Alglin

Algebra
Linear
S
ergio Lu
s Zani
Departamento de Matem
atica
ICMC { USP
2010
Sum
ario
1 Espacos Vetoriais
1.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 5

1.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Subespacos Vetoriais
15

2.2 Intersec~ao e Soma de Subespacos . . . . . . . . . . . . . . . 18
2.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 Combinaco
es Lineares
27

3.2 Geradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4 Depend
encia Linear
35

4.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5 Base, Dimens
ao e Coordenadas
43
5.1 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.2 Dimens~ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3

SUMARIO
5.3 Dimens~ao de Soma de Subespacos Vetoriais . . . . . . . . . 49

5.4 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6 Mudanca de Base
59
6.1 Introduc~ao, Exemplos e Propriedades . . . . . . . . . . . . . 59

6.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
7 Exerccios Resolvidos Uma Revis
ao
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
9.1 Denic~ao, Exemplos e Propriedades . . . . . . . . . . . . . 125

9.2 Polinômio Caracterstico . . . . . . . . . . . . . . . . . . . . 133
9.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
10 Diagonalizac
ao
139
10.1 Denic~ao e Caracterizac~ao . . . . . . . . . . . . . . . . . . . 139

10.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
11 Forma Can
onica de Jordan
153

SUMARIO
11.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160

12 Espacos Euclidianos
12.1 Produto Interno . . . . . .

12.2 Norma . . . . . . . . . . . .
12.3 Distância . . . . . . . . . .
^
12.4 Angulo
. . . . . . . . . . . .
12.5 Ortogonalidade . . . . . . .
12.6 Processo de Gram-Schmidt
12.7 Complemento Ortogonal . .
12.8 Isometria . . . . . . . . . .
12.9 Operador Autoadjunto . . .
12.10Exerccios . . . . . . . . . .
161
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
161
165
168
169
170
176
181
182
187
190

SUMARIO
Captulo 1
Espacos Vetoriais
1.1
Introduc
ao e Exemplos
este captulo introduziremos o conceito de espaco vetorial que sera

usado em todo o decorrer do curso.
Porem, antes de apresentarmos a denic~ao de espaco vetorial, passemos a analisar em paralelo dois objetos: o conjunto formado pelas funco~es
f : R R, denotado por F (R; R) e o conjunto das matrizes quadradas de ordem n com coecientes reais que denotaremos por Mn (R), ou
simplesmente, por Mn .
A soma de duas funco~es f e g de F (R; R) e denida como sendo a
func~ao f + g F (R; R) dada por (f + g)(x) = f(x) + g(x).
Note tambem que se R podemos multiplicar a func~ao f pelo escalar
, da seguinte forma (f)(x) = (f(x)), resultando num elemento de F (R).
Com relac~ao a Mn podemos somar duas matrizes quadradas de ordem
n, A = (aij )nn e B = (bij )nn , colocando A + B = (aij + bij )nn , que e
um elemento de Mn .
Com a relac~ao a multiplicac~ao de A = (aij )nn por um escalar R,
e natural denirmos A = (aij )nn , o qual tambem pertence a Mn .
O que estes dois conjuntos acima, com estas estruturas de adic~ao de
7
CAPITULO 1. ESPAC
OS VETORIAIS
seus elementos e multiplicac~ao de seus elementos por escalares, têm 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.
Diremos que um conjunto V como acima munido de

uma adic~ao e de uma multiplicac~ao por escalar e um espaco vetorial
se para quaisquer u, v e w em V e para todo , R s~ao validas as
seguintes propriedades:
Definic
ao 1.1
para todo u, v V;
AL
u+v=v+u
AL
u + (v + w) = (u + v) + w
AL!
existe um elemento 0 V tal que 0 + u = u para todo u V;
AL"
para cada u V existe v V tal que u + v = 0;
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
ent~ao, combinando estas equac~oes com as propriedades AL,AL e
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).
As quatro primeiras propriedades referem-se apenas

a operac~ao de adic~ao e s~ao conhecidas, respectivamente, por propriedade comutativa, propriedade associatividade, existência do elemento
neutro e existência do elemento inverso.
A quinta e a oitava propriedades s~ao exclusivas da multiplicac~ao
por escalar e tambem podem ser chamadas de associatividade e elemento neutro da multiplicac~ao, respectivamente.
A sexta e a setima propriedades relacionam as duas operac~oes e
s~ao ambas conhecidas por distributividade.
Observac
ao 1.5
A rigor, a denic~ao de espaco vetorial que demos

acima se refere a espacos vetoriais reais visto que estamos permitindo
Observac
ao 1.6
~ E EXEMPLOS
1.1. INTRODUC
AO
11
que os escalares sejam apenas numeros reais. A noc~ao de espaco

vetorial complexo pode ser feita naturalmente a partir da denic~ao acima
com as devidas mudancas. Mais precisamente, pedimos que seja satisfeitas
as propriedades AL a AL" e AL& enquanto que as propriedades AL# a
AL% devem valer para todo , C. No entanto, embora importante, n~
ao
usaremos o conceito de espaco vetorial complexo.
Um outro exemplo de espaco vetorial, alem dos dois apresentados no

incio do texto, e o conjunto dos vetores como apresentados em Geometria
Analtica munido da adic~ao e da multiplicac~ao por escalar. Dessa forma,
o adjetivo vetorial utilizado na denic~ao acima deve ser entendido de uma
forma mais ampla, sendo uma referência aos elementos de V independentemente de serem ou n~ao vetores.
Talvez o exemplo mais simples de espaco vetorial seja o conjunto dos
numeros reais com a adic~ao e multiplicac~ao usuais. Mais geralmente, para
cada n N, podemos transformar o conjunto das n-uplas ordenadas de
numeros reais, Rn , em um espaco vetorial denindo a adic~ao de duas
n-uplas ordenadas, x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ), adicionando-se
coordenada a coordenada, isto e,
x + y = (x1 + y1 , . . . , xn + yn )
e o produto de uma n-upla x = (x1 , . . . , xn ) por um escalar R por

x = (x1 , . . . , xn ).
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 polinômio nulo e
por todos os polinômios 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
p(x) + q(x) = (a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn .

Se p(x) = a0 + a1 x + + an xn e um elemento de Pn (R) e
R ent~ao
p(x) = (a0 ) + (a1 )x + + (an )xn .
2. Sejam A R e F (A; R) o conjunto de todas as funco~es f : A R.

Se f, g F (A; R) e R dena f + g : A R por (f + g)(x) =
f(x)+g(x) e (f)(x) = f(x), x A. Ent~ao, F (A; R) com esta adic~ao
e produto por escalar e um espaco vetorial.
3. O conjunto das funco~es contnuas denidas num intervalo I R
munido das operaco~es de adic~ao e multiplicac~ao usuais (como aquelas
denidas em F (I; R)). Notac~ao: C(I; R).
4. O conjunto das funco~es com derivadas contnuas ate ordem k N, (k
e xo) denidas num intervalo aberto I R munido das operaco~es de
adic~ao e multiplicac~ao usuais (como aquelas denidas em F (I; R)).
Notac~ao: Ck (I; R).
5. O conjunto das funco~es com todas as derivadas contnuas denidas num intervalo aberto I R munido das operaco~es de adic~ao e
multiplicac~ao usuais (como aquelas denidas em F (I; R)). Notac~ao:
C (I; R).
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 você ja
deve estar familiarizado. O proximo exemplo e um pouco mais sosticado
13
1.2. PROPRIEDADES
do que os anteriores e por isso mostraremos as oito propriedades. Como

conjunto tomaremos V = (0, ), o semi-eixo positivo da reta real. Este
conjunto quando agregado as operaco~es usuais de soma e multiplicac~ao
n~ao e um espaco vetorial, visto que n~ao possui elemento neutro para a
adic~ao. No entanto, se para x, y V e R, denirmos a soma entre x
e y por x y = xy, (o produto usual entre x e y) e o produto de x pelo
escalar como x = x , ent~ao V se torna um espaco vetorial. De fato,
veriquemos uma a uma as oito propriedades:
1. x, y V temos x
y = xy = yx = y
x para quaisquer x, y V;
2. x (y z) = x (yz) = x(yz) = (xy)z = (x y)z = (x y) z para

quaisquer x, y, z V
3. se x V ent~ao, como 1 V, temos 1 x = 1x = x; observe que neste
caso, 1 e o elemento neutro da adic~ao, o qual denotaremos por o;
4. se x V, isto e, x > 0, ent~ao x1 V e x
x1 = xx1 = 1 = o;
5.
( x) = x = (x ) = x = x = ()
x V e , R;
x para quaisquer
6. (+) x = x+ = x x = x x = ( x) ( x) para quaisquer

x V e , R;
7. (x y) = (xy) = (xy) = x y = (
quaisquer x, y V e R;
8. 1
1.2
x)
y) para
x = x1 = x para qualquer x V.
Propriedades
Das oito propriedades que denem um espaco vetorial podemos concluir

varias outras. Listaremos algumas destas propriedades na seguinte
CAPITULO 1. ESPAC
OS VETORIAIS
14
Proposic
ao 1.7
Seja V um espaco vetorial. Temos
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. Temos 0 = (0 + 0) = 0 + 0 pelas propriedades AL! e AL%.

Utilizando as propriedades AL a AL" e a notac~ao da observac~ao
1.4, obtemos 0 = 0 + ((0)) = (0 + 0) + ((0)) = 0 + (0 +
((0))) = 0 + 0 = 0, isto e 0 = 0.
2. Temos 0u = (0 + 0)u = 0u + 0u, pela propriedade AL$. Utilizando
as propriedades AL a AL" e a notac~ao da observac~ao 1.4, obtemos
0 = 0u + ((0u)) = (0u + 0u) + ((0u)) = 0u + (0u + ((0u)) =
0u + 0 = 0u, isto e, 0u = 0.
3. Se = 0 ent~ao pelas propriedades AL& e AL# e pelo item 1 desta

proposic~ao, u = 1u = (1 )u = 1 (u) = 1 0 = 0.
4. Utilizando a propriedade
e o item 2 desta proposic~ao, obtemos

u + ()u = ( + ())u = 0u = 0. Pela observac~ao 1.4, (u) =
()u. Analogamente, utilizando-se a propriedade AL%, mostra-se
que (u) = (u).
AL$
1.3. EXERCICIOS
15
A prova dos outros resultados e deixada como exerccio.

Ex. Resolvido 1.8 Seja V um espaco
ent~ao V tem innitos elementos.
vetorial. Mostre que se V = {0}
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
Verique se em cada um dos itens o conjunto V com as

operac~oes indicadas e um espaco vetorial sobre R.
Ex. 1.9
1. V = R3 , (x1 , y1 , z1 )+(x2 , y2 , z2 ) = (x1 +x2 , y1 +y2 , z1 +z2 ); (x, y, z) =

(x, y, z).
{(
)
}
a b
2. V =
; a, b R , operaco~es usuais de M2 .
b a
{
}
3. V = (x, y) R2 ; 3x 2y = 0 , operaco~es usuais de R2 .
4. V = {f : R R; f(x) = f(x), x R}, operaco~es usuais de funco~es.

5. V = P(R) = {polinômios com coecientes reais} , operaco~es usuais
de funco~es.
CAPITULO 1. ESPAC
OS VETORIAIS
16
6. V = R2 , (x1 , y1 )+(x2 , y2 ) = (2x1 2y1 , y1 x1 ), (x, y) = (3x, x.)

7. V = R2 , (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ), (x, y) = (x, 0).
{
8. V = (x, y, z, w) R4 ; y = x, z = w2 , operaco~es usuais de R4 .

9. V = R R , (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 y2 ), (x, y) = (x, y ),
onde R = R \ {0}.
Ex. 1.10
Termine a demonstrac~ao da proposic~ao 1.7.
Captulo 2
Subespacos Vetoriais
2.1
Introduc
ao e Exemplos
uitas vezes nos depararemos com certos subconjuntos de um espaco

vetorial que possuem a propriedade de que a soma de dois de seus
elementos e um elemento do proprio subconjunto bem como quando multiplicamos um elemento do subconjunto por um escalar, o resultado continua pertencendo ao subconjunto.
Seja V um espaco vetorial. Dizemos que W V e um

subespaco vetorial de V se forem satisfeitas as seguintes condic~oes:
Definic
ao 2.1
IL
0 W;
IL
Se u, v W ent~ao u + v W;
IL!
Se u W ent~ao u W para todo R.
Observac
ao 2.2 Note que todo subespaco vetorial W de um espaco
vetorial V e ele proprio um espaco vetorial. As propriedades comuta-
tiva, associativa, distributivas e AL& s~ao herdadas do proprio espaco

vetorial V. O elemento neutro da adic~ao e um elemento de W por
17
CAPITULO 2. SUBESPAC
OS VETORIAIS
18
. Finalmente, se u W ent~ao u = (1)u W pelo item 4 da

proposic~ao 1.7 e por IL!.
IL
Observac
ao 2.3 Obviamente {0} e V s~
ao subespacos vetoriais do espaco vetorial V. S~ao chamados de subespacos vetoriais triviais.
Note que W e subespaco vetorial de V se e somente

se s~ao validas as seguintes condic~oes:
Observac
ao 2.4
IL
0 W;
IL
Se u, v W e R ent~ao u + v W.
Vejamos alguns outros exemplos:

Exemplo 2.5
Seja Pn Pn , dado por Pn = {p(x) Pn ; p(0) = 0}.
Veriquemos que Pn e, de fato, um subespaco vetorial de Pn .

1. O polinômio nulo se anula em x = 0, logo, pertence a Pn .
2. Se p(x), q(x) Pn ent~ao p(0) + q(0) = 0 e, portanto, p(x) + q(x)
Pn .
3. Se p(x) Pn ent~ao p(0) = 0 para qualquer R. Assim, p(x)

Pn .
Veriquemos que S = {(x, y, z) R3 ; x + y + z = 0} e um

subespaco vetorial de R3 .
Exemplo 2.6
claro que (0, 0, 0) satisfaz 0 + 0 + 0 = 0.

1. E
2. Se (x, y, z), (u, v, w) S ent~ao (x + u) + (y + v) + (z + w) = (x + y +
z) + (u + v + w) = 0 e, portanto, (x, y, z) + (u, v, w) S.
~ E EXEMPLOS
2.1. INTRODUC
AO
19
3. Se (x, y, z) S ent~ao x + y + z = (x + y + z) = 0 para qualquer

R. Assim, (x, y, z) S.
Exemplo 2.7 Considere o seguinte conjunto S = {y C2 (R; R); y
y = 0} onde y representa a derivada de segunda ordem de y. Veriquemos que S e um subespaco vetorial de C2 (R; R).
1. Claramente a func~ao nula satisfaz 0 0 = 0;

2. Se y1 , y2 S ent~ao (y1 + y2 ) (y1 + y2 ) = (y1 y1 ) + (y2 y2 ) = 0.
Logo, y1 + y2 S.
3. Se y S e R ent~ao (y) y = (y y) = 0. Portanto,
y S.
Deixamos como exerccio a vericac~ao de que os seguintes exemplos

s~ao subespacos vetoriais dos respectivos espacos vetoriais.
Exemplo 2.8 Sejam a1 , . . . , an R e S = {(x1 , . . . , xn ) Rn ; a1 x1 + +
an xn = 0}. Mostre que S
e um subespaco vetorial de Rn .
Exemplo 2.9 O conjunto
notado por C(R; R), e um
Exemplo 2.10
das func~oes contnuas da reta na reta, desubespaco vetorial de F (R; R).
O conjunto das funco~es f C([a, b]; R) tais que

b
f(x)dx = 0
a
e um subespaco vetorial de C([a, b]; R).

Exemplo 2.11 O conjunto das matrizes simetricas quadradas de ordem
n com coecientes reais
e um subespaco vetorial de Mn (R).
Exemplo 2.12 Sejam m, n N
bespaco de Pn .
com m n. Ent~ao Pm e um su-
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.
Ainda usando a notac~ao acima, suponha que V seja um subespaco

de V que contenha U e W. Neste caso, para todo u U V e todo
w W V temos u + w V , ou seja, U + W V . Esta observac~ao
nos permite registrar a seguinte
Proposic
ao 2.16 Sejam V um espaco vetorial e U e W subespacos
vetoriais de V. Ent~ao U + W e o menor subespaco vetorial de V que
contem U W. Em outras palavras, se V e um subespaco vetorial de
V que cont
em U W ent~ao U W U + W V .
Definic
ao 2.17 Sejam U e W subespacos vetoriais de um espaco vetorial V. Dizemos que U + W e a soma direta de U e W se U W = {0}.
Neste caso usaremos a notac~ao U W para representar U + W.
Note que trivialmente {0} U W se U e W s~ao

subespacos vetoriais.
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.
Queremos mostrar que tal decomposic~ao e unica. Suponha que existam

u U e w W tais que v = u + w . Ent~ao, u + w = u + w , o que
22
OS VETORIAIS
implica em u u = w w. Mas u u U e w w W e, portanto,

u u = w w U W = {0}, ou seja u = u e w = w .
Suponha agora que para cada v V existam um unico u U e um
claro que V = U + W. Resta
unico w W satisfazendo v = u + w. E
mostrar que U W = {0}. Obviamente, 0 U W. Seja v U W, isto
e, v U e v W. Ent~ao, existem um unico u U e um unico w W
satisfazendo v = u + w. Observe que v = u + w = (u + v) + (w v) com
u + v U e w v W e, pela unicidade da decomposic~ao, devemos ter
u = u + v e w = w v, isto e, v = 0. Logo, U W = {0}.
Alternativamente, poderamos supor a existência de v = 0 em U W
e da obteramos v = 2v v = 4v 3v, duas decomposico~es distintas para
v ja que 2v, 4v U, 2v = 4v e v, 3v W.
Exemplo 2.20 Verique que R3
e a soma direta
3
R ; x + y + z = 0} e W = {(x, y, z) R3 ; x = y = 0}.
de U = {(x, y, z)
Note que W e de fato um subespaco vetorial de R3 pois W = {(x, y, z)

R3 ; x = 0} {(x, y, z) R3 ; y = 0} ou, alternativamente, se u1 = (x1 , y1 , z1 ),
u2 = (x2 , y2 , z2 ) W ent~ao x1 = y1 = x2 = y2 = 0 e u1 + u2 = (0, 0, z1 + z2 )
e claramente um elemento de W.
Se R ent~ao
u1 = (0, 0, z1 ) = (0, 0, z1 ) = (0, 0, z1 ) W.
Finalmente, (0, 0, 0) W, o que conclui a prova de que W e um subespaco vetorial.

Prosseguindo, dado (x, y, z) R3 podemos escrever
(x, y, z) = (x, y, x y) + (0, 0, z + x + y)
e como (x, y, x y) U e (0, 0, z + x + y) W obtemos R3 = U + W.
~ E SOMA DE SUBESPAC
2.2. INTERSEC
AO
OS
23
Resta agora mostrar que U W = {0}. Seja (x, y, z) U W. Temos
x + y + z = 0
x=0
y = 0
Ex. Resolvido 2.21
(x, y, z) = (0, 0, 0).
Considere os subespacos de R3 dados por
U = {(x, y, z) R3 ; x = 0}
e V = {(x, y, z) R3 ; y = 0}.
Mostre que R3 = U + V, mas a soma n~ao e direta.

Resoluc
ao: Dado (x, y, z) R3 podemos escrever
(x, y, z) = (0, y, z) + (x, 0, 0) U + V,
pois (0, y, z) U e (x, 0, 0) V. Portanto, R3 = U + V.

No entanto, a soma n~ao e direta pois U V = {(0, 0, 0)}, pois, por
exemplo, (0, 0, 1) U V.
Definic
ao 2.22 Sejam U1 , . . . , Un subespacos vetoriais
vetorial V. A soma de U1 a Un e denida por
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,
em que o termo Uj deve ser omitido da soma. Neste caso usaremos

a notac~ao U1 Un para denotar a soma de U1 a Un .
OS VETORIAIS
24
Observac
ao 2.24
E obvio que
(
)
0 Uj U1 + + Uj + + Un
se U1 , . . . , Un s~ao subespacos vetoriais.

Proposic
ao 2.25 Sejam U1 , . . . , Un subespacos vetoriais de um espaco
vetorial V. Ent~ao V = U1 Un se e somente se para cada v V
existe, para cada j = 1, . . . , n, um unico uj Uj tal que v = u1 + +un .
Prova: A prova e analoga a da proposic~ao 2.19.
Exemplo 2.26 Mostre que P2
e soma direta dos seguintes subespacos
vetoriais U1 = {a0 ; a0 R}, U2 = {a1 x; a1 R} e U3 = {a2 x2 ; a2 R}.
Dado p(x) P2 , temos p(x) = a0 + a1 x + a2 x2 , para certos coecientes

a0 , a1 , a2 R. Assim, P2 = U1 + U2 + U3 .
Veriquemos que a soma e direta.
1. Mostremos que U1 (U2 + U3 ) = {0}. Seja p(x) U1 (U2 + U3 ).
Ent~ao existem a0 , a1 , a2 R tais que p(x) = a0 = a1 x + a2 x2 . Se
p(x) n~ao fosse o polinômio nulo teramos um polinômio de grau 0,
a0 , coincidindo com um de grau no mnimo 1, a1 x + a2 x2 , o que e
um absurdo. Logo, p(x) = 0.
Ent~ao existem a0 , a1 , a2 R tais que p(x) = a1 x = a0 + a2 x2 . Se
a1 x, coincidindo com um de grau 0 (caso a2 = 0) ou 2, a0 + a2 x2 ,
(caso a2 = 0), o que e um absurdo. Logo, p(x) = 0.
Ent~ao existem a0 , a1 , a2 R tais que p(x) = a2 x2 = a0 + a1 x. Se
a2 x2 , coincidindo com um de grau 0 (caso a1 = 0) ou 1, a0 + a1 x,
(caso a1 = 0), o que e um absurdo. Logo, p(x) = 0.
2.3. EXERCICIOS
2.3
25
Exerccios
Verique se em cada um dos itens abaixo o subconjunto

subespaco vetorial do espaco vetorial V. Caso n~ao sejam
especicadas, considere as operac~oes usuais.
Ex. 2.27
W
e um
{(
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
1. Se W1 e W2 s~ao susbespacos de um espaco vetorial V ent~ao W1 W2

e subespaco de V.
OS VETORIAIS
26
2. Sejam W1 e W2 subespacos de um espaco vetorial V. Ent~ao W1 W2 e

subespaco de V se, e somente se, W1 W2 ou W2 W1 . (Sugest~ao:
mostre que se W e subespaco de V e x0 , y0 V s~ao tais que x0 W
e y0 W ent~ao x0 + y0 / W e use-o.)
Ex. 2.29 Em cada item abaixo encontrar os subespacos U+W
onde U, W s~ao subespacos do espaco vetorial V indicado.
{
}
{
}
1. U = (x, y) R2 ; y = 0 , W = (x, y) R2 ; x = 2y ,
V = R2 .
{(
)
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
Verique, em cada um dos itens abaixo, se V = U W.
{
}
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),
U = {p(t) P3 (R); p(1) = p(0) = 0} ,
W = {q(t) P3 (R); q (t) = 0, t 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
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.
Em P2 , o polinômio p(x) = 2 + x2 e uma combinac~ao

dos polinômios p1 (x) = 1, p2 (x) = x e p3 (x) = x2 .
Exemplo 3.3
29
~
CAPITULO 3. COMBINAC
OES
LINEARES
30
Basta ver que p(x) = 2p1 (x) + 0p2 (x) + p3 (x).
Verique que em P2 , o polinômio p(x) = 1 + x2 e uma

combinac~ao dos polinômios q1 (x) = 1, q2 (x) = 1+x e q3 (x) = 1+x+x2 .
Exemplo 3.4
Precisamos encontrar numeros reais , e tais que p(x) = q1 (x) +

q2 (x) + q3 (x). Ou seja, precisamos encontrar , e satisfazendo
1 + x2 = + (1 + x) + (1 + x + x2 ) = + + + ( + )x + x2 ,
que e equivalente ao sistema
+ + = 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:
1. Como S = existe u S. Logo, 0 = 0u [S].
subconjunto n~ao
31
3.2. GERADORES
2. Se u, v [S] ent~ao existem 1 , . . . , n , 1 , . . . , m R e u1 , . . . , un ,

v1 , . . . , vm S tais que u = 1 u1 + +n un e v = 1 v1 + +m vm .
Assim, para todo R, temos
u + v = 1 u1 + + n un + (1 v1 + + m vm )
= 1 u1 + + n un + 1 v1 + + m vm [S].
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
e T subconjuntos n~ao-vazios de um espaco
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 ];
~
OES
LINEARES
32
3. Pelo item 1 desta proposic~ao, [S] [[S]]. Seja u [[S]]. Segue da

denic~ao que u e uma combinac~ao linear de elementos de [S], mas
como cada elemento de [S] e uma combinac~ao linear de elementos de
S resulta que u e uma combinac~ao linear de elementos de S, ou seja,
u [S];
4. Pelo item 1, S [S]. Seja u [S]. Ent~ao u e uma combinac~ao linear

de elementos de S. Como S e um subespaco vetorial, esta combinac~ao
linear e um elemento de S;
5. Seja u [S T ]. Por denic~ao, existem 1 , . . . , n , 1 , . . . , m R e
u1 , . . . , un S e v1 , . . . , vm T tais que
u = 1 u1 + + n un + 1 v1 + + m vm
= (1 u1 + + n un ) + (1 v1 + + m vm ) [S] + [T ].
Reciprocamente, se u [S] + [T ] ent~ao u = v + w com v [S] e w

[T ]. Dessa forma, existem 1 , . . . , p , 1 , . . . , q R e v1 , . . . , vp S
e w1 , . . . , wq T tais que
u = v + w = 1 v1 + + p vp + 1 w1 + + q wq [S T ].
Dizemos que um espaco vetorial V e nitamente gerado

se existir um subconjunto nito S V tal que V = [S].
Definic
ao 3.9
S~ao exemplos de espacos vetoriais nitamente gerados:

1. Pn (R) = [1, x, . . . , xn ];
2. Rn e gerado por
e1 = (1, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), . . . , en = (0, . . . , 0, 1).
33
3.2. GERADORES
3. Mmn e gerado pelas matrizes Ekl = ((k,l)

i,j ), k = 1, . . . , m, l =
1, . . . n, onde
{
1 se (i, j) = (k, l)
(k,l)
i,j =
0 caso contrario .
Seja P(R) o espaco vetorial formado por todos os polinômios. Armamos que P(R) n~ao e nitamente gerado.
Exemplo 3.10
Note que Pn (R) P(R) para todo n N. Se P(R) fosse nitamente

gerado existiriam polinômios p1 (x), . . . , pn (x) tais que
P(R) = [p1 (x), . . . , pn (x)].
evidente
Seja N o grau mais alto dentre os polinômios 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
Devemos mostrar que qualquer u V se escreve como uma combinac~ao

linear de u2 , . . . , un . Sabemos que existem 1 , . . . , n R tais que u =
1 u1 + +n un e existem tambem 1 , . . . , n1 satisfazendo u1 = 1 u2 +
+ n1 un . Combinando estas informaco~es, obtemos
u = 1 (1 u2 + + n1 un ) + 2 u2 + + n un
= (1 1 + 2 )u2 + + (1 n1 + n )un [u2 , . . . , un ].
Exemplo 3.12 Sejam U = {(x, y, z, t) R4 ; x y + t + z = 0} e V =
{(x, y, z, t) R4 ; x + y t + z = 0}. Encontre um conjunto nito de
geradores para os seguintes subespacos vetoriais: U, V, U V e U + V.
~
OES
LINEARES
34
1. Se (x, y, z, t) U ent~ao y = x + z + t e, portanto,

(x, y, z, t) = (x, x + z + t, z, t) = x(1, 1, 0, 0) + z(0, 1, 1, 0) + t(0, 1, 0, 1),
isto e,
U = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)].
2. Se (x, y, z, t) V ent~ao t = x + y + z e, portanto,

(x, y, z, t) = (x, y, z, x+y+z) = x(1, 0, 0, 1)+y(0, 1, 0, 1)+z(0, 0, 1, 1),
isto e,
V = [(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)].
3. Se (x, y, z, t) U V ent~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)].
4. Como U + V = [U] + [V] = [U V], temos que

U + V = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1),
(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)]
= [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)].
Observe que
(1, 1, 0, 0) = (1, 0, 0, 1) + (0, 1, 1, 0) (0, 0, 1, 1)
e, portanto,
U + V = [(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)].
Veremos mais adiante que este e o numero mnimo de geradores para

o subespaco U + V.
3.3. EXERCICIOS
3.3
35
Exerccios
Para cada um dos subconjuntos S V , onde V e o espaco

vetorial indicado, encontrar o subespaco gerado por S, isto e, [S].
Ex. 3.13
1. S = {(1, 0), (2, 1)} , V = R2 .

2. {(1, 1, 1), (2, 2, 0)} , V = R3 .
{
3. S = 1, t, t2 , 1 + t3 , V = P3 (R).
0 1
0 0
4. S =
)}
) (
{(
0 0
1 0
, V = M2 .
Em cada um dos itens abaixo encontrar um subconjunto S,

nito, que gere o subespaco vetorial W do espaco vetorial V.
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
Encontrar, em cada um dos itens abaixo, os subconjuntos S

do espaco vetorial V que geram U, W , U W e U + W.
Ex. 3.15
1. U = [(1, 0, 0), (1, 1, 1)], W = [(0, 1, 0), (0, 0, 1)], V = R3 .

{
2. U = (x, y, z) R3 ; x + y = 0 , W = [(1, 3, 0), (0, 4, 6)], V = R3 .
~
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-
1. U = {p P3 (R); p(1) = p(0) = 0} ,

2. W = {p P3 (R); p (t) = 0, t R} ,
3. U W.
Ex. 3.17
Mostre que 1, cos 2x [ sen 2 x, cos2 x].
Ex. 3.18
Verique se P2 (R) e gerado por 1 + x, x + 2x2 e 1 x2 .
Captulo 4
Depend
encia Linear
4.1
Introduc
ao e Exemplos
o captulo anterior ao estudarmos os geradores de um espaco vetorial

procuramos encontrar um determinado conjunto de vetores de modo
que qualquer vetor do espaco em quest~ao pudesse ser escrito como combinac~ao linear dos vetores deste conjunto. Por exemplo, se v e w geram
um espaco V ent~ao para qualquer u V e possvel encontrar escalares
e satisfazendo u = v + w, ou seja
v + w 1u = 0.
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
Num certo sentido, os vetores do primeiro exemplo guardam uma certa

dependência entre um e outro enquanto que, no segundo, os três vetores
s~ao independentes.
Vejamos, com as denico~es e exemplos que seguem como podemos
tornar estes conceitos mais precisos.
Dizemos que uma sequência de vetores u1 , . . . , un de

um espaco vetorial V e linearmente independente (l.i., abreviadamente) se a combinac~ao linear 1 u1 + + n un = 0 so for satisfeita
quando 1 = = n = 0.
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 independência linear para a sequência
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)
for linearmente independente.
espaco
se n~ao
Observac
ao 4.5 A denic~
ao de dependência linear para a sequência
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.
e uma sequência l.d., onde O e o

elemento neutro do espaco vetorial V.
Exemplo 4.6 O, u1 , . . . , un V
Basta vericar que 1O + 0u1 + + 0un = O.
Verique se a sequência (1, 1, 1), (1, 1, 0), (1, 0, 0) e linearmente independente em R3 .
Exemplo 4.7
~ E EXEMPLOS
4.1. INTRODUC
AO
39
preciso vericar quais s~ao as possveis soluco~es de

E
(1, 1, 1) + (1, 1, 0) + (1, 0, 0) = (0, 0, 0).
Isto equivale a resolver o sistema
+ + = 0
+=0
= 0,
que possui como unica soluc~ao, = = = 0. Logo, a sequência acima

e l.i..
Exemplo 4.8
Considere os vetores em R3 dados por
u1 = (x1 , y1 , z1 ),
u2 = (x2 , y2 , z2 )
u3 = (x3 , y3 , z3 ).
Encontre uma condic~ao necessaria e suciente para que os vetores

u1 , u2 , u3 sejam linearmente independentes.
Vejamos, os vetores acima ser~ao l.i. se e somente se 1 u1 +2 u2 +3 u3 = 0
apresentar como unica soluc~ao 1 = 2 = 3 = 0. Isto e equivalente a que
o sistema
1 x1 + 2 x2 + 3 x3 = 0
1 y1 + 2 y2 + 3 y3 = 0
z + z + z = 0
1 1
2 2
3 3
possua soluc~ao unica e, como se sabe, isto e equivalente que a matriz
x1 x2 x3
y1 y2 y3
z1 z2 z3
possua determinante diferente de zero. Note que as colunas desta matriz

s~ao formadas pelos coecientes de u1 , u2 e u3 . O mesmo resultado vale se
colocarmos os coecientes dos vetores u1 , u2 e u3 como linhas. Por quê?
^
LINEAR
40
Enuncie e demonstre um resultado analogo ao exemplo

anterior para uma sequência com n vetores do Rn .
Exerccio 4.9
Exemplo 4.10
Verique se as matrizes
(
) (
) (
)
1 0
1 1
0 1
,
,
0 1
0 1
0 0
s~ao linearmente independentes em M2 .

Procuremos as soluco~es de
(
1 0
0 1
que equivale a
)
(
)
(
) (
0 1
0 0
1 1
=
,
+
+
0 0
0 1
0 0
(
) (
)
+ +
0 0
=
,
0
+
0 0
que possui como soluc~ao (, , ) = (, , ) para qualquer R. Dessa

forma, a sequência de matrizes dada e linearmente dependente, bastando
tomar, por exemplo, = 1, = 1 e = 1.
Exemplo 4.11
Verique se as func~oes cos e sen s~ao l.d. em C1 (R; R).
Como cos e sen s~ao funco~es denidas em R, a combinac~ao nula

cos + sen = 0
signica que cos x + sen x = 0 para todo x R. Em particular, para

x = 0 vemos que = 0 e para x = /2, vem = 0. Portanto, cos e sen
s~ao l.i..
Verique se as func~oes cos2 , sen 2 , 1 s~ao linearmente

dependentes em C1 (R; R).
Exemplo 4.12
41
4.2. PROPRIEDADES
Como
1 cos2 x sen 2 x = 0,
para todo x R,
resulta que as funco~es acima s~ao l.d..

Exerccio 4.13 Sejam f(x) = cos 2x, g(x) = cos2 x e h(x) = sen 2 x,
x R. Mostre que f, g, h s~
ao linearmente dependentes em C1 (R; R).
4.2
Propriedades
Se u1 , . . . , un s~ao l.d. em um espaco vetorial V ent~ao

pelo menos um destes vetores se escreve como combinac~ao linear dos
outros.
Proposic
ao 4.14
Prova: Precisamos mostrar que se u1 , . . . , un s~ao linearmente dependentes

ent~ao existem j {1, . . . , n} e numeros reais 1 , . . . , n1 tais que
uj = 1 u1 + + j1 uj1 + j uj+1 + + n1 un .
Como u1 , . . . , un s~ao l.d. existem numeros reais 1 , . . . , n n~ao todos

nulos tais que 1 u1 + + n un = 0. Desse modo, existe j {1, . . . , n} tal
que j = 0 e, assim,
uj =
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 sequência nita de vetores de V que os contenha, tambem sera l.d..
Proposic
ao 4.15
Prova: Vamos mostrar que se u1 , . . . , un , un+1 , . . . , um V s~ao tais que

u1 , . . . , un s~ao l.d. ent~ao u1 , . . . , un , un+1 , . . . , um tambem s~ao linearmente
dependentes.
^
LINEAR
42
Como existem numeros reais 1 , . . . , n n~ao todos nulos tais que 1 u1 +

+ n un = 0, podemos escrever
1 u1 + + n un + 0un+1 + + 0um = 0
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 subsequência 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
e estes vetores s~ao l.i., segue que 1 = = n = 0.

Proposic
ao 4.17 Se u1 , . . . , un s~
ao l.i. em um espaco vetorial V e
u1 , . . . , un , un+1 s~
ao l.d. ent~ao un+1 e combinac~ao linear de u1 , . . . , un .
Prova: Existem 1 , . . . , n+1 n~ao todos nulos tais que
1 u1 + n un + n+1 un+1 = 0.
Agora, se n+1 = 0 ent~ao a express~ao acima caria

1 u1 + n un = 0.
Ora, os vetores u1 , . . . , un s~ao l.i. e, assim, deveramos ter tambem 1 =

= n = 0. Uma contradic~ao.
Proposic
ao 4.18 Sejam u1 , . . . , un vetores l.i. em um espaco vetorial
V. Ent~
ao cada vetor v [u1 , . . . , un ] se escreve de maneira unica como
v = 1 u1 + + n un .
4.3. EXERCICIOS
43
Prova:
Basta mostrar que se 1 u1 + + n un = 1 u1 + + n un ent~ao

j = j , j = 1, . . . , n.
Temos
(1 1 )u1 + + (n n )un = 0
e como u1 , . . . , un s~ao l.i. ent~ao j j = 0, isto e j = j , para todo

j = 1, . . . , n.
4.3
Exerccios
Verique, em cada um dos itens abaixo, se o subconjunto S

do espaco vetorial V e l.i. ou l.d.
Ex. 4.19
1. S = {(1, 2), (3, 1)} , V = R2 .

{
2. S = 1 + t t2 , 2 + 5t 9t2 , V = P2 (R).
{(
) (
1 1
0 0
3. S =
)}
2 0
1 0
, V = M2 .
4. S = {(1, 2, 2, 3), (1, 4, 2, 0)} , V = R4 .
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
6. S = {1, sen x, cos x} , V = C (R, R).

{
7. S = 1, sen 2 x, cos2 x , V = C (R, R).

8. S = {ex , ex } , V = C (R, R).
9. S = {xex , x} , V = C (R, R).
^
LINEAR
44
Seja S = {u, v, w} um conjunto l.i. em V. Verique se os

conjuntos abaixo s~ao l.i. ou l.d..
Ex. 4.20
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..
se existir x (a, b) tal
Captulo 5
Base, Dimens
ao e Coordenadas
5.1
Base
noc~ao de base de um espaco vetorial e muito simples. Ela consiste

em escolher um conjunto de geradores que seja o menor possvel, isto
e, um conjunto que gere o espaco, mas que se deste conjunto for subtrado
qualquer elemento, o que resta n~ao gera mais o espaco todo.
Vejamos a denic~ao precisa de base.
Definic
ao 5.1 Seja V = {0} um espaco vetorial nitamente gerado.
Uma base de V e uma sequência de vetores linearmente independentes
B de V que tamb
em gera V.
Exemplo 5.2 Os
ma base de R3 .
vetores de B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} formam u-
Vê-se facilmente que os vetores de B s~ao l.i. e que todo (x, y, z) R3 se

escreve como (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).
Exemplo 5.3 Os vetores e1 , . . . , en Rn onde e1 = (1, 0, . . . , 0), e2 =
(0, 1, 0, . . . , 0), . . . , en = (0, . . . , 0, 1) formam uma base de Rn .
45
46
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
Ex. Resolvido 5.4

R2 .
Mostre que (1, 1) e (1, 1) formam uma base de
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-
priedades ao mesmo tempo. (Por quê?)

Seja (x, y) R2 . O nosso problema se resume em mostrar que existe um
unico R e um unico R satisfazendo (x, y) = (1, 1) + (1, 1) =
( + , ). Esta u
ltima express~ao e equivalente ao seguinte sistema
linear
{
+=x
= y.
Resolvendo o sistema obtemos uma unica soluc~ao dada por = (x + y)/2

e = (x y)/2.
Exemplo 5.5
As matrizes em
{(
B=
) (
) (
) (
)}
1 0
0 1
0 0
0 0
,
,
,
0 0
0 0
1 0
0 1
formam uma base de M2 .

Verique se os elementos de B = {1 + x, 1 x, 1 x2 }
formam uma base de P2 (R).
Exerccio 5.6
Seja {u1 , . . . , un } uma base de V. Ent~ao {u1 , . . . , un1 }

n~ao e uma base de V.
Proposic
ao 5.7
Prova: Se {u1 , . . . , un1 } fosse uma base de V ent~ao existiriam j R,

j = 1, . . . , n 1 tais que
un = 1 u1 + + n1 un1 ,
~
5.2. DIMENSAO
isto e,
47
1 u1 + + n1 un1 un = 0,
contradizendo o fato de que u1 , . . . , un s~ao linearmente independentes.
Todo espaco vetorial V = {0} nitamente gerado admite

uma base. Em outras palavras, ha uma sequência de vetores l.i. de
V formada por geradores.
Teorema 5.8
Prova: Como V = {0} e nitamente gerado existem u1 , . . . , un V tais

que V = [u1 , . . . , un ]. Se u1 , . . . , un forem l.i., ent~ao esta sequência e uma
base de V e n~ao ha nada mais a ser provado.
Suponhamos que u1 , . . . , un sejam l.d.. Como V = {0}, existe j
{1, . . . , n} tal que uj = 0. Por simplicidade, podemos supor que u1 = 0.
Agora, se todo uj , j = 2, . . . , n puder se escrever como combinac~ao linear
de u1 ent~ao V = [u1 ] e u1 e uma base de V. Caso isto n~ao ocorra, e porque
existe algum uj , com 2 j n tal que u1 , uj s~ao l.i.. Por simplicidade,
suponhamos que seja o u2 , isto e, u1 , u2 s~ao l.i.. Bem, se todos os vetores
u3 , . . . , un forem combinaco~es lineares de u1 e u2 ent~ao V = [u1 , u2 ] e
u1 , u2 formam uma base de V. Podemos repetir este processo e como o
numero de elementos de L = {u1 , . . . , un } e nito, ele nda. Desse modo,
existe uma sequência de vetores l.i. dentre os vetores L que gera V. Esta
sequência forma uma base de V.
5.2
Dimens
ao
Em um espaco vetorial V = {0} nitamente gerado toda

base possui o mesmo numero de elementos.
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
48
Como os vetores v1 , . . . , vm geram V podemos escrever para cada 1
j n,
uj = 1j v1 + + mj vm .
Assim, a combinac~ao linear nula x1 u1 + + xn un = 0 e equivalente a

x1
( 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
Como v1 , . . . , vm s~ao l.i. ent~ao j=1 xj ij = 0 para todo 1 i m. Estas

m equaco~es representam um sistema linear homogêneo com n inc
ognitas.
Como n > m, existe uma soluc~ao n~ao trivial, isto e, uma soluc~ao x1 , . . . , xn
onde pelo menos um xj e diferente de zero. Assim, u1 , . . . , un s~ao l.d., uma
contradic~ao.
Definic
ao 5.10 Seja V um espaco vetorial nitamente gerado. Se
V = {0} denimos a dimens~
ao de V como sendo 0. Se V = {0} denimos
a dimens~ao de V como sendo o numero de elementos de uma base
qualquer de V. Usaremos o smbolo dim V para designar a dimens~ao
de V.
Definic
ao 5.11 Se um espaco vetorial
mos que V possui dimens~ao innita.
n~ao e nitamente gerado dize-
Todo espaco vetorial de dimens~ao innita possui

uma innidade de vetores linearmente independentes, ou seja, existem vetores uj , j N, de modo que a sequência u1 , . . . , un e linearmente independente para todo n N.
Proposic
ao 5.12
~
5.2. DIMENSAO
49
Prova: Seja V um espaco vetorial de dimens~ao innita. Claramente V =

{0}. Selecione u1 V, u1 = 0. Como V n~ao e nitamente gerado, V = [u1 ].
Assim, podemos tomar u2 V tal que u2 [u1 ]. Desta forma, os vetores
u1 e u2 s~ao linearmente independentes.
Suponha que tenhamos encontrado vetores u1 , . . . , un V linearmente
independentes. Como V n~ao e nitamente gerado, V = [u1 , . . . , un ] e,
assim, e possvel escolher un+1 V tal que un+1 [u1 , . . . , un ], isto e, os
vetores u1 , . . . , un , un+1 V s~ao linearmente independentes.
Em resumo, existe em V uma sequência innita de vetores linearmente
independentes.
A seguinte proposic~ao e um resultado da prova do teorema 5.9.
Em um espaco vetorial de dimens~ao m qualquer

sequência de vetores com mais de m elementos e linearmente dependente.
Proposic
ao 5.13
Todo subespaco vetorial de um espaco vetorial de dimens~ao nita tambem tem dimens~ao nita.
Corol
ario 5.14
Prova: Seja V um espaco vetorial de dimens~ao nita e W um subespaco

vetorial de V. Se W tivesse dimens~ao innita, pela proposic~ao 5.12, existiria uma innidade de vetores linearmente independentes em W. Como
estes vetores tambem s~ao linearmente independentes em V, o numero deles
deveria ser menor do que a dimens~ao de V (pela proposic~ao 5.13). Uma
contradic~ao.
Se V e um espaco vetorial n-dimensional e u1 , . . . , un

s~ao vetores de V linearmente independentes ent~ao estes vetores formam uma base de V.
Corol
ario 5.15
Exemplo 5.16 dim Rn = n.

Exemplo 5.17
A dimens~ao de P(R) e innita. Veja o exemplo 3.10.
50
~ E COORDENADAS
Exemplo 5.18 dim Pn (R) = n + 1.
Basta notar que os polinômios 1, x, . . . , xn formam uma base de Pn (R).

Exemplo 5.19 dim Mmn = mn.
Note que as matrizes

Ak,l = (k,l
i,j )1im ,
1jn
k = 1, . . . , m, l = 1, . . . , n onde
{
1
k,l
i,j =
0
se (i, j) = (k, l)
se (i, j) = (k, l)
formam uma base de Mmn .
A dimens~ao do espaco das matrizes quadradas e simetricas de ordem n e n(n + 1)/2.

Exerccio 5.20
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 sequência 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
s~ao l.i. e, como dim V = n = r + k, segue que esta sequência de vetores e

uma base de V que contem os vetores u1 , . . . , ur .
Exemplo 5.22
Encontre uma base do R3 contendo o vetor (1, 1, 1).
Como a dimens~ao de R3 e três, precisamos encontrar dois vetores, (a, b, c),

(x, y, z), que juntamente com (1, 1, 1) sejam l.i.. Porem, pelo exemplo
4.8, sabemos que isto e equivalente ao determinante de
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
dim U W + dim (U + W) = dim U + dim W
(5.24)
Prova: Lembre que todo subespaco de um espaco vetorial de dimens~ao
nita tem tambem dimens~ao nita.

Sejam v1 , . . . , vm elementos de uma base de U W. Como estes vetores
s~ao l.i. e pertencem a U, pelo teorema 5.21, existem u1 , . . . , up U
tais que u1 , . . . , up , v1 , . . . , vm formam uma base de U. Por outro lado,
os vetores v1 , . . . , vm tambem pertencem a W e pelo mesmo teorema e
possvel encontrar w1 , . . . , wq W de modo que w1 , . . . , wq , v1 , . . . , vm
formem uma base de W.
~ E COORDENADAS
52
Com a notac~ao usada, temos dim U W = m, dim U = m + p e

dim W = m + q. Sendo assim, a m de mostrarmos que 5.24 e valida, e
necessario e, na verdade, suciente mostrar que dim (U + W) = m + p + q.
Para tanto, basta mostrarmos que os vetores
u1 , . . . , up , w1 , . . . , wq , v1 , . . . , vm
(5.25)
formam uma base de U + W.

Mostremos primeiramente que eles geram U + W : dado v U + W
existem u U e w W tais que v = u + w. Como u e uma combinac~ao linear de u1 , . . . , up , v1 , . . . , vm e w e uma combinac~ao linear de
w1 , . . . , wq , v1 , . . . , vm segue que v = u + w e uma combinac~ao linear de
u1 , . . . , up , v1 , . . . , vm ,1 , . . . , wq . Portanto,
U + W = [u1 , . . . , up , v1 , . . . , vm ,1 , . . . , wq ].
Veriquemos que os vetores em 5.25 s~ao l.i.. Suponha que

1 u1 + + p up + 1 w1 + + q wq + 1 v1 + + m vm = 0, (5.26)
ou seja
U 1 u1 + + p up + 1 v1 + + m vm = 1 w1 q wq W.
Logo,
1 w1 q wq U W = [v1 , . . . , vm ].
Consequentemente, existem 1 , . . . , m tais que

1 w1 q wq = 1 v1 + + m vm ,
ou seja,
1 w1 + + q wq + 1 v1 + + m vm = 0.
Como w1 , . . . , wq , v1 , . . . , vm s~ao l.i., pois formam uma base de W, segue-se

que 1 = = m = 1 = = q = 0. Assim, a equac~ao 5.26 se reduz a
1 u1 + + p up + 1 v1 + + m vm = 0
5.3. DIMENSAO
OS VETORIAIS
53
e como u1 , . . . , up , v1 , . . . , vm s~ao l.i., pois formam uma base de U, segue-se

que
1 = = p = 1 = = m = 0,
ou seja, os vetores de 5.25 s~ao linearmente independentes.
Seja U um subespaco vetorial de um espaco vetorial

de dimens~ao nita V. Se dim U = dim V ent~ao U = V.
Corol
ario 5.27
Prova: Suponha que exista u1 V com u1 U. Coloque W = [u1 ]. Como

U W = {0} e dim W = 1, segue da proposic~ao 5.23 que
dim (U + W) = dim U + 1 = dim V + 1 > dim V.

Um absurdo pois dim (U + W) dim V.
Note que se V, U e W s~ao como na proposic~ao 5.23

e se alem do mais tivermos V = U + W e dim U + dim W > dim V
ent~ao U W = {0}, isto e, a soma U + W n~ao e direta.
Observac
ao 5.28
Bem, se fosse U W = {0} ent~ao pela proposic~ao 5.23 teramos

0 = dim U W = dim U + dim W dim (U + W)
= dim U + dim W dim V > 0,
um absurdo.
Exemplo 5.29 Sejam U = {p(x) P3 (R); p(0) = p(1) = 0} e V =
{p(x) P3 (R); p(1) = 0}. Encontre uma base de U, V, U V e U + V.
U : Temos
p(x) = a0 + a1 x + a2 x2 + a3 x3 U p(0) = p(1) = 0
54
~ E COORDENADAS
{
a0 = 0
a0 + a1 + a2 + a3 = 0
p(x) = (a2 + a3 )x + a2 x2 + a3 x3 = a2 (x2 x) + a3 (x3 x).
Desse modo, U = [x2 x, x3 x] e estes polinômios s~ao l.i. pois como

cada um tem um grau distinto do outro, nenhum pode ser multiplo
do outro. Assim, x2 x e x3 x formam uma base de U.
V:
p(x) = a0 + a1 x + a2 x2 + a3 x3 V
p(1) = 0 a0 a1 + a2 a3 = 0
p(x) = a0 + (a0 + a2 a3 )x + a2 x2 + a3 x3
= a0 (1 + x) + a2 (x2 + x) + a3 (x3 x).
Desse modo, V = [1 + x, x2 + x, x3 x] e estes polinômios s~ao l.i.

pois como cada um tem um grau distinto do outro, nenhum pode
ser uma combinac~ao linear dos outros dois. Portanto, 1 + x, x2 + x e
x3 x formam uma base de V.
UV :
p(x) = a0 +a1 x+a2 x2 +a3 x3 UV
{
a0 = a2 = 0
a1 = a3
a0 = 0
a + a1 + a2 + a3 = 0
0
a a + a a = 0
0
1
2
3
p(x) = a1 (x3 x).
Logo, x3 x e uma base de U V.

U + V : Temos dim (U + V) = 2 + 3 1 = 4 = dim P3 (R). Pela proposic~ao
5.27 temos que U + V = P3 (R) e podemos tomar como base os
polinômios 1, x, x2 e x3 .
5.3. DIMENSAO
OS VETORIAIS
Exemplo 5.30
U
V
UV
U+V
55
Voltemos ao exemplo 3.12. Sabemos que

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

[(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)]
[(1, 0, 1, 0), (0, 1, 0, 1)]
[(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)]
Veriquemos que os geradores acima s~ao na verdade bases para os respectivos subespacos vetoriais. Para tanto basta vericar que cada sequência
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
56
5.4
Coordenadas
Sejam V um espaco vetorial nitamente gerado e B uma base de V formada

pelos vetores u1 , . . . , un . Como B e uma base de V, todo elemento de u V
se escreve como 1 u1 + + n un , com os coecientes 1 , . . . , n R.
Pela proposic~ao 4.18, os coecientes 1 , . . . , n s~ao unicamente determinados pelo vetor u. Estes coecientes s~ao denominados coordenas de u
com relac~ao a base B. Representaremos as coordenadas de u com relac~ao
a base como

1
..
uB = . .
n
Mostre que os vetores (1, 1, 1), (0, 1, 1) e (0, 0, 1) formam uma base de R3 . Encontre as coordenadas de (1, 2, 0) R3 com
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
possui determinante igual a 1 = 0.

Agora,
(1, 2, 0) = (1, 1, 1) + (0, 1, 1) + (0, 0, 1) = (, + , + + )
= 1
+=2
+ + = 0
57
5.4. COORDENADAS
cuja (unica) soluc~ao e = 1, = 1 e = 2. Desse modo, as coordenadas

de (1, 2, 0) com relac~ao a base B s~ao dadas por
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 polinômio com
relac~ao a base C formada pelos polinômios 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
que possui uma unica soluc~ao dada por = a0 , = a1 + a2 , e = a2 .

Com isso em m~aos, vemos que as coordenadas de 1+x+x2 com relac~ao
a base B s~ao dadas por

1

2 .
1
~ E COORDENADAS
58
Note que com relac~ao a base C formada por 1, x e x2 as coordenadas de

1 + x + x2 s~ao dadas por

1

1 .
1
5.5
Exerccios
Vericar em cada um dos casos se o subconjunto B do

espaco vetorial V e uma base de V.
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 .
3. B = {(1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0)} , V = R4 .
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 .
3. W = {p P2 (R); p (t) = 0, t R} , V = P2 (R).

(
4. W = {X M2 ; AX = XA} , onde A =
Ex. 5.35
1 0
1 1
, V = M2 .
Dados U, W subespacos do espaco vetorial V determinar;
i) uma base e a dimens~ao de U.
5.5. EXERCICIOS
59
ii) uma base e a dimens~ao de W.

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

R3 .
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 canônica
2. {(0, 0, 1), (0, 1, 1), (1, 1, 1)}
3. {(1, 2, 1), (0, 3, 2), (1, 1, 4)}
Determinar as coordenadas do polinômio 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 canônica
{
2. 1, 1 + t, 1 + t + t2 , 1 + t + t2 + t3
{
3. 4 + t, 2, 2 t2 , t + t3
Ex. 5.38
Determinar as coordenadas do vetor
relac~ao as seguintes bases de M2 ;
)
2 5
8 7
M2
em
~ E COORDENADAS
60
1. base canônica
{(
2.
Ex. 5.39
) (
1 0
0 0
) (
1 1
0 0
) (
1 1
1 0
)}
1 1
1 1
Encontre uma base de M2 que contenha

{(
) (
1 0
1 0
Ex. 5.40 Verique que as
a base B = {1, x, . . . , xn } e
)}
1 1
0 0
coordenadas de p(x) Pn (R) com relac~ao
p(0)
p (0)
1
p (0)
2!
..
p(n) (0)
n!
onde p(k) (0) representa a k-esima derivada de p em x = 0.

Ex. 5.41
Se {u1 , . . . , un } e uma base de V mostre que
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
omo vimos no exemplo 5.32 as coordenadas de um elemento de um

espaco vetorial podem variar quando se consideram bases distintas.
O que passaremos a estudar agora e como esta mudanca ocorre, ou seja,
como e possvel encontrar as coordenadas de um vetor com relac~ao a uma
base sabendo-se suas coordenadas com relac~ao a uma outra.
Seja V um espaco vetorial nitamente gerado. Sejam B e C bases de
V formadas pelos vetores b1 , . . . , bn e c1 , . . . , cn , respectivamente. Como
B e uma base, existem ij R, 1 i, j n tais que
c1 = 11 b1 + + n1 bn
..
.
cn = 1n b1 + + nn bn .
Desta forma, as coordenadas de c1 , . . . , cn , com relac~ao a base B s~ao, respectivamente,

c1B
1n
11
..
..
= . , , cnB = . .
nn
n1
61
CAPITULO 6. MUDANC
A DE BASE
62
Reunimos estas informaco~es sobre as coordenadas dos vetores da base C

com relac~ao a base B na seguinte matriz
11
1n
n1
nn
MCB = ...
...
.. ,
.
cujas colunas s~ao formadas pelas coordenas de c1 , . . . , cn com relac~ao a

base B. A matriz MCB e chamada de matriz mudanca de base da base B
para a base C.
Antes de mostrarmos a relac~ao que existe entre MCB e as coordenadas
de um dado vetor com relac~ao as bases B e C, vejamos como podemos
encontrar a matriz de mudanca de base em um exemplo no R3 .
Exemplo 6.1 Considere a base B de R3 formada pelos vetores (1, 0, 1),
(1, 1, 1) e (1, 1, 2). Considere tamb
em a base C formada pelos vetores
(1, 0, 0), (0, 1, 0) e (0, 0, 1). Encontre 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).
Um momento de re ex~ao nos poupara um pouco de trabalho neste ponto.

Note que cada linha acima representa um sistema de três equaco~es com
três incognitas e que a matriz associada a cada um destes sistemas e a
mesma. O que muda s~ao os nomes das variaveis e o segundo membro.
Utilizando como variaveis x, y e z, basta resolvermos o seguinte sistema

a
1 1 1
x

0 1 1 y = b
c
1 1 2
z
~ EXEMPLOS E PROPRIEDADES
6.1. INTRODUC
AO,
63
onde a, b, c R. O sistema acima e equivalente a
1 1 1
x
a
0 1 1 y = b
0 0 1
z
ca
cuja unica soluc~ao e dada por x = a b, y = a + b c e z = c a.

Tomando (a, b, c) = (1, 0, 0) obtemos (11 , 21 , 31 ) = (1, 1, 1).
Tomando (a, b, c) = (0, 1, 0) obtemos (12 , 22 , 32 ) = (1, 1, 0).
Tomando (a, b, c) = (0, 0, 1) obtemos (13 , 23 , 33 ) = (0, 1, 1). Desta
forma, obtemos
MCB
Exerccio 6.2
1 1 0
= 1
1 1 .
1 0
1
Com as notac~oes do exemplo acima, encontre MBC .
Vejamos agora como as coordenadas de um vetor se relacionam com

respeito a duas bases de um espaco vetorial de dimens~ao nita.
Sejam B e C bases de um espaco vetorial de dimens~ao nita V formadas,
respectivamente, pelos vetores b1 , . . . , bn e c1 , . . . , cn . Dado um vetor v em
V sejam

x1
..
vB = .
xn
y1
..
vC = .
yn
as suas coordenadas com relac~ao as bases B e C, respectivamente. Se

MCB = (ij ) representa a matriz de mudanca da base B para base C, ent~ao
como cj = ni=1 ij bi , j = 1, . . . , n, obtemos

v=
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
onde na ultima igualdade invertemos a ordem da soma. Como os vetores
b1 , . . . , bn s~ao l.i., segue-se que xi = nj=1 ij yj , i = 1, . . . , n. Porem, estas

ultimas n equaco~es podem ser escritas na seguinte formula matricial
11 12
1n
y1
x1
..
.. ..
.. . . ..
.
. = . ,
..
.
n1 n2 nn
yn
xn
ou mais simplesmente,
vB = MCB vC .
Resumiremos este resultado na seguinte

Proposic
ao 6.3 Sejam B e C bases de um espaco vetorial de dimens~
ao
nita V. Se vB e vC representam as coordenadas de um dado vetor
v V com relac~
ao as bases B e C, respectivamente e se MCB e a
matriz de mudanca de base da base B para a base C ent~ao
vB = MCB vC .
Exemplo 6.4
Fixado R, considere os vetores
u1 = (cos , sen )
u2 = ( sen , cos )
em R2 . Mostre que estes vetores formam uma base, B, de R2 e encontre

a matriz de mudanca desta base para a base C formada pelos vetores
e1 = (1, 0) e e2 = (0, 1). Encontre as coordenadas do vetor u = ae1 +be2
com relac~ao a base B.
Como a dimens~ao de R2 e dois basta mostrar que u1 e u2 s~ao l.i.. Se
(cos , sen ) + ( sen , cos ) = (0, 0)
ent~ao
{
cos sen = 0
sen + cos = 0
= = 0,
6.1. INTRODUC
AO,
pois
det
65
cos sen
= 1 = 0.
sen cos
A matriz MCB sera dada por (ij ), onde

(1, 0) = 11 (cos , sen ) + 21 ( sen , cos )
(0, 1) = 12 (cos , sen ) + 22 ( 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 ),
e como ja visto antes, basta resolver o sistema

(
)( ) ( )
x
=
y
cos sen
sen cos
cuja soluc~ao e dada por
( ) (
)( ) (
)
x
cos sen
cos + sen
=
=
.
y
sen cos
cos sen
Fazendo (, ) = (1, 0) obtemos (11 , 21 ) = (cos , sen ).

Colocando (, ) = (0, 1), temos (12 , 22 ) = ( sen , cos ). Assim,
(
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
Sejam B, C e D bases de um espaco vetorial n dimensional. Temos
Proposic
ao 6.5
C
D
MD
B = MB MC .
Prova: Sejam b1 , . . . , bn os vetores de B, c1 , . . . , cn os vetores de C e

d1 , . . . , dn os vetores de D. Usando a notac~ao MCB = (ij ), MD
C = (ij ) e
D
MB = (ij ) vemos que
cj =
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
como b1 , . . . , bn s~ao l.i., comparando com a ultima express~ao de 6.6, obtemos

n
ik =
ij jk ,
1 i, k n.
j=1
Resta apenas lembrar que o lado direito da express~ao acima representa o

elemento da i-esima linha e da k-esima coluna da matriz MCB MDC . Portanto,
C
D
MD
B = MB MC .
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
claro que basta mostrar que MBB = I

e a matriz identidade de ordem n. E
e isto e bem simples, pois se u1 , . . . , un s~ao os vetores da base B ent~ao
MBB = (ij ) satisfaz uj = ni=1 ij ui , j = 1, . . . , n. Ora, como u1 , . . . , un s~ao

l.i., para cada j = 1, . . . , n, a unica soluc~ao de cada uma destas equaco~es
e dada por
{
1
se i = j
ij =
0
caso contrario,
ou seja, ij = ij .
Exerccio 6.8
6.2
Utilize a proposic~ao acima para refazer o exerccio 6.2.
Exerccios
Considere as bases B = {e1 , e2 , e3 } e C = {g1 , g2 , g3 } de um

espaco vetorial V relacionadas da seguinte forma
Ex. 6.9
g1 = e1 + e2 e3
g2 = 2e2 + 3e3
g = 3e + e
3
1
3
1. Determine as matrizes mudanca da base B para a base C, isto

e, MCB , e da base C para a base B, isto e, MBC .
ao a base B,
2. Se a matriz das coordenadas
do vetor v em relac~
1
isto e, vB , e dada por

3 encontre a matriz das coordenadas
2
de v em relac~ao a base C, isto e, vC .

3. Se a matriz das coordenadas
ao a base C, isto
do vetor v em relac~
e, vC , e dada por
3
1
encontre a matriz das coordenadas de
CAPITULO 6. MUDANC
A DE BASE
68
v
em relac~ao a base B, isto e, vB .
Ex. 6.10 Considere

{
}
1, t, t2 de P2 (R).
as bases ordenadas B = 1, 1 + t, 1 + t2 e C =
1. Encontre as matrizes de mudanca da base B para a base C, isto

e MCB , e da base C para a base B, isto e MBC .
2. Se
3. Se
vB = 4
6
vC = 1
3
{
}
D = 1, t, t2
encontre vC .
encontre vB .
4. Se
e a base canônica 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
Considere o seguinte subespaco de M2 ;

{(
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
2. Encontre as matrizes de mudanca da base B para a base C e da

base C para a base B, isto e, MCB e MBC , respectivamente.
3. Encontre uma base D de W , tal que a matriz
1 1 0
P= 0 0 2
0 3 1
seja a matriz de mudanca da base D para a base B, isto e,

P = MBD .
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.
Verique se V = {(x, y, z, w) R4 ; y = x, z = w2 }

com as operac~oes usuais de R4 e um espaco vetorial.
Ex. Resolvido 7.1
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 ,
com as operac~oes usuais.

Resoluc
ao:
1. Seja O = (0) a matriz n 1 nula. Como AO = O, temos que O W.

2. Se X, Y W e R, ent~ao, pelas propriedades da soma e da multiplicac~ao por escalar usuais entre as matrizes e, tambem, pelas propriedades do produto entre matrizes, temos
A(X + Y) = AX + A(Y) = AX + AY = O + O = O.
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 }.
o subespaco vetorial de P3 (R) gerado
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
Encontre o subespaco vetorial de M2 gerado por

{(
S=
) (
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
ou seja, A [S] se e somente se os elementos da diagonal principal de A

s~ao nulos.
Ex. Resolvido 7.5
Encontre um conjunto nito de geradores para

W = {X M31 : AX = 0},
onde
0 1 0
A = 2 1 0 .
1 1 4
73
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,
Ex. Resolvido 7.6
0

W = 0 .
Encontre um conjunto nito de geradores para

W = {X M41 : AX = 0},
onde
A=
1 1 1 0
2 0
1 1
.
3 1
0 1
0 2 3 1
74
~
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
Ex. Resolvido 7.7 Encontre uma base do

dado por U = [(1, 0, 1), (1, 2, 0), (0, 2, 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),
ou seja, (x, y, z) U se e somente se o sistema abaixo admite soluc~ao
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
~
76
que possui soluc~ao, e esta e dada por = + x y/2, = + y/2,

R, se e somente se z = x y/2. Dessa forma,
(x, y, z) = ( + x y/2)(1, 0, 1) + ( + y/2)(1, 2, 0) + (0, 2, 1) =
= (x, y, x y/2) = x(1, 0, 1) + y(0, 1, 1/2)
e como
(1, 0, 1), (0, 1, 1/2)
(7.8)
s~ao l.i., segue-se que formam uma base de U.

Segundo Modo: Note que os vetores (1, 0, 1) e (1, 2, 0) s~ao l.i. e pertencem
a U. Vejamos se estes vetores juntamente com (0, 2, 1) s~ao l.d. ou l.i.:
(1, 0, 1) + (1, 2, 0) + (0, 2, 1) = (0, 0, 0)
( + , 2 + 2, ) = (0, 0, 0)
+ = 0
+ = 0 = = ,
= 0
ou seja, os vetores
(1, 0, 1), (1, 2, 0), (0, 2, 1)
s~ao l.d.. Portanto,

(1, 0, 1), (1, 2, 0)
(7.9)
formam uma base de U.

Embora as bases 7.8 e 7.9 n~ao coincidam, ambas est~ao corretas. Basta
observar que
(1, 2, 0) = (1, 0, 1) + 2(0, 1, 1/2).
77
Ex. Resolvido 7.10
Dados os subespacos
U = {A M2 : At = A}
W=
)]
[(
1 1
0 1
em M2 , encontre uma base de U, W, U W e U + W, no caso em que

n~ao se reduzam a {0}.
Resoluc
ao:
(
)
a b
A=
= At c = b,
c d
U:
portanto, A U se e somente se existirem , , R tais que

(
1 0
A=
0 0
(
)
(
)
0 1
0 0
+
+
.
1 0
0 1
A mesma equac~ao acima tomada com A = 0, mostra que as matrizes

(
) (
) (
)
1 0
0 1
0 0
,
,
0 0
1 0
0 1
s~ao l.i. e, portanto, como geram U, formam uma base de U. Note

que dim U = 3.
W : Como a matriz
)
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
~
isto e, se e somente se existir R tal que
(
) (
)

0
=
,
0

que e satisfeita se e somente se = 0, ou seja, A = O. Desse modo,

U W = {O} e dim U W = 0.
U + W : Temos
dim (U + W) = dim U + dim W dim U W = 4 = dim M2 ;

portanto, U + W = M2 e uma base pode ser dada por
(
) (
) (
) (
)
0 1
0 0
0 0
1 0
,
,
,
.
0 0
0 0
1 0
0 1
Ex. Resolvido 7.11 Sejam U = {p P2 (R) : p (t) = 0, t R}, W =

{p P2 (R) : p(0) = p(1) = 0} subespacos vetoriais de V = P2 (R).
Encontre uma base de U, W, U W e U + W, no caso em que n~ao se
reduzam a {0}.
U:
p(t) = a0 + a1 t + a2 t2 U p (t) = a1 + 2a2 t = 0
a1 = a2 = 0 p(t) = a0 p(t) [1].
Logo, 1 e uma base de U e dim U = 1.

W:
p(t) = a0 + a1 t + a2 t2 U
{
p(0) = a0 = 0
p(1) = a0 + a1 + a2 = 0
p(t) = a1 t a1 t2 = a1 (t t2 ),
isto e, p(t) [t t2 ]. Assim t t2 e uma base de W e dim W = 1.
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
dim (U + W) = dim U + dim W dim U W = 1 + 1 0 = 2

e como a soma e direta podemos tomar 1, t t2 como base de U W.
Ex. Resolvido 7.12 Seja V um espaco
ses de V formadas pelos vetores e1 , e2 , e3
relacionados da seguinte forma:
vetorial. Sejam B e C bae g1 , g2 , g3 , respectivamente,
g1 = e1 + e2 e3
g2 = 2e2 + 3e3
g = 3e + e
3
1
3
1. Determine as matrizes de mudanca da base B para a base C,

isto e, MCB , e da base C para a base B, isto e, MBC .
ao a base B, isto e, vB ,
2. Se as coordenadas
do
vetor v em relac~
1

s~ao dadas por 3
2
a base C, isto e, vC .
encontre as coordenadas de v em relac~ao
3. Se as coordenadas
do vetor v em relac~ao a base C, isto e, vC ,
s~ao dadas por

a base B, isto
Resoluc
ao:
3
1
e, vB .
encontre as coordenadas de v em relac~ao
80
~
1. Temos
1 0 3
MCB = 1 2 0 .
1 3 1
(
Como MBC = MCB
)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
Ex. Resolvido 7.13
Considere o seguinte subespaco de M2 :
{(
W=
x y
z t
M2 ; x y z = 0 .
a) Mostre que B dada pelas matrizes

(
B1 =
1 1
0 0
, B2 =
e C dada pelas matrizes

(
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
seja a matriz de mudanca da base D para a base B, isto e,

P = MBD .
82
~
Resoluc
ao:
a)
(
)
x y
A=
W x = y + z.
z t
Assim, A W se e somente se existirem x, y, z R tais que

)
)
(
)
(
(
0 0
1 0
1 1
,
+t
+z
A=y
0 1
1 0
0 0
isto e,
[(
W=
(7.14)
) (
)]
) (
0 0
1 1
1 0
.
,
,
1 0
0 1
0 0
A equac~ao 7.14 tomada com A = O mostra que as matrizes acima

que geram W s~ao de fato l.i. e, portanto, formam uma base de W.
Alem do mais, dim W = 3.
Como C e formado por três vetores de W e a dimens~ao de W e três,
basta vericar que tais vetores s~ao l.i.. De fato,
(
)
(
)
(
) (
)
1 0
0 1
0 0
0 0
+
+
=
1 0
1 0
0 1
0 0
(
) (
)
0 0
=
= = = 0.
+
0 0
b) Basta notar que

C 1 = B2
C2 = B1 + B2
C 3 = B3
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
c) Procuremos D1 , D2 e D3 em W de modo que formem uma base W

tal que MBD = P. Isto ocorre se e somente se
B1 = 1D1 + 0D2 + 0D3 = D1
B2 = 1D1 + 0D2 + 3D3 = D1 + 3D3 ,
B3 = 0D1 + 2D2 + 1D3 = 2D2 + D3
ou seja, D1 = B1 , D3 = (B2 B1 )/3 e D2 = (B3 (B2 B1 )/3)/2 =

(3B3 + B1 B2 )/6. Assim, a base D formada por D1 , D2 e D3 e dada
pelas matrizes
(
) (
) (
)
1 1
0
1/6
0 1/3
,
,
.
0 0
1/6 1/2
1/3
0
84
~
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 dependência e independência linear e, a partir
disto, pudemos descrevê-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 têm 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
Note que pela propriedade 2 temos

T (0) = T (00) = 0T (0) = 0.
Ou seja, toda transformac~ao linear de U em V leva o elemento neutro

de U no elemento neutro de V.
A seguir listamos alguns exemplos de transformaco~es lineares denidas
em varios espacos vetoriais que ja tratamos no decorrer do curso.
1. T : U V dada por T (u) = 0, para todo u U. T e chamada de
transformac~ao nula.
2. T : U U dada por T (u) = u, para todo u U. T e chamada de
transformac~ao identidade.
3. T : Pn (R) Rn+1 dada por
T (a0 + a1 x + + an xn ) = (a0 , . . . , an ).
~ E EXEMPLOS
8.1. INTRODUC
AO
87
4. Se A Mmn e uma matriz dada, denimos

T : Mn1 Mm1
por T (X) = AX, o produto de A com X, para todo X Mn1 .

5. T : C([0, 1]; R) R dada por
1
T (f) =
f(x) dx,
0
para toda func~ao f C([0, 1]; R).

6. T : C1 ([0, 1]; R) C([0, 1]; R) dada por T (f) = f , a derivada de f,
para toda f C1 ([0, 1]; R).
Os exemplos abaixo s~ao de funco~es entre espacos vetoriais que n~ao s~ao
transformaco~es lineares.
1. T : R3 R dada por T (x, y, z) = x + y + z + 1. Note que T (0, 0, 0) =
1 = 0.
2. T : C([0, 1]; R) R dada por

1
T (f) =
|f(x)| dx,
para toda func~ao f C([0, 1]; R).

Se T fosse linear deveramos ter por 2, T (f) = T (f) para toda
func~ao f C([0, 1]; R). Para ver que isto n~ao ocorre, basta tomar
f como sendo a func~ao constante igual a 1. Temos neste caso que
T (1) = 1 = T (1).
3. T : R R dada por T (x) = x2 . Observe que T (1) = 1 = T (1).

Logo, n~ao temos T (1) = T (1).
~
OES
LINEARES
88
Seja U um espaco vetorial com base u1 , . . . , un . Toda

transformac~ao linear T : U V ca determinada por T (u1 ), . . . , T (un ),
ou seja, conhecidos estes vetores, conhece-se T (u) para qualquer u
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 ).
Ex. Resolvido 8.5 Encontre uma transformac~

ao
tal que T (1, 2) = (3, 1) e T (0, 1) = (1, 2).
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).
Verica-se facilmente que a transformac~ao T denida como acima e linear

e satisfaz as condico~es pedidas.
8.2
O Espaco Vetorial L (U, V)
Sejam U e V espacos vetoriais. O conjunto de todas as transformaco~es

lineares T : U V e denotado por L (U, V). Quando U = V usamos a
.
notac~ao L (U) = L (U, U).
Dadas T, S L (U, V) podemos denir T + S : U V por (T + S)(u) =
T (u) + S(u), u U. Vê-se claramente que T + S L (U, V).
89
8.2. O ESPAC
O VETORIAL L (U, V)
Se T L (U, V) e R denimos T : U V como (T )(u) =

(T (u)). Tambem, T L (U, V).
um simples exerccio de vericac~ao o fato de L (U, V) com as operaE
co~es denidas acima ser um espaco vetorial. Note que o elemento neutro da
adic~ao e a transformac~ao nula, isto e, T L (U, V) denida por T (u) = 0,
u U.
Registraremos isto na seguinte
Proposic
ao 8.6 L (U, V)
rial.
com as operac~oes acima e um espaco veto-
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.
Se U e um espaco vetorial de dimens~ao n e V e um

espaco vetorial de dimens~ao m ent~ao L (U, V) tem dimens~ao mn.
Teorema 8.8
Prova: Fixemos duas bases, uma formada por vetores u1 , . . . , un de U e

outra formada por v1 , . . . , vm , vetores de V.
Para cada 1 i n e 1 j m dena
Tij (x1 u1 + + xn un ) = xi vj ,
Note que
Tij (uk ) =
{
vj
0
x1 , . . . , xn R.
se i = k
se i = k
Veriquemos que Tij L (U, V):

Tij ((x1 u1 + + xn un ) + (y1 u1 + + yn un ))
= Tij ((x1 + y1 )u1 + + (xn + yn )un ) = (xi + yi )vj = xi vj + yi vj
~
OES
LINEARES
90
= Tij (x1 u1 + + xn un ) + Tij (y1 u1 + + yn un ).
Tambem, para todo R,

Tij ((x1 u1 + + xn un )) = Tij (x1 u1 + + xn un )
= xi vj = Tij (x1 u1 + + xn un ).
Mostremos que Tij , 1 i n e 1 j m, formam uma base de
L (U, V).
n m
Se
0=
i=1
n
m
i=1 j=1
j=1
aij Tij = 0 ent~ao, para cada 1 k n,
aij Tij (uk ) =
m
n
j=1 i=1
aij Tij (uk ) =
akj Tkj (uk ) =
j=1
akj vj
j=1
e como v1 , . . . , vm s~ao linearmente independentes, segue-se que ak1 = =

akm = 0. Portanto T11 , . . . , Tnm s~ao linearmente independentes.
Seja T L (U, V). Se u U ent~ao u = x1 u1 + + xn un , para certos
numeros reais x1 , . . . , xn . Como T e linear
T (u) = x1 T (u1 ) + + xn T (un ).
Como T (ui ) V, podemos escrever, para cada 1 i n,

T (ui ) = 1i v1 + + mi vm .
Porem, como para cada 1 j m, 1 i n, Tij (u) = xi vj , obtemos

T (u) = x1 T (u1 ) + + xn T (un )
= x1 (11 v1 + + m1 vm ) + + xn (1n v1 + + mn vm )
= 11 x1 v1 + + m1 x1 vm + + 1n xn v1 + + mn xn vm
= 11 T11 (u) + + m1 T1m (u) + + 1n T1n (u) + + mn Tnm (u),
ou seja
T = 11 T11 + + m1 T1m + + 1n T1n + + mn Tnm .
91
8.2. O ESPAC
O VETORIAL L (U, V)
Se V e um espaco de dimens~ao n ent~ao o seu dual

tambem tem dimens~ao n.
Corol
ario 8.9
Pelo corolario 8.9, se U tem dimens~ao n ent~ao o seu dual, U , tem a

mesma dimens~ao. Seguindo os passos da demonstrac~ao do teorema 8.8, se
u1 , . . . , un formam uma base B de U ent~ao os funcionais lineares f1 , . . . , fn :
U R dados por fj (u) = fj (x1 u1 + + xn un ) = xj , j = 1, . . . , n, formam
uma base de U . Esta base e chamada de base dual da base B.
Ex. Resolvido 8.10
(1, 1, 1), u2 = (1, 1, 0)
Considere a base B de R3 formada por u1 =

e u3 = (1, 0, 0). Encontre a base dual de B.
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).
Deste modo, a base dual de B, e dada pelos funcionais lineares f1 , f2 e f3

onde
f1 (x, y, z) = z,
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
T S(x, y) = T (S(x, y)) = T (x, 2y) = (x + 2y, 0).

S T (x, y) = S(T (x, y)) = S(x + y, 0) = (x + y, 0).
Note que T S = S T.
~
OES
LINEARES
92
Definic
ao 8.13
n 2.
Se T L (U), denimos T 1 = T e T n = T T n1 para
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
Obviamente a transformac~ao nula e um exemplo de uma transformac~ao

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

operador nilpotente.
Exemplo 8.15
Vejamos: T 2 (x, y) = T (T (x, y)) = T (0, x) = (0, 0). Assim, T 2 = 0.

Proposic
ao 8.16
L (U, W).
Sejam T L (U, V) e S L (V, W). Ent~ao S T
Prova: Dados u, v U e , R temos

S T (u + v) = S(T (u + v)) = S(T (u) + T (v))
= S(T (u)) + S(T (v)) = S(T (u)) + S(T (v)) = S T (u) + S T (v).
Proposic
ao 8.17
onde U, V, W e X
Sejam T L (U, V), S L (V, W) e R L (W, X),

s~ao espacos vetoriais. Ent~ao (R S) T = R (S T ).
Prova: Para todo u U, temos

(R S) T (u) = (R S)(T (u)) = R(S(T (u)))
e por outro lado

R (S T )(u) = R((S T )(u)) = R(S(T (u))).
Comparando as express~oes chegamos ao resultado desejado.
8.2. O ESPAC
O VETORIAL L (U, V)
Proposic
ao 8.18
R S + R T.
93
Se S, T L (U, V), R L (V, W) ent~ao R (S + T ) =
Prova: Dado u U, temos

R (S + T )(u) = R((S + T )(u)) = R(S(u) + T (u)) = R(S(u)) + R(T (u))
= R S(u) + R T (u) = (R S + R T )(u).
Proposic
ao 8.19 Se T L (U, V) e IV L (V)
e a identidade
isto e, I(v) = v, v V, e IU L (U) e a identidade em U,
IV T = T e T IU = T.
em V,
ent~ao
Prova: Dado u U, temos

IV T (u) = IV (T (u)) = T (u)
T IU (u) = T (IU (u)) = T (u).
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.
Se T L (U, V) possui uma inversa ent~ao esta in-
Suponha que T possua inversas R, S L (V, U). Como IV = T R e IU =

S T, temos
S = S IV = S (T R) = (S T ) R = IU R = R.
Denotaremos a inversa de T por T 1 .
~
OES
LINEARES
94
Definic
ao 8.22
Uma transformac~ao linear T : U V e
1. injetora se T (u) = T (v) implicar em u = v;

2. sobrejetora se para todo v V existir u U tal que T (u) = v;
3. bijetora se for injetora e sobrejetora.
Proposic
ao 8.23 Uma transformac~
ao linear T : U V
e somente se T (u) = 0 implicar em u = 0.
e injetora se
Prova: Suponha que T seja injetora. Se T (u) = 0 ent~ao T (u) = T (0) e

como T e injetora, segue-se que u = 0.
Reciprocamente suponha que a unica soluc~ao de T (u) = 0 seja u = 0.
Se T (u) = T (v) ent~ao T (u v) = 0 e, por hipotese, u v = 0, isto e, u = v.
A m de que T L (U, V) possua inversa e necessario e suciente que T seja bijetora.

Proposic
ao 8.24
Prova: Suponha que T possua inversa.

Se T (u) = T (v) ent~ao u = T 1 (T (u)) = T 1 (T (v)) = v e, portanto, T e
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
Se T L (U, V) possui inversa T 1 : V U ent~ao
Prova: Devemos mostrar que T 1 : V U e linear.

Sejam v1 , v2 V e 1 , 2 R. Como T e sobrejetora existem u1 , u2 U
tais que T (u1 ) = v1 e T (u2 ) = v2 . Assim,
T 1 (1 v1 + 2 v2 ) = T 1 (1 T (u1 ) + 2 T (u2 )) = T 1 (T (1 u1 + 2 u2 ))
= 1 u1 + 2 u2 = 1 T 1 (v1 ) + 2 T 1 (v2 ).
8.3
Imagem e N
ucleo
Definic
ao 8.26
Seja T : U V uma transformac~ao linear.
1. Se X U, denimos a imagem de X por T como sendo o conjunto

T (X) = {T (x); x X}.
2. Se Y V, denimos a imagem inversa de Y por T como sendo o

conjunto T 1 (Y) = {u U; T (u) Y}.
Seja V um espaco de dimens~ao 1. Mostre que
qualquer transformac~ao linear n~ao nula T : U V e sobrejetora.
Ex. Resolvido 8.27
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
Seja T : U V uma transformac~ao linear. Temos
~
OES
LINEARES
96
1. Se W e um subespaco vetorial de U ent~ao T (W) e um subespaco

vetorial de V.
2. Se W e um subespaco vetorial de V ent~ao T 1 (W) e um subespaco
vetorial de U.
Prova:
1. Seja W um subespaco vetorial de U.
Como 0 W vemos que 0 = T (0) T (W).

Se x, y T (W) ent~ao existem u, w W tais que x = T (u) e y =
T (w). Como W e um subespaco vetorial, temos que, para qualquer R,
u + w W. Desse modo
x + y = T (u) + T (w) = T (u) + T (w) = T (u + w) T (W).
2. Seja W um subespaco vetorial de V.
Como T (0) = 0 W, segue-se que 0 T 1 (W).

Se x, y T 1 (W) ent~ao T (x), T (y) W. Como W e um subespaco
vetorial temos que, para qualquer R, T (x) + T (y) W. Mas T (x +
y) = T (x) + T (y) W e, portanto, x + y T 1 (W).
O nucleo de uma transformac~ao linear T : U V e

o subespaco vetorial de U dado por T 1 ({0}), ou seja, e o conjunto
{u U; T (u) = 0}. Denotaremos o n
ucleo de T por N (T ).
Definic
ao 8.29
Seja T : U V uma transformac~ao linear. T e

injetora se e somente se N (T ) = {0}.
Proposic
ao 8.30
Prova: Pela proposic~ao 8.23 T e injetora se e somente se a equac~ao T (u) =

0 possui como u
nica soluc~ao u = 0. Isto e o mesmo que dizer que o conjunto
N (T ) e formado somente pelo elemento 0.
Ex. Resolvido 8.31
se T (U) N (T ).
Seja T L (U). Mostre que T 2 = 0 se e somente

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
Encontre o nucleo da transformac~ao
T (x, y) = (x cos y sen , x sen + y cos ).

Resoluc
ao: Por denic~ao, (x, y) N (T ) se e somente se T (x, y) = (0, 0),
isto e, se e somente se
(x cos y sen , x sen + y cos ) = (0, 0)
{
x cos y sen = 0
x sen + y cos = 0
(x, y) = (0, 0).
Portanto, N (T ) = {(0, 0)}.

Teorema 8.33 (Teorema do N
ucleo e da Imagem) Sejam U e V espacos vetoriais T : U V uma transformac~ao linear. Suponha que U
tenha dimens~ao nita. Temos
dim U = dim N (T ) + dim T (U).

Prova: Seja p = dim N (T ). Se p 1, tome B1 uma base de N (T )
formada pelos vetores u1 , . . . , up . Pelo teorema do completamento, existem
vetores v1 , . . . , vq U tais que u1 , . . . , up , v1 , . . . , vq formam uma base de
U. Se dim N (T ) = 0, tomamos os vetores v1 , . . . , vq de modo a formarem
uma base de U. Note que com esta notac~ao temos dim U = p + q. Resta
mostrar que dim T (U) = q e, para isto, mostraremos que T (v1 ), . . . , T (vq )
formam uma base de T (U).
~
OES
LINEARES
98
Se 1 T (v1 ) + + q T (vq ) = 0 ent~ao T (1 v1 + + q vq ) = 0, isto e,

1 v1 + + q vq N (T ). Desta forma, existem 1 , . . . , p R tais que
1 v1 + + q vq = 1 u1 + + p up , isto e,
1 u1 + + p up 1 v1 q vq = 0.
Como u1 , . . . , up , v1 , . . . , vq formam uma base de U, segue-se que 1 =

= q = 1 = = p = 0 e, portanto, T (v1 ), . . . , T (vq ) s~ao linearmente
independentes.
Mostremos que T (v1 ), . . . , T (vq ) geram T (U). Seja v T (U). Logo,
existe u U tal que T (u) = v. Como u1 , . . . , up , v1 , . . . , vq formam uma
base de U, existem 1 , . . . , q , 1 , . . . , p R tais que
u = 1 u1 + + p up + 1 v1 + + q vq
e da,
v = T (u) = T (1 u1 + + p up + 1 v1 + + q vq )
= 1 T (u1 ) + + p T (up ) + 1 T (v1 ) + + q T (vq )
= 1 T (v1 ) + + q T (vq ),
ja que u1 , . . . , up N (T ).
Corol
ario 8.34 Se U e V
tais que dim U = dim V e
s~ao espacos vetoriais de dimens~ao nita

se T : U V e uma transformac~ao linear
ent~ao as seguintes condic~oes s~ao equivalentes:
1. T e sobrejetora;
2. T e injetora;
3. T e bijetora;
4. T leva bases de U em bases de V, isto e, se u1 , . . . , un e uma base
de U ent~ao T (u1 ), . . . , T (un ) e uma base de V.

Prova:
99
(1) = (2): Se T e sobrejetora ent~ao T (U) = V e pelo teorema
anterior, dim U = dim N (T ) + dim V. Mas como dim U = dim V segue

que dim N (T ) = 0, isto e, N (T ) = {0}. Pela proposic~ao 8.30, T e injetora.
(2) = (3): Se T e injetora ent~ao dim N (T ) = 0. Pelo teorema
anterior segue-se que dim U = dim T (U). Como dim U = dim V seguese que T (U) e um subespaco de V com a mesma dimens~ao de V. Logo,
T (U) = V, isto e, T e sobrejetora. Dessa forma, T e bijetora.
(3) = (4): Suponha que T seja bijetora. Considere uma base de U
formada por vetores u1 , . . . , un . Precisamos mostrar que T (u1 ), . . . , T (un )
formam uma base de V.
Se 1 T (u1 ) + + n T (un ) = 0 ent~ao T (1 u1 + + n un ) = 0, isto
e, 1 u1 + + n un N (T ). Como T e injetora temos N (T ) = {0} e,
consequentemente, 1 u1 + + n un = 0. Como u1 , . . . , un formam uma
base de U temos 1 = = n = 0 e, portanto, T (u1 ), . . . , T (un ) s~ao
linearmente independentes.
Seja v V. Como T e sobrejetora, existe u U tal que v = T (u).
Escrevendo u como 1 u1 + + n un vemos que
v = T (1 u1 + + n un ) = 1 T (u1 ) + + n T (un ),
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
~
OES
LINEARES
100
Po e um ponto sobre a reta, v e um vetor direc~ao da reta e R. A

imagem de r por T e T (r) = {T (P); P r}. Assim, todo ponto em T (r) e
da forma T (P) = T (Po ) + T (v), R. Como T e injetora e v = 0 temos
que T (v) = 0, ou seja, T (r) e uma reta que passa por T (Po ) e tem direc~ao
T (v).
Ex. Resolvido 8.36 Sejam a1 , . . . , an R n~
ao todos nulos. Mostre
n
que o subespaco H = {(x1 , . . . , xn ) R ; a1 x1 + + an xn = 0} tem
dimens~ao n 1.
Resoluc
ao: Note que H e o n
ucleo da transformac~ao linear T : Rn R
dada por T (x1 , . . . , xn ) = a1 x1 + + an xn . Como nem todos os aj s~ao
nulos, segue-se que T e n~ao nula e pelo exerccio 8.27, T e sobrejetora.
Deste modo, pelo teorema 8.33, temos
n = dim Rn = dim H + dim T (Rn ) = dim H + 1,
ou seja, dim H = n 1.
Ex. Resolvido 8.37
Sejam
(
)
1 2
A=
0 1
e T : M2 M2 dada por T (X) = AX XA. Encontre o nucleo e a

imagem de T.
Resoluc
ao:
mos
Nucleo: X N (T ) se e somente se AX = XA. Se denotar(

)
a b
X=
,
c d
vemos que X N (T ) se e somente se
(
)(
) (
)(
)
1 2
a b
a b
1 2
=
,
0 1
c d
c d
0 1

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
Dessa forma, o nucleo de T e o subespaco vetorial gerado pela base (note

que as matrizes s~ao l.i.) formada pelas matrizes
(
) (
)
1 0
0 1
e
.
0 1
0 0
Imagem de T : Temos que
(
)
x y
Y=
T (M2 )
z t
se e somente se existir
(
X=
tal que Y = AX XA, isto e,
)
a b
c d
(
) (
)(
) (
)(
)
x y
1 2
a b
a b
1 2
=
z t
0 1
c d
c d
0 1
~
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
Uma outra maneira para encontrar uma base da imagem de T e fazer

uso da prova do teorema 8.33. Isto e, sabemos que
(
) (
)
1 0
0 1
e
0 1
0 0
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
e, pelo mesmo teorema,

((
T
))
0 0
1 0
(
=
)
2 0
0 2
((
eT
))
0 0
0 1
(
)
0 1
=
0 0
formam uma base da imagem de T.

Definic
ao 8.38
Dizemos que T L (U) e idempotente se T 2 = T.
Exemplo 8.39 I : U U,
a identidade de U e idempotente.
8.4. ISOMORFISMO E AUTOMORFISMO
Exemplo 8.40 T : R2 R2
103
dada por T (x, y) = (x, 0) e idempotente.
Note que
T 2 (x, y) = T (x, 0) = (x, 0) = T (x, y).
Proposic
ao 8.41
Mostre que se T L (U) e idempotente ent~ao

U = T (U) N (T ).
Prova: Dado u U podemos escrever

u = T (u) + (u T (u)).
Claramente, T (u) T (U) e T (uT (u)) = T (u)T 2 (u) = T (u)T (u) = 0.

Logo, U = T (U) + N (T ) e resta mostrarmos que a soma e direta.
Se u T (U) N (T ) ent~ao existe v U tal que u = T (v) e T (u) = 0.
Porem, como T = T 2 , temos
u = T (v) = T 2 (v) = T (T (v)) = T (u) = 0,
ou seja, T (U) N (T ) = {0}.
8.4
Isomorfismo e Automorfismo
Dizemos que uma transformac~ao linear T : U V e

isomorsmo quando ela for bijetora. No caso em que U = V diremos
que T e um automorsmo.
Definic
ao 8.42
Dizemos que os espacos vetoriais U e V s~ao isomorfos

se existir um isomorsmo T : U V.
Definic
ao 8.43
As seguintes transformaco~es s~ao exemplos de isomorsmos e, portanto,

os respectivos espacos vetoriais s~ao isomorfos.
~
OES
LINEARES
104
1. T : U U dada por T (u) = u.

2. T : Rn Pn1 (R) dada por T (x1 , . . . , xn ) = x1 + x2 t + + xn tn1 .
3. T : Mmn Rmn que associa a cada matriz A = (aij ) de Mmn o
seguinte elemento de Rn
(a11 , . . . , a1n , . . . , am1 , . . . , amn ).
Ex. Resolvido 8.44 Verique
automorsmo de R3 .
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
Logo, T n~ao e injetora, pois T (1, 1, 1) = (0, 0, 0). Assim, T n~ao e um

isomorsmo.
Se T : U V e um isomorsmo e U tem dimens~ao

nita ent~ao dim U = dim V.
Proposic
ao 8.45
Prova: Como T e injetora, N (T ) = {0} e, portanto, dim N (T ) = 0. Como

T e sobrejetora, T (U) = V. Segue do teorema do n
ucleo e da imagem 8.33,
que
Corol
ario 8.46
dim U = dim N (T ) + dim T (U) = dim V.
Se T : U V e um isomorsmo e V tem dimens~ao
nita ent~ao dim U = dim V.
105
8.4. ISOMORFISMO E AUTOMORFISMO
Prova: Note que T 1 : V U e um isomorsmo e dim V e nita. Assim,
pela proposic~ao 8.45 temos que
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,
dene um isomorsmo entre U e V. Note que T (uj ) = vj , j = 1, . . . , n.

Prova: Primeiramente, note que T, de fato, dene uma func~ao pois as
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
Seja w = ni=1 xi ui tal que T (w) = 0. Mas T (w) = x1 v1 + +xn vn = 0

e, portanto, x1 = = xn = 0, ou seja, w = 0. Portanto, T e injetora e
pelo corolario 8.34, segue-se que T e um isomorsmo.
As ultimas proposico~es resultam no seguinte
~
OES
LINEARES
106
Dois espacos vetoriais de dimens~ao nita s~ao isomorfos se e somente se têm a mesma dimens~ao.
Corol
ario 8.48
Combinando o corolario acima com a proposic~ao 8.45 vemos que dois

espacos de dimens~ao nita s~ao isomorfos se e somente se eles possuem a
mesma dimens~ao.
Se U e um espaco vetorial de dimens~ao n e V e um

espaco vetorial de dimens~ao m ent~ao L (U, V) e isomorfo a Mmn .
Corol
ario 8.49
Prova: Note que tanto L (U, V) como Mmn têm a mesma dimens~ao:
mn.
8.5
Matriz de uma Transforma

c
ao Linear
8.5.1
Definic
ao e Exemplos
Sejam U e V espacos vetoriais de dimens~ao nita. Fixemos uma base B de

U formada por vetores u1 , . . . , un e uma base C de V formada por vetores
v1 , . . . , vm . Se T L (U, V) podemos escrever
T (uj ) = a1j v1 + + amj vm ,
A matriz
= 1, . . . , n.
a11 a12 . . . a1n

a21 a22 . . . a1n
Mmn
..
.. . .
..
.
.
.
.
am1 am2 . . . amn
e chamada de matriz da transformac~ao T com relac~ao as bases B e C e e

denotada por [T ]B,C . No caso em que U = V e B = C usaremos a notac~ao
[T ]B .
~ LINEAR
8.5. MATRIZ DE UMA TRANSFORMAC
AO
107
Ex. Resolvido 8.50 Encontre a matriz de T : R3 R2 dada por

T (x, y, z) = (x + y, x z) com relac~
ao as bases canônicas de R3 e R2 .
Resoluc
ao: Temos
T (1, 0, 0) = (1, 1) = 1(1, 0) + 1(0, 1),
T (0, 1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) e
T (0, 0, 1) = (0, 1) = 0(1, 0) 1(0, 1).
Assim,
(
[T ]B,C =
)
1 1 0
.
1 0 1
Ex. Resolvido 8.51 Encontre a matriz de T : R3 R2 dada por

T (x, y, z) = (x+y, xz) com relac~
ao as bases B{(1, 0, 0), (0, 1, 0), (0, 0, 1)}
3
2
de R e D = {(1, 1), (0, 1)} de R
Resoluc
ao: Temos
T (1, 0, 0) = (1, 1) = 1(1, 1) + 0(0, 1),
T (0, 1, 0) = (1, 0) = 1(1, 1) 1(0, 1) e
T (0, 0, 1) = (0, 1) = 0(1, 1) 1(0, 1).
Assim,
(
[T ]B,D =
)
1 1
0
.
0 1 1
~
OES
LINEARES
108
Ex. 8.52 Sejam U e V espacos vetoriais com bases B = {u1 , . . . , un } e

C = {v1 , . . . , vm }, respectivamente. Fixe i {1, . . . , n} e j {1, . . . , m} e
dena Tij L (U, V) como na prova do teorema 8.8, isto e, Tij e dada
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
Assim [Tij ]B,C = Eji = ((j,i)

k,l ), onde
(j,i)
k,l
{
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,
Sejam U e V espacos vetoriais de dimens~ao nita

respectivamente. Se T, S L (U, V) e , R ent~ao
[T + S]B,C = [T ]B,C + [S]B,C .
Prova: Colocando B = {u1 , . . . , un }, C = {v1 , . . . , vm }, [T ]B,C = (ij ) e

[S]B,C = (ij ) temos
(T + S)(uj ) = T (uj ) + S(uj )
= (1j v1 + + mj vm ) + (1j v1 + + mj vm )
~ LINEAR
AO
109
= (1j + 1j )v1 + + (mj + mj )vm
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-
Prova: Sejam B = {u1 , . . . , un }, C = {v1 , . . . , vn } e [I]B,C = (ij ). Como

uj = I(uj ) = 1j v1 + + nj vn
vê-se que [I]B,C = MBC .

Proposic
ao 8.56 Sejam U, V e W espacos vetoriais de dimens~
ao nita. Sejam T L (U, V) e S L (V, W). Se B, C e D s~ao bases de U, V
e W, respectivamente, ent~ao
[S T ]B,D = [S]C,D [T ]B,C .
Prova: Coloquemos B = {u1 , . . . , un }, C = {v1 , . . . , vm } e D = {w1 , . . . , wp }.
Se [T ]B,C = (ij ) e [S]C,D = (kl ) ent~ao
)
( m
m
ij vi =
ij S(vi )
S T (uj ) = S(T (uj )) = S
i=1
i=1
~
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
onde In e a matriz identidade de ordem n. Analogamente,

[T 1 ]C,B [T ]B,C = [T 1 T ]B,B = [I]B,B = In .
Portanto, [T 1 ]C,B = [T ]1
B,C .
Proposic
ao 8.58 Seja V um espaco
e B e C s~ao bases de V ent~ao
de dimens~ao nita. Se T L (V)
[T ]C,C = MBC [T ]B,B MCB .

Prova: Como [I]B,C = MBC e [I]C,B = MCB , temos
MBC [T ]B,B MCB = [I]B,C [T ]B,B [I]C,B = [I]B,C [T ]C,B = [T ]C,C .
~ LINEAR
AO
Ex. Resolvido 8.59 Considere, B, a base de R2

(1, 1) e (1, 1). Seja T L (R2 ) tal que
(
)
1 0
TB,B =
.
0 5
111
formada pelos vetores
Encontre [T ]C,C , onde C e a base canônica de R2 .

Resoluc
ao: Como
1
1
1
1
(1, 0) = (1, 1) + (1, 1) e (0, 1) = (1, 1) (1, 1),
2
2
2
2
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 .
~
OES
LINEARES
112
Prova: Coloque B = {u1 , . . . , un }, C = {v1 , . . . , vm }, [T ]B,C = (ij ) e

a1
..
uB = . .
an
Temos
T (u) = T (a1 u1 + + an un ) = a1 T (u1 ) + + an T (un )
= a1 (11 v1 + + m1 vm ) + + an (1n v1 + + mn vm )
= (a1 11 + + an 1n )v1 + + (a1 m1 + + an mn )vm ,
ou seja,
a1 11 + + an 1n
11
1n
a1
..
..
.. .. ,
...
T (u)C =
= .
.
. .
a1 m1 + + an mn
m1 mn
an
isto e, T (u)C = [T ]B,C uB .
Sejam U e V espacos vetoriais de dimens~ao nita

respectivamente. Ent~ao T L (U, V) e um isomorsmo se e somente se [T ]B,C possui inversa.
Proposic
ao 8.61
com bases B e C,
Prova: Se T e um isomorsmo ent~ao pela proposic~ao 8.57 [T ]B,C possui

inversa dada por [T 1 ]C,B .
Reciprocamente, suponha que [T ]B,C possua inversa. Pelo corolario
8.34, basta mostrar que T e injetora. Se T (u) = 0 ent~ao
1
uB = [T ]1
B,C T (u)C = [T ]B,C 0 = 0.
Como todas as coordenadas de u s~ao iguais a zero, obtemos u = 0 e,

portanto, T e injetora.
8.6. EXERCICIOS RESOLVIDOS
Ex. Resolvido 8.62 Verique se T : R2 P1 (R)

a + (a + b)x
e um isomorsmo.
113
dada por T (a, b) =
Resoluc
ao: Consideremos as bases canônicas 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
Como a matriz acima possui inversa, segue-se que T e um isomorsmo.
8.6
Exerccios Resolvidos
ucleo e outra para a imaEx. Resolvido 8.63 Encontre uma base do n

gem de T : P2 (R) P2 (R) dada por T (p) = p + p .
Resoluc
ao: Note que p(x) = a0 + a1 x + a2 x2 N (T ) se e somente se
(a1 + 2a2 x) + 2a2 = 0, isto e, se e somente se a1 = a2 = 0. Desta forma,
p(x) N (T ) se e somente se p(x) = a0 . Desta forma o polinômio 1 e uma
base de N (T ).
Como 1, x, x2 e uma base de P2 (R) que completa a base de N (T ),
vemos que pela demonstrac~ao do teorema 8.33, T (x) = 1 e T (x2 ) = 2x + 2
Ex. Resolvido 8.64 Encontre uma base do n
ucleo e outra
de T : M2 (R) M2 (R) dada por T (X) = AX + X, onde
(
)
1 4
A=
.
2 3
da imagem
Resoluc
ao: Observe que se T (X) = (A + I)X, onde I e a matriz identidade
de ordem dois.
~
OES
LINEARES
114
Se
(
X=
)
a b
c d
vemos que X N (T ) se e somente se

2 4
2 4
)(
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
Vê-se claramente que

(
M1 =
)
2 0
1 0
e M2 =
)
0 2
0 1
formam uma base de N (T ).

A seguir, procuraremos matrizes M3 e M4 tais que M1 , . . . , M4 formem
uma base de M2 (R). Isto e, equivalente a encontrar M2 e M3 tais que a
unica soluc~ao de
M1 + M2 + M3 + M4 = 0
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
que equivale a equac~ao
2 0 a
0 c
1
0 2 b
0
1 d
0

z 0
=
y 0
t
que apresenta uma unica soluc~ao se e somente se o determinante da matriz

de ordem quatro acima for diferente de zero. Como este determinante e
= (2c + a)(2t + y) + (2z + x)(2d + b),
vemos que = 0 se e somente se

(2z + x)(2d + b) = (2c + a)(2t + y).
Dessa forma podemos tomar

(
) (
)
(
) (
)
a b
1 2
x y
1 1
M3 =
=
e M4 =
=
.
c d
0 1
z t
2 0
Segue da demonstrac~ao do teorema 8.33 que

((
)) (
)
((
)) (
)
1 2
2 0
1 1
6 2
T
=
e T
=
0 1
2 0
2 0
6 2

Ex. Resolvido 8.65 Determinar uma transformac~
ao linear T : R3
R3 cuja imagem seja gerada pelos vetores (1, 2, 0) e (1, 1, 1).
Resoluc
ao: Como (1, 2, 0) e (1, 1, 1) s~ao linearmente independentes, o
subespaco gerado por estes vetores tem dimens~ao dois. Logo, a transformac~ao procurada devera ter necessariamente nucleo unidimensional.
~
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)
assim denida, e linear e satisfaz a propriedade desejada.
Determinar uma T L (P3 (R), P2 (R)) cujo nucleo seja gerado pelos polinômios 1 + x3 e 1 x2 .
Ex. Resolvido 8.66
Resoluc
ao: Como dim P3 = 4 e o subespaco gerado por 1+x3 e 1x2 tem
dimens~ao dois, vemos que a imagem da transformac~ao procurada devera

ter necessariamente dimens~ao dois.
O primeiro passo e completar a sequência de vetores 1 + x3 e 1 x2 a
uma base de P3 (R). Para isto, basta acrescentarmos os polinômios 1 e x,
como se vê:
1 + x + (1 + x3 ) + (1 x2 ) = + + + x x2 + x3 = 0
se e somente se = = = = 0.
Assim, as imagens dos polinômios 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,
que e uma transformac~ao linear cujo nucleo e gerado por 1 + x3 e 1 x2 .
117
Ex. Resolvido 8.67 Considere T : P2 (R) R dado por T (p(x)) =

1
p(x)dx. Encontre a matriz de T com relac~
ao as bases canônicas de
0
P2 (R) e R.
Resoluc
ao: Temos
T (1) = 1,
1
T (x) = ,
2
1
T (x2 ) = .
3
Assim, a matriz de T com relac~ao as bases canônicas e dada por

(
1 1
2 3
Ex. Resolvido 8.68 Seja T : P3 (R) P2 (R) dado por T (p(x)) =

p (x). Encontre a matriz de T com relac~
ao as bases canônicas de
P3 (R) e P2 (R).
Resoluc
ao: Temos
T (1) = 0 = 0 + 0x + 0x2 ,
T (x2 ) = 2x = 0 + 2x + 0x2 ,
T (x) = 1 = 1 + 0x + 0x2 ,
T (x3 ) = 3x2 = 0 + 0x + 3x2
e a matriz de T com relac~ao as bases canônicas e dada por
0 1 0 0
0 0 2 0 .
0 0 0 3
Ex. Resolvido 8.69
por
Seja T : R3 R3 a transformac~ao linear dada
T (x, y, z) = (x + z, y + z, x + y + 2z).
Encontre as matrizes de T com relac~ao a base canônica, C, e com

relac~ao a base B formada pelos vetores
u = (1, 1, 2), v = (1, 1, 0), w = (1, 1, 1).
~
OES
LINEARES
118
Resoluc
ao: Com relac~ao a base canônica 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
Com relac~ao a base B, temos

T (u) = T (1, 1, 2) = (3, 3, 6) = 3u = 3u + 0v + 0w
T (v) = T (1, 1, 0) = (1, 1, 0) = v = 0u + v + 0w
T (w) = T (1, 1, 1) = (0, 0, 0) = 0u + 0v + 0w
e, portanto,
3 0 0
[T ]B = 0 1 0 .
0 0 0
Ex. Resolvido 8.70 Sejam U um espaco vetorial de dimens~

ao nita
e T uma transformac~ao idempotente denida em U (Cf. 8.38). Sabemos, pela proposic~ao 8.41, que U = N (T ) T (U). Seja B uma base de
U formada pelos vetores u1 , . . . , up , que formam uma base de N (T ),
juntamente com v1 , . . . , vq , que formam uma base de T (U). Encontre
[T ]B .
Resoluc
ao: Como T (u1 ) = = T (up ) = 0, pois uj N (T ) e T (vj ) =
1j v1 + + qj vq , ja que T (vj ) T (U), vemos que [T ]B tem a seguinte
8.7. EXERCICIOS
forma
8.7
119
0
..
.
..
.
0
0 0
0 11
0 q1
. . . ..
.
. . . ..
.
..
.
..
.
...
..
.
1q
. . . ..
.
qq
Exerccios
Ex. 8.71
Verique se as transformac~oes abaixo s~ao lineares.
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
1. T : R2 R, T (x, y) = y + 2x, (x, y) R2 .

2. T : R3 R, T (x, y, z) = z 2x, (x, y, z) R3 .
3. T : R2 R2 , T (x, y) = (2x + 2y, x + y), (x, y) R2 .
~
OES
LINEARES
120
4. T : R2 R2 , T (x, y) = (x + y, x y), (x, y) R2 .

5. T : R3 R3 , T (x, y, z) = (z x, z 2x, z 3x), (x, y, z) R3 .
Determinar bases para o nucleo e para a imagem das transformac~oes lineares abaixo.
Ex. 8.73
1. T : R3 R3 , T (x, y, z) = (x + y, 2x + y, 3x + y), (x, y, z) R3 .

2. T : R2 R, T (x, y) = y + 2x, (x, y) R2 .
3. T : M2 M2 , T (X) = AX, X M2 , onde A =
)
1 2
2 4
4. T : P2 (R) P2 (R), T (p) = p , p P2 (R).

5. T : P2 (R) P2 (R), T (p) = p + p , p P2 (R).
6. T : M2 M2 , T (X) = AX + X, X M2 , onde A =
Ex. 8.74
)
1 4
2 3
Seja T : R3 R3 um operador linear tal que
T ((1, 0, 0)) = (2, 3, 1),
T ((1, 1, 0)) = (5, 2, 7), e
T ((1, 1, 1)) = (2, 0, 7).
1. Encontre T ((x, y, z)) para (x, y, z) R3 .

2. T e sobrejetora? Justique sua resposta.
3. T e injetora? Justique sua resposta.
4. T e bijetora? Justique sua resposta.
Ex. 8.75
Seja T : P2 (R) P2 (R) um operador linear tal que
(T (p0 ))(t) = 1 + t,
(T (p1 ))(t) = t + t2
onde pi (t) = ti , i = 0, 1, 2.
e (T (p2 ))(t) = 1 + t 2t2 ,
8.7. EXERCICIOS
121
1. Encontre T (p) para p P2 (R).

4. T e bijetora? justique sua resposta.
Ex. 8.76 Seja T : M2 M2 um operador linear tal que
)
)) (
((
)) (
)
((
1 4
1 1
1 0
1 0
, T
=
,
=
T
0 3
0 0
0 0
2 3
((
T
))
0 0
1 0
(
=
)
0 0
2 1
((
,
))
0 0
0 1
(
=
)
1 0
2 0
1. Encontre T (X) para X M2 .

4. T e bijetora? Justique sua resposta.
Determinar um operador linear em R4 cujo nucleo e gerado
pelos vetores (1, 1, 0, 0), (0, 0, 1, 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. 8.79 Determinar

mens~ao 1.
um operador linear em R3 cujo nucleo tem di-
Determinar um operador linear em R3 cujo nucleo e gerado

pelos vetores (1, 1, 0), (0, 0, 1) e a imagem gerado pelo vetor (1, 1, 1).
Ex. 8.80
~
OES
LINEARES
122
Ex. 8.81
Determinar T L (R3 , R4 ) tal que

T (R3 ) = [(2, 2, 3, 2), (3, 2, 0, 2)].
Ex. 8.82
Determinar uma transformac~ao linear T : R5 R3 tal que
T (R5 ) = [(1, 0, 0), (0, 1, 0), (1, 1, 1)]

Ex. 8.83
e N (T ) = [(1, 1, 1, 1, 1), (1, 1, 1, 1, 0)].
Determinar uma transformac~ao linear T : R3 R2 tal que
T (1, 0, 0) = (1, 2),
T (0, 1, 0) = (3, 4),
Ex. 8.84 Determinar uma transformac~

ao
5
dim N (T ) = 2, dim T (R ) = 3.
Ex. 8.85 Determinar
N (T ) = [(1, 0, 1)].
T (0, 0, 1) = (0, 0).
linear T : R5 R3 tal que
uma transformac~ao linear T : R3 R4 tal que

ao
4
N (T ) = T (R ) = [(1, 0, 1, 0), (0, 1, 0, 1)].
Ex. 8.87 Determinar uma
T (R2 ) = [(1, 1, 1), (1, 2, 0)].
transformac~ao linear T : R2 R3 tal que

ao
2
T (R ) = [(1, 1, 1)] e N (T ) = [(1, 1)].
Verique se os operadores lineares em R3 abaixo s~ao isomorsmos e em caso armativo determinar o isomorsmo inverso.
Ex. 8.89
a) T (x, y, z) = (x 3y 2z, y 4z, z)

b) T (x, y, z) = (x, x y, 2x + y z)
8.7. EXERCICIOS
Ex. 8.90
123
Considere o operador linear em R3 tal que
T (1, 0, 0) = (1, 1, 1),
T (0, 0, 1) = (1, 0, 1),
F(0, 1, 2) = (0, 0, 4).
Pergunta-se: T e um isomorsmo? Em caso armativo, obtenha o

isomorsmo inverso.
Ex. 8.91
toriais U
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} .
Considere T : R2 R2 dada por T (x, y) = (y, x), (x, y) R2 .

Determine T n (x, y), onde n N e (x, y) R2 .
Ex. 8.92
Ex. 8.93 Mostre que T, R, S L (R2 ), dados por T (x, y) = (x, 2y),
R(x, y) = (x, x + y), S(x, y) = (0, x), (x, y) R2 formam um subconjunto l.i. em L (R2 ).
Ex. 8.94 Sejam U, V, W 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 canônicas dos respectivos espacos vetoriais.
Ex. 8.95
1. T : R3 R2 , T (x, y, z) = (x + y, z), (x, y, z) R3 .

2. T : R4 R, T (x, y, z, t) = 2x + y z + 3t, (x, y, z, t) R4 .
~
OES
LINEARES
124
3. T : R R3 , T (x) = (x, 2x, 3x), x R.

Ex. 8.96
Considere
)
1 2
0 1
M=
Determinar a matriz do operador linear T : M2 M2 dado por T (X) =

MX XM, X M2 em relac~
ao a base canônica de M2 .
Ex. 8.97
Seja T : R2 R2 operador
linear
ao a
) cuja matriz em relac~
(
base B = {(1, 0), (1, 4)} e [T ]B =

em relac~ao a base canônica de
Ex. 8.98
1 1
5 1
2
R.
Determinar a matriz de T
Seja T : P2 (R) R transformac~ao linear denida por

1
T (p) =
p(t) dt,
p P2 (R).
Determine a matriz de T em relac~ao as seguintes bases.

{
}
a) B = 1, t, t2 , C = {1} .
{
}
b) B = 1, 1 + t, 1 + t + t2 , C = {2} .
Se a matriz de um operador linear T : R3 R3 em relac~ao

a base canônica e dada por
Ex. 8.99
1 1 0
A= 0 1 0
0 1 1
e se S : R3 R3 e dado por S = I + T + 2T 2 , determinar a matriz

de S em relac~ao a base canônica de R3 . Encontre tambem S(x, y, z),
(x, y, z) R3 .
8.7. EXERCICIOS
Ex. 8.100
125
Seja T : P2 (R) P2 (R) o operador linear dado por

T (p(t)) = p(t) p(1)
p(t) P2 (R).
}
Se B = 1, t 1, (t 1)2 e C = 1, t, t2 encontrar [T ]B,C , [T ]B e [T ]C .

Ex. 8.101 Seja B = {e1 , e2 , e3 } uma base de um espaco
T, S : V V s~
ao operadores lineares em V tais que
vetorial V. Se
T (e1 ) = 2e1 3e2 + e3
S(e1 ) = 3e1 + 2e2
T (e2 ) = e1 + e2
S(e2 ) = e1 e2 e3
T (e3 ) = e2 + e3
S(e3 ) = e1 + e2 2e3
Determine as seguintes matrizes [T ]B , [S]B , [ST ]B , [S2 +I]B e [T 3 S2 ]B .

Ex. 8.102 Sejam U = R3 , V = R2 , B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e
C = {(1, 0), (0, 1)} bases de U e V , respectivamente. Encontrar, em
cada um dos itens abaixo, T L (U, V) tal que [T ]B,C seja a matriz;
(
)
(
)
(
)
1 2 3
0 0 1
10 5 3
a)
b)
c)
4 5 1
0 1 0
2 1 4
Sejam V espaco vetorial e T : V V um operador linear

idempotente, isto e, T 2 = T. Mostrar que V = N (T ) T (V).
Ex. 8.103
Ex. 8.104
Seja T : R3 R3 o operador linear dado por
T (x, y, z) = (3x, x y, 2x + y + z),
Mostre que (T 2 I) (T 3I) = 0.
(x, y, z) R3 .
126
~
OES
LINEARES
Captulo 9
Autovalores e Autovetores
9.1
Definic
ao, Exemplos e Propriedades
onsidere um operador linear T L (V) e um subespaco U V. Se a

imagem de U por T for um subconjunto (na verdade e um subespaco
vetorial) de U dizemos que U e um subespaco invariante por T, isto e,
T (U) U. Desta forma, a restric~ao de T ao subespaco U, denotada por
T|U , pertence a L (U). Como veremos no proximo captulo, isto facilitara
muitas vezes a compreens~ao de como age um operador linear, pois, sem
duvida, e mais simples estuda-lo em subespacos de dimens~oes mais baixas.
obvio que os subespacos {0} e V s~ao invariantes por qualquer T
E
L (V). Vejamos o que e preciso acontecer para que exista um subespaco
invariante de dimens~ao um. Obviamente precisamos que V = {0}. Como
todo subespaco de dimens~ao um e gerado por um vetor n~ao nulo, vemos
.
que U = [u] V, u = 0 e invariante por T se e somente se para todo R
tivermos T (u) [u], ou seja, se existir R tal que T (u) = u, que
para = 0 e equivalente a existir tal que T (u) = (/)u, para algum
u = 0. Isto sugere a seguinte denic~ao:
Sejam U um espaco vetorial e T L (U). Dizemos que

um vetor n~ao nulo u U e um autovetor de T se existir R tal que
Definic
ao 9.1
127
CAPITULO 9. AUTOVALORES E AUTOVETORES
128
T (u) = u.
Se u = 0 e tal que T (u) = u = u ent~ao = . De

fato, esta igualdade implica que ( )u = 0, ou seja, = 0.
Observac
ao 9.2
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
espaco vetorial, T L (U) e um autoidentidade. O subespaco vetorial
V() = {u U; T (u) = u} = N (T I)
e chamado de subespaco proprio do autovalor . Se U tem dimens~ao

nita, diremos que a dimens~ao de V() e a multiplicidade geometrica
de .
Note que todo u V(), u = 0, e um autovetor de T
associado ao autovalor .
Observac
ao 9.5
Observac
ao 9.6 V()
e um subespaco invariante por T, isto e,

T (V()) V().
Basta notar que se u V() ent~ao T (u) = u V().

Seja T : R2 R2 dada por T (x, y) = (y, 4x). Encontre os autovalores de T, os respectivos subespacos proprios e a
multiplicidade geometrica de cada autovalor.
Ex. Resolvido 9.7
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
9.1. DEFINIC
AO,
129
possua uma soluc~ao n~ao trivial. Isto acontece se e somente se o determinante da matriz
(
)
1
4
for igual a zero. Como este determinante e 2 4, vemos que os unicos

autovalores de T s~ao 1 = 2 e 2 = 2. Temos
V(2) = {(x, y) R2 ; (y, 4x) = 2(x, y)}
= {(x, y) R2 ; 2x = y} = [(1, 2)].
Assim, a multiplicidade geometrica de 2 e um.

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

Note que (1, 2) e um autovetor associado ao autovalor 2 e e (1, 2) e
um autovetor associado ao autovalor 2.
ao ao exerccio anterior, enconEx. Resolvido 9.8 Ainda com relac~

tre a matriz de T com relac~ao a base (1, 2) e (1, 2) formada pelos
autovetores de T.
Resoluc
ao: Temos
T (1, 2) = (2, 4) = 2(1, 2) + 0(1, 2)
.
T (1, 2) = (2, 4) =
0(1, 2) + 2(1, 2)
Logo, a matriz de T com relac~ao a esta base e a matriz diagonal

(
)
2 0
.
0 2
130
Ex. Resolvido 9.9 Faca o mesmo

a transformac~ao T (x, y) = (y, x).
que se pede no exerccio 9.7 para
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
)
(
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).
dada por T (p(x)) =

transformac~ao. En-
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 polinômio nulo, posto que para qualquer outro polinômio 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 polinômios 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 polinômio 1.
Seja T : R3 R3 dada por T (x, y, z) = (x, y, x).

Encontre os autovalores de T, os respectivos subespacos proprios e a
multiplicidade geometrica de cada autovalor.
Ex. Resolvido 9.11
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
1
0
0
1 0
0
1
0
for igual a zero. Como este determinante e (1 )2 , vemos que os unicos

autovalores de T s~ao 1 = 0 e 2 = 1.
Quanto aos subespacos proprios, temos
V(0) = {(x, y, z) R3 ; (x, y, x) = (0, 0, 0)} = [(0, 0, 1)].

V(1) = {(x, y, z) R3 ; (x, y, x) = (x, y, z)} = {(x, y, z) R3 ; x = z}
= [(0, 1, 0), (1, 0, 1)].
Assim, a multiplicidade geometrica de 1 e dois.

Proposic
ao 9.12 Sejam U um espaco vetorial de dimens~
ao nita e
T em L (U). Suponha que T possua autovetores u1 , . . . , un associados
a autovalores 1 , . . . , n , respectivamente. Se i = j , quando i = j
ent~ao u1 , . . . , un s~ao linearmente independentes.
132
Prova: A prova sera por induc~ao sobre o n

umero de autovalores. Se
1 u1 + 2 u2 = 0 ent~ao
T (1 u1 + 2 u2 ) = 1 T (u1 ) + 2 T (u2 ) = 1 1 u1 + 2 2 u2 = 0.
Portanto, 2 (2 1 )u2 = 0 e, como u2 = 0 e 1 = 2 , resulta que 2 = 0.

Da, 1 u1 = 0 e, como u1 = 0, temos 1 = 0. Portanto, u1 e u2 s~ao
linearmente independentes.
Suponhamos, como hipotese de induc~ao, que n 1 autovetores de uma
transformac~ao linear associados a n1 autovalores dois a dois distintos sejam linearmente independentes. Devemos mostrar que o mesmo resultado
vale para n autovetores associados a n autovalores dois a dois distintos.
Sejam ent~ao u1 , . . . , un autovetores associados aos autovalores 1 , . . . ,
n , dois a dois distintos. Se u1 , . . . , un n~ao fossem linearmente independentes, pelo menos um deles se escreveria como combinac~ao linear dos
outros. Para simplicar a notac~ao, suponhamos que
u1 = 2 u2 + + n un
(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)
De 9.13 e 9.14 resulta que

0 = 2 (2 1 )u2 + + n (n 1 )un
e pela hipotese de induc~ao,

2 (2 1 ) = = n (n 1 ) = 0,
mas como 1 = j para j = 2, . . . , n, temos

2 = = n = 0.
Assim, pela equac~ao 9.13, u1 = 0, o que e impossvel pois u1 e um autovetor.
9.1. DEFINIC
AO,
133
Proposic
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)
Logo, T (u) e dado por

(1)
(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)
Multiplicando a equac~ao 9.16 por 1 e subtraindo-a de 9.17, obtemos

(2)
(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.
Suponhamos agora, por induc~ao, que a soma de n 1 espacos proprios

de T referentes a n1 autovalores distintos seja direta. Precisamos mostrar
que este resultado e valido quando T apresenta n autovalores distintos.
134
Para cada j = 1, . . . , n selecione uma base Bj de V(j ) constituda

(j)
(j)
por vetores que denotaremos por v(j)
e um
1 , . . . , vmj . Note que cada vi
autovetor associado ao autovalor j e que mj e a multiplicidade geometrica
deste autovalor.
Se
u V(j ) (V(1 ) + + V(j1 ) + V(j+1 ) + + V(n )) ,
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)
Assim, T (u) e dado por

(j)
(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)
Multiplicando a equac~ao 9.18 por j e subtraindo-a de 9.19, obtemos

(1)
(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
Usando a nossa hipotese de induc~ao e o fato que j = i , quando i = j,

obtemos i1 = = imi = 0 para todo i = 1, . . . , j 1, j + 1, . . . , n. Disto
e da equac~ao 9.18 resulta que u = 0. Como queramos.
^
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 polinômio caracterstico
pA () = det (A I),
onde I e a matriz identidade de ordem n.

Sejam A, B Mnn . Dizemos que A e B s~ao semelhantes se existir M Mnn invertvel tal que A = M1 BM.
Definic
ao 9.21
Ex. Resolvido 9.22

melhante a A.
Prove que se A e semelhante a B ent~ao B e se-
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.
Se A, B Mnn s~ao matrizes semelhantes ent~ao

seus polinômios caractersticos s~ao iguais.
Proposic
ao 9.23
Prova: Temos
pA () = det (A I) = det (M1 BM M1 IM)

= det (M1 (BM IM)) = det (M1 (B I)M)
= det M1 det (B I) det M =
det M
det (B I) det M = pB ().
Lembre que se T L (U), onde U e um espaco vetorial de dimens~ao

nita, e se B e C s~ao bases de U ent~ao
[
]1
[T ]C = MBC [T ]B MCB = MCB
[T ]B MCB .
136
Desta forma, p[T ]B () = p[T ]C (), ou seja, o polinômio caracterstico da

matriz de uma transformac~ao linear independe da escolha da base. Podemos assim, sem causar ambiguidades, denir o polinômio caracterstico
do operador linear T como sendo
pT () = p[T ]B (),
onde B e uma base qualquer de U.

Ex. Resolvido 9.24
Seja T : R2 R2 dada por

T (x, y) = (ax + by, cx + dy).
Encontre pT ().
Resoluc
ao: Usaremos a base canônica, 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
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
polinômio caracterstico.
^
9.2. POLINOMIO
CARACTERISTICO
137
Prova: Fixe B uma base de U.

Suponha que seja um autovalor de T. Ent~ao existe u = 0 tal que
T (u) = u, ou seja, (T I)(u) = 0. Desta forma, vemos que a transformac~ao linear T I : U U n~ao e injetora e, consequentemente, n~ao
e um isomorsmo. Disto resulta que [T I]B n~ao e invertvel, ou equivalentemente, pT () = det [T I]B = 0.
Reciprocamente, se pT () = 0 ent~ao a matriz [T I]B tem determinante nulo. Isto implica que a transformac~ao T I : U U n~ao e
um isomorsmo e, portanto, n~ao e injetora. Logo, existe u = 0 tal que
(T I)(u) = 0. Portanto, T (u) = u, u = 0, isto e, e um autovalor de
T.
Refaca os exerccios resolvidos 9.7, 9.9, 9.10 e 9.11

tendo como base a proposic~ao anterior.
Exerccio 9.26
Definic
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 polinômio caracterstico de T.
Proposic
ao nita e
T em L (U). Se o
e um autovalor de T ent~ao a sua multiplicidade
geometrica n~ao excede a sua multiplicidade algebrica.
Prova: Seja n a dimens~ao de U. Denotemos por m e r as multiplicidades

algebrica e geometrica de o , respectivamente.
Como dim V(o ) = r, existem u1 , . . . , ur V(o ) linearmente independentes. Completando estes vetores a uma base de U, vemos que a matriz
de T com relac~ao a esta base e da forma
138
o 0
0 0
. .
A
r(nr)
.
..
. . ..
0 o rr
0(nr)r
B(nr)(nr) nn
vemos que o fator ( o )r aparece na fatorac~ao do polinômio pT (). Por

outro lado, como a multiplicidade algebrica de o e m, obtemos r m.
Ex. Resolvido 9.29
Seja T : R2 R2 dada por

T (x, y) = (ax + by, cx + dy).
Analise quando esta transformac~ao possui autovalores e o numero

deles.
Resoluc
ao: Sabemos do exerccio resolvido 9.24 que
pT () = 2 (a + d) + ad bc.
Pela proposic~ao 9.25 temos que e um autovalor de T se e somente se

pT () = 0, isto e, se e somente se
2 (a + d) + ad bc = 0
e esta equac~ao possui soluc~ao (real) se e somente se (a+d)2 4(adbc)

0. Quando (a + d)2 = 4(ad bc) vemos que T apresenta somente um
autovalor, dado por (a + d)/2; quando (a + d)2 4(ad bc) > 0, T
apresenta dois autovalores distintos dados por
a+d+
(a + d)2 4(ad bc)

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

.
2
9.3. EXERCICIOS
139
Ex. Resolvido 9.30 Sejam p(t) = a0 + + am tm um polin^

omio e A
m
Mn . Dena p(A) = a0 In + +am A , onde In
e a matriz identidade de
ordem n. Mostre que se A e semelhante a B ent~ao p(A) e semelhante
a p(B).
Resoluc
ao: Existe M Mn invertvel tal que A = M1 BM. Desta forma,
A2 = M1 BMM1 BM = M1 B2 M e, indutivamente, Aj = M1 Bj M,
j N.
Assim,
p(A) = a0 In + + am Am = a0 M1 In M + + am M1 Bm M =
= M1 (a0 In + + am Bm )M = M1 p(B)M.
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
Encontrar os autovalores e autovetores de T L (V) nos

seguintes casos:
a) V = R2 , T (x, y) = (x + y, x y).
b) V = R3 , T (1, 0, 0)= (2, 0, 0), T (0,
1, 0) = (2, 1, 2), T (0, 0, 1) = (3, 2, 1).
Ex. 9.32
c) V = R e
4
3 1
0 3
[T ]B =
0 0
0 0
0
0
4
0
0
0
0
3
onde B e base canônica de R4 .
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 polinômio caracterstico de A?
b) Sejam A, B Mn matrizes triangulares com a mesma diagonal
principal. Existe alguma relac~ao entre seus polinômios caractersticos? Qual?

c) Mostre que se e autovalor de T L (V) ent~ao n e autovalor de
T n.
d) Mostre que se p = p(t) e um polinômio e e autovalor de T L (V)
ent~ao p() e autovalor de p(T ), onde p(T ) = ao I + a1 T + + an T n ,
com p(t) = a0 + a1 t + + an tn .
Captulo 10
Diagonalizac
ao
10.1
Definic
ao e Caracterizac
ao
ejam U um espaco vetorial de dimens~ao nita e T L (U). Dizemos

que T e diagonalizavel se existir uma base de U formada por autovetores de T.
Note que se T L (U) e diagonalizavel e se u1 , . . . , un formam uma
base B de U formada por autovetores de T associados, respectivamente,
aos autovalores 1 , . . . , n , ent~ao a matriz de T com relac~ao a esta base e
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
fora da diagonal principal s~ao nulos, ent~ao T e diagonalizavel. De fato, se
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.
matriz A Mnn e diagonalizavel

que M1 AM seja uma matriz dia-
Proposic
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
anj un , vemos que v1 , . . . , vn formam uma base B de U pois M e invertvel.

Alem do mais, M = MBC . Deste modo,
[T ]B = (MBC )1 [T ]C MBC = M1 [T ]C M
e diagonal, isto e, T e diagonalizavel.
Note que pelo teorema acima, para vericar se um

operador e diagonalizavel, basta vericar se a matriz de T com relac~ao
a uma base qualquer de U e diagonalizavel.
Observac
ao 10.4
Suponha que A = (aij ) Mnn seja diagonalizavel. Vejamos como

podemos encontrar uma matriz M invertvel de modo que M1 AM seja
uma matriz diagonal. Considere T L (Rn ) dado por
T (x1 , . . . , xn ) = (
a1j xj , . . . ,
j=1
anj xj ).
j=1
Se C e a base canônica de Rn ent~ao [T ]C = A e pela proposic~ao 10.3, T

e diagonalizavel. Seja B uma base de Rn formada por autovetores de T.
.
Lembrando que C e a base canônica, vemos que M = MBC e a matriz cuja
j-esima coluna e formada pelas coordenadas do j-esimo autovetor da base
B. Como [T ]B e uma matriz diagonal e
[T ]B = (MBC )1 [T ]C MBC = M1 AM
vemos que M resolve o nosso problema.
Note que se T for diagonalizavel, o seu polinômio

caracterstico e da forma
Observac
ao 10.5
pT () = (1 ) (n ),
onde os numeros reais 1 , . . . , n s~ao todos os autovalores de T.
144
~
AO
Teorema 10.6 Sejam U um espaco

L (U). Ent~
ao, T e diagonalizavel se
1 , . . . , n forem tais que
vetorial de dimens~ao nita e T

e somente se os seus autovalores
U = V(1 ) V(n ).
Prova: Se
U = V(1 ) V(n )
ent~ao podemos formar uma base B de U formada por bases Bj de V(j ),

j = 1, . . . , n. Como cada elemento de Bj e um autovetor de T, segue pr
denic~ao que T e diagonalizavel.
Reciprocamente, se T for diagonalizavel existe uma base B de U formada por autovetores de T. Como cada autovetor esta associado a algum
autovalor de T, vemos que cada elemento de B esta contido em algum
V(j ). Desta forma, a soma de todos os subespacos proprios de T contem
B e, portanto, e o proprio U. Pelo teorema 9.15 esta soma e direta, ou
seja,
U = V(1 ) V(n ).
Exemplo 10.7 As transformac~

ao do exerccio resolvido 9.7 e diagonalizavel. Ja a transformac~ao do 9.11 n~ao e pois possui apenas dois
autoespacos cuja soma n~ao e R3 , isto e,
V(0) V(1) = [(0, 0, 1), (1, 0, 1)] = R3 .
Tambem n~ao e diagonalizavel a transformac~ao do exerccio resolvido

9.9 pois n~ao possui autovetores. Quanto a transformac~ao do 9.10
vemos que tambem n~ao e diagonalizavel se n 1, pois todo autovetor
de T pertence a V(0), que e unidimensional, e dim Pn (R) = n + 1 2.
~ 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
polinômio caracterstico de T e dado por
(10.8)
pT () = (1 )m1 (n )mn q(),
onde mj e a multiplicidade algebrica de j e q() e um polinômio que n~ao

tem razes reais.
Se denotarmos por rj a multiplicidade geometrica de j , isto e, rj e igual
a dim V(j ) ent~ao, pelo teorema 10.6, T e diagonalizavel se e somente se
m = r1 + +rn . Por este mesmo teorema, T e diagonalizavel se e somente
se U possuir uma base formada pela reuni~ao das bases dos espacos proprios
de T, visto que isto e equivalente a dizer que a soma destes subespacos e
direta. Por sua vez, a existência de uma tal base e equivalente que T
apresente uma matriz na forma
1 0
. .
. . ...
..
0
1 r r
1
1
...
n 0
.. . .
.
.
. ..
0 n r
n rn
mm
Desta forma, se T e diagonalizavel ent~ao o seu polinômio caracterstico

e dado por
pT () = (1 )r1 (n )rn ,
(10.9)
onde rj e a multiplicidade geometrica de j , j = 1, . . . , n. Comparando
com 10.8 vemos que mj = rj , j = 1, . . . , n, q() 1 e r1 + + rn = m.
~
AO
146
Reciprocamente, suponha que mj = rj , j = 1, . . . , n e r1 + + rn = m.

Como a multiplicidade algebrica de cada autovalor iguala a sua multiplicidade geometrica cada espaco proprio V(j ) possui uma base Bj com mj
elementos. Como m1 + +mn = r1 + +rn = m segue de 10.8 que o grau
de q() e zero e que a reuni~ao das bases Bj forma uma base de U (lembre
que a soma de espacos proprios e direta) constituda por autovetores de
T. Assim, T e diagonalizavel. Provamos assim, o seguinte
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
forem vericadas
1. para cada autovalor de T as suas multiplicidades algebrica e

geometrica s~ao iguais;
2. a soma das multiplicidades geometricas de todos os autovalores
de T coincide com a dimens~ao de U.
Corol
ario 10.11
L (U). Se
Sejam U um espaco vetorial de dimens~ao n e T

pT () = (1 ) (n ),
onde 1 , . . . , n R s~ao distintos entre si ent~ao T e diagonalizavel.

Prova: Como os autovalores de T s~ao dois a dois distintos, vê-se que as
razes de pT (), s~ao todas simples, isto e, têm multiplicidade um. Desta
forma, se e um autovalor de T ent~ao a sua multiplicidade algebrica e
um. Pela proposic~ao 9.28, a multiplicidade geometrica de e menor do
que ou igual a um. Como dim V() 1, segue-se que a multiplicidade
geometrica de e um, ou seja, igual a sua multiplicidade algebrica.
Ex. Resolvido 10.12
Verique se T : R3 R3 dada por
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 canônica, 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).
Desta forma, vemos que pT () apresenta todas as razes reais e simples e,

pelo corolario 10.11, segue-se que T e diagonalizavel.
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:
autovalor 0: Precisamos encontrar (x, y, z) n~ao nulo tal que

T (x, y, z) = (0, 0, 0).
Temos
x + z = 0
y+z=0
x + y + 2z = 0
x = y = z
x + y + 2z = 0
x = y = z,
assim, podemos tomar como autovetor associado ao autovalor 0, o vetor

u = (1, 1, 1).
~
AO
148
autovalor 1: Neste casos precisamos encontrar (x, y, z) n~ao nulo tal
que T (x, y, z) = (x, y, z). Temos
x + z = x
y+z=y
x + y + 2z = z
{
z=0
x = y

v = (1, 1, 0).
autovalor 3: Agora precisamos encontrar (x, y, z) = (0, 0, 0) satisfa-
zendo
T (x, y, z) = (3x, 3y, 3z).
Temos
x + z = 3x
y + z = 3y
x + y + 2z = 3z
z = 2x = 2y,

w = (1, 1, 2).
claro que a matriz de T com relac~ao a base formada por u, v e w e

E
dada por
0 0 0
0 1 0 .
0 0 3
Seja T : R2 R2 cuja matriz com relac~ao a

alguma base e dada por
Ex. Resolvido 10.14
(
)
a b
A=
.
b c
Mostre que T diagonalizavel.
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
149
Resoluc
ao: O polinômio 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
se e somente se a = c ou b = 0. Vemos assim que, se a = c ou b = 0 as

multiplicidades algebrica e geometrica de cada um dos autovalores de T
(as razes de pT ()) coincidem e, portanto, T e diagonalizavel.
Se a = c e b = 0 ent~ao vê-se claramente que T e diagonalizavel pois,
neste caso, A e diagonal.
Ex. Resolvido 10.15
Verique se T : P2 (R) P2 (R) dado por
T (p(t)) = p (t) 2p (t) + p(t)
e diagonalizavel.
Resoluc
ao: A matriz de T com relac~ao a base canônica e dada por
1 2 2
A = 0 1 4 .
0 0
1
Assim, PT () = (1 )3 e, desta forma, 1 e o unico autovalor de T. Como

pelo teorema 10.10 T e diagonalizavel se e somente se dim V(1) = 3,
vejamos qual e a dimens~ao deste subespaco proprio.

0 2 2
x
0

2
p(t) = x + yt + zt V(1) 0 0 4 y = 0
0 0
0
z
0
y = z = 0 p(t) = x.
Portanto, V(1) = [1] e T n~ao e diagonalizavel.
~
AO
150
Ex. Resolvido 10.16
Verique se T : R4 R4 dada por
T (x, y, z, t) = (x + y, y, 2z + t, 2z + t)
e diagonalizavel. Encontre tambem os espacos proprios de T.

Resoluc
ao: A matriz de T com relac~ao
1 1 0
0 1 0
0 0 2
0 0 2
a base canônica e dada por
1
1
e o seu polinômio caracterstico e
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
(x, y, z, t) = z(0, 0, 1, 2).

t = 2z
Logo, V(0) = [(0, 0, 1, 2)].
~ 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
(x, y, z, t) = z(0, 0, 1, 1).
Logo, V(3) = [(0, 0, 1, 1)].
(iii) autovalor 1:
(x, y, z, t) V(1) (x + y, y, 2z + t, 2z + t) = (x, y, z, t)
x+y=x
y = y
2z + t = z
2z + t = t
y = z = t = 0 (x, y, z, t) = x(1, 0, 0, 0).
Logo, V(1) = [(1, 0, 0, 0)].

Como a multiplicidade algebrica do autovalor 1 e dois e a sua multiplicidade geometrica e um, vemos que T n~ao e diagonalizavel.
Ainda com relac~ao ao operador do exerccio

anterior, encontre a matriz de T com relac~ao a base B formada pelos
vetores
Ex. Resolvido 10.17
u = (0, 0, 1, 2), v = (0, 0, 1, 1), w = (1, 0, 0, 0)
e p = (0, 1, 0, 0).
Resoluc
ao: Ja sabemos que T (u) = 0, T (v) = 3v e T (w) = w. Agora,
como
T (p) = T (0, 1, 0, 0) = (1, 1, 0, 0) = w + p,
~
AO
152
vemos que
0
0
[T ]B =
0
0
0
3
0
0
0
0
1
0
0
0
.
1
1
Ex. Resolvido 10.18 Seja T L (U) um operador diagonaliz

avel com
autovetores 1 , . . . , n , onde n = dim U. Dados x1 , . . . , xn R, denote
por D(x1 , . . . , xn ) = (aij ) a matriz diagonal tal que aii = xi .
Seja p(t) = a0 + a1 t + am tm um polinômio. Sejam B uma base
de autovalores de U tal que [T ]B = D(1 , . . . , n ) e C uma base de U.
Mostre que [p(T )]C e semelhante a D(p(1 ), . . . , p(n )).
Resoluc
ao: Como [T ]C = (MCB )1 [T ]B MCB temos pelo exerccios resolvidos
9.30 e 9.31 que [p(T )]C = (MCB )1 [p(T )]B MCB . Mas
[p(T )]B = [a0 I + a1 T + + am T m ]B = a0 In + a1 [T ]B + + am [T ]m
B
= a0 D(1, . . . , 1) + a1 D(1 , . . . , n ) + + am D(1 , . . . , n )m
m
= a0 D(1, . . . , 1) + a1 D(1 , . . . , n ) + + am D(m
1 , . . . , n )
m
= D(a0 , . . . , a0 ) + D(a1 1 , . . . , a1 n ) + + D(am m
1 , . . . , am n )
m
= D(a0 + a1 1 + + am m
1 , . . . , a0 + a1 n + + am n )
= D(p(1 ), . . . , p(n )).

Ex. Resolvido 10.19
Mostre que pT (T ) = 0.
Seja T L (U) um operador diagonalizavel.
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
[pT (T )]B = D(pT (1 ), . . . , p(n )) = D(0, . . . , 0) = 0,
10.2. EXERCICIOS
153
pois pT (j ) = 0, j = 1, . . . , n. Assim, pT (T ) = 0.
Pode-se mostrar que mesmo que T L (U) n~ao

seja diagonalizavel vale pT (T ) = 0.
Observac
ao 10.20
10.2
Exerccios
Determinar M M2 , se existir, de modo que M1 AM seja

uma matriz diagonal nos seguintes casos:
Ex. 10.21
a) A =
Ex. 10.22 Vericar,
T L (R3 ) dado pela
gonalizavel.
2 4
3 13
Ex. 10.23 Vericar em cada um

L (R4 ) dado pela sua matriz com
a) [T ]C =
b) A =
3 2
2 1
em cada um dos itens abaixo, se o operador

sua matriz com relac~ao a base canônica e dia-
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
dos itens abaixo se o operador T

relac~ao a base canônica e diagona
b) [T ]C =
1 1
1
1
1 1 1 1
1 1 1 1
1 1 1 1
154
~
AO
Captulo 11
Forma Can
onica de Jordan
11.1
Introduc
ao e Exemplos
omo vimos, nem todo operador linear e diagonalizavel. No entanto,

se T L (U), onde U e um espaco vetorial de dimens~ao nita, existe
uma base com relac~ao a qual, a matriz de T e proxima de uma matriz
diagonal. A seguir daremos uma pequena descric~ao de como e a forma
desta matriz, mas antes precisamos de algumas notaco~es.
Seja pT () o polinômio caracterstico de T. A primeira observac~ao a ser
feita e que pT () se fatora como
pT () = (1 )m1 (n )mn (( 1 )2 + 21 )p1 (( k )2 + 2k )pk
onde r = s , e (r , r ) = (s , s ) se r = s. Note que cada r + ir e uma

raiz complexa de pT (). Note tambem que m1 + + mn + 2p1 + 2pk =
dim U.
Se R e um autovalor de T, denotaremos por J(; r) a matriz quadrada de ordem r com todos os elementos da diagonal principal iguais a
e todos os elementos logo acima desta, iguais a 1, ou seja,
155
^
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
onde I e a matriz identidade de ordem r e
0
0
N = 0
.
..
0
0
0
.
. . . ..
.
0 rr
1 0
0 1
0 0
.. ..
. .
0 0 0
Note que Nr e a matriz nula, isto e, N e uma matriz nilpotente.

Se +i e uma raiz complexa de pT () e r e um numero par, denimos
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
Se B1 , . . . , Bk s~ao matrizes quadradas, n~ao necessariamente de ordens
~ 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
Teorema 11.1 (Forma Can

onica de Jordan)
torial de dimens~ao nita. Seja T L (U)
terstico e dado por
4
3
0
0
0 .
4
3
Seja U um espaco vecujo polinômio carac-
pT () = (1 )m1 (n )mn (( 1 )2 + 21 )p1 (( k )2 + 2k )pk
onde r = s , (r , r ) = (s , s ) se r = s, e r > 0. Ent~ao existe uma

base de U com relac~ao a qual a matriz de T e da forma
J = diag (J1 , . . . , Jp , R1 , . . . , Rq ),
(11.2)
158
^
DE JORDAN
onde J1 , . . . , Jp s~ao da forma J(; r) para algum r N e {1 , . . . , n }

e R1 , . . . , Rq s~ao da forma R(, ; s) para algum s N e (, )
{(1 , 1 ), . . . , (k , k )}.
A matriz 11.2 e unica a menos de permutac~oes dos

seus blocos que comp~oem a sua diagonal.
Observac
ao 11.3
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
Se + i e uma raiz complexa de pT () ent~ao a

soma das ordens dos blocos R(, ; s) e igual ao dobro da multiplicidade da raiz + i.
Observac
ao 11.5
Observac
ao 11.6 Se
e um autovalor
metrica r ent~ao existem r blocos J(; s)
Observac
ao 11.7
de T com multiplicidade geoassociados ao autovalor .
Suponha que
pT () = (1 )m1 (n )mn
onde i = j , se i = j. Se mj tambem e multiplicidade geometrica de j

ent~ao o teorema de Jordan diz simplesmente que T e diagonalizavel.
Observac
ao 11.8 O teorema de Jordan diz que a matriz de um operador T com relac~ao a uma base arbitraria e semelhante a uma matriz
da forma 11.2
Encontre as possveis matrizes na forma canônica de Jordan de um operador cujo polinômio 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.
Como as multiplicidades algebricas e geometrica do autovalor 1 s~ao

iguais a um, vemos que o unico bloco correspondente a este autovalor e
J(1; 1) = (1).
Com relac~ao ao autovalor 2, a sua multiplicidade algebrica e três. Se

sua multiplicidade geometrica for três ent~ao existem três blocos associados
a este autovalor e todos eles s~ao iguais a (2). Neste caso, a matriz da forma
canônica de Jordan para este operador e
0
0
0
2
0
0
0
0
2
0
0
.
0
2
Se a multiplicidade geometrica do autovalor 2 for dois, ent~ao existem

dois blocos correspondentes a este autovalor que s~ao da forma
(
)
2 1
J(2; 2) =
.
0 2
J(2; 1) = (2)
Assim, a matriz da forma canônica de Jordan para este operador e
0
0
0
2
0
0
0
1
2
0
0
.
0
2
Se a multiplicidade geometrica do autovalor 2 for um, ent~ao existe um

bloco correspondente a este autovalor que e
2 1 0
J(2; 3) = 0 2 1 .
0 0 2
160
^
DE JORDAN
Assim, a matriz da forma canônica de Jordan para este operador e
1
0
0
0
0
2
0
0
0
0
.
1
2
0
1
2
0
Encontre as possveis matrizes na forma canônica de Jordan de um operador cujo polinômio caracterstico e dado
por pT () = (1 )2 (4 + 2 ).
Ex. Resolvido 11.10
Utilizando a notac~ao do teorema 11.1 temos 1 = 1, = 0 e = 2. Como

0+i2 tem multiplicidade um (como raiz de pT ()), existe apenas um bloco
da forma
(
)
R(0, 2; 2) =
0 2
.
2 0
Se a multiplicidade geometrica do autovalor 1 for dois ent~ao existem

apenas dois blocos associados a este autovalor e s~ao iguais a (1). Neste
caso, a matriz da forma canônica de Jordan para este operador e
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
Neste caso, a matriz da forma canônica de Jordan para este operador e
0
0
1 0
1 0
0 0
0 2
0
.
2
0
~ E EXEMPLOS
11.1. INTRODUC
AO
161
Encontre uma base de R4 com relac~ao a qual a

matriz da transformac~ao
Ex. Resolvido 11.11
T (x, y, z, t) = (2x + y + z + t, 2y z t, 3z t, 4t)
esta na forma canônica de Jordan.

Resoluc
ao: Com relac~ao a base canônica de R4 , a matriz de T e dada por
2 1 1
1
0 2 1 1
.
0 0 3 1
0 0 0
4
O polinômio caracterstico de T e pT () = (3 )(4 )(2 )2 . Desta

simples ver que
forma vemos que dim V(3) = dim V(4) = 1. E
e
V(3) = [(0, 1, 1, 0)]
V(4) = [(0, 0, 1, 1)].
Vejamos qual a dimens~ao de V(2). Temos que (x, y, z, t) V(2) se e somente se

0
0
0
0
1 1
1
x
0
0 1 1 y 0
= ,
0 1 1 z 0
0 0
2
t
0
ou seja, (x, y, z, t) = x(1, 0, 0, 0). Assim, dim V(2) = 1 e T n~ao e diagonalizavel. Sendo assim, a matriz de T na forma canônica de Jordan e da
forma
0
0
1
2
0
0
0
0
3
0
0
.
0
4
^
DE JORDAN
162
Note que se pusermos u1 = (1, 0, 0, 0), u3 = (0, 1, 1, 0) e u4 = (0, 0, 1, 1)

ent~ao para que u1 , u2 , u3 , u4 seja a base procurada, o vetor u2 deve satisfazer T (u2 ) = u1 + 2u2 , ou seja, (T 2I)(u2 ) = u1 . Desta forma, colocando
u = (a, b, c, d), temos
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
Se uma matriz de ordem 3 tem os autovalores 3, 3 e 3,

quais s~ao as possveis formas canônicas de Jordan dessa matriz?
Ex. 11.12
Se uma matriz de ordem 4 tem os autovalores 1, 2 e 3,

quais s~ao as possveis formas canônicas de Jordan dessa matriz?
Ex. 11.13
Captulo 12
Espacos Euclidianos
12.1
Produto Interno
os primeiros captulos deste curso estudamos as propriedades mais

basicas de um espaco vetorial. A introduc~ao de conceitos como geradores e base foram feitas a partir de combinaco~es lineares que, por sua vez,
envolvem apenas a adic~ao de vetores e a multiplicac~ao por escalares, dois
objetos que est~ao presentes na propria denic~ao do espaco vetorial. Neste
captulo veremos tipos especiais de espacos vetoriais que possuem uma estrutura mais renada que nos proporcionara desenvolver alguns aspectos
geometricos, como por exemplo, o ângulo ou a distância entre dois vetores.
Veremos tambem que e possvel elaborar mais detalhes sobre operadores
lineares denidos em tais espacos vetoriais.
Definic
ao 12.1 Seja V um espaco vetorial. Um produto interno sobre
V
e uma aplicac~ao que a cada par (u, v) V V associa um numero
real denotado por u, v satisfazendo as seguintes propriedades
(i) u + v, w = u, w + v, w para todo u, v, w V;

(ii) u, v = u, v para todo u, v V e R;
163
CAPITULO 12. ESPAC

OS EUCLIDIANOS
164
(iii) u, v = v, u para todo u, v V;

(iv) u, u > 0 se u = 0.
O espaco vetorial V munido de um produto interno e chamado de
espaco euclidiano.
Observac
ao 12.2
escalar.
O produto interno tambem e chamado de produto
Algumas propriedades seguem-se imediatamente.

Por exemplo, vemos que 0, u = 0 para todo u V, pois
0, u = 0 + 0, u = 0, u + 0, u,
e o resultado segue por cancelamento.

Outra propriedade e que u, v + w = u, v + u, w, para todo
u, v, w V e R. Basta combinar as propriedades (i), (ii) e (iii) acima.
Desta maneira, vemos que o produto interno e linear em cada variavel.
A seguir apresentamos alguns exemplos de produto interno em varios
espacos vetoriais. A vericac~ao das propriedades (i) a (iv) e deixada como
exerccio.
Exemplo 12.3
Se x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) Rn denimos

x, y = x1 y1 + + xn yn
(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
12.1. PRODUTO INTERNO
Ex. Resolvido 12.6 Com relac~

ao ao produto interno dado
calcule u, v onde u = (cos , sen ) e v = (cos , sen ).
por 12.4,
Resoluc
ao: Temos
u, v = (cos , sen ), (cos , sen )
= cos cos + sen sen = cos( ).
Ha varios outros tipos de produto interno no Rn alem do apresentado

em 12.4. Vejamos um exemplo no R3 :
Exemplo 12.7
Se (x, y, z), (x , y , z ) R3 , denimos

(x, y, z), (x , y , z ) =
xx yy zz
+
+
.
2
3
4
E facil vericar que a express~ao acima dene um produto interno em

R3 .
Com relac~ao ao produto interno apresentado no

exemplo anterior, calcule (1, 1, 1), (0, 2, 4).
Ex. Resolvido 12.8
Resoluc
ao:
(1, 1, 1), (0, 2, 4) =
Exemplo 12.9
1 0 1 2 1 4
1
+
+
= .
2
3
4
3
Se f, g C([a, b]; R) denimos

f, g =
b
f(x)g(x) dx,
a
que e um produto interno.
(12.10)
CAPITULO 12. ESPAC

OS EUCLIDIANOS
166
Com relac~ao ao produto interno apresentado

no exemplo anterior, calcule o produto interno entre as func~oes seno
e co-seno denidas no intervalo [0, 2].
Ex. Resolvido 12.11
Resoluc
ao:
sen , cos =
sen x cos x dx =
sen 2 x
2
Exemplo 12.12
= 0.
0
Se A = (aij ), B = (bij ) Mmn denimos

A, B =
m
n
aij bij .
i=1 j=1
Com relac~ao ao produto interno apresentado

no exemplo anterior, calcule o produto interno entre
Ex. Resolvido 12.13
(
)
1 1
A=
0 2
B=
)
2 0
.
1 1
Resoluc
ao:
A, B = 1 (2) + 1 0 + 0 1 + 2 1 = 0.
O traco de uma matriz quadrada A e a soma dos

elementos da diagonal da matriz e e denotado por tr A. Mostre que
se A, B Mn ent~ao
Exerccio 12.14
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
euclidiano, denimos para cada

valor e chamado de norma de u.
Observac
ao 12.16 Note que
e possvel
u, u pois este n
umero e n~ao negativo.
extrair a raiz quadrada de
Exemplo 12.17 Em Rn , com o produto interno

norma de x = (x1 , . . . , xn ) e dada por
||x|| = x21 + + x2n .
dado por 12.4, a
Note que a norma de x representa o comprimento deste vetor.

Em C([a, b]; R) com o produto interno denido por
12.10, a norma de f C([a, b]; R) e dada por
Exemplo 12.18
||f|| =
b
[f(x)]2 dx.
a
Proposic
ao 12.19
terno. Temos
Seja V um espaco vetorial com um produto in-
1. ||u|| = ||||u|| para todo u V e todo R;

2. ||u|| 0 para todo u V;
3. ||u|| = 0 se e somente se u = 0;
4. |u, v| u v para todo u, v V (desigualdade de CauchySchwarz);
5. u + v u + v para todo u, v V (desigualdade triangular).
CAPITULO 12. ESPAC

OS EUCLIDIANOS
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.
Reciprocamente, se u = 0 ent~ao u, u > 0 e u =
u, u > 0.
4. Se v = 0 ent~ao |u, 0| = 0 = u 0||.

Suponha que v = 0. Para todo R, temos u + v2 0. Logo,
0 u + v, u + v = u, u + 2u, v + v, v2
= ||u||2 + 2u, v + ||v||2 2 .
Assim,
.
= 4u, v2 4||u||2 ||v||2 0,
ou seja, u, v2 ||u||2 ||v||2 . Extraindo a raiz quadrada, obtemos
|u, v| u v.
5. A seguir usaremos a desigualdade de Cauchy-Schwarz

||u + v||2 = u + v, u + v = ||u||2 + ||v||2 + 2u, v
||u||2 + ||u||2 + 2||u||||v|| = [||u|| + ||v||]2 .
Extraindo a raiz quadrada, segue o resultado desejado.

Observe que a desigualdade de Cauchy-Schwarz aplicada ao produto
interno do Rn dado por 12.4 nos diz que
(x1 y1 + + xn yn )2 (x21 + + x2n )(y21 + + y2n ).
169
12.2. NORMA
A mesma desigualdade aplicada ao produto interno em C([a, b, ]; R)

fornece
(
)2
f(x)g(x) dx
a
[f(x)]2 dx
a
[g(x)]2 dx.
a
Proposic
ao 12.20 (Identidade do Paralelogramo)
tores de um espaco euclidiano. Ent~ao
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 ).
A proxima proposic~ao mostra como se pode obter o produto interno

entre dois vetores a partir das normas de suas soma e diferenca.
Proposic
ao 12.21
t~ao
Sejam u e v vetores de um espaco euclidiano. Enu + v2 u v2 = 4u, v.
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.
Ex. Resolvido 12.22

v = 1.
Calcule u, v sabendo-se que u + v = 1 e u
CAPITULO 12. ESPAC

OS EUCLIDIANOS
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
espaco euclidiano V denimos a distância end(u, v) = u v.
Resulta da proposic~ao 12.19 que a distância satisfaz as seguintes propriedades.

Proposic
ao 12.24
Num espaco euclidiano V temos
1. d(u, v) 0 para todo u, v V;

2. d(u, v) = 0 se e somente se u = v;
3. d(u, v) = d(v, u) para todo u, v V;
4. d(u, v) d(u, w) + d(w, v) para todo u, v, w V.
Com relac~ao ao produto interno 12.4 calcule a
distância entre os pontos u = (1, 1, 3, 2) e v = (2, 2, 1, 0) de R4 .
Ex. Resolvido 12.25
Resoluc
ao: Temos
d(u, v) = (1 2)2 + (1 2)2 + (3 1)2 + (2 0)2 = 10
^
12.4. ANGULO
171
Com relac~ao ao produto interno 12.10 calcule

a distância entre as func~oes sen e cos de C([0, 2]; R)
Ex. Resolvido 12.26
Resoluc
ao: Temos
d( sen , cos) =
[ sen x cos x]2 dx
[ sen x + cos x 2 sen x cos x] dx =

2
= x sen 2 x
Portanto, d( sen , cos) = 2.
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
Desta forma, existe um unico numero real [0, ] tal que

cos =
u, v
.
u v
Este numero e chamado de ângulo entre os vetores u e v.

Ex. Resolvido 12.27 Calcule o ^
angulo
seno denidas em [0, 2] com o produto
entre as func~oes seno e cointerno dado por 12.10.
CAPITULO 12. ESPAC

OS EUCLIDIANOS
172
Resoluc
ao:
sen , cos =
sen x cos x dx =
1
sen 2 x
2
= 0.
0
Desta forma, o ângulo entre seno e co-seno e 2 .

Ex. Resolvido 12.28
o ângulo entre u e v.
Sabe-se que u = v = 1 e uv = 2. Calcule
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
Seja V um espaco euclidiano. Dizemos que u, v V

s~ao ortogonais se u, v = 0 e, neste caso, denotaremos uv.
Dizemos que um conjunto S = {u1 , . . . , un } V e ortogonal se ui uj
quando i = j.
Dizemos que um conjunto ortogonal S = {u1 , . . . , un } V e ortono-mal se uj = 1, j = 1, . . . , n.
Dizemos que u V e ortogonal a um subconjunto n~ao vazio S de
V se u for ortogonal a todos os elementos de S. Neste caso usaremos
a denic~ao uS.
Definic
ao 12.29
173
12.5. ORTOGONALIDADE
e um conjunto ortonormal com relac~ao ao produto interno dado por 12.4.

Exemplo 12.30 S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} R3
Observac
ao 12.31 Se u = 0 ou v = 0 ent~
ao uv. Se u = 0
ent~ao uv se e somente se o ângulo 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)
ent~ao, fazendo o produto interno do vetor acima com u1 e lembrando que

u1 , u1 = u1 2 = 1 e uj , u1 = 0, se j = 2, . . . , n, obtemos
1 = 1 u1 , u1 + + n un , u1 = 0, u1 = 0,
isto e, 1 = 0, e 12.34 ca

2 u2 + + n un = 0.
Tomando o produto interno do vetor acima com u2 , obtemos, como acima,

que 2 = 0. Repetindo o processo chegamos a conclus~ao que a unica
possibilidade para 12.34 e 1 = = n = 0.
A proposic~ao acima continua valida se S for apenas um conjunto ortogonal com elementos n~ao nulos.
Observac
ao 12.35
CAPITULO 12. ESPAC

OS EUCLIDIANOS
174
Definic
ao 12.36 Se V
u1 , . . . , un formam um
e um espaco euclidiano de dimens~ao n e se

conjunto ortonormal, ent~ao diremos que estes
vetores formam uma base ortonormal de V.
Sejam V um espaco euclidiano que possui uma

base ortonormal dada por u1 , . . . , un . Ent~ao, se u V temos
Proposic
ao 12.37
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 .
Tomando o produto interno de u com u1 , temos

u, u1 = 1 u1 , u1 + + n un , u1 = 1 ,
pois a base e ortonormal. O resultado segue tomando o produto interno

de u por u2 , u3 , etc.
Encontre
as coordenadas
de (1, 1) R2 com

relac~ao a base formada por ( 22 , 22 ) e ( 22 , 22 ).
Ex. Resolvido 12.38
Resoluc
ao: Como a base em quest~ao e ortonormal, pela proposic~ao an-
terior, temos que
2 2
2 2
2
2
2
2
(1, 1) = (1, 1), (
,
)(
,
) + (1, 1), (
,
)(
,
)
2 2
2 2
2
2
2
2

2 2
2
2
,
) + 0(
,
).
= 2(
2 2
2
2
Desta forma as coordenadas de (1, 1) com relac~ao a base acima s~ao
( )
2
.
0
175
Sejam V um espaco euclidiano e U = [u1 , . . . , un ] o

subespaco gerado por um conjunto ortonormal S = {u1 , . . . , un }. Ent~ao,
para qualquer u V o vetor dado por
Proposic
ao 12.39
v = u u, u1 u1 u, un un
e ortogonal a todo w U, isto e, vU.

Alem do mais, v = 0 se e somente se u = u, u1 u1 + + u, un un ,
isto e, se e somente se u [u1 , . . . , un ].
Prova: Seja w U. Podemos escrever w = nj=1 j uj . Precisamos mostrar
que w, v = 0, isto e, nj=1 j uj , v = nj=1 j uj , v = 0. Portanto, basta

vericar que uj , v = 0 para cada j = 1, . . . , n. Como u1 , . . . , un formam
um conjunto ortonormal, temos
uj , v = uj , u u, u1 u1 u, un un
= uj , u u, u1 uj , u1 u, un uj , un
= uj , u u, uj uj , uj = uj , u u, uj = 0
Proposic
ao 12.40 Sejam V um espaco
V. Se u U e uU ent~
ao u = 0.
vetorial e U um subespaco de
Prova: Como u U e u e ortogonal a todo vetor de U, devemos ter

||u||2 = u, u = 0, ou seja, u = 0.
Sejam S = {u1 , . . . , un } e R = {v1 , . . . , vn } conjuntos

ortonormais de um espaco euclidiano V tais que [S] = [R]. Ent~ao, para
u V, temos
Proposic
ao 12.41
u, u1 u1 + + u, un un = u, v1 v1 + + u, vn vn .
CAPITULO 12. ESPAC

OS EUCLIDIANOS
176
Prova: Seja u V. Coloque U = [R] = [S],

u1 = u (u, u1 u1 + + u, un un )
e
u2 = u (u, v1 v1 + + u, vn vn ) .
Pela proposic~ao 12.39, u1 , u2 U. Logo, para todo w U, temos u1

u2 , w = u1 , w u2 , w = 0, isto e, (u1 u2 )U.
Note tambem que
u1 u2 = u, v1 v1 + + u, vn vn (u, u1 u1 + + u, un un ) U.
Segue da proposic~ao 12.40 que u1 u2 = 0, isto e,

u, u1 u1 + + u, un un = u, v1 v1 + + u, vn vn .
Sejam S = {u1 , . . . , un } V um conjunto ortonormal

de um espaco euclidiano V e U = [u1 , . . . , un ]. Se u V, o vetor
Definic
ao 12.42
u, u1 u1 + + u, un un
e chamado de projec~ao ortogonal de u sobre o subespaco U.

v
Se v V e um vetor n~ao nulo ent~ao S = { v
}
e
um conjunto ortonormal. Assim, se u V, a projec~ao ortogonal de u
sobre [S] nada mais e do que o vetor
Observac
ao 12.43
w = u,
v
v
u, v
=
v.
v v
v2
Neste caso, w e chamado de projec~ao ortogonal de u sobre v.
177
Com relac~ao ao produto interno usual de R3 ,

verique que os vetores u1 = ( 13 , 13 , 13 ) e u2 = ( 12 , 12 , 0) formam um conjunto ortonormal e encontre a projec~ao ortogonal de
u = (2, 3, 1) sobre o subespaco gerado por u1 e u2 .
Ex. Resolvido 12.44
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
Assim, a projec~ao ortogonal de u = (2, 3, 1) sobre [u1 , u2 ] e

w = u, u1 u1 + u, u2 u2
1
1 1
1
1 1
= (2, 3, 1), ( , , )( , , )
3
3 3
3
3 3
1 1
1 1
5 5
+ (2, 3, 1), ( , , 0)( , , 0) = ( , , 0).
2 2
2 2
2 2
Ex. Resolvido 12.45
por
Considere P3 (R) com o produto interno dado

p, q =
1
p(x)q(x) dx.
0
Encontre a projec~ao de p(x) = 1 + x + x2 + x3 sobre [q(x)] = [x3 x].
CAPITULO 12. ESPAC

OS EUCLIDIANOS
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
Assim a projec~ao ortogonal de p(x) sobre q(x) e

r(x) =
12.6
11 105 3
55
(x x) = (x3 x).
21 8
8
Processo de Gram-Schmidt
A demonstrac~ao do proximo teorema fornece um metodo para se conseguir

uma base ortonormal de um espaco euclidiano a partir de uma base dada.
Todo espaco euclidiano de dimens~ao nita possui uma base ortonormal.

Teorema 12.46
Prova: A prova e por induc~ao sobre a dimens~ao do espaco.

Seja V um espaco euclidiano de dimens~ao nita. Se dim V = 1 ent~ao
existe v1 V, tal que V = [v1 ]. Como v1 = 0, tomamos
u1 =
v1
v1
e, dessa forma, {u1 } e um conjunto ortonormal e V = [u1 ], ou seja, u1

forma uma base ortonormal de V.
12.6. PROCESSO DE GRAM-SCHMIDT
179
Se dim V = 2 ent~ao existem v1 , v2 V tais que V = [v1 , v2 ]. Coloque

u1 =
v1
.
v1
Nosso trabalho se resume em encontrar um vetor ortogonal a u1 e que

tenha norma 1. Primeiramente vamos encontrar um vetor ortogonal a u1 .
Ora, pela proposic~ao 12.39, basta tomarmos u2 = v2 v2 , u1 u1 . Note
que u2 = 0, pois v1 e v2 s~ao linearmente independentes. Resta agora
normalizar u2 , isto e, denimos
u2 =
e ent~ao
u1 =
v1
v1
u2
u2
u2 =
v2 v2 , u1 u1
v2 v2 , u1 u1
formam uma base ortonormal de V.

Dado n N, suponha que tenhamos provado o teorema para todos os
espacos euclidianos de dimens~ao n 1. Queremos provar que o mesmo e
verdade para todo espaco euclidiano de dimens~ao n.
Se dim V = n 2 ent~ao existem v1 , . . . , vn V que formam uma base
de V. Note que U = [v1 , . . . , vn1 ] e um subespaco de V de dimens~ao n 1.
Desse modo, usando a nossa hipotese de induc~ao, e possvel tomar uma
base ortonormal de U. Chamemos estes vetores da base ortonormal de U
por u1 , . . . , un1 . Como vn U ent~ao, pela proposic~ao 12.39, o vetor
un = vn vn , u1 u1 vn , un1 un1
e n~ao nulo e ortogonal a todos os elementos de U (portanto, ortogonal a

u1 , . . . , un1 ). Para nalizar, tomamos como base de V os vetores
u1 , . . . , un1 , un
onde
un =
un
vn vn , u1 u1 vn , un1 un1
=
.
un
vn vn , u1 u1 vn , un1 un1
CAPITULO 12. ESPAC

OS EUCLIDIANOS
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-
co pode ser dada pelos vetores
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 polinômios 1, x e x2 . Temos
1
2
1 = 12 dx = 1
0
e colocamos p1 (x) = 1. Seguindo o processo, denimos

p2 (x) =
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
Assim, p2 (x) = 12(x 12 ) = 3(2x 1). Por m, colocamos
x2 x2 , 11 x2 , 3(2x 1) 3(2x 1)
p3 (x) =
,
x2 x2 , 11 x2 , 3(2x 1) 3(2x 1)
181
12.6. PROCESSO DE GRAM-SCHMIDT
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) =
Ex. Resolvido 12.49
Encontre uma base ortonormal de
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).
Desta forma (2, 1, 0) e (0, 0, 1) formam uma base de W.

Tomaremos como u1 = (0, 0, 1), pois este vetor e unitario (tem norma
1). Pelo processo de Gram-Schmidt, u2 e a projec~ao ortogonal unitaria de
(2, 1, 0) sobre u1 , isto e
u2 =
(2, 1, 0) (2, 1, 0), (0, 0, 1)(0, 0, 1)

(2, 1, 0)
2 1
=
= ( , , 0).
(2, 1, 0) (2, 1, 0), (0, 0, 1)(0, 0, 1)
(2, 1, 0)
5 5
CAPITULO 12. ESPAC

OS EUCLIDIANOS
182
Ex. Resolvido 12.50
Encontre uma base ortonormal de
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
(1, 0, 1, 0) (1, 0, 1, 0), ( 12 , 12 , 0, 0)( 12 , 12 , 0, 0)

(1, 0, 1, 0) (1, 0, 1, 0), ( 12 , 12 , 0, 0)( 12 , 12 , 0, 0)
=
u3 =
( 12 , 12 , 1, 0)
1
= (1, 1, 2, 0).
1
1
( 2 , 2 , 1, 0)
6
(1, 0, 0, 1) (1, 0, 0, 1), u1 u1 (1, 0, 0, 1), u2 u2

(1, 0, 0, 1) (1, 0, 0, 1), u1 u1 (1, 0, 0, 1), u2 u2
onde
1
1 1
(1, 0, 0, 1), u1 = (1, 0, 0, 1), ( , , 0, 0) =
2 2
2
1
1
(1, 0, 0, 1), u2 = (1, 0, 0, 1), (1, 1, 2, 0) = .
6
6
Assim,
(1, 0, 0, 1) (1, 0, 0, 1), u1 u1 (1, 0, 0, 1), u2 u2
1
1 1
1 1
= (1, 0, 0, 1) ( , , 0, 0) (1, 1, 2, 0)
2
2 2
6 6
183
12.7. COMPLEMENTO ORTOGONAL
1 1
1 1 1
1 1 1
= (1, 0, 0, 1) + ( , , 0, 0) + ( , , , 0) = ( , , , 1).
2 2
6 6 3
3 3 3
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
Prova: Temos 0 U pois 0, u = 0 para todo u U. Se v, w U e

R, ent~ao para todo u U, temos
v + w, u = v, u + w, u = 0.
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
Encontre U se U = {(x, y, z) R3 ; xyz = 0}.
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.
CAPITULO 12. ESPAC

OS EUCLIDIANOS
184
Assim, (x, y, z) U se somente se

(x, y, z), (1, 1, 0) = 0
ou seja,
{
x+y=0
x+z=0
Assim,
(x, y, z), (1, 0, 1) = 0,
(x, y, z) = x(1, 1, 1).

U = [(1, 1, 1)].
Teorema 12.55 Sejam V um espaco euclidiano de

U um subespaco vetorial de V. Ent~
ao V = U U .
dimens~ao nita e
Prova: Dado v V, seja w a projec~ao ortogonal de v sobre U. Temos

v = w + (v w) e pela proposic~ao 12.39, w U e para todo u U,
v w, u = 0, ou seja, v U + U .
Agora, se u U U ent~ao u, u = 0 e, portanto, u = 0.
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
Exemplo 12.58 (rotac

ao) T : R2 R2
dada por
T (x, y) = (x cos y sen , x sen + y cos )
e uma isometria, onde R.
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:
Sejam U, V espacos euclidianos e T L (U, V). S~ao
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.
CAPITULO 12. ESPAC

OS EUCLIDIANOS
186
(3 = 1) Note que
T (u) + T (v) = T (u) T (v) = u (v) = u + v.
Pela proposic~ao 12.21, temos

1
T (u), T (v) = (T (u) + T (v)2 T (u) T (v)2 )
4
1
= (u + v2 u v2 ) = u, v.
4
(1 = 4) Se {u1 , . . . , un } e um conjunto ortonormal de U ent~ao, como
T e uma isometria, temos
T (ui ), T (uj ) = ui , uj =
{
1,
se i = j
se i = j,
0,
ou seja, {T (u1 ), . . . , T (un )} e um conjunto ortonormal.

(4 = 1) Seja u1 , . . . , un uma base ortonormal de U. Por hipotese,
T (u1 ), . . . , T (un ) formam um conjunto ortonormal. Dados u, v U,
escrevemos
u = 1 u1 + + n un
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
Por outro lado,

u, v =
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
Comparando as express~oes acima, conclumos que T e uma isometria.

Corol
ario 12.60
Se T L (U, V) e uma isometria ent~ao T e injetora.
Prova: Basta ver que se T (u) = 0 ent~ao u = T (u) = 0, portanto,

u = 0.
Corol
ario 12.61 Se T L (U, V)
ent~ao T e um isomorsmo.
e uma isometria e dim U = dim V
Prova: Como U e V têm a mesma dimens~ao e T e injetora, segue-se que

T e uma bijec~ao, isto e, um isomorsmo.
Seja T R2 tal que a matriz de T com relac~ao

a uma base ortonormal de R2 e dada por
Ex. Resolvido 12.62
)
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
CAPITULO 12. ESPAC

OS EUCLIDIANOS
188
Deste modo, T n~ao pode se uma isometria pois, por exemplo, 12 + 22 =
5 = 1.
Vejamos como ca a matriz de uma isometria T L (U) com relac~ao

a uma base ortogonal B = {u1 , . . . , un }. Seja M = [T ]B = (aij ). Como
T (uj ) = a1j u1 + + anj un ,
obtemos
a1i a1j + + ani anj = T (ui ), T (uj ) = ui , uj = ij =
{
1,
0,
se i = j
se i = j
ou seja, as colunas da matriz M quando vistas como vetores do Rn s~ao

ortonormais.
Vale observar tambem que
Mt M = (a1i a1j + + ani anj ) = In .
Uma matriz quadrada com a propriedade acima e chamada de matriz

ortogonal.
Exerccio 12.63 Sejam A, B Mn
In e, portanto, B = A1 .
tais que AB = In . Mostre que BA =
Com base no exerccio acima, vemos que se M Mn e uma matriz

ortogonal ent~ao Mt M = MMt = In e, portanto, M1 = Mt . Observe que
a equac~ao MMt = In nos diz que as linhas da matriz M quando vistas
como vetores do Rn s~ao ortonormais.
Se M e ortogonal ent~ao
(det M)2 = det M det M = det Mt det M = det Mt M = det In = 1,
isto e, | det M| = 1.
12.9. OPERADOR AUTOADJUNTO
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.
Por outro lado,

(x, y), T (z, t) = (x, y), (az + bt, bz + ct) = axz + bxt + byz + cyt.
Comparando as express~oes vemos que

T (x, y), (z, t) = (x, y), T (z, t).
Note que a matriz do operador do exemplo anterior com relac~ao a base

canônica e uma matriz simetrica. Isto, como diz o proximo teorema, n~ao
e uma simples coincidência.
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
Prova: Sejam {u1 , . . . , un } uma base ortonormal e A = (aij ) a matriz de

T com relac~ao a esta base.
Temos
T (uk ) = a1k u1 + + ank un ,
(12.67)
CAPITULO 12. ESPAC

OS EUCLIDIANOS
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)
Por outro lado, tomando o produto interno de ui com T (uj ) temos

ui , T (uj ) = a1j ui , u1 + + anj ui , un = aij .
(12.69)
Suponha que T seja autoadjunto. Queremos mostrar que aij = aji .

Como T e autoadjunto, segue de 12.68 e de 12.69 que aij = aji .
Reciprocamente, suponha que a matriz (aij ) de T com relac~ao a uma
base ortonormal, u1 , . . . , un seja simetrica. Devemos mostrar que
T (u), v = u, T (v).
Note que se
u = 1 u1 + + n un
v = 1 u1 + + n un ,
ent~ao, como o produto interno e linear em cada variavel e a base acima e

ortonormal, temos
T (u), v =
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
Desta forma, basta mostrar que T (ui ), uj = ui , T (uj ). Como (aij ) e a

matriz de T com relac~ao a esta base, temos por 12.68 e 12.69 que
T (ui ), uj = ui , T (uj ),
como queramos.
12.9. OPERADOR AUTOADJUNTO
191
Se T L (U) e um operador autoadjunto e se e

s~ao autovalores distintos de T ent~ao os autovetores correspondentes
s~ao ortogonais.
Teorema 12.70
Prova: Sejam u e v autovetores correspondentes a e respectivamente.
Temos
( )u, v = u, v u, v = T (u), v u, T (v) = 0
pois T e autoadjunto. Como = , segue-se que u, v = 0.

Finalizamos este captulo com o seguinte resultado que provaremos
apenas no caso bidimensional. O caso unidimensional e trivial. Para a

prova no caso geral, indicamos a leitura do livro Algebra
Linear, de Elon
L. Lima, Colec~ao Matematica Universitaria [L].
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.
Seja u, v uma base ortonormal de U.

Sabemos pelo teorema 12.66 que a matriz de T e simetrica, ou seja, da
forma
(
)
Prova do caso bidimensional:
A=
a b
.
b c
Desta forma, o polinômio caracterstico de T e da forma

pT () = 2 (a + c) + ac b2 .
Como
(a + c)2 4(ac b2 ) = a2 + c2 2ac + 4b2 = (a c)2 + 4b2 0
CAPITULO 12. ESPAC

OS EUCLIDIANOS
192
vemos que pT () so apresenta razes reais. Se a = c e b = 0 ent~ao A = aI

e a propria base u, v serve para provar o teorema.
Agora, se a = c ou b = 0 ent~ao pT () possui duas razes reais distintas, isto e, T apresenta dois autovalores distintos. Pelo teorema 12.70 os
autovetores correspondentes s~ao ortogonais. Basta tomar como base dois
autovetores unitarios correspondentes a cada um dos autovalores.
12.10
Exerccios
Verique, em cada um dos itens abaixo, se a aplicac~ao ,

e um produto interno no espaco vetorial V.
Ex. 12.72
1. V = R2 , u = (x1 , y1 ), w = (x2 , y2 ) e u, w = 2x1 x2 + 4y1 y2 .

2. V = P3 (R), p(t) = a0 +a1 t+a2 t2 +a3 t3 , q(t) = b0 +b1 t+b2 t2 +b3 t3
e p, q = a0 b0 + a1 b1 + a2 b2 + a3 b3 .
3. V = M2 , A, B M2 e A, B = tr(At B), onde tr(A) e o traco de
A.
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
Para cada um dos itens abaixo determinar;
a) u, v
b) u, v
c)
o ângulo entre u e v.
1. V = R3 , com o produto interno usual, u = (1, 2, 1), v = (3, 4, 2).

2. V = P2 (R), com produto interno p, q =
p(t) = 1 + t + 4t2 , v = q(t) = 2 + 5t2 .
1
0
p(t)q(t) dt, u =
12.10. EXERCICIOS
193
(
3. V = M2 , com produto interno A, B = tr(At B) , A =

(
)
8 1
4 3
B=
Ex. 12.74
)
1 2
4 12
Em cada um dos itens abaixo determinar d(u, v).
1. V = R4 com o produto interno usual, u = (1, 1, 1, 1), v = (1, 0, 2, 3).

v=
3
t
4
1
0
p(t)q(t) dt , u = 1+t,
+ 3t .
3. V = M3 , com produto interno A, B = tr(At B) ,
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
o subconjunto S do espaco com produto in-
1. V = R3 , com o produto interno usual , S = {(0, 1, 1), (1, 1, 0)} .

2. {V = }P2 (R), com produto interno p, q =
2
t, t
1
0
p(t)q(t) dt
, S=

{(
S=
) (
1 0
0 0
) (
0 1
0 1
)}
0 0
1 0
Com relac~ao ao exerccio anterior, quais conjuntos s~ao

ortonormais?
Ex. 12.76
CAPITULO 12. ESPAC

OS EUCLIDIANOS
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. V = R4 , com o produto interno usual ,

W = [(1, 1, 0, 0), (0, 1, 2, 0), (0, 0, 3, 4)].
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
Determine m R de modo que T : R3 R3 dada por
1
1
1
2
1
1
1
T (x, y, z) = ( x + y + mz, x + y z, x + z)
3
3
6
6
6
2
2
seja uma isometria.

Ex. 12.79
Determinar uma
em P2 (R) cuja matriz em re isometria
1
1
lac~ao a base canônica e

determinados).
2
0
x
0
y
1
z
(onde x, y, z R devem ser
Verique se T : M2 M2 dada por T (A) = At , A M2 , e

uma isometria.
Ex. 12.80
Ex. 12.81
Mostre que o conjunto innito

{1, cos x, cos 2x, cos 3x, . . . , sen x, sen 2x, sen 3x, . . . }
12.10. EXERCICIOS
195
e um conjunto ortogonal no espaco das fun

c~oes contnuas C([0, 2], R)
2
com relac~ao ao produto interno f, g = 0 f(x)g(x)dx.
A partir do conjunto acima encontre um conjunto ortonormal
deste espaco. Conclua da que C([0, 2], R) tem dimens~ao innita.
196
CAPITULO 12. ESPAC

OS EUCLIDIANOS
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
ângulo, 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 canônica 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
distância, 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
polinômio 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

Alglin

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Alglin

Enviado por

Direitos autorais:

Formatos disponíveis



1.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 5

2.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 15

3.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 27

4.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 35

5.3 Dimens~ao de Soma de Subespacos Vetoriais . . . . . . . . . 49

6.1 Introduc~ao, Exemplos e Propriedades . . . . . . . . . . . . . 59

9.1 De nic~ao, Exemplos e Propriedades . . . . . . . . . . . . . 125

10.1 De nic~ao e Caracterizac~ao . . . . . . . . . . . . . . . . . . . 139

11.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 153

11.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160

12.1 Produto Interno . . . . . .

este captulo introduziremos o conceito de espaco vetorial que sera

Diremos que um conjunto V como acima munido de

existe um elemento 0 V tal que 0 + u = u para todo u V;

para cada u V existe v V tal que u + v = 0;

ent~ao, combinando estas equac~oes com as propriedades AL,AL e

As quatro primeiras propriedades referem-se apenas

A rigor, a de nic~ao de espaco vetorial que demos

que os escalares sejam apenas numeros reais. A noc~ao de espaco

Um outro exemplo de espaco vetorial, alem dos dois apresentados no

e o produto de uma n-upla x = (x1 , . . . , xn ) por um escalar R por

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

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

2. Sejam A R e F (A; R) o conjunto de todas as funco~es f : A R.

do que os anteriores e por isso mostraremos as oito propriedades. Como

2. x (y z) = x (yz) = x(yz) = (xy)z = (x y)z = (x y) z para

6. (+) x = x+ = x x = x x = ( x) ( x) para quaisquer

Das oito propriedades que de nem um espaco vetorial podemos concluir

Seja V um espaco vetorial. Temos

1. Temos 0 = (0 + 0) = 0 + 0 pelas propriedades AL! e AL%.

3. Se = 0 ent~ao pelas propriedades AL& e AL# e pelo item 1 desta

e o item 2 desta proposic~ao, obtemos

A prova dos outros resultados e deixada como exerccio.

vetorial. Mostre que se V = {0}

Veri que se em cada um dos itens o conjunto V com as

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

4. V = {f : R R; f(x) = f(x), x R}, operaco~es usuais de funco~es.

6. V = R2 , (x1 , y1 )+(x2 , y2 ) = (2x1 2y1 , y1 x1 ), (x, y) = (3x, x.)

8. V = (x, y, z, w) R4 ; y = x, z = w2 , operaco~es usuais de R4 .

Termine a demonstrac~ao da proposic~ao 1.7.

uitas vezes nos depararemos com certos subconjuntos de um espaco

Seja V um espaco vetorial. Dizemos que W V e um

Se u W ent~ao u W para todo R.

tiva, associativa, distributivas e AL& s~ao herdadas do proprio espaco

. Finalmente, se u W ent~ao u = (1)u W pelo item 4 da

Note que W e subespaco vetorial de V se e somente

Vejamos alguns outros exemplos:

Seja Pn Pn , dado por Pn = {p(x) Pn ; p(0) = 0}.

Veri quemos que Pn e, de fato, um subespaco vetorial de Pn .

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

Veri quemos que S = {(x, y, z) R3 ; x + y + z = 0} e um

 claro que (0, 0, 0) satisfaz 0 + 0 + 0 = 0.

3. Se (x, y, z) S ent~ao x + y + z = (x + y + z) = 0 para qualquer

1. Claramente a func~ao nula satisfaz 0 0 = 0;

Deixamos como exerccio a veri cac~ao de que os seguintes exemplos

das func~oes contnuas da reta na reta, desubespaco vetorial de F (R; R).

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

e um subespaco vetorial de C([a, b]; R).

com m n. Ent~ao Pm e um su-

Ainda usando a notac~ao acima, suponha que V seja um subespaco

Note que trivialmente {0} U W se U e W s~ao

Queremos mostrar que tal decomposic~ao e unica. Suponha que existam

1.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 5

2.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 15

3.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 27

4.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 35

5.3 Dimens~ao de Soma de Subespacos Vetoriais . . . . . . . . . 49

6.1 Introduc~ao, Exemplos e Propriedades . . . . . . . . . . . . . 59

9.1 Denic~ao, Exemplos e Propriedades . . . . . . . . . . . . . 125

10.1 Denic~ao e Caracterizac~ao . . . . . . . . . . . . . . . . . . . 139

11.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 153

11.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160

este captulo introduziremos o conceito de espaco vetorial que sera

ent~ao, combinando estas equac~oes com as propriedades AL,AL e

A rigor, a denic~ao de espaco vetorial que demos

que os escalares sejam apenas numeros reais. A noc~ao de espaco

Um outro exemplo de espaco vetorial, alem dos dois apresentados no

2. Sejam A R e F (A; R) o conjunto de todas as funco~es f : A R.

Das oito propriedades que denem um espaco vetorial podemos concluir

Seja V um espaco vetorial. Temos

e o item 2 desta proposic~ao, obtemos

A prova dos outros resultados e deixada como exerccio.

Verique se em cada um dos itens o conjunto V com as

4. V = {f : R R; f(x) = f(x), x R}, operaco~es usuais de funco~es.

8. V = (x, y, z, w) R4 ; y = x, z = w2 , operaco~es usuais de R4 .

Termine a demonstrac~ao da proposic~ao 1.7.

uitas vezes nos depararemos com certos subconjuntos de um espaco

Seja V um espaco vetorial. Dizemos que W V e um

tiva, associativa, distributivas e AL& s~ao herdadas do proprio espaco

Note que W e subespaco vetorial de V se e somente

Veriquemos que Pn e, de fato, um subespaco vetorial de Pn .

Veriquemos que S = {(x, y, z) R3 ; x + y + z = 0} e um

claro que (0, 0, 0) satisfaz 0 + 0 + 0 = 0.

1. Claramente a func~ao nula satisfaz 0 0 = 0;

Deixamos como exerccio a vericac~ao de que os seguintes exemplos

das func~oes contnuas da reta na reta, desubespaco vetorial de F (R; R).

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

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

com m n. Ent~ao Pm e um su-

Ainda usando a notac~ao acima, suponha que V seja um subespaco

Queremos mostrar que tal decomposic~ao e unica. Suponha que existam

Note que W e de fato um subespaco vetorial de R3 pois W = {(x, y, z)

Finalmente, (0, 0, 0) W, o que conclui a prova de que W e um subespaco vetorial.

Considere os subespacos de R3 dados por

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

se U1 , . . . , Un s~ao subespacos vetoriais.

Dado p(x) P2 , temos p(x) = a0 + a1 x + a2 x2 , para certos coecientes

Verique se em cada um dos itens abaixo o subconjunto

1. Se W1 e W2 s~ao susbespacos de um espaco vetorial V ent~ao W1 W2

2. Sejam W1 e W2 subespacos de um espaco vetorial V. Ent~ao W1 W2 e

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

Em P2 , o polin^omio p(x) = 2 + x2 e uma combinac~ao

Verique que em P2 , o polin^omio p(x) = 1 + x2 e uma

Precisamos encontrar numeros reais , e tais que p(x) = q1 (x) +

que e equivalente ao sistema

e T subconjuntos n~ao-vazios de um espaco

3. Pelo item 1 desta proposic~ao, [S] [[S]]. Seja u [[S]]. Segue da

4. Pelo item 1, S [S]. Seja u [S]. Ent~ao u e uma combinac~ao linear

Dizemos que um espaco vetorial V e nitamente gerado

S~ao exemplos de espacos vetoriais nitamente gerados:

3. Mmn e gerado pelas matrizes Ekl = ((k,l)

Devemos mostrar que qualquer u V se escreve como uma combinac~ao

Veremos mais adiante que este e o numero mnimo de geradores para

Para cada um dos subconjuntos S V , onde V e o espaco

Verique se P2 (R) e gerado por 1 + x, x + 2x2 e 1 x2 .

o captulo anterior ao estudarmos os geradores de um espaco vetorial

e uma sequ^encia l.d., onde O e o

Basta vericar que 1O + 0u1 + + 0un = O.

preciso vericar quais s~ao as possveis soluco~es de

que possui como unica soluc~ao, = = = 0. Logo, a sequ^encia acima

Encontre uma condic~ao necessaria e suciente para que os vetores

possua soluc~ao unica e, como se sabe, isto e equivalente que a matriz

Enuncie e demonstre um resultado analogo ao exemplo

Verique se as matrizes

que possui como soluc~ao (, , ) = (, , ) para qualquer R. Dessa

Verique se as func~oes cos e sen s~ao l.d. em C1 (R; R).

Como cos e sen s~ao funco~es denidas em R, a combinac~ao nula

signica que cos x + sen x = 0 para todo x R. Em particular, para

Verique se as func~oes cos2 , sen 2 , 1 s~ao linearmente

resulta que as funco~es acima s~ao l.d..

Se u1 , . . . , un s~ao l.d. em um espaco vetorial V ent~ao