lgebra Linear 1 (AG1M4) e 2 (AG2M5) - IFSP-SP

Victor Rodrigues de Oliveira

oliveira.victorr@msn.com

Sumrio
1 Espaos Vetoriais
1.1 Subespaos vetoriais . . . . . . . . .
1.2 Independncia e Dependncia Linear
1.3 Subespao gerado . . . . . . . . . . .
1.4 Bases . . . . . . . . . . . . . . . . . .
1.5 Dimenso . . . . . . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

2 Espaos vetoriais Euclidianos

2.1 Produto interno . . . . . . . . . . . . . . . . . . . . .
2.2 Norma de um vetor . . . . . . . . . . . . . . . . . . .
2.2.1 Distncia entre dois vetores . . . . . . . . . .
2.3 ngulo entre dois vetores . . . . . . . . . . . . . . . .
2.3.1 Vetores Ortogonais . . . . . . . . . . . . . . .
2.3.2 Conjunto de vetores ortogonais . . . . . . . .
2.4 Bases ortogonais e ortonormais . . . . . . . . . . . .
2.4.1 Processo de ortogonalizao de Gram-Schmidt
2.5 Complemento ortogonal . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

3
3
3
4
4
5

.
.
.
.
.
.
.
.
.

5
5
6
6
6
6
6
7
7
8

3 Transformaes Lineares
8
3.1 Ncleo e Imagem de uma transformao linear . . . . . . . . . . . . . . . . . . . 9
3.2 Teorema do Ncleo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Matriz de uma transformao linear . . . . . . . . . . . . . . . . . . . . . . . . . 10
4 Operaes com transformaes lineares
11
4.1 Transformaes lineares planas . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.2 Transformaes lineares espaciais . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5 Operadores Lineares
5.1 Operadores Inversveis . . .
5.2 Matriz de mudana de base
5.3 Operadores ortogonais . . .
5.4 Operadores simtricos . . .
5.5 Autovalores e Autovetores .
5.6 Matriz Diagonal . . . . . . .
5.7 Polinmio caracterstico . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

16
16
17
17
18
19
19
20

Espaos Vetoriais

Um Espao Vetorial E um conjunto de elementos chamados de vetores. A operao de

soma entre esses vetores e de sua multiplicao por um nmero real deve obedecer os seguintes
axiomas:
comutatividade:
u+v =v+u
associatividade:
(u + v) + w = u + (v + w)
vetor nulo:
Existe um vetor 0 E ,chamado vetor nulo, ou vetor zero, tal que v + 0 = 0 + v = v para
todo v E
inverso aditivo:
Para cada vetor v E existe um vetor v E chamado inverso aditivo ou vetor simtrico
tal que v + (v) = v + v = 0
distributividade:
( + ) v = v + v e (u + v) = u + v
multiplicao por 1:
1v =v

1.1

Subespaos vetoriais
Um subespao vetorial de E um conjunto F E com as seguintes propriedades:

1. 0 F;
2. Se u, v F ento u + v F;
3. v F ento, para todo R, temos que v F.

1.2

Independncia e Dependncia Linear

Seja E um espao vetorial. Diz-se que um conjunto X E linearmente independente

(L.I.) quando nenhum vetor v X combinao linear de outros vetores de X .
Por definio, se X = v, v L.I., para v 6= 0. Quando X L.I. dizemos que v X
L.I. Quando um conjunto L.I. seus elementos so todos diferentes de 0, pois o vetor nulo
combinao linear de quaisquer outros vetores:
0 = v1 1 + v2 2 , , vn n
1 = 2 = = n = 0

Definio 1.1. : Seja X um conjunto L.I. no espao vetorial E.

n
X

i vi = 0 1 = 2 = = n = 0

i=1

Definio 1.2. Sejam v1 , , vn E. Se nenhum deles combinao linear dos outros, ento
X = {v1 , , vn } L.I.
Vem da Definio 2 que um conjunto X E linearmente dependente (L.D.) quando
no L.I., o que significa que algum dos vetores em X combinao linear de outros vetores,
ou que X = {0}. Sendo assim, para que um conjunto X seja L.D. necessrio que exista uma
combinao linear de vetores nula 1 v1 + + n vn = 0, sendo v1 , , vn X com algum
i 6= 0, i = 1, , n. Se o conjunto X possuir o vetor nulo, ento necessariamente L.D.

1.3

Subespao gerado

Seja V um espao vetorial e A = {v1 , , vn } um sub-conjunto no vazio de V. Dizemos

n
P
que um dado [A] =
i vn ( R e i = 1, , n), ou seja, o conjunto de todas as combii=1

naes lineares de v1 , , vn V , subespao vetorial de V e tambm chamado de subespao

gerado por A.
Se existe A V tal que V = [A], dizemos que V gerado por A, ou que A gerador de
V. Se A V finito, dizemos que V finitamente gerado.
Definio 1.3. Seja V um espao vetorial sobre R. Um subconjunto B V chamado de base
de V se B gera V sendo B L.I.

1.4

Bases

Sejam V um espao vetorial sobre o conjunto R dos reais e B R um conjunto no-vazio.

Dizemos que B gera V se todo elementos de V so combinaes lineares de um nmero finito
de vetores de B.
Dado um conjunto B = {v1 , . . . , vn } V possvel adicionar um vetor em B de tal modo
que B se torne gerador se V. Para tanto basta que o vetor a ser adicionado seja L.I. em relao
aos vetores existentes em B.
Assim, todo espao vetorial finitamente gerado possui uma base com vetores L.I. B. A
base ser constituda de vetores L.I. a garantia de que os vetores gerados por essa base sero
escritos de maneira nica.
Ainda, tendo B = {v1 , . . . , vn } base ordenada de V, escrevemos V = {1 , . . . , n }B , com
(1 , . . . , n ) R.

1.5

Dimenso

Se V finitamente gerado, chama-se dimenso de V (Notao: dimV) o nmero de elementos de uma base qualquer de V. Se no for finitamente gerado, diz-se que sua dimenso
infinita.

Espaos vetoriais Euclidianos

Um espao vetorial sobre os reais onde est definido o produto interno entre vetores
chamado de espao vetorial euclidiano.

2.1

Produto interno

chamado de produto interno em um espao vetorial V a operao que associa dois vetores u, v V a um numero real, e denotada por hu, vi.
Em geral

n
P

i ui vi , (i 6= 0, i = 1, . . . , n) um produto interno do Rn .

i=1

Seja V um espao vetorial sobre R, o produto interno em V uma funo

h., .iV V R
(u, v) 7 hu, vi

que satisfaz os seguintes axiomas u, v, w V e R:

1. hu, vi = hv, ui;
2. hu + v, wi = hu w, v wi;
3. hu, vi = hu, vi;
4. hu, vi > 0 e hu, ui = 0 u = 0.
Dos axiomas acima vem as seguintes propriedades:
1. hu + v, wi = hw, u + vi;
2. hu, .vi = hv, ui;
3. h0, ui = 0, u V.
Obs.: Em C-espao vetorial com produto interno definido, temos que :

hu, vi = hu, vi
hu, vi =
e

hu, vi = hu, vi
onde hu, vi o conjugado de hu, vi e o conjugado de .
5

2.2

Norma de um vetor

Seja V um espao vetorial euclidiano.

Norma (ou mdulo) de um vetor v V, denotado
p
por k u k ou | u |, o nmero real hu, ui.
Propriedades: Seja V um espao vetorial euclidiano. Para todo u, v V e R temos:
1. |v| > 0 e |v| = 0 v = 0;
2. | v| = || |v|;
3. |u + v| 6 |u| + |v| (Desigualdade Triangular);
4. |hu, vi| 6 |u| |v| (Desigualdade de Cauchy-Schwarz):

v

Temos que, para v V com v 6= 0,
|v| = 1, ou seja, igual ao vetor unitrio.
2.2.1

Distncia entre dois vetores

Chama-se distncia entre dois vetores (u e v) e denotado por d(u v), o numero real
| (u v)|. Portanto d(u v) = |(u v)|.

2.3

ngulo entre dois vetores

Sejam V um espao vetorial euclidiano e u, v V no nulos. O ngulo , 0 < < , tal

hu, vi
chamado de ngulo entre u e v.
que cos =
|u||v|
hu, vi
Logo = arccos
.
|u||v|
2.3.1

Vetores Ortogonais

Dois vetores u e v pertencentes a um dado espao vetorial euclidiano V so ditos ortogonais (u v) se e somente se hu, vi = 0.
Propriedades:
1. O vetor 0 V ortogonal a qualquer vetor.
2. R, h u, vi = 0 = hu, vi, logo u v u v;
3. Em geral u, v V com u, v w u + v w, , R
2.3.2

Conjunto de vetores ortogonais

Seja V um espao vetorial euclidiano. Um conjunto A V dito ortogonal se u

v, u, v V, com u 6= 0, ou seja, A ortogonal se os vetores de A foram dois a dois ortogonais.
Dada a definio, temos que todo conjunto ortogonal de vetores no nulos L.I.. Tambm
temos que, sendo V um espao vetorial de dimenso finita n, se B com B V for um conjunto
6

ortogonal com n elementos, ento B base de V.

2.4

Bases ortogonais e ortonormais

Seja V um espao vetorial euclidiano, sabemos que uma base B de V dita ortogonal
se os vetores de B forem ortogonais. Se alm disso, |u| = 1, u B, B chamado de base
ortonormal de V.

2.4.1

Processo de ortogonalizao de Gram-Schmidt

Sejam V um espao vetorial euclidiano e B = {v1 , . . . , vn } uma base qualquer de V. Queremos A = {u1 , . . . , un } base ortogonal de V a partir de B.

un = vn

n1
X
hvn , ui i
i=1

|ui |2

ui

Ou seja:
u1 = v1
hv2 , u1 i
u1
|u1 |2
hv3 , u1 i
hv3 , u2 i
u3 = v3
u1
u2
2
|u1 |
|u2 |2

u2 = v2

Logo:
un = vn

hvn , un1 i
hvn , u1 i
u1
un1
2
|u1 |
|un1 |2

Assim, esse processo chamado de ortogonalizao de Gram-Schmidt. A partir do conceito

acima, possvel obter os coeficientes que geram um determinado vetor a partir de uma base
dada.
Sejam V um espao vetorial euclidiano, B = {v1 , . . . , vn } uma base ortogonal de V, e u V.
Ento u = 1 v1 , . . . , n vn , 1 , . . . , n R :
hu, v1 i = h1 u1 + + n un , v1 i
hu, v1 i = 1 hu1 , v1 i + + n hun , v1 i
hu, v1 i
.
hu, v1 i = 1 |v1 |2 1 =
|v1 |2
Analogamente para i = 1, 2, . . . , n:
n =

hu, v1 i
hu, vn i
v1 + +
vn
2
|v1 |
|vn |2
7

ou
n
X
i=1

E se B ortonormal, ento:

n
P

hu, vi i
vi
|vn |2

hu, vi i vi .

i=1

2.5

Complemento ortogonal

Sejam V um espao vetorial euclidiano e S um subconjunto no-vazio de V. O conjunto

S = {u V/u S} chamado ortogonal a S. Sabemos ento que se um vetor u V
ortogonal a um conjunto B, sendo B L.I., significa que ele tambm ortogonal ao espao gerado
por B. E tambm correto deduzir que sendo u V e u V ento u = 0.
Se S subespao vetorial de V, ento V = S + S , e portanto V = S S , j que
S S = {}.

Transformaes Lineares

Definio 3.1. Sejam U e V espaos vetoriais (de dimenso finita ou no) sobre R. Uma funo T:U V chamada transformao (ou aplicao) linear se u, v U, R, tem-se :
T (u + v) = T (u) + T (v)
e
T (.u) = .T (u)
Obs.: Uma transformao linear uma funo entre espaos vetoriais em que se preservam
as operaes.
Sejam U e V espaos vetoriais sobre R:
Id : U U
Id(u) = u
e
T :UU
T (u) = 0
So aplicaes lineares chamadas identidade e nula respectivamente. Com efeito, u, v
U e R, temos:

Id(u + v) = u + v = Id(u) + Id(v);
Id(.u) = .u = .Id(u).
e


T (u + v) = 0 + 0 = T (u) + T (v);
T (u) = 0 = .0 = T (0)

Propriedades: Seja T : U V uma transformao linear. Ento:

1. T (0) = 0; (T (0) = 0U )
2. T linear se e somente se:
T (.u + v) = .T (u) + T (v) u, v U, R
3. Se T : U V linear, ento u, v U e , R temos:
T (.u + .v) = .T (u) + .T (v)
4. Se T : U V linear ento n N, n > 2, u1 , , un U, 1 , , n R temos
n
n
P
P
T( i .ui ) =
i .T(ui ).
i=1

i=1

Obs.: Uma transformao linear T : U V fica completamente definida quando conhecemos

as imagens dos vetores de uma base.
fato,se B = {u1 , , un } base de U e u U ento
 De
n
n
n
P
P
P
i .ui , e portanto, T (u) = T
i .ui =
i .T (ui ). Desse modo, obtemos todas as
u=
i=1

i=1

i=1

outras imagens em funo das combinaes lineares das imagens da base.

3.1

Ncleo e Imagem de uma transformao linear

T : U V uma aplicao linear;

ImT : imagem de T;
ImT = {T (u) : u U}; (= T(u))
KerT (ou N ucT ) : ncleo ou kernel de T;
KerT = {u U : T (u) = 0}1
Obs.:
1. KerT U e ImT V
2. Como T (0v ) = 0v , segue que KerT 6= 0 e ImT 6= 0
3. Uma aplicao linear T : U V bijetora2 chamada de isomorfismo. Nesse caso U e V
so ditos isomorfos, e denotado por U ' V
Proposio 1. Seja T : U V uma transformao linear. O ncleo e a imagem de T so
subespaos vetoriais de U e V respectivamente. Isso vem do fato do vetor nulo pertencer tanto
ao ncleo quanto imagem.
Demonstrao. isso uma prova?
Proposio 2. Seja T:U V uma transformao linear. T injetora se e somente se
kerT = {0}.
1

O Ncleo o conjunto de vetores pertencentes ao domnio que, numa transformao linear, sua imagem
o vetor nulo.
2
Uma funo (f : A B) bijetora se for injetora (xa 6= xb f (a) 6= f (b)) e sobrejetora (Imf=B (y
B, x A/y = f (x)).

Sejam U e V espaos vetoriais reais e T:U V uma transformao linear:

Se {T (u1 ), . . . , T (un )} V L.I., ento {u1 , . . . , un } L.I.
T injetora se e somente se T leva cada conjunto L.I. de U e um subconjunto L.I. de V.
Seja T:U V uma aplicao linear. Se {u1 , . . . , un } base de U ento, {T (u1 ), . . . , T (un )}
imagem de T.
Corolrio: Se T:U V uma aplicao linear injetora e B={u1 , , un } uma base de U,
ento T(B)= {T (u1 ), . . . , T (un )} uma base de ImT.
Corolrio: Seja T:U V uma transformao linear com U e V de dimenso finita n. T
injetora se e somente se T sobrejetora.

3.2

Teorema do Ncleo e Imagem

Sejam U e V espaos vetoriais sobre R, U de dimenso finita, e T:U V uma transformao

linear. Ento:
dimU = dimKerT + dimImT

3.3

Matriz de uma transformao linear

Sejam U e V espaos vetoriais reais com dimU = n e dimV = m. Sejam T:U V uma
transformao linear, A = {u1 , , un } uma base de U e B = {v1 , , vn } uma base de V.
Chama-se matriz T nas bases A e B, e denotada por [T ]AB (ou [T ]BA ), a matriz que leva as
respectivas imagens de T obtidas dos vetores de u A a serem escritas em termos de vetores
da base B.
Fazendo:

1
1
2

u = (1 , 2 , . . . , n )A [u]A = .. e T (u) = (1 , . . . , n )B [T (u)]B = ...

.
n
n
temos [T ]AB [u]A = [T (u)]B , ou seja:

a11 a12 a1n
1
1
a21 a22 a2n 2 2

..
..
.. .. = ..
.
.
.
.
.
. . .
am1 am2 amn
n
n
Obs.:
1. [T ]AB transforma vetores de U escritos na base A em vetores de V na base B;
2. A j-sima coluna de [T ]AB formada pelas coordenadas da imagem do i-simo vetor de
A em relao base B;
10

3. Se T : U V uma aplicao linear, dimU = n e dimV = m, a matriz [T ]AB do tipo

m n;
4. Mudando-se as bases muda-se a matriz, mas fixado um par de base a matriz da
transformao nica.
5. Se T : U V linear, dimU = n e A base de U, ento:
[T ]AA tambm escrita [T ]A ;
[T ]A quadrada de ordem n.
6. Se T : U V linear e U e V admitem bases cannicas (finitas), A e B
respectivamente, ento escreveremos [T ] em vez de [T ]AB .
7. Se dimU = n, B = {v1 , . . . , vn } base de V. Id : V V transformao identidade,
ento [Id]B = In , ou seja

Id(v1 ) = (1, 0, 0, , 0)B

1 0 0 0

Id(v2 ) = (0, 1, 0, , 0)B

0 1 0 0

.. .. .. . . .. = Idn
..

.
.
. . .
.

Id(v ) = (0, 0, 0, . . . , 1)
0 0 0 1
n
B

Operaes com transformaes lineares

1. Adio:
Sejam S, T : U V duas aplicaes lineares. A aplicao S + T : U V definida por
(S + T )(u) = S(u) + T (u), u U chamada soma de S e T . fcil provar que se U e V
tem dimenses finitas, A base de U e B base de V, ento.
[S + T ]AB = [S]AB + [T ]AB

2. Multiplicao por escalar:

Sejam T : U V uma transformao linear e R. A aplicao T : U V definida por
( T )(u) = T (u) chamada produto de por T . Se U e V tem dimenso finita, A e B so
bases de U e V respectivamente, possvel mostrar que
[ T ]AB = [T ]AB
.
Sejam U e V espaos vetoriais sobre R. O conjunto de todas as transformaes lineares de
U em V denotado por L(U, V), ou seja,
L(U, V) = {T : U V/T transformao linear}
L(U, V) munido das operaes de adio e multiplicao por escalar anteriormente definidas

11

um espao vetorial sobre R. Em particular L(U, R) denotada por U . As transformaes de

U so chamadas de formas, ou funcionais lineares. Assim,
U = {f : U R/f aplicao linear}

Obs.:
Se dimU = n e dimV = m ento dimL(U, V) = m n. Em particular,
dimU = dimU dimR = n 1 = n.
3. Composio:
Dadas duas transformaes lineares T : U V e S : V W, a aplicao S T : U W,
composta de S com T , linear.
Obs.:
1. Pode-se escrever ST em vez de S T .
2. Se U, V e W so espaos vetoriais de dim < , A, B e C bases de U, V e W
respectivamente, e T : U V e S : V W so transformaes lineares, possvel
provar que:
[S T ]AC = [S]BC [T ]AB
Em particular, se U, V e W tem bases cannicas, ento:
[S T ] = [S] [T ]
3. Podemos tomar a composta de 3 ou mais transformaes lineares.
4. Se T : U V linear e n N, n > 2, ento T n = T T T , n vezes e T 0 = Id.
Se p(x) = a0 + a1 x + a2 x2 + + an xn um polinmio, ento
p(T ) = a0 Id + a1 T + a2 T 2 + + an T n uma transformao linear de U em V.
Obs.: T : U V operador linear de U em V e n N, U com dim < e B base de U:
[T n ]B = [T ]nB
Sejam U e V espaos vetoriais reais de dimenso finita, e T : U V uma transformao
linear:
T injetora dimU 6 dimV;
T sobrejetora dimU > dimV;
T bijetora dimU = dimV.
Sejam U e V espaos vetoriais reais de dimenso finita, A e B bases de U e V
respectivamente e T : U V uma aplicao linear. T isomorfismo det[T ]AB 6= 0.
Sejam U e V espaos vetoriais reais de dimenso finita, A e B bases de U e V
respectivamente e T : U V um isomorfismo (T linear e bijetora).
12

1. T 1 : V U isomorfismo;
2. det[T ]AB 6= 0;
3. [T 1 ]BA = [T ]AB .
importante notar que, toda transformao definida por combinaes lineares dos vetores
do domnio linear.

4.1

Transformaes lineares planas

T : R2 R2

Reflexes:
1. Em torno do eixo x:


1 0
T (x, y) = (x, y)
0 1
det[T ] 6= 0 T isomorfismo.
T 1 = T
2. Em torno do eixo y:


1 0
T (x, y) = (x, y)
0 1

det[T ] 6= 0 T isomorfismo.
T 1 = T
3. Em torno da origem:



1 0
T (x, y) = (x, y)
0 1
det[T ] 6= 0 T isomorfismo.
T 1 = T
4. Em torno da reta y = x:


0 1
T (x, y) = (y, x)
1 0
det[T ] 6= 0 T isomorfismo.
T 1 = T

13

5. Em torno da reta y = x:



0 1
T (x, y) = (y, x)
1 0
det[T ] 6= 0 T isomorfismo.
T 1 = T
Dilatao e contrao:
1. Na direo do vetor:
T (x, y) = (x, y), R


0
[T ] =
0

T isomorfismo se 6= 0
[T ]1 (x, y) = ( 1 x, 1 y)
|| > 1 dilatao :
0 < || < 1 contrao :


> 1 : No sentido do vetor

< 1 : No sentido contrrio

0 < < 1 : No sentido do vetor

1 < < 0 : No sentido contrrio

= 1 : Identidade
= 1 : Reflexo em torno da Origem

Obs.: chamado de fator

2. Na direo do eixo x:
T (x, y) = (x, y), > 0



0
[T ] =
0 1
T isomorfismo, e [T ]1 (x, y) = ( 1 x, y)

= 1 : Identidade;
> 1 : Dilatao;

0 < < 1 : Contrao.

Cisalhamento3 :
1. Na mesma direo do eixo x:
T (x, y) = (x+ y, y), R
1
[T ] =
, T isomorfismo e T 1 (x, y) = (x y, y)
0 1
3

Quadrado vira losango e etc...

14

2. Na direo do eixo y:
T (x, y) = (x, y + x)
1 0
[T ] =
, T isomorfismo e T 1 (x, y) = (x, y x)
1
Rotao em torno da origem, de ngulo: :
R (x, y) = (x cos y sin , x sin + y cos )


cos sin
[R ] =
, T isomorfismo e R (x, y)1 = R (x, y)
sin cos

4.2

Transformaes lineares espaciais

T : R3 R3

Reflexes:
1. Em torno dos eixos coordenados:
i Em torno do eixo Oxy:
T (x, y, z) = (x, y, z), T isomorfismo, e T 1 = T .
ii Em torno do eixo Oxz:
T (x, y, z) = (x, y, z), T isomorfismo, e T 1 = T .
iii Em torno do eixo Oyz:
T (x, y, z) = (x, y, z), T isomorfismo, e T 1 = T .
2. Em torno dos eixos:
i Em torno do eixo Ox:
T (x, y, z) = (x, y, z), T isomorfismo, e T 1 = T
ii Em torno do eixo Oy:
T (x, y, z) = (x, y, z), T isomorfismo, e T 1 = T
iii Em torno do eixo Oz:
T (x, y, z) = (x, y, z), T isomorfismo, e T 1 = T
3. Em torno da origem O:
T (x, y, z) = (x, y, z), T isomorfismo, e T 1 = T
4. Rotaes:

15

i Em torno do eixo Oz:

T (x, y, z) = (x cos y sin , y cos + x sin , z)

cos sin 0
[T ] = sin cos 0
0
0
1
ii Em torno do eixo Ox:
T (x, y, z) = (x, y cos z sin , z cos + y sin )

1
0
0
[T ] = 0 cos sin
0 sin cos
iii Em torno do eixo Oy:
T (x, y, z) = (x cos z sin , y, z cos + x sin )

cos 0 sin
1
0
[T ] = 0
sin 0 cos

Operadores Lineares

Sejam V um espao vetorial e T : V V uma transformao linear. T : V V chamado

operador linear em V.

5.1

Operadores Inversveis

Se T : V V um isomorfismo, j vimos que a aplicao inversa T 1 = V V tambm

um isomorfismo.
Dizemos, neste caso, que T inversvel (No singular).
claro que T T 1 = T 1 T = Id, onde Id : V V uma aplicao identidade, ou seja,
Id(v) = v, v V.
(T T 1 )(v) = (T 1 T )(v) = v
Alm disso, vimos que se V tem dimenso finita e B uma base de V ento
[T 1 ]B = [T ]1
B
Sejam V um espao vetorial de dimenso finita e T : V V uma transformao linear.
i T inversvel KerT = {0}
ii Se T inversvel e B base de V, ento T (B) base de V

16

5.2

Matriz de mudana de base

V: Espao vetorial real de dimV = n > 1

A = {u1 , . . . , un } e B = {v1 , . . . , vn } bases de V.
A matriz [Id]AB chamada de matriz de mudana de base B para A.

n
P

u
=
(Id)(u
)
=
ai1 vi
1
1

i=1

a
a

a
11
12
1n
n

u2 = (Id)(u2 ) = P ai2 vi
a21 a22 a2n

i=1
, [Id]AB = ..
..
..
.
.

..
.
.
.
.

am1 am2 ann

n

ain vi
un = (Id)(un ) =
i=1

Lembre-se que [Id]AB [v]A = [Id(v)]B , ou seja, [Id]AB [v]A = [(v)]B . Sendo assim, a
multiplicao de M = [Id]AB pela matriz coluna das coordenadas de v na base A fornece a
matriz coluna das coordenadas de v na base B.
M inversvel, pois Id : V V um isomorfismo.
Alm disso, M 1 = [Id]BA , ou seja, M 1 matriz de mudana de bases de A para B. De fato,
M 1 = [Id]AB 1 = [Id1 ]BA = [Id]BA
Sendo T : V V um operador linear, dimV = n > 1 e A e B bases de V

Id

VA

VB

T
VA
, T = Id0 T 0 Id
T 0 Id0
VB

[T ]A = [Id T 0 Id]A = [Id]BA [T ]B [Id]AB

[T ]A = M 1 [T ]
[T ]A = M 1 [T ]B M , onde M a matriz de mudana de base de B para A.
Duas matrizes quadradas m e n so ditas semelhantes se existir P inversvel tal que
M = P 1 N P .
Portanto [T ]A e [T ]B so semelhantes.

5.3

Operadores ortogonais

V: Espao vetorial euclidiano

Um operador T : V V dito ortogonal se T preserva norma, ou seja, |T (u)| = |u|, u V.
Propriedades: Sendo V um espao vetorial euclidiano e S, T : V V operadores lineares.
1. T ortogonal T preserva o produto interno, isto , hT (u), T (v)i = hu, vi, u, v V
2. S e T ortogonais S T ortogonal
17

3. Seja B = {v1 , , vn } base ortonormal de V. T ortogonal T (B) = {T (v1 ), , T (vn )}

uma base ortonormal de V.
4. B base ortogonal [T ]B uma matriz ortogonal.
5. Se A e B so bases (finitas) ortogonais de V, ento a matriz de mudana de bases de B
para A([Id]AB ) ortogonal.
6. M ortogonal os vetores linha de M formam um conjunto ortonormal.

5.4

Operadores simtricos

Um operador T : V V, sendo V um espao vetorial euclidiano, chamado simtrico se

hT (u), vi = hu, T (v)i, u, v V
.
Tambm so chamados de auto-adjuntos e para uma matriz M ser dita simtrica temos que
ter M = M t sendo M a matriz do operador simtrico.
Definio 5.1. Dado T : Rn Rn , T simtrico, temos que as razes de PT (x) R para
n > 1, n N.
Proposio 3. De fato, se V for um C-espao vetorial4 e T : V V um operador linear
simtrico, ento os autovalores de T so reais.
Demonstrao. Seja autovalor associado ao autovetor u:
hT (u), ui = hu, T (u)i
hu, ui = hu, ui
hu, ui = hu, ui
=R

Proposio 4. Seja T : V V um operador linear simtrico. Se v1 e v2 so autovetores

associados a autovalores 1 e 2 respectivamente, com 1 6= 2 , ento v1 v2 .
Demonstrao.
hT (v1 ), v2 i = hv1 , T (v2 )i, pois T simtrico
h1 v1 , v2 i = hv1 , 2 v2 i
1 hv1 , v2 i = 2 hv1 , v2 i
(1 2 )hv1 , v2 i = 0 v1 v2 pois 1 6= 2

Definido sobre os complexos

18

5.5

Autovalores e Autovetores

Seja T : V V um operador linear. Um vetor no nulo v V chamado de autovetor se

existe R tal que T (v) = v. Se existir, chamado de autovalor associado ao vetor v.
Obs.:
1. Se autovalor de T associado ao autovetor v, tambm dizemos que v autovetor de T
associado ao autovalor .
2. Vetor prprio = Autovetor
Valor prprio = Autovalor
Sendo T : V V operador linear, dimV = n, autovalor de T se e somente se existir
v V, v 6= 0 tal que T (v) = v. Mas
T (v) = v v T (v) = 0
Id(v) T (v) = 0
(Id T )(v) = 0

Assim autovalor de T KerT (Id T ) 6= {0}

T no injetora
det[Id T ]B = 0, B base qualquer de V
det([Id]B [T ]B ) = 0
det([In] [T ]B ) = 0
raiz de det(x[In] [T ]B ) = 0
O polinmio PT (x) = det(x[In] [T ]B ) chamado de polinmio caracterstico de T . Assim,
autovalor de T se e somente se raiz de P (x).
Obs.:PT (x) independe da base de V a ser tomada. De fato, se B e C forem bases de V , ento:
det(xIn [T ]B ) = det(M 1 [xId] M M 1 [T ]C M ) pois [T ]B e [T ]C so semelhantes
= det(M 1 )det(xIn [T ]C )detM det(xIn [T ]C )

O subespao gerado pelos autovetores associados ao autovalor indicado por AutT (), e
chamado de auto espao associado a . Assim, AutT () = Ker(Id T ) ou Ker(T Id).

5.6

Matriz Diagonal

O operador T diagonalizvel se existir uma base de V tal que [T ]B seja uma matriz
diagonalizvel, ou seja, se uma base de autovetores de T . Considerando B = {v1 , , vn }
19

uma base de V tal que v1 , , vn so autovetores associados,

1 , , n :

1 0

T (v1 ) = 1 v1
0 2

T (v2 ) = 2 v2

; Logo,[T ]B = 0 0
..

..
..
.

.
.
T (v ) = v
n
n n
0 0

respectivamente, a autovalores

0 0
0 0

3 0

.. . .
..
. .
.
0 n

Obs.: Os autovalores podem no existir pois aqui esto definidos somente em R.

Seja V um espao vetorial real, T : V V com A e B bases de V e [T ]A = M 1 [T ]B M
(M = [Id]AB ), onde [T ]A e [T ]B so semelhantes. Se A uma base de autovetores, ento [T ]A
uma matriz diagonal.
Uma matriz quadrada D dita diagonalizvel se semelhante a uma matriz diagonal E, ou
seja, se existe uma matriz inversvel P tal que E = P 1 D P . Dizemos nesse caso, que P
diagonaliza D, ou que P a matriz diagonalizadora de D.
Definio 5.2. Dada uma matriz quadrada A de ordem n, autovalores e autovetores de A
so, por definio, autovetores a autovalores do operador linear T : Rn Rn tal que [T ] = A.

5.7

Polinmio caracterstico

Seja T um operador linear em V e A de ordem n uma matriz quadrada tal que A = [T ].

PA (x) = PT (x) = det(xIn [T ]) PA (x) = det(xIn A), autovalor de A raiz de
PA (x).
Proposio 5. Seja P = [Id] A e B matrizes semelhantes B n (P 1 A P ) = (P 1 An P )
Demonstrao. (P 1 A P )n = (P 1 A P ).(P 1 A P ).(P 1 A P ). . = (P 1 An P )
A cada nova parcela da multiplicao, estaremos cancelando P com P 1
PT (T ) 0, todo polinmio caracterstico tem a propriedade de levar matriz de um operador
numa matriz nula.

20