n un } e uma base de V.
Captulo 6
Mudanca de Base
6.1
Introduc
ao, Exemplos e Propriedades
..
.
cn = 1n b1 + + nn bn .
c1B
1n
11
..
..
= . , , cnB = . .
nn
n1
61
CAPITULO 6. MUDANC
A DE BASE
62
11
1n
n1
nn
MCB = ...
...
.. ,
.
Precisamos resolver
(1, 0, 0) = 11 (1, 0, 1) + 21 (1, 1, 1) + 31 (1, 1, 2)
(0, 1, 0) = 12 (1, 0, 1) + 22 (1, 1, 1) + 32 (1, 1, 2)
(0, 0, 1) = 13 (1, 0, 1) + 23 (1, 1, 1) + 33 (1, 1, 2)
(11 + 21 + 31 , 21 + 31 , 11 + 21 + 231 ) = (1, 0, 0)
(12 + 22 + 32 , 22 + 32 , 12 + 22 + 232 ) = (0, 1, 0)
(13 + 23 + 33 , 23 + 33 , 13 + 23 + 233 ) = (0, 0, 1).
0 1 1 y = b
c
1 1 2
z
~ EXEMPLOS E PROPRIEDADES
6.1. INTRODUC
AO,
63
1 1 1
x
a
0 1 1 y = b
0 0 1
z
ca
MCB
Exerccio 6.2
1 1 0
= 1
1 1 .
1 0
1
y1
..
vC = .
yn
i=1
xi b i =
j=1
yj cj =
j=1
(
yj
i=1
)
ij bi
( n
n
i=1
j=1
)
ij yj bi
CAPITULO 6. MUDANC
A DE BASE
64
11 12
1n
y1
x1
..
.. ..
.. . . ..
.
. = . ,
..
.
n1 n2 nn
yn
xn
ou mais simplesmente,
vB = MCB vC .
u1 = (cos , sen )
u2 = ( sen , cos )
ent~ao
{
cos sen = 0
sen + cos = 0
= = 0,
~ EXEMPLOS E PROPRIEDADES
6.1. INTRODUC
AO,
pois
det
65
cos sen
= 1 = 0.
sen cos
que e equivalente a
(1, 0) = (11 cos 21 sen , 11 sen + 21 cos )
(0, 1) = (12 cos 22 sen , 12 sen + 22 cos ),
)( ) ( )
x
=
y
cos sen
sen cos
( ) (
)( ) (
)
x
cos sen
cos + sen
=
=
.
y
sen cos
cos sen
cos sen
MCB =
.
sen cos
Agora, se uB representa as coordenadas de u = ae1 + be2 com relac~ao a
base B e uC as coordenadas do mesmo vetor com relac~ao a base C, pela
proposic~ao 6.3 temos
(
uB =
MCB uC
cos sen
=
sen cos
)( ) (
)
a
a cos + b sen
=
.
b
b cos a sen
CAPITULO 6. MUDANC
A DE BASE
66
Proposic
ao 6.5
C
D
MD
B = MB MC .
dk =
ij bi ,
i=1
dk =
j=1
dk =
jk cj ,
j=1
Assim,
n
jk cj =
jk
j=1
( n
i=1
(6.6)
ik bi .
i=1
)
ij bi
( n
n
i=1
)
ij jk
bi ,
j=1
ij jk ,
1 i, k n.
j=1
Proposic
ao 6.7 Sejam B e C bases em um espaco vetorial de n dimensional V. Ent~ao a matriz MCB possui inversa e esta inversa e dada
por MBC , a matriz de mudanca da base C para a base B.
Prova: Pela proposic~ao anterior temos MCB MBC = MBB e MBC MCB = MCC .
Resta mostrar que MBB = MCC = I = (ij ), onde
{
1
se i = j
ij =
0
caso contrario,
6.2. EXERCICIOS
67
6.2
Exerccios
Ex. 6.9
g1 = e1 + e2 e3
g2 = 2e2 + 3e3
g = 3e + e
3
1
3
do vetor v em relac~
e, vC , e dada por
3
1
CAPITULO 6. MUDANC
A DE BASE
68
v
as bases ordenadas B = 1, 1 + t, 1 + t2 e C =
2. Se
3. Se
vB = 4
6
vC = 1
3
{
}
D = 1, t, t2
encontre vC .
encontre vB .
4. Se
e a base can^onica de P2 (R), encontre as matrizes de mudanca da base B para a base D e da base D para a
base C, isto e, MDB e MCD , respectivamente.
Ex. 6.11
x y
z t
W=
1. Mostre que
{(
B=
e
C=
s~ao bases de W.
M2 ; x y z = 0 .
) (
1 1
0 0
{(
) (
1 0
1 0
) (
1 0
1 0
)}
0 0
0 1
,
) (
0 1
1 0
)}
0 0
0 1
6.2. EXERCICIOS
69
1 1 0
P= 0 0 2
0 3 1
70
CAPITULO 6. MUDANC
A DE BASE
Captulo 7
Exerccios Resolvidos Uma
Revis
ao
este captulo apresentamos uma serie de exerccios resolvidos buscando fazer um resumo do que vimos ate agora.
Resoluc
ao: Note que (0, 0, 1, 1) V mas 1(0, 0, 1, 1) = (0, 0, 1, 1)
V. Assim, V n~ao e um espaco vetorial.
Ex. Resolvido 7.2 Seja A Mn uma matriz quadrada de ordem n.
Verique se W = {X Mn1 ; AX = 0} e um subespaco vetorial de Mn1 ,
71
72
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
Portanto X + Y W.
Conclumos que W e um subespaco vetorial de Mn1 .
Ex. Resolvido 7.3 Encontre
por S = {1, t, t2 , 1 + t3 }.
Resoluc
ao: Note que t3 = (t3 +1)1. Assim, dado p(t) = a0 +a1 t+a2 t2 +
a3 t3 P3 (R) podemos escrever p(t) = (a0 a3 ) + a1 t + a2 t2 + a3 (t3 + 1)
[S]. Logo, P3 (R) = [S].
Ex. Resolvido 7.4
) (
0 1
0 0
)}
0 0
1 0
Resoluc
ao: Temos que A [S] se e somente se existem , R tais que
(
)
(
) (
)
0 1
0 0
0
A=
+
=
,
0 0
1 0
0
onde
0 1 0
A = 2 1 0 .
1 1 4
73
Resoluc
ao:
0 1 0
X = W 2 1 0 = 0
1 1 4
2
0
0
0
1 4
0
1 1
4
1 0 = 0 0 1 4 = 0
1 0
0
0 1
0
1 4
0
1 1 4
1 4 = 0 0 1 4 = 0
1 0
0
0 0 4
1 1 4
0 1 4 = 0 = = = 0,
0 0 1
portanto,
0
W = 0 .
onde
A=
1 1 1 0
2 0
1 1
.
3 1
0 1
0 2 3 1
74
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
Resoluc
ao:
1 1 1 0
2 0
1 1 0
X = W
=
0 1 0
3 1
0 2 3 1
1 1 1 0
0 2 3 1 0
=
0 2 3 1 0
0
0 2 3 1
0
1 1 1 0
0 2 3 1 0
=
0 0 0
0 0
0
0 0
0 0
1 1 1
0
0 1 3/2 1/2 0
=
0
0 0
0 0
0 0
0
0
1 0 1/2
1/2
0 1 3/2 1/2 0
=
0
0 0
0 0
0 0
0
0
0
{
= /2 /2
,
= 3/2 + /2
isto e,
/2 /2
1/2
1/2
3/2 + /2
3/2
1/2
X=
=
+
,
1
0
0
1
75
portanto,
1/2
1/2
3/2 1/2
W =
,
.
1 0
0
1
subespaco vetorial de R3
Resoluc
ao: Primeiro Modo: (x, y, z) U se e somente se existem , ,
R tais que
(1, 0, 1) + (1, 2, 0) + (0, 2, 1) = (x, y, z),
1 1 0
x
1 1
0
2 = y
0 2 2 = y 0 2
1 0 1
z
0 1 1
zx
1 1
0
0 1
1 = y/2
0 1 1
zx
1 1 0
0 1 1 =
y/2
0 0 0
z x + y/2
x y/2
1 0 1
0 1 1 =
y/2
z x + y/2
0 0 0
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
76
e como
(1, 0, 1), (0, 1, 1/2)
(7.8)
+ = 0
+ = 0 = = ,
= 0
ou seja, os vetores
(1, 0, 1), (1, 2, 0), (0, 2, 1)
(7.9)
77
Ex. Resolvido 7.10
Dados os subespacos
U = {A M2 : At = A}
W=
)]
[(
1 1
0 1
U:
1 0
A=
0 0
(
)
(
)
0 1
0 0
+
+
.
1 0
0 1
)
1 1
0 1
gera W e e n~ao nula, ela serve como base de W. Note que dim W = 1.
UW :
(
A U W A = At e existe R tal que A =
)
,
0
78
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
(
) (
)
0
=
,
0
) (
) (
) (
)
0 1
0 0
0 0
1 0
,
,
,
.
0 0
0 0
1 0
0 1
{
p(0) = a0 = 0
p(1) = a0 + a1 + a2 = 0
p(t) = a1 t a1 t2 = a1 (t t2 ),
79
U W : p(t) U W = [1] [t t2 ] se e somente se existem , R tais que
p(t) = = (tt2 ). Claramente, isto so e possvel quando = = 0,
ou seja, quando p(t) = 0. Assim, U W = {0} e dim U W = 0.
U + W : Temos
g1 = e1 + e2 e3
g2 = 2e2 + 3e3
g = 3e + e
3
1
3
3. Se as coordenadas
do vetor v em relac~ao a base C, isto e, vC ,
3
1
e, vB .
80
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
1. Temos
1 0 3
MCB = 1 2 0 .
1 3 1
(
)1
.
0 3 ..
1 2 0
1 3 1
1 0 3
0 1 2
0 3 4
1 0 3
0 1 2
0 0 1
..
.
..
.
, passemos a encontrar a
1 0 0
1 0 3
0 1 0
0 2 3
0 0 1
0 3 4
..
. 1 0 0
..
. 1 1 0
..
. 1 0 1
..
1 0 3
. 1 0 0
..
3
. 12 12 0
0 1 2
..
. 1 0 1
0 0 172
Portanto,
.
9
6
1 0 0 .. 172
17
17
.
1
4
3
.
0 0 1 0 . 17 17
17
.
2
2
0 0 1 .. 175 173
17
17
0
MBC =
vC =
2
17
171
5
17
..
. 1 0 0
..
. 21 12 0
.. 5
3
. 2 2 1
..
. 1
0
..
. 12 12
.. 5
. 17 173
2. Como vC = MBC vB ,
inversa de MCB :
2
17
171
5
17
9
17
4
17
173
9
17
4
17
173
176
3
17
2
17
176
3
17
2
17
1
1
3 = 1 .
0
2
81
3. Como vB = MCB vC ,
1 0 3
2
1
v B = 1 2 0 3 = 8 .
1 3 1
1
6
{(
W=
x y
z t
M2 ; x y z = 0 .
B1 =
1 1
0 0
, B2 =
C1 =
1 0
1 0
1 0
1 0
, C2 =
(
, B3 =
)
0 1
1 0
)
0 0
0 1
(
, C3 =
)
0 0
0 1
s~ao bases de W.
b) Encontre as matrizes de mudanca da base B para a base C e da
base C para a base B.
c) Encontre uma base D de W , tal que a matriz
1 1 0
P= 0 0 2
0 3 1
82
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
Resoluc
ao:
a)
(
)
x y
A=
W x = y + z.
z t
isto e,
[(
W=
(7.14)
) (
)]
) (
0 0
1 1
1 0
.
,
,
1 0
0 1
0 0
+
+
=
1 0
1 0
0 1
0 0
(
) (
)
0 0
=
= = = 0.
+
0 0
e da,
0 1 0
MCB = 1 1 0 .
0 0 1
83
Quanto a MBC , vemos que
B1 = C1 C2
B2 = C1
B3 = C3
e assim,
1 1 0
MBC = 1 0 0 .
0 0 1
84
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
Captulo 8
Transforma
co
es Lineares
8.1
Introduc
ao e Exemplos
te agora estudamos os espacos vetoriais e seus subespacos, introduzimos os conceitos como depend^encia e independ^encia linear e, a partir
disto, pudemos descrev^e-los de maneira mais simples usando para isto geradores e, mais especicamente, bases. De certa forma ja temos em m~aos
tudo o que precisamos para trabalhar com espacos vetoriais. No captulo
12 voltaremos a estudar espacos vetoriais que possuem uma estrutura mais
rica.
O leitor ja deve estar familiarizado com o conceito de funco~es, principalmente com aquelas que est~ao denidas em um subconjunto da reta
e tomam seus valores tambem no conjunto dos numeros reais. Nosso
proximo passo e estudar funco~es que t^em como domnio um espaco vetorial e que tomam seus valores em um outro espaco vetorial. Note que os
valores tomados s~ao, na verdade, vetores. No entanto, vamos nos restringir
a apenas alguns tipos especiais dentre estas funco~es. Estamos interessados em funco~es que preservem as operaco~es existentes no espaco vetorial
que atua como o seu domnio e aquelas do espaco vetorial que age como
contra-domnio. Por exemplo, por preservar a adic~ao de vetores entende85
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
86
mos que ao tomar dois vetores no domnio da func~ao o valor que esta deve
ter para a soma destes dois vetores e a soma dos valores que ela possui
para cada um dos vetores. De maneira semelhante a func~ao deve preservar
o produto por escalar. Funco~es com estas propriedades s~ao chamadas de
transformaco~es lineares. Mais precisamente, temos.
Definic
ao 8.1 Sejam U e V espacos vetoriais. Dizemos que uma
func~ao T : U V e uma transformac~ao linear se forem vericadas
as seguintes condic~oes:
1. T (u + v) = T (u) + T (v),
2. T (u) = T (u),
u U,
u, v U;
R.
Observac
ao 8.2 Note que T : U V
e uma transformac~ao linear se
e somente se T (u + v) = T (u) + T (v), para todo u, v U, , R.
Observac
ao 8.3
~ E EXEMPLOS
8.1. INTRODUC
AO
87
f(x) dx,
0
|f(x)| dx,
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
88
Proposic
ao 8.4
U.
Prova: Ja que u1 , . . . , un formam uma base de U, dado u U existem
1 , . . . , n R tais que u = 1 u1 + + n un . Deste modo,
T (u) = T (1 u1 + + n un ) = 1 T (u1 ) + + n T (un ).
linear T : R2 R2
Resoluc
ao: Note que (1, 2) e (0, 1) formam uma base de R2 . Se (x, y) R2
ent~ao, como e facil vericar, temos (x, y) = x(1, 2) + (y 2x)(0, 1). Deste
modo, a transformac~ao T deve satisfazer
T (x, y) = T (x(1, 2) + (y 2x)(0, 1)) = xT (1, 2) + (y 2x)T (0, 1)
= x(3, 1) + (y 2x)(1, 2) = (x + y, 2y 5x).
8.2
89
8.2. O ESPAC
O VETORIAL L (U, V)
Proposic
ao 8.6 L (U, V)
rial.
Definic
ao 8.7 Se U
e um espaco vetorial, denimos o espaco dual
.
de U como sendo U = L (U, R), isto e, U e formado pelas transformac~oes lineares T : U R. Estas transformac~oes lineares tambem
s~ao chamadas de funcionais lineares denidos em U.
Note que
Tij (uk ) =
{
vj
0
x1 , . . . , xn R.
se i = k
se i = k
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
90
L (U, V).
n m
Se
0=
i=1
n
m
i=1 j=1
j=1
m
n
j=1 i=1
j=1
akj vj
j=1
ou seja
T = 11 T11 + + m1 T1m + + 1n T1n + + mn Tnm .
91
8.2. O ESPAC
O VETORIAL L (U, V)
Resoluc
ao: Dado (x, y, z) R3 , temos
(x, y, z) = z(1, 1, 1) + (y z)(1, 1, 0) + (x y)(1, 0, 0).
f2 (x, y, z) = y z
f3 (x, y, z) = x y.
Definic
ao 8.11 Sejam U, V e W espacos vetoriais. Se T L (U, V) e
S L (V, W) denimos a composta ST : U W por ST (u) = S(T (u)),
u U.
Exemplo 8.12 Considere T, S L (R2 ) dadas
S(x, y) = (x, 2y). Encontre T S e S T.
por T (x, y) = (x + y, 0) e
Note que T S = S T.
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
92
Definic
ao 8.13
n 2.
Definic
ao 8.14 T L (U)
e chamada de nilpotente se existir
inteiro positivo n tal que T n = 0, a transformac~ao nula.
algum
Exemplo 8.15
Proposic
ao 8.17
onde U, V, W e X
8.2. O ESPAC
O VETORIAL L (U, V)
Proposic
ao 8.18
R S + R T.
93
em V,
ent~ao
Definic
ao 8.20 Diremos que T L (U, V) possui inversa se existir
S : V U tal que S T (u) = u para todo u U e T S(v) = v para todo
v V. Em outras palavras, T S = IV e S T = IU , onde IU : U U
e
a identidade em U e IV : V V e a identidade em V.
Proposic
ao 8.21
versa e unica.
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
94
Definic
ao 8.22
e injetora se
injetora.
Dado v V vemos que T (T 1 (v)) = v e, portanto, T tambem e sobrejetora. Assim, T e bijetora.
Suponha agora que T seja bijetora. Dado v V existe um unico uv U
tal que v = T (uv ). Dena S : V U por S(v) = uv . Mostremos que S e a
inversa de T.
Se v V ent~ao T (S(v)) = T (uv ) = v.
Se u U ent~ao S(T (u)), pela denic~ao de S, e o unico elemento u
em U tal que T (u ) = T (u). Como T e injetora, temos u = u e, assim,
S(T (u)) = u.
8.3. IMAGEM E NUCLEO
Proposic
ao 8.25
1
T L (V, U).
95
8.3
Imagem e N
ucleo
Definic
ao 8.26
Resoluc
ao: Como T e n~ao nula existe uo U tal que T (uo ) = 0. Ja que V
tem dimens~ao 1 ent~ao qualquer base de V e constituda por um elemento
e como T (uo ) V e n~ao nulo (portanto, l.i.), ele proprio forma uma base
de V. Assim, dado v V existe R tal que v = T (uo ) = T (uo ), ou
seja, T e sobrejetora.
Proposic
ao 8.28
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
96
Proposic
ao 8.30
8.3. IMAGEM E NUCLEO
97
Resoluc
ao: Suponha que T 2 = 0. Se v T (U) ent~ao existe u U tal que
v = T (u) e, portanto, T (v) = T 2 (u) = 0. Logo, v N (T ).
Suponha agora que T (U) N (T ). Dado u U, como T (u) T (U)
N (T ), temos T 2 (u) = T (T (u)) = 0.
Ex. Resolvido 8.32 Seja R.
linear T : R2 R2 dada por
{
x cos y sen = 0
x sen + y cos = 0
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
98
e da,
v = T (u) = T (1 u1 + + p up + 1 v1 + + q vq )
= 1 T (u1 ) + + p T (up ) + 1 T (v1 ) + + q T (vq )
= 1 T (v1 ) + + q T (vq ),
ja que u1 , . . . , up N (T ).
Corol
ario 8.34 Se U e V
tais que dim U = dim V e
8.3. IMAGEM E NUCLEO
Prova:
99
isto e, T (u1 ), . . . , T (un ) geram V. Observe que ja havamos provado isto na
proposic~ao 8.4
(4) = (1): Seja u1 , . . . , un uma base de U. Por hipotese, T (u1 ), . . . ,
T (un ) formam uma base de V. Assim, dado v V existem 1 , . . . , n R
tais que v = 1 T (u1 )+ +n T (un ). Deste modo, v = T (1 u1 + +n un ),
isto e, T e sobrejetora.
Ex. Resolvido 8.35 Mostre que toda transformac~
ao linear bijetora
2
2
T : R R leva retas em retas, isto
e, a imagem de uma reta por T
e uma reta.
Resoluc
ao: Dada uma reta r no plano usaremos a equac~ao vetorial para
representar seus pontos, isto e, um ponto P r e da forma Po + v, onde
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
100
ou seja, dim H = n 1.
Ex. Resolvido 8.37
Sejam
(
)
1 2
A=
0 1
mos
(
)(
) (
)(
)
1 2
a b
a b
1 2
=
,
0 1
c d
c d
0 1
8.3. IMAGEM E NUCLEO
isto e,
101
(
) (
)
a + 2c b + 2d
a 2a + b
=
c
d
c 2c + d
que equivale a
a + 2c = a
b + 2d = 2a + b
c=c
d = 2c + d
Portanto,
c = 0 e a = d.
(
)
(
)
(
)
a b
1 0
0 1
X=
=a
+b
.
0 a
0 1
0 0
(
)
x y
Y=
T (M2 )
z t
se e somente se existir
(
X=
)
a b
c d
(
) (
)(
) (
)(
)
x y
1 2
a b
a b
1 2
=
z t
0 1
c d
c d
0 1
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
102
(
) (
) (
)
a + 2c b + 2d
a 2a + b
2c 2d 2a
=
=
c
d
c 2c + d
0
2c
(
)
(
)
1 0
0 1
= 2c
+ 2(d a)
,
0 1
0 0
ou seja, a imagem de T e gerada pela base (note que as matrizes s~ao l.i.)
formada pelas matrizes
)
) (
(
1 0
0 1
e
.
0 0
0 1
formam uma base do nucleo de T e, como no referido teorema, a completamos ate uma base de M2 como, por exemplo,
(
) (
) (
) (
)
1 0
0 1
0 0
0 0
,
,
e
0 1
0 0
1 0
0 1
))
0 0
1 0
(
=
)
2 0
0 2
((
eT
))
0 0
0 1
(
)
0 1
=
0 0
Exemplo 8.39 I : U U,
a identidade de U e idempotente.
Exemplo 8.40 T : R2 R2
103
Note que
T 2 (x, y) = T (x, 0) = (x, 0) = T (x, y).
Proposic
ao 8.41
8.4
Isomorfismo e Automorfismo
Definic
ao 8.42
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
104
se T (x, y, z) = (x y, x z, z y) e um
Resoluc
ao: Se T (x, y, z) = (0, 0, 0) ent~ao
x y = 0
x = y = z.
xz=0
z y = 0
que
Corol
ario 8.46
105
dim U = dim V.
Proposic
ao 8.47 Sejam U e V espacos de dimens~
ao n. Se u1 , . . . , un
e v1 , . . . , vn formam bases de U e V, respectivamente, ent~ao
T (x1 u1 + + xn un ) = x1 v1 + + xn vn ,
x1 , . . . , xn R,
coordenadas de um vetor com relac~ao a uma base s~ao unicamente determinadas por ele e pela base.
Veriquemos que T e linear.
Dados w1 , w2 U, podemos escrever
w1 =
xi ui
w2 =
i=1
yi ui ,
i=1
com xi , yi R, i = 1, . . . , n. Se 1 , 2 R, temos
(
T (1 w1 + 2 w2 ) = T
(1 xi + 2 yi )ui
i=1
= 1
i=1
xi vi + 2
(1 xi + 2 yi )vi
i=1
n
yi vi = 1 T (w1 ) + 2 T (w2 ).
i=1
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
106
Dois espacos vetoriais de dimens~ao nita s~ao isomorfos se e somente se t^em a mesma dimens~ao.
Corol
ario 8.48
Prova: Note que tanto L (U, V) como Mmn t^em a mesma dimens~ao:
mn.
8.5
8.5.1
Definic
ao e Exemplos
A matriz
= 1, . . . , n.
Mmn
..
.. . .
..
.
.
.
.
am1 am2 . . . amn
~ LINEAR
8.5. MATRIZ DE UMA TRANSFORMAC
AO
107
Assim,
(
[T ]B,C =
)
1 1 0
.
1 0 1
Assim,
(
[T ]B,D =
)
1 1
0
.
0 1 1
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
108
por
Tij (x1 u1 + + xn un ) = xi vj ,
Note que
Tij (uk ) =
x1 , . . . , xn R.
{
vj
se i = k
0 se i = k
{
0v1 + + 0vj1 + 1vj + 0vj+1 + + 0vn
0
se i = k
se i = k
{
1
se (j, i) = (k, l)
0 caso contr
ario ,
ou seja, a matriz Eji possui todos os coecientes nulos com excec~ao
daquele que ocupa a j-esima linha e da i-esima coluna cujo valor e 1.
8.5.2
Propriedades
Proposic
ao 8.53
com bases B e C,
~ LINEAR
8.5. MATRIZ DE UMA TRANSFORMAC
AO
109
e, desse modo,
1n + 1n
m1 + m1
mn + mn
[T + S]B,C =
11 + 11
..
.
...
..
.
= [T ]B,C + [S]B,C .
Corol
ario 8.54 Sejam U e V espacos vetoriais de
com bases B e C, respectivamente. Se T L (U, V) e
nula ent~ao [T ]B,C = 0.
dimens~ao nita
a transformac~ao
Proposic
ao 8.55 Se B e C s~
ao bases de um espaco vetorial V de
mens~ao nita e I L (V) e a identidade de V ent~ao [I]B,C = MBC .
di-
ij vi =
ij S(vi )
S T (uj ) = S(T (uj )) = S
i=1
i=1
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
110
=
i=1
(
ij
)
ki wk
k=1
Portanto,
[S T ]B,D =
( m
p
k=1
( m
)
ki ij
wk .
i=1
)
ki ij
= [S]C,D [T ]B,C .
i=1
Proposic
ao 8.57 Sejam U e V espacos vetoriais de dimens~
ao nita
com bases B e C, respectivamente. Se T L (U, V) possui inversa T 1
ent~ao [T 1 ]C,B = [T ]1
B,C .
Prova: Seja n = dim U = dim V. Temos
[T ]B,C [T 1 ]C,B = [T T 1 ]C,C = [I]C,C = In
Portanto, [T 1 ]C,B = [T ]1
B,C .
Proposic
ao 8.58 Seja V um espaco
e B e C s~ao bases de V ent~ao
~ LINEAR
8.5. MATRIZ DE UMA TRANSFORMAC
AO
111
obtemos
(
MCB =
1
2
1
2
1
2
12
)1
e MBC = MCB
=
)
1 1
.
1 1
Assim,
[T ]C,C = MBC [T ]B,B MCB =
(
)(
)(
) (
)
1
1
1 1
1 0
3
2
2
2
=
.
1
1
1 1
0 5
2 3
2
2
Note que
T (x, y) = T (x(1, 0) + y(0, 1)) = xT ((1, 0)) + yT ((0, 1))
= x(3(1, 0) 2(0, 1)) + y(2(1, 0) + 3(0, 1)) =
= x(3, 2) + y(2, 3) = (3x 2y, 3y 2x).
Proposic
ao 8.60 Sejam U e V espacos vetoriais de dimens~
ao nita
com bases B e C, respectivamente. Se T L (U, V) e u U ent~ao,
representando por T (u)C e uB as coordenadas dos vetores T (u) e u,
respectivamente, temos
T (u)C = [T ]B,C uB .
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
112
Temos
T (u) = T (a1 u1 + + an un ) = a1 T (u1 ) + + an T (un )
= a1 (11 v1 + + m1 vm ) + + an (1n v1 + + mn vm )
= (a1 11 + + an 1n )v1 + + (a1 m1 + + an mn )vm ,
ou seja,
a1 11 + + an 1n
11
1n
a1
..
..
.. .. ,
...
T (u)C =
= .
.
. .
a1 m1 + + an mn
m1 mn
an
Proposic
ao 8.61
com bases B e C,
113
Resoluc
ao: Consideremos as bases can^onicas de R2 e P1 (R). Como T (1, 0)
= 1 + x e T (0, 1) = x, a matriz de T com relac~ao a estas bases e dada por
)
(
1 0
.
1 1
8.6
Exerccios Resolvidos
da imagem
Resoluc
ao: Observe que se T (X) = (A + I)X, onde I e a matriz identidade
de ordem dois.
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
114
Se
(
X=
)
a b
c d
)(
a b
c d
{
a + 2c = 0
b + 2d = 0
)
) (
)(
)
(
(
0 0
a b
1 2
0 0
=
=
0 0
c d
0 0
0 0
(
X =
)
(
)
(
)
2c 2d
2 0
0 2
=c
+d
.
c
d
1 0
0 1
)
2 0
1 0
e M2 =
)
0 2
0 1
seja a trivial.
Colocando
(
M3 =
)
a b
c d
(
)
x y
e M4 =
z t
obtemos
(
)
(
)
(
)
(
) (
)
2 0
0 2
a b
x y
0 0
+
+
+
=
,
1 0
0 1
c d
z t
0 0
115
2 0 a
0 c
1
0 2 b
0
1 d
0
z 0
=
y 0
t
subespaco gerado por estes vetores tem dimens~ao dois. Logo, a transformac~ao procurada devera ter necessariamente nucleo unidimensional.
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
116
O que faremos e denir uma transformac~ao tal que T (1, 0, 0) = (1, 2, 0),
T (0, 1, 0) = (1, 1, 1) e T (0, 0, 1) = (0, 0, 0), ou seja,
T (x, y, z) = x(1, 2, 0) + y(1, 1, 1) = (x + y, 2x + y, y)
Determinar uma T L (P3 (R), P2 (R)) cujo nucleo seja gerado pelos polin^omios 1 + x3 e 1 x2 .
Resoluc
ao: Como dim P3 = 4 e o subespaco gerado por 1+x3 e 1x2 tem
se e somente se = = = = 0.
Assim, as imagens dos polin^omios 1 e x, pela transformac~ao procurada
precisam necessariamente ser linearmente independentes. Para isto, o que
faremos e denir T : P3 P2 tal que T (1) = 1, T (x) = x, T (1 + x3 ) = 0 e
T (1 x2 ) = 0.
Dado p(x) = a0 + a1 x + a2 x2 + a3 x3 , reescrevemos p(x) = a0 + a2
a3 + a1 x + a3 (1 + x3 ) a2 (1 x2 ) e colocamos
T (p(x)) = T (a0 + a2 a3 + a1 x + a3 (1 + x3 ) a2 (1 x2 ))
= (a0 + a2 a3 )1 + a1 x = a0 + a2 a3 + a1 x,
117
1
T (x) = ,
2
1
T (x2 ) = .
3
1 1
2 3
T (x) = 1 = 1 + 0x + 0x2 ,
T (x3 ) = 3x2 = 0 + 0x + 3x2
0 1 0 0
0 0 2 0 .
0 0 0 3
por
T (x, y, z) = (x + z, y + z, x + y + 2z).
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
118
Resoluc
ao: Com relac~ao a base can^onica e1 = (1, 0, 0), e2 = (0, 1, 0) e
e3 = (0, 0, 1), temos
T (e1 ) = T (1, 0, 0) = (1, 0, 1) = e1 + 0e2 + e3
T (e2 ) = T (0, 1, 0) = (0, 1, 1) = 0e1 + e2 + e3
T (e3 ) = T (0, 0, 1) = (1, 1, 2) = e1 + e2 + 2e3
e, portanto,
1 0 1
[T ]C = 0 1 1 .
1 1 2
e, portanto,
3 0 0
[T ]B = 0 1 0 .
0 0 0
8.7. EXERCICIOS
forma
8.7
119
0
..
.
..
.
0
0 0
0 11
0 q1
. . . ..
.
. . . ..
.
..
.
..
.
...
..
.
1q
. . . ..
.
qq
Exerccios
Ex. 8.71
1. T : R3 R, T (x, y, z) = x + 5y z, (x, y, z) R3 .
2. T : R3 R, T (x, y, z) = x + 5y z + 1, (x, y, z) R3 .
3. T : R3 R, T (x, y, z) = x2 + 5y z, (x, y, z) R3 .
4. T : Mn1 Mn1 , T (X) = AX + X, X Mn1 com A Mn xa.
5. T : Pn (R) Pn (R), T (p) = p + p , p Pn (R).
6. T : M2 M2 , T (X) = AX, X M2 , onde A M2 esta xada.
7. T : P2 (R) P2 (R), T (p) = p+q, p P2 (R) e q(t) = t2 +1, t R.
Determinar o nucleo das transformac~oes lineares abaixo e
descreva-os geometricamente.
Ex. 8.72
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
120
Ex. 8.73
)
1 2
2 4
)
1 4
2 3
(T (p0 ))(t) = 1 + t,
(T (p1 ))(t) = t + t2
onde pi (t) = ti , i = 0, 1, 2.
8.7. EXERCICIOS
121
))
0 0
1 0
(
=
)
0 0
2 1
((
,
))
0 0
0 1
(
=
)
1 0
2 0
Ex. 8.77
Determinar um operador linear em R4 cujo nucleo e a imagem sejam gerados pelos vetores (1, 1, 0, 0), (0, 0, 1, 0).
Ex. 8.78
Ex. 8.80
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
122
Ex. 8.81
Ex. 8.82
Verique se os operadores lineares em R3 abaixo s~ao isomorsmos e em caso armativo determinar o isomorsmo inverso.
Ex. 8.89
8.7. EXERCICIOS
Ex. 8.90
123
Verique, em cada um dos itens abaixo, se os espacos vee V s~ao isomorfos, justicando a resposta.
{
1. U = R2 , V = (x, y, z) R3 ; z = 0 .
2. U = M23 , V = {p P4 (R); p (t) = 0, t R} .
3. U = R3 , V = {A M2 ; At = A} .
{(
4. U =
a 0
0 0
; a R , V = {p P3 (R); p (t) = 0, t R} .
Ex. 8.93 Mostre que T, R, S L (R2 ), dados por T (x, y) = (x, 2y),
R(x, y) = (x, x + y), S(x, y) = (0, x), (x, y) R2 formam um subconjunto l.i. em L (R2 ).
Ex. 8.94 Sejam U, V, W espacos vetoriais, T L (U, V) e S L (V, W)
tais que N (T ) = {0} e N (S) = {0} . Mostre que N (S T ) = {0} .
Determinar as matrizes das seguintes transformac~oes lineares em relac~ao as bases can^onicas dos respectivos espacos vetoriais.
Ex. 8.95
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
124
Considere
)
1 2
0 1
M=
Seja T : R2 R2 operador
linear
ao a
) cuja matriz em relac~
(
1 1
5 1
2
R.
Determinar a matriz de T
p(t) dt,
p P2 (R).
{
}
b) B = 1, 1 + t, 1 + t + t2 , C = {2} .
1 1 0
A= 0 1 0
0 1 1
8.7. EXERCICIOS
Ex. 8.100
125
p(t) P2 (R).
}
vetorial V. Se
T (e2 ) = e1 + e2
S(e2 ) = e1 e2 e3
T (e3 ) = e2 + e3
S(e3 ) = e1 + e2 2e3
Ex. 8.103
Ex. 8.104
(x, y, z) R3 .
126
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
Captulo 9
Autovalores e Autovetores
9.1
Definic
ao, Exemplos e Propriedades
127
128
T (u) = u.
Definic
ao 9.3 Sejam U um espaco vetorial, T L (U) e u um autovetor de T. O numero tal que T (u) = u e chamado de autovalor de
T associado ao autovetor u.
Definic
ao 9.4 Sejam U um
valor de T. Seja I : U U a
V() = {u U; T (u) = u} = N (T I)
Observac
ao 9.5
Observac
ao 9.6 V()
Resoluc
ao: R e um autovalor de T se e somente se existir (x, y) =
(0, 0) tal que T (x, y) = (x, y), ou seja, se e somente se existir (x, y) =
(0, 0) tal que (y, 4x) = (x, y). Isto equivale a que o sistema
{
y x = 0
4x y = 0
~ EXEMPLOS E PROPRIEDADES
9.1. DEFINIC
AO,
129
possua uma soluc~ao n~ao trivial. Isto acontece se e somente se o determinante da matriz
(
)
1
4
)
2 0
.
0 2
130
Resoluc
ao: R e um autovalor de T se e somente se existir (x, y) =
(0, 0) tal que T (x, y) = (x, y), ou seja, se e somente se existir (x, y) =
(0, 0) tal que (y, x) = (x, y). Isto equivale a que o sistema
{
x + y = 0
x y = 0
possua uma soluc~ao n~ao trivial. Isto acontece se e somente se o determinante da matriz
)
(
1
1
for igual a zero. Como este determinante e 2 1 < 0, vemos que n~ao
existem autovalores associados a transformac~ao T.
Ex. Resolvido 9.10 Seja T : Pn (R) Pn (R)
p (x). Verique que 0
e o unico autovalor desta
contre V(0).
Resoluc
ao: Note que R e um autovalor de T se e somente se existir
p(x) = 0 tal que p (x) = p(x). Se = 0 esta equac~ao so e verdadeira
para o polin^omio nulo, posto que para qualquer outro polin^omio os graus
de p (x) e p(x) s~ao distintos. Desta forma, = 0 n~ao e autovalor de T.
Agora, se = 0, ent~ao p (x) = 0 apresenta como soluc~ao todos os polin^omios constantes. Logo, = 0 e um autovalor associado, por exemplo,
ao autovetor p(x) = 1.
Quanto a V(0), basta ver que V(0) = N (T ) = [1], isto e, o subespaco
gerado pelo polin^omio 1.
~ EXEMPLOS E PROPRIEDADES
9.1. DEFINIC
AO,
131
Resoluc
ao: Veja que R e um autovalor de T se e somente se existir
(x, y, z) = (0, 0, 0) tal que T (x, y, z) = (x, y, z), isto e, se e somente se
existir (x, y, z) = (0, 0, 0) tal que (x, y, x) = (x, y, z). Isto equivale a
que o sistema
(1 )x = 0
(1 )y = 0
z x = 0
possua uma soluc~ao n~ao trivial. Isto acontece se e somente se o determinante da matriz
1
0
0
1 0
0
1
0
132
(9.13)
ent~ao
T (u1 ) = T (2 u2 + + n un ) = 2 T (u2 ) + + n T (un )
1 u1 = 2 2 u2 + + n n un ,
(9.14)
~ EXEMPLOS E PROPRIEDADES
9.1. DEFINIC
AO,
133
Proposic
ao 9.15 Sejam U um espaco vetorial de dimens~
ao nita e
T em L (U). Suponha que T possua autovalores 1 , . . . , n , distintos.
Ent~ao a soma dos subespacos proprios de T e direta, isto e, para cada
j = 1, . . . , n, temos
V(j ) (V(1 ) + + V(j1 ) + V(j+1 ) + + V(n )) = {0}.
Prova: A prova sera por induc~ao sobre o n
umero de autovalores. Primei(1)
ramente, mostremos que V(1 ) V(2 ) = {0}. Fixe v(1)
1 , . . . , vm1 uma base
(2)
de V(1 ) e v(2)
ao
1 , . . . , vm2 uma base de V(2 ). Se u V(1 ) V(2 ) ent~
(2) (2)
(1) (1)
(2) (2)
(1)
u = 1 v1 + + (1)
m1 vm1 = 1 v1 + + m2 vm2 .
(9.16)
(1)
(2)
(2)
(1)
(2)
(2)
1 T (v1 ) + + m
T (v(1)
m1 ) = 1 T (v1 ) + + m2 T (vm2 ),
1
ou seja,
(1)
(1)
(2)
(2)
(1)
(2)
1 1 v1 + + m
v(1) = 1 2 v1 + + (2)
m2 2 vm2 .
1 1 m1
(9.17)
(2)
(2)
1 (2 1 )v1 + + (2)
m2 (2 1 )vm2 = 0.
(2)
Como v(2)
e uma base de V(2 ), temos
1 , . . . , v m2
(2)
(2)
1 (2 1 ) = = m
(2 1 ) = 0
2
(2)
e, como 1 = 2 , resulta que (2)
1 = = m2 = 0. Segue-se de 9.16 que
u = 0.
134
ent~ao
(1) (1)
(j) (j)
(j) (j)
v = 1 v1 +
u = 1 v1 + + m
j mj
(j+1) (j+1)
v1
(j1)
+ (j1)
mj1 vmj1 + 1
(n)
+ + (n)
mn vmn . (9.18)
(1)
(j)
(1)
(j)
1 T (v1 ) + + (j)
mj T (vmj ) = 1 T (v1 ) +
(j+1)
(j1)
+ (j1)
mj1 T (vmj1 ) + 1
(j+1)
T (v1
(n)
) + + (n)
mn T (vmn )
isto e,
(j)
(1)
(j)
(1)
(j)
1 j v1 + + (j)
mj j vmj = 1 1 v1 +
(j+1)
(j1)
+ m
v(j1) + 1
j1 j1 mj1
(j+1)
j+1 v1
(n)
+ + (n)
mn n vmn . (9.19)
(1)
(j1)
1 (1 j )v1 + + (j1)
mj1 (j1 j )vmj1 +
(j+1)
(j+1)
(j+1 j )v1
(n)
+ + (n)
mn (n j )vmn = 0
^
9.2. POLINOMIO
CARACTERISTICO
9.2
135
Polin
omio Caracterstico
Definic
ao 9.20 Dada A Mnn denimos
de A como sendo o determinante
o polin^omio caracterstico
pA () = det (A I),
Resoluc
ao: Existe M Mn invertvel tal que A = M1 BM. Segue que
B = MAM1 . Tomando N = M1 , obtemos B = N1 AN, isto e, B e
semelhante a A.
Proposic
ao 9.23
Prova: Temos
det M
136
Encontre pT ().
Resoluc
ao: Usaremos a base can^onica, C, de R2 . Como T (1, 0) = (a, c) e
T (0, 1) = (b, d), vemos que
(
)
a b
[T ]C =
.
c d
Assim,
((
a b
c d
pT () = det
(
= det
(
))
1 0
0 1
)
a
b
c
d
= 2 (a + d) + ad bc.
ao nita e T
Proposic
ao 9.25 Sejam U um espaco vetorial de dimens~
em L (U). Ent~ao, e um autovalor de T se e somente se pT () = 0.
Em outras, palavras, os autovalores de T s~ao as razes reais de seu
polin^omio caracterstico.
^
9.2. POLINOMIO
CARACTERISTICO
137
Definic
ao 9.27 Sejam U um espaco vetorial de dimens~
ao nita e
T L (U). Se
e um autovalor de T, denimos a multiplicidade
algebrica de como sendo a multiplicidade de como raiz do polin^omio caracterstico de T.
Proposic
ao 9.28 Sejam U um espaco vetorial de dimens~
ao nita e
T em L (U). Se o
e um autovalor de T ent~ao a sua multiplicidade
138
o 0
0 0
. .
A
r(nr)
.
..
. . ..
0 o rr
0(nr)r
B(nr)(nr) nn
9.3. EXERCICIOS
139
Assim,
p(A) = a0 In + + am Am = a0 M1 In M + + am M1 Bm M =
= M1 (a0 In + + am Bm )M = M1 p(B)M.
omio e
Ex. Resolvido 9.31 Sejam p(t) = a0 + + am tm um polin^
m
T L (U). Denimos p(T ) = a0 I + + am T , onde I
e a identidade
de U. Se B e uma base de U mostre que [p(T )]B = p([T ]B ).
Resoluc
ao: Pelas proposico~es 8.53 e 8.56 temos que
[p(T )]B = [a0 I + + am T m ]B = a0 [I]B + + am [T ]m
B = p([T ]B ).
9.3
Exerccios
c) V = R e
4
3 1
0 3
[T ]B =
0 0
0 0
0
0
4
0
0
0
0
3
140
Ex. 9.33
a) Seja A Mn uma matriz triangular, isto e, A = (aij ) onde aij = 0,
sempre que i > j (ou sempre que i < j). Qual o polin^omio caracterstico de A?
b) Sejam A, B Mn matrizes triangulares com a mesma diagonal
Captulo 10
Diagonalizac
ao
10.1
Definic
ao e Caracterizac
ao
1 0 0
0 2 0
[T ]B = . . .
,
.
.
.
.
.
. .
. .
0 0 n
ou seja, [T ]B e uma matriz diagonal, isto e, uma matriz quadrada (aij ) tal
que aij = 0 se i = j.
Reciprocamente, se existir uma base C = {v1 , . . . , vn } de U com relac~ao
a qual a matriz de T L (U) e diagonal, isto e, todos os seus coecientes
141
142
~
CAPITULO 10. DIAGONALIZAC
AO
1 0 0
0 2 0
[T ]C = .
.
.
.
.
.
.
.
.
. .
.
0 0 n
ent~ao, pela propria denic~ao de matriz de uma transformac~ao linear, vemos que T (v1 ) = 1 v1 , . . . , T (vn ) = n vn , ou seja, a base C e formada por
autovetores de T. Resumiremos este fato no seguinte
Teorema 10.1 Sejam U um espaco vetorial de dimens~
ao nita e T
L (U). Ent~
ao T e diagonalizavel se e somente se existir uma base de
U com relac~
ao a qual a matriz de T e diagonal.
Note que se T L (U) e diagonalizavel ent~ao existe uma base B formada por autovetores de T com relac~ao a qual a matriz de T e diagonal.
Se C e uma outra base de U sabemos que [T ]B = (MBC )1 [T ]C MBC . Esta
ultima igualdade nos sugere a seguinte
Definic
ao 10.2 Dizemos que uma
se existir M Mnn invertvel tal
gonal.
Proposic
ao 10.3 Sejam U um espaco vetorial de dimens~
ao nita, T
L (U) e C uma base qualquer de U. Ent~
ao T e diagonalizavel se e
somente se a matriz [T ]C for diagonalizavel.
Prova: Ja vimos que se T for diagonalizavel ent~ao [T ]C e uma matriz
diagonalizavel.
Reciprocamente, suponha que [T ]C seja diagonalizavel. Assim, existe
M = (aij ) Mnn invertvel tal que M1 [T ]C M e uma matriz diagonal.
Se u1 , . . . , un s~ao os vetores da base C ent~ao, colocando vj = a1j u1 + +
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
143
a1j xj , . . . ,
j=1
anj xj ).
j=1
Observac
ao 10.5
pT () = (1 ) (n ),
144
~
CAPITULO 10. DIAGONALIZAC
AO
U = V(1 ) V(n ).
Prova: Se
U = V(1 ) V(n )
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
145
Vejamos como e possvel decidir sobre a diagonalizac~ao de um operador linear a partir das multiplicidades algebrica e geometrica de seus
autovalores.
Sejam U um espaco vetorial de dimens~ao m e T L (U).
Sejam 1 , . . . , n os autovalores de T, dois a dois distintos. Assim, o
polin^omio caracterstico de T e dado por
(10.8)
1 0
. .
. . ...
..
0
1 r r
1
1
...
n 0
.. . .
.
.
. ..
0 n r
n rn
mm
~
CAPITULO 10. DIAGONALIZAC
AO
146
ao nita e
Teorema 10.10 Sejam U um espaco vetorial de dimens~
T L (U). Ent~
ao T e diagonalizavel se e somente se ambas condic~oes
T (x, y, z) = (x + z, y + z, x + y + 2z)
e diagonalizavel.
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
147
Resoluc
ao: Com relac~ao a base can^onica, a matriz de T e dada por
1 0 1
0 1 1 .
1 1 2
Assim,
1
0
1
pT () = det 0
1
1
1
1
2
= (1 )((1 )(2 ) 1) + 1((1 ))
= (1 )(2 3) = (1 )( 3).
Encontre uma base de autovetores para o operador do exerccio anterior. Encontre tambem a matriz de T com
relac~ao a esta base.
Ex. Resolvido 10.13
Resoluc
ao:
Temos
x + z = 0
y+z=0
x + y + 2z = 0
x = y = z
x + y + 2z = 0
x = y = z,
~
CAPITULO 10. DIAGONALIZAC
AO
148
x + z = x
y+z=y
x + y + 2z = z
{
z=0
x = y
zendo
Temos
x + z = 3x
y + z = 3y
x + y + 2z = 3z
z = 2x = 2y,
0 0 0
0 1 0 .
0 0 3
(
)
a b
A=
.
b c
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
149
Resoluc
ao: O polin^omio caracterstico de T e dado por
pT () = 2 (a + c) + ac b2 .
Vemos que pT () apresenta duas razes reais simples, isto e, com multiplicidade um, se e somente se o discriminante (a + c)2 4(ac b2 ) for
positivo. Assim,
(a + c)2 4(ac b2 ) = a2 + c2 2ac + 4b2 = (a c)2 + 4b2 > 0
e diagonalizavel.
Resoluc
ao: A matriz de T com relac~ao a base can^onica e dada por
1 2 2
A = 0 1 4 .
0 0
1
0 2 2
x
0
2
p(t) = x + yt + zt V(1) 0 0 4 y = 0
0 0
0
z
0
y = z = 0 p(t) = x.
~
CAPITULO 10. DIAGONALIZAC
AO
150
Ex. Resolvido 10.16
T (x, y, z, t) = (x + y, y, 2z + t, 2z + t)
1 1 0
0 1 0
0 0 2
0 0 2
1
1
1
1
0
0
1
0
0
0
pT () = det
= (1 )2 ((2 )(1 ) 2)
0
2
1
0
0
0
2
1
= (1 )2 (2 3) = ( 3)(1 )2 .
(i) autovalor 0:
(x, y, z, t) V(0) (x + y, y, 2z + t, 2z + t) = (0, 0, 0, 0)
x+y=0
y = 0
2z + t = 0
2z + t = 0
{
x=y=0
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
151
(ii) autovalor 3:
(x, y, z, t) V(3) (x + y, y, 2z + t, 2z + t) = (3x, 3y, 3z, 3t)
x + y = 3x
y = 3y
2z + t = 3z
2z + t = 3t
{
x=y=0
t=z
(iii) autovalor 1:
x+y=x
y = y
2z + t = z
2z + t = t
e p = (0, 1, 0, 0).
Resoluc
ao: Ja sabemos que T (u) = 0, T (v) = 3v e T (w) = w. Agora,
como
~
CAPITULO 10. DIAGONALIZAC
AO
152
vemos que
0
0
[T ]B =
0
0
0
3
0
0
0
0
1
0
0
0
.
1
1
Resoluc
ao: Seja B uma base de U tal que [T ]B = D(1 , . . . , n ), onde
1 , . . . , n s~ao os autovalores de T. Segue da resoluc~ao do exerccio anterior
que
10.2. EXERCICIOS
153
pois pT (j ) = 0, j = 1, . . . , n. Assim, pT (T ) = 0.
Observac
ao 10.20
10.2
Exerccios
a) A =
Ex. 10.22 Vericar,
T L (R3 ) dado pela
gonalizavel.
2 4
3 13
a) [T ]C =
b) A =
3 2
2 1
1 2 2
a) [T ]C = 2 1 2
2 2 3
lizavel.
1 4 2 2
4 1 2 2
2
2
1
4
2
2
4
1
1 0 0
b) [T ]C = m 2 0
n 0 2
b) [T ]C =
1 1
1
1
1 1 1 1
1 1 1 1
1 1 1 1
154
~
CAPITULO 10. DIAGONALIZAC
AO
Captulo 11
Forma Can
onica de Jordan
11.1
Introduc
ao e Exemplos
^
CAPITULO 11. FORMA CANONICA
DE JORDAN
156
0
0
.. .. . . ..
. .
. .
0 0 0 rr
0 1 0 0
0 0 1 0
+ 0 0 0 0
. . . .
.. .. .. . . ...
J(; r) = 0
.
..
1
0
= 0
.
..
0
0
. . . ..
.
1 rr
0 0
1 0
0 1
.. ..
. .
0 0 0
1 0
1
0
0 0 0
= I + N,
rr
0
0
N = 0
.
..
0
0
0
.
. . . ..
.
0 rr
1 0
0 1
0 0
.. ..
. .
0 0 0
0
R(, ; r) =
..
.
0
0
1
0
0
0
..
.
..
.
0
0
0
0
0
0
0 .
.. . .
.. ..
.
.
. .
0
0 rr
0
1
0
0
0
0
~ E EXEMPLOS
11.1. INTRODUC
AO
157
iguais, denimos diag (B1 , . . . , Bk ) como sendo a matriz quadrada de ordem igual a soma das ordens de B1 , . . . , Bk dada por
B1 0 0
0 B2 0
,
..
.. . .
..
.
. .
.
0 0 Bk
por exemplo, se
ent~ao
3
2 1 0
4
B1 = 0 2 1 , B2 =
0
0 0 2
0
2
0
diag (B1 , B2 ) =
0
0
0
1
2
0
0
0
0
0
4 1
3 0
0 3
0 4
0 0 0 0
1 0 0 0
2 0 0 0
0 3 4 1
0 4 3 0
0 0 0 3
0 0 0 4
4
3
0
0
0 .
4
3
(11.2)
158
^
CAPITULO 11. FORMA CANONICA
DE JORDAN
Observac
ao 11.4 Se
e um autovalor de T ent~ao a soma
dos blocos J(; s) e igual a multiplicidade algebrica de .
das ordens
Observac
ao 11.6 Se
e um autovalor
metrica r ent~ao existem r blocos J(; s)
Observac
ao 11.7
Suponha que
pT () = (1 )m1 (n )mn
da forma 11.2
Encontre as possveis matrizes na forma can^onica de Jordan de um operador cujo polin^omio caracterstico e dado
por pT () = (2 )3 (1 ).
Ex. Resolvido 11.9
~ E EXEMPLOS
11.1. INTRODUC
AO
159
Resoluc
ao: Note que T apresenta apenas os autovalores 2 e 1.
0
0
0
2
0
0
0
0
2
0
0
.
0
2
J(2; 1) = (2)
0
0
0
2
0
0
0
1
2
0
0
.
0
2
2 1 0
J(2; 3) = 0 2 1 .
0 0 2
160
^
CAPITULO 11. FORMA CANONICA
DE JORDAN
1
0
0
0
0
2
0
0
0
0
.
1
2
0
1
2
0
Encontre as possveis matrizes na forma can^onica de Jordan de um operador cujo polin^omio caracterstico e dado
por pT () = (1 )2 (4 + 2 ).
Ex. Resolvido 11.10
0 2
.
2 0
1
0
0
0
0 0
1 0
0 0
0 2
0
0
.
2
0
Se a multiplicidade geometrica do autovalor 1 for um ent~ao existe apenas um bloco de ordem dois associado a este autovalor que e dado por
(
)
1 1
J(1; 2) =
.
0 1
0
0
1 0
1 0
0 0
0 2
0
.
2
0
~ E EXEMPLOS
11.1. INTRODUC
AO
161
2 1 1
1
0 2 1 1
.
0 0 3 1
0 0 0
4
0
0
0
0
1 1
1
x
0
0 1 1 y 0
= ,
0 1 1 z 0
0 0
2
t
0
ou seja, (x, y, z, t) = x(1, 0, 0, 0). Assim, dim V(2) = 1 e T n~ao e diagonalizavel. Sendo assim, a matriz de T na forma can^onica de Jordan e da
forma
0
0
1
2
0
0
0
0
3
0
0
.
0
4
^
CAPITULO 11. FORMA CANONICA
DE JORDAN
162
0
0
1
a
1 1
1
0 1 1 b 0
=
0 1 1 c 0
0
0 0
2
d
cuja soluc~ao geral e da forma (a, 1, 0, 0). Podemos tomar, por exemplo,
u2 = (0, 1, 0, 0) e isto nos fornecera a base procurada.
11.2
Exerccios
Ex. 11.12
Captulo 12
Espacos Euclidianos
12.1
Produto Interno
164
escalar.
(12.4)
Com relac~ao ao exemplo anterior, calcule o produto interno entre os vetores (1, 1, 1), (0, 2, 4) R3 .
Ex. Resolvido 12.5
Resoluc
ao: Basta notar que
(1, 1, 1), (0, 2, 4) = 1 0 + (1) 2 + 1 4 = 2.
165
por 12.4,
Resoluc
ao: Temos
u, v = (cos , sen ), (cos , sen )
= cos cos + sen sen = cos( ).
xx yy zz
+
+
.
2
3
4
Resoluc
ao:
(1, 1, 1), (0, 2, 4) =
Exemplo 12.9
1 0 1 2 1 4
1
+
+
= .
2
3
4
3
b
f(x)g(x) dx,
a
(12.10)
166
Resoluc
ao:
sen , cos =
sen x cos x dx =
sen 2 x
2
Exemplo 12.12
= 0.
0
m
n
aij bij .
i=1 j=1
(
)
1 1
A=
0 2
B=
)
2 0
.
1 1
Resoluc
ao:
A, B = 1 (2) + 1 0 + 0 1 + 2 1 = 0.
A, B = tr (Bt A)
dene um produto interno em Mn .
167
12.2. NORMA
12.2
Norma
Definic
ao 12.15 Se V
e um espaco
u V o n
umero ||u|| = u, u. Este
Observac
ao 12.16 Note que
e possvel
u, u pois este n
umero e n~ao negativo.
||f|| =
b
[f(x)]2 dx.
a
Proposic
ao 12.19
terno. Temos
168
Prova:
1. ||u|| =
u, u =
2 u, u = || u, u = || ||u||.
2. Obvio
pois a raiz quadrada e n~ao negativa.
3. Se u = 0 ent~ao u =
0, 0 = 0.
u, u > 0.
Assim,
.
= 4u, v2 4||u||2 ||v||2 0,
|u, v| u v.
169
12.2. NORMA
f(x)g(x) dx
a
[f(x)]2 dx
a
[g(x)]2 dx.
a
Proposic
ao 12.20 (Identidade do Paralelogramo)
Sejam u e v ve-
u + v2 + u v2 = 2(u2 + v2 ).
Prova:
u + v2 + u v2 = u + v, u + v + u v, u v
= u, u + v, v + 2u, v + u, u + v, v 2u, v
= 2u, u + 2v, v = 2(u2 + v2 ).
t~ao
Prova:
u + v2 u v2 = u + v, u + v u v, u v
= u, u + v, v + 2u, v u, u v, v + 2u, v
= 4u, v.
170
Resoluc
ao: Temos
1
u, v = (u + v2 u v2 ) = 0.
4
12.3
Dist
ancia
Definic
ao 12.23 Num
tre u, v V como
Resoluc
ao: Temos
^
12.4. ANGULO
171
Resoluc
ao: Temos
d( sen , cos) =
= x sen 2 x
12.4
[1 2 sen x cos x] dx =
0
2
0
= 2.
Angulo
Sejam V um espaco euclidiano e u, v V ambos n~ao nulos. Pela desigualdade de Cauchy-Schwarz (veja proposic~ao 12.19) temos
u v u, v u v
ou ainda,
1
u, v
1.
u v
u, v
.
u v
172
Resoluc
ao:
sen , cos =
sen x cos x dx =
1
sen 2 x
2
= 0.
0
Resoluc
ao: Como u v = 2 ent~ao
4 = u v2 = u v, u v
= u + v 2u, v = 2 2u, v.
Assim, u, v = 1 e
cos =
u, v
= 1,
u v
ou seja, = .
12.5
Ortogonalidade
173
12.5. ORTOGONALIDADE
Observac
ao 12.31 Se u = 0 ou v = 0 ent~
ao uv. Se u = 0
ent~ao uv se e somente se o ^angulo entre u e v e /2.
Observac
ao 12.32 Se S = {u1 , . . . , un } V
e
com uj = 0, j = 1, . . . , n ent~ao
{
}
u1
un
,...,
u1
un
e v = 0
um conjunto ortogonal
e um conjunto ortonormal.
Proposic
ao 12.33 Sejam V um espaco euclidiano e S = {u1 , . . . , un }
V um conjunto ortonormal. Ent~
ao u1 , . . . , un s~ao linearmente inde-
pendentes.
Prova: Se
1 u1 + + n un = 0
(12.34)
A proposic~ao acima continua valida se S for apenas um conjunto ortogonal com elementos n~ao nulos.
Observac
ao 12.35
174
Definic
ao 12.36 Se V
u1 , . . . , un formam um
u = u, u1 u1 + + u, un un .
Prova: Como u1 , . . . , un formam uma base de V, existem 1 , . . . , n R
tais que
u = 1 u1 + + n un .
Encontre
as coordenadas
de (1, 1) R2 com
Resoluc
ao: Como a base em quest~ao e ortonormal, pela proposic~ao an-
2 2
2 2
2
2
2
2
(1, 1) = (1, 1), (
,
)(
,
) + (1, 1), (
,
)(
,
)
2 2
2 2
2
2
2
2
2 2
2
2
,
) + 0(
,
).
= 2(
2 2
2
2
Desta forma as coordenadas de (1, 1) com relac~ao a base acima s~ao
( )
2
.
0
175
12.5. ORTOGONALIDADE
Proposic
ao 12.39
v = u u, u1 u1 u, un un
uj , v = uj , u u, u1 u1 u, un un
= uj , u u, u1 uj , u1 u, un uj , un
= uj , u u, uj uj , uj = uj , u u, uj = 0
Proposic
ao 12.40 Sejam V um espaco
V. Se u U e uU ent~
ao u = 0.
vetorial e U um subespaco de
Proposic
ao 12.41
u, u1 u1 + + u, un un = u, v1 v1 + + u, vn vn .
176
e
u2 = u (u, v1 v1 + + u, vn vn ) .
Definic
ao 12.42
u, u1 u1 + + u, un un
Observac
ao 12.43
w = u,
v
v
u, v
=
v.
v v
v2
177
12.5. ORTOGONALIDADE
Resoluc
ao: Claramente,
u1 2 =
1 1 1
+ + =1
3 3 3
e
u2 2 =
1 1
+ = 1.
2 2
Tambem,
1 1
1
1 1
u1 , u2 = + 0 = 0.
3 2
3 2
3
por
1
p(x)q(x) dx.
0
178
Resoluc
ao: Temos
1
1
x7 x3 2x5
2
3
2
+
q = (x x) dx = (x6 + x2 2x4 ) dx =
7
3
5
0
0
1
0
1 1 2
8
+ =
;
7 3 5
105
1
2
3
3
p, q = 1 + x + x + x , x x = (1 + x + x2 + x3 )(x3 x) dx
=
(x x2 + x5 + x6 ) dx = 11/21.
=
0
12.6
11 105 3
55
(x x) = (x3 x).
21 8
8
Processo de Gram-Schmidt
v1
v1
179
v1
.
v1
e ent~ao
u1 =
v1
v1
u2
u2
u2 =
v2 v2 , u1 u1
v2 v2 , u1 u1
onde
un =
un
vn vn , u1 u1 vn , un1 un1
=
.
un
vn vn , u1 u1 vn , un1 un1
180
Observac
ao 12.47 No caso de um espaco euclidiano tridimensional,
se v1 , v2 , v3 formam uma base, ent~ao uma base ortonormal deste espa-
u1 =
u2 =
e
u3 =
v1
,
v1
v2 v2 , u1 u1
v2 v2 , u1 u1
v3 v3 , u1 u1 v3 , u2 u2
.
v3 v3 , u1 u1 v3 , u2 u2
Encontre uma
base ortonormal de P2 (R) mu1
nido do produto interno p, q = 0 p(x)q(x) dx.
Ex. Resolvido 12.48
Resoluc
ao: Usaremos o processo de Gram-Schmidt para construir uma
base ortonormal a partir da base formada pelos polin^omios 1, x e x2 . Temos
1
2
1 = 12 dx = 1
0
onde
x x, 11
,
x x, 11
1
1
1
1
2
x, 1 = x dx =
e x x, 11 = (x )2 dx = .
2
2
12
0
0
x2 x2 , 11 x2 , 3(2x 1) 3(2x 1)
p3 (x) =
,
x2 x2 , 11 x2 , 3(2x 1) 3(2x 1)
181
onde
x2 , 1 =
1
0
1 2
2
x , 3(2x 1) = 3 x (2x 1) dx =
1
x2 dx = ,
3
3
6
1
3(2x 1) 3(2x 1)2 = x2 x + 2 =
6
1
1
1
= (x2 x + )2 dx =
.
6
180
0
x2 x2 , 11 x2 ,
Assim,
1
180(x2 x + ) = 5(6x2 6x + 1).
6
Desta forma, uma base ortonormal de P2 (R) e dada por
e
p3 (x) = 5(6x2 6x + 1).
p1 (x) = 1,
p2 (x) = 3(2x 1)
p3 (x) =
W = {(x, y, z) R3 ; x 2y = 0}.
Resoluc
ao: Note que (x, y, z) W se e somente se
(x, y, z) = (2y, y, z) = y(2, 1, 0) + z(0, 0, 1).
182
Ex. Resolvido 12.50
W = {(x, y, z, t) R4 ; x + y + z + t = 0}.
Resoluc
ao: Temos que (x, y, z, t) W se somente se
(x, y, z, t) = (y z t, y, z, t)
= y(1, 1, 0, 0) + z(1, 0, 1, 0) + t(1, 0, 0, 1).
Como (1, 1, 0, 0), (1, 0, 1, 0) e (1, 0, 0, 1) s~ao linearmente independentes, segue-se que formam uma base de W. Coloquemos
u1 =
u2 =
(1, 1, 0, 0)
1 1
= ( , , 0, 0).
(1, 1, 0, 0)
2 2
u3 =
( 12 , 12 , 1, 0)
1
= (1, 1, 2, 0).
1
1
( 2 , 2 , 1, 0)
6
onde
1
1 1
(1, 0, 0, 1), u1 = (1, 0, 0, 1), ( , , 0, 0) =
2 2
2
1
1
(1, 0, 0, 1), u2 = (1, 0, 0, 1), (1, 1, 2, 0) = .
6
6
Assim,
(1, 0, 0, 1) (1, 0, 0, 1), u1 u1 (1, 0, 0, 1), u2 u2
1
1 1
1 1
= (1, 0, 0, 1) ( , , 0, 0) (1, 1, 2, 0)
2
2 2
6 6
183
1 1
1 1 1
1 1 1
= (1, 0, 0, 1) + ( , , 0, 0) + ( , , , 0) = ( , , , 1).
2 2
6 6 3
3 3 3
Desta forma,
u3 =
12.7
( 31 , 13 , 13 , 1)
1
1 1 1
=
3( , , , 1)
1
1
1
2
3 3 3
( 3 , 3 , 3 , 1)
Complemento Ortogonal
Definic
ao 12.51 Sejam V um espaco euclidiano
vetorial de V. O complemento ortogonal de U e o
U = {v V; u, v = 0,
e U um subespaco
conjunto
u U}.
e um subespaco vetorial de V.
Proposic
ao 12.52 U
Portanto, v + w U .
Observac
ao 12.53 Se V tem dimens~
ao nita ent~ao u U se e somente se u e ortogonal a todos os vetores de uma base qualquer de
U.
Ex. Resolvido 12.54
Resoluc
ao: Temos (x, y, z) U se somente se (x, y, z) = (y + z, y, z) =
y(1, 1, 0) + z(1, 0, 1). Vemos que (1, 1, 0) e (1, 0, 1) formam uma base de U.
184
ou seja,
{
x+y=0
x+z=0
Assim,
dimens~ao nita e
12.8
Isometria
Definic
ao 12.56 Sejam U e V espacos euclidianos.
L (U, V)
e uma isometria se T (u1 ), T (u2 ) = u1 , u2
U.
Dizemos que T
para todo u1 , u2
Note que os produtos internos acima, embora representados pelo mesmo smbolo, s~ao produtos internos de V e de U,
respectivamente.
Observac
ao 12.57
dada por
185
12.8. ISOMETRIA
De fato,
T (x1 , y1 ), T (x2 , y2 )
= (x1 cos y1 sen , x1 sen + y1 cos ),
(x2 cos y2 sen , x2 sen + y2 cos )
= x1 x2 (cos2 + sen 2 ) y1 x2 ( cos sen + cos sen )
x1 y2 (cos sen cos sen ) + y1 y2 (cos2 + sen 2 )
= x1 x2 + y1 y2 = (x1 , y1 ), (x2 , y2 ).
Teorema 12.59
equivalentes:
1. T e uma isometria;
2. T (u) = u para todo u U;
3. T (u) T (v) = u v para todo u, v U;
4. Se {u1 , . . . , un } U e ortonormal ent~ao {T (u1 ), . . . , T (un )} e ortonormal em V.
Prova: (1 = 2) Como T e uma isometria temos que T (u), T (v) = u, v
para todo u, v U. Em particular, tomando u = v, obtemos
T (u)2 = T (u), T (u) = u, u = u2 ,
ou seja, T (u) = u.
(2 = 3) Para todo u, v U, temos
T (u) T (v) = T (u v) = u v.
186
(3 = 1) Note que
T (ui ), T (uj ) = ui , uj =
{
1,
se i = j
se i = j,
0,
v = 1 u1 + + n un
e obtemos
T (u), T (v) =
i T (ui ),
i=1
j T (uj ) =
j=1
n
n
i j T (ui ), T (uj )
i=1 j=1
i i .
i=1
i=1
i ui ,
j=1
j uj =
n
n
i=1 j=1
i j ui , uj
187
12.8. ISOMETRIA
i i .
i=1
)
1 2
.
2 1
e uma isometria?
Resoluc
ao: Vejamos, se u, v e uma base ortonormal de R2 e
(
)
a b
c d
e a matriz de uma isometria S com relac~ao a esta base ent~ao pelo teorema
anterior S(u) = S(v) = 1. Alem do mais, S(u), S(v) = 0. Como
S(u) = au + cv e S(v) = bu + dv, teramos
2
2
a + c = 1
b2 + d2 = 1
ab + cd = 0
188
5 = 1.
obtemos
a1i a1j + + ani anj = T (ui ), T (uj ) = ui , uj = ij =
{
1,
0,
se i = j
se i = j
12.9
189
Operador Autoadjunto
Definic
ao 12.64 Sejam U um espaco euclidiano e T L (U). Dizemos
que T e um operador autoadjunto se T (u), v = u, T (v) para todo
u, v U.
Ex. Resolvido 12.65 Seja T L (R2 ) dado por T (x, y) = (ax+by, bx+
cy). Verique que T
e um operador autoadjunto.
Resoluc
ao: Temos
T (x, y), (z, t) = (ax + by, bx + cy), (z, t) = axz + byz + bxt + cyt.
Seja U um espaco euclidiano de dimens~ao nita. Ent~ao, um operador T L (U) e autoadjunto se e somente se a matriz
de T com relac~ao a uma base ortonormal de U for simetrica.
Teorema 12.66
Temos
(12.67)
190
para todo k = 1, . . . , n.
Tomando o produto interno de 12.67 com k = i com o vetor uj , obtemos
T (ui ), uj = a1i u1 , uj + + ani un , uj = aji .
(12.68)
(12.69)
Note que se
u = 1 u1 + + n un
v = 1 u1 + + n un ,
i T (ui ),
i=1
j uj =
j=1
n
n
i j T (ui ), uj
i=1 j=1
e, analogamente,
u, T (v) =
n
n
i j ui , T (uj ).
i=1 j=1
como queramos.
191
Teorema 12.70
Temos
ao nita e
Teorema 12.71 Sejam U um espaco euclidiano de dimens~
T L (U) um operador autoadjunto. Ent~
ao existe uma base ortonormal de U formada por autovetores de T. Note que todo operador
autoadjunto e diagonalizavel.
A=
a b
.
b c
Como
(a + c)2 4(ac b2 ) = a2 + c2 2ac + 4b2 = (a c)2 + 4b2 0
192
12.10
Exerccios
4. V = R3 , u = (x1 , y1 , z1 ), w = (x2 , y2 , z2 ) e u, w = x1 x2 + y1 y2 .
5. V = R4 , u = (x1 , y1 , z1 , t1 ), w = (x2 , y2 , z2 , t2 ) e u, w = x1 x2 +
y1 y2 + z1 z2 t1 t2 .
Ex. 12.73
a) u, v
b) u, v
c)
o ^angulo entre u e v.
1
0
p(t)q(t) dt, u =
12.10. EXERCICIOS
193
(
)
8 1
4 3
B=
Ex. 12.74
)
1 2
4 12
3
t
4
1
0
p(t)q(t) dt , u = 1+t,
+ 3t .
1 2 3
u= 4 5 6
1 1 1
Ex. 12.75 Verique se
terno V e ortogonal.
1 2 1
v = 0 0 1 .
2 2 2
1
0
p(t)q(t) dt
, S=
) (
1 0
0 0
) (
0 1
0 1
)}
0 0
1 0
Ex. 12.76
194
Determinar uma base ortonormal para cada um dos subespacos vetoriais W do espaco com produto interno V abaixo, utilizando o processo de Gram-Schmidt.
Ex. 12.77
1
0
p(t)q(t) dt
, W=
[1, 1 + t, t ].
W=
Ex. 12.78
) (
1 0
0 0
) (
0 1
0 1
)]
0 0
1 1
1
1
1
2
1
1
1
T (x, y, z) = ( x + y + mz, x + y z, x + z)
3
3
6
6
6
2
2
Determinar uma
em P2 (R) cuja matriz em re isometria
1
1
2
0
x
0
y
1
z
Ex. 12.81
12.10. EXERCICIOS
195
196
Refer
encias Bibliogr
aficas
[CDC]
Callioli, C. A., Domingues, H. H., Costa, R. C. F., Algebra
a
Linear e Aplicac~oes, 2 edic~ao, Atual Editora Ltda, 1978.
[L]
Lima, E. L., Algebra
Linear, Colec~ao Matematica Universitaria,
IMPA, CNPq, Rio de Janeiro, 1995.
197
Indice Remissivo
^angulo, 171
automorsmo, 103
autovalor, 128
autovetor, 127
base, 45
dual, 91
ortonormal, 174
complemento ortogonal, 183
composta, 91
conjunto
ortogonal, 172
ortonormal, 172
coordenada, 56
dual, 89
vetorial, 9
espacos
isomorfos, 103
forma can^onica de Jordan, 157
funcional linear, 89
gerador, 31
imagem, 95
imagem inversa, 95
isometria, 184
isomorsmo, 103
desigualdade
de Cauchy-Schwarz, 167
triangular, 167
dimens~ao
da soma de subespacos, 51
de um espaco vetorial, 48
dist^ancia, 170
matriz
de mudanca de base, 62
diagonal, 141
diagonalizavel, 142
ortogonal, 188
semelhante, 135
multiplicidade
algebrica, 137
geometrica, 128
espaco
nucleo, 96
198
INDICE REMISSIVO
norma, 167
operador
autoadjunto, 189
ortogonalidade, 172
polin^omio caracterstico, 135
de um operador linear, 136
produto
escalar, 164
interno, 163
por escalar, 9
projec~ao ortogonal, 176
subespaco
invariante, 127
proprio, 128
vetorial
denic~ao, 17
gerador, 31
soma de, 20
soma direta de, 21
teorema
do completamento, 50
do nucleo e da imagem, 97
transformac~ao
bijetora, 94
diagonalizavel, 141
idempotente, 102
injetora, 94
linear, 86
matriz de uma, 106
199
nilpotente, 92
sobrejetora, 94