Escolar Documentos
Profissional Documentos
Cultura Documentos
5 de dezembro de 2011
SUMRIO 3
Sumrio
1 Introduo 7
1.1 Exerccios de Reviso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Espaos Vetoriais 11
2.1 Subespaos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.1 Soma de Subespaos . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Combinaes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Espaos Vetoriais Finitamente Gerados . . . . . . . . . . . . . . . . . . . . 18
2.4 Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.5 Dependncia Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.1 Propriedades da Dependncia Linear . . . . . . . . . . . . . . . . . 23
2.6 Base de um Espao Vetorial Finitamente Gerado . . . . . . . . . . . . . . . 23
2.7 Dimenso de um Espao Vetorial . . . . . . . . . . . . . . . . . . . . . . . 24
2.7.1 Dimenso da soma de subespaos . . . . . . . . . . . . . . . . . . . 26
2.8 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.9 Mudana de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.10 Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3 Produto Interno 33
3.1 Definio e primeiras propriedades . . . . . . . . . . . . . . . . . . . . . . . 33
3.2 Norma e Distncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3 Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.4 Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.4.1 Complemento Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . 41
3.4.2 Teorema da Projeo . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.5 Produto Interno para Espaos Vetoriais Complexos . . . . . . . . . . . . . 44
3.6 Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4 Transformaes Lineares 49
4.1 A Imagem e o Ncleo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.2 Isomorfismos e Automorfismos . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.3 Espao das Transformaes Lineares . . . . . . . . . . . . . . . . . . . . . 54
4.4 Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.5 Matriz de uma Transformao Linear . . . . . . . . . . . . . . . . . . . . . 59
4.6 Espao Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5 Autovalores e Autovetores 77
5.1 Definio e primeiras propriedades . . . . . . . . . . . . . . . . . . . . . . . 77
5.2 Polinmio Caracterstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.3 Diagonalizao de Operadores . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.3.1 Diagonalizao de Operadores Auto-adjuntos . . . . . . . . . . . . . 84
5.3.2 Diagonalizao de Operadores Ortogonais . . . . . . . . . . . . . . 85
5.4 Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.5 Aplicaes da Diagonalizao . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.5.1 Potncias de uma Matriz . . . . . . . . . . . . . . . . . . . . . . . . 88
5.5.2 Diagonalizao e Cnicas . . . . . . . . . . . . . . . . . . . . . . . . 88
5.5.3 Exponencial de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . 90
5.6 Forma Cannica de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.6.1 Obteno da Forma Cannica de Jordan . . . . . . . . . . . . . . . 94
5.6.2 Polinmio Mnimo . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.6.3 Aplicaes da Forma Cannica de Jordan . . . . . . . . . . . . . . . 97
5.7 Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Captulo 1
Introduo
Exerccio 1.2 Existe alguma matriz inversvel A tal que A2 = O (matriz nula)? Justi-
fique.
onde i2 = 1.
2. Obtenha A1 .
3. Calcule A2 .
5. Sabendo que, para um certo x R, exA a matriz dada pela srie (que pode se
mostrar ser convergente):
X (xA)n x2 A2 x3 A3
= I + xA + + + ...
n=0
n! 2 3!
Exerccio 1.8 Seja A uma matriz quadrada cujos elementos so funes derivveis na
varivel real t. Se A inversvel (para um certo t), ento mostre que:
dA1 dA
= A1 A1
dt dt
seja convergente, mostre que ela converge para A1 . Numericamente, pode-se obter uma
aproximao para a inversa da matriz truncando a srie acima.
1
Uma matriz hermitiana quando A = A , sendo A a matriz complexo-conjugada da transposta de
A.
Exerccio 1.10 O trao de uma matriz quadrada P definido como a soma dos elementos
da diagonal principal de P e denotado por tr(P ).
(A + U BV )1 = A1 A1 U B(B + BV A1 U B)1 BV A1 .
Exerccio 1.12 Seja A uma matriz nn que tem todos os elementos da diagonal principal
iguais a zero e os demais elementos iguais a 1. Obtenha o determinante de A.
Exerccio 1.13 Considere uma matriz A quadrada de ordem n com todos os elementos
inteiros, de tal modo que os elementos da diagonal principal de A so mpares e os demais
elementos so pares. Mostre que A inversvel.
Exerccio 1.14 Seja M uma matriz 5 5 com todos os elementos inteiros e pares.
2. Nas condies do problema, seja M tal que det(M ) = 160. Certamente, M 1 ser
composta exclusivamente por nmeros racionais. Suponha que os nmeros racionais
estejam simplificados ao mximo. Para cada matriz M , denote por d(M ) o maior
valor do denominador que aparece na sua inversa (supondo que esta j esteja ao
mximo simplificada). De todas as matrizes M que satisfazem estas condies, qual
o maior valor de d(M )?
Exerccio 1.15 Considere M uma matriz quadrada com todos os elementos inteiros. Se
alm disso, a soma de cada linha de M igual a k, mostre que o determinante de M
um mltiplo de k.
Captulo 2
Espaos Vetoriais
Definio 2.1 Seja um conjunto V diferente do vazio e um corpo K (em geral R ou C),
para os quais podemos definir as operaes de adio e multiplicao por escalar.
+:V V V
(u, v) 7 u + v V
:K V V
(, u) 7 u V
Dizemos que V um espao vetorial sobre K quando, e apenas quando, as seguintes
propriedades forem satisfeitas:
1. Comutativa: u + v = v + u, u, v V
2. Associativa: u + (v + w) = (u + v) + w, u, v, w V
3. Elemento Neutro: V V tal que u + V = u, u V
4. Elemento Oposto: para cada u V , existe um elemento oposto (indicado por u)
tal que u + (u) = V
5. (u) = ()u, , K, u V
6. (u + v) = u + v, K, u, v V
7. ( + )u = u + u, , K, u V
8. O elemento unitrio do corpo 1 tal que 1 u = u, u V
Prova. Para tal, basta mostrarmos que o conjunto satisfaz os oito axiomas de espao
vetorial:
1. u + v = (u1 + v1 , u2 + v2 , . . . , un + vn )
= (v1 + u1 , v2 + u2 , . . . , vn + un )
= v + u, u, v Rn
5. (u) = (u1 , u2 , . . . , un )
= (u1 , u2 , . . . , un )
= ()(u1 , u2 , . . . , un )
= ()u, , R, u Rn
6. (u + v) = (u1 + v1 , u2 + v2 , . . . , un + vn )
= (u1 + v1 , u2 + v2 , . . . , un + vn )
= u + v, R, u, v Rn
8. 1 u = (1 u1 , 1 u2 , . . . , 1 un )
= (u1 , u2 , . . . , un )
= u, u Rn
u v = uv
u = u
1. K, V = V
2. u V, 0u = V
3. u = V = 0 u = V
5. , K, u V : ( )u = u u
6. K, u, v V : (u v) = u v
n
P n
P
7. , 1 , 2 , . . . , n K, u1 , u2 , . . . , un V : ( j uj ) = (j )uj
j=1 j=1
8. O vetor V de V nico.
(a) V W
(b) u, v W u + v W
(c) K, u W u W
Nota 2.16 Podemos reduzir as duas ltimas condies para apenas uma: K, u, v
W u + v W .
Nota 2.22 Apesar da proposio anterior, a unio de subespaos nem sempre um su-
bespao.
Z = {(x, 0) R2 : x R} subespao do R2 .
W = {(0, y) R2 : y R} subespao do R2 .
Z W no subespao.
Da unicidade da decomposio:
u+z =u
z = V
wz =w
ou seja, U W = {V }.
Nota 2.30 O subespao [S] recebe o nome de subespao gerado por S, e tambm pode ser
denotado por [u1 , u2 , . . . , un ]. Diz-se tambm que u1 , u2 , . . . , un geram [S], ou ento que
so um sistema de geradores de [S].
Nota 2.31 Cada vetor u [S] dito ser uma combinao linear de u1 , u2 , . . . , un .
Nota 2.33 Se S for infinito, ento definimos [S] mediante a sentena: u [S]
v1 , v2 , . . . , vn S, 1 , 2 , . . . , n K tal que u = 1 v1 + . . . + n vn .
Exemplo 2.35 Se V = R3 , u = (1, 1) e v = (1, 1), determinemos ento [u, v]. Note
que [u, v] = {( + , + ); , R} = R2 pois cada par (x, y) R2 se escreve como
(x, y) = (yx)
2
(1, 1) + (y+x)
2
(1, 1).
Exemplo 2.37 O espao E 3 dos vetores da geometria gerado pelo conjunto {, , k},
pois qualquer u E 3 se escreve como u = a + b
+ ck.
Ento S = {A11 , A12 , . . . , A1n , A21 , A22 , . . . , A2n , . . . , Am1 , Am2 , . . . , Amn } um gerador
de Mmn (R).
f0 (x) = 1
f1 (x) = x
.. ..
. .
fn (x) = xn
p(x) = a0 + a1 x + a2 x2 + . . . + an xn : p = a0 fo + a1 f1 + . . . + an fn
Exerccio 2.44 Mostrar que todo espao vetorial sobre C tambm espao vetorial sobre
R.
Exerccio 2.46 No espao vetorial P3 (R) sejam dados os vetores f (t) = t3 1, g(t) =
t2 + t 1 e h(t) = t + 2.
nas incgnitas x, y, z R2 .
1. W = {(x, y, z) R3 : x = 0}
2. W = {(x, y, z) R3 : x Z}
3. W = {(x, y, z) R3 : y
/ Q}
4. W = {(x, y, z) R3 : x 3z = 0}
5. W = {(x, y, z) R3 : ax + by + cz = 0, a, b, c R}
Exerccio 2.49 Quais dos conjuntos abaixo so subespaos do espao P(R) de todos os
polinmios reais?
1. {f C(I) : f (0) = 0}
R1
2. {f C(I) : f (t)dt = 0}
0
Exerccio 2.52 Dar um sistema de geradores para cada um dos seguintes subespaos do
R3 :
1. U = {(x, y, z) : x 2y = 0}
2. V = {(x, y, z) : x + z = 0 e x 2y = 0}
3. W = {(x, y, z) : x + 2y 3z = 0}
4. U V
5. V + W
1. U V U + V = V ;
2. U V U V = U ;
3. U + V = U U V ;
4. U V = U U V .
Exerccio 2.57 Mostrar que geram o mesmo subespao vetorial os dois subconjuntos do
R3 : {(1, 1, 2); (2, 0, 1)} e {(1, 2, 3); (3, 3, 4)}.
Exerccio 2.59 Mostrar que os dois conjuntos abaixo formados de funes contnuas reais
definidas em R geram o mesmo subespao vetorial de C(R):
2
sin t, cos2 t, sin t cos t e {1, sin 2t cos 2t}
Exemplo 2.62 O conjunto S = {(1, 1, 1); (1, 1, 1); (1, 1, 1)} LI. De fato, se:
+ + =0 =0
(1, 1, 1) + (1, 1, 1) + (1, 1, 1) = (0, 0, 0) + =0 =0
+ =0 =0
Exemplo 2.64 Seja C[0, 1] o conjunto das funes contnuas [0, 1]. Considere o subcon-
junto S = {ex , e2x , e3x }. S LI, pois:
ex + e2x + e3x = 0
ex ( + ex + e2x ) = 0
x 2x
+ e + e = 0, x [0, 1]
( + ex + e2x )0 = (0)0
x 2x
e + 2e = 0
===0
ex ( + 2ex ) = 0
+ 2ex = 0, x [0, 1]
x 0 0
( + 2e ) = (0)
x
2e = 0
= 0, x [0, 1]
Exemplo 2.65 Seja L = {(1, 2, 3); (1, 4, 9); (1, 8, 27)}. Teremos , , R tais que:
(1, 2, 3) + (1, 4, 9) + (1, 8, 27) = (0, 0, 0)
++ =0
2 + 4 + 8 = 0
3 + 9 + 27 = 0
1 1 1
Como 2 4 8 6= 0 o sistema possvel e determinado, e a nica soluo =
3 9 27
= = 0. Logo L LI.
Exemplo 2.66 Seja L = {1, sin t, cos t} C[0, 2]. Tomemos , , R tais que +
sin t + cos t = 0, t [0, 2]. Tomando alguns valores de t:
t=0 + =0
t = /2 + = 0 ===0
t= =0
Logo, L LI.
Exemplo 2.67 Seja L = {(x + 1)ex , (x2 + 1)ex } C[0, 1]. Tomando , R tais que:
(x + 1)ex + (x2 + 1)ex = 0, x [0, 1] = 0
(x + 1) + (x2 + 1)]ex = 0 =0
2
(x + 1) + (x + 1) = 0, x [0, 1] + =0
o conjunto LI.
1. L = {u1 , u2 , . . . , un } {V } L LD.
2. L = {u}, u 6= V L LI.
1. V = [B]
2. B LI.
Exemplo 2.73B = {A11 , A12 , . . . , A1n , A21 , . . . , Amn } base de Mmn (R), onde Ak` =
1, se i = k e j = `
(aij )mn , aij = .
0, caso contrrio
Teorema 2.76 Todo espao vetorial finitamente gerado possui uma base.
V = [u1 , . . . , ui , . . . , uj + ui , . . . , uk ]
Sistema homogneo com m equaes e n incgnitas. Sabendo que n > m, pela Pro-
posio 2.79, existe soluo no trivial {u1 , u2 , . . . , un } LD.
Definio 2.83 Diz-se que o espao vetorial V tem dimenso finita quando admite uma
base B com um nmero finito de vetores. Este nmero o mesmo para todas as bases de
V e chama-se dimenso do espao vetorial V : n = dim V .
Nota 2.84 Por extenso, diz-se que o espao vetorial {V } tem dimenso 0.
Prova. Se um conjunto gera V e possui n elementos, ele no pode ser LD, pois se
fosse, haveria um vetor v que combinao linear dos demais e V = [B\{v}]. Mas B\{v}
tem n 1 elementos. Isso incompatvel com o fato de uma base ter n elementos.
U = [B]
B = BU BV
[B] = [BU ] + [BV ]
[B] = U + V
Alm disso, se:
1 w1 + . . . + r wr + 1 u1 + . . . + n un + 1 v1 + . . . + m vm = V
1 w1 + . . . + r wr + 1 u1 + . . . + n un = (1 v1 + . . . + m vm )
| {z } | {z }
u v
u=v
Como:
u U, v V
u=v U V
u = 1 w1 + . . . + r wr = 1 w1 + . . . + r wr + 1 u1 + . . . + n un
1 = 1 , . . . , r = r
1 = 0, . . . , n = 0
= . . . = m = 0
Analogamente, chega-se a: 1
1 = . . . = r = 0
Ou seja, B LI. Assim:
dim U = n + r
dim V = m + r
dim(U V ) = r
dim(U + V ) = m + n + r
E finalmente: dim(U + V ) = dim U + dim V dim(U V )
2.8 Coordenadas
Definio 2.88 Dada uma base de um espao vetorial B = {u1 , . . . , un }, um vetor v pode
ser escrito como:
v = 1 u1 + 2 u2 + . . . + n un
Os coeficientes 1 , . . . , n so univocamente determinados, pois se v = 1 u1 + 2 u2 +
. . .+n un , ento (1 1 )u1 +(2 2 )u2 +. . .+(n n )un = V , e 1 = 1 , . . . , n f =
n .
Se impusermos uma ordem aos vetores de B (i.e., se B estiver ordenado), ento os
escalares 1 , . . . , n sero chamados de coordenadas do vetor v em relao base B.
Costuma-se representar as coordenadas na forma matricial:
1
2
[v]B = .. dita ser a matriz de coordenadas do vetor v, com respeito base B.
.
n
+ + = 1 1
+ =1 ===1 [v]B = 1
+ =1 1
Teorema 2.92 Dadas as matrizes de mudana de base MBC e MCD , temos que a
matriz de mudana de base MBD dada por MBC MCD .
sejamos provar que: MBD = MBC MCD . Para tanto, note que:
Nota 2.93 A partir do Teorema 2.92 podemos notar que uma matriz de mudana de base
sempre inversvel, pois MBB = MBC MCB .
| {z }
inversa
Exerccio 2.97 Diga quais dos subconjuntos abaixo do P4 (R) so linearmente indepen-
dentes.
1. {1, x 1, x2 + 2x + 1, x2 }
2. {2x, x2 + 1, x + 1, x2 1}
4. {x4 + x 1, x3 x + 1, x2 1}
Exerccio 2.103 Provar que o conjunto de funes {eat cos bt, eat sin bt}, onde a e b so
nmeros reais e b 6= 0, LI.
U = {(x, y, z) : x = 0}
V = {(x, y, z) : y 2z = 0} e
W = [(1, 1, 0); (0, 0, 2)]
Exerccio 2.108 Para que valores de a R o conjunto B = {(a, 1, 0), (1, a, 1), (0, 1, a)}
uma base de R3 ?
(a) cannica;
Captulo 3
Produto Interno
2. Bilinearidade:
Nota 3.2 Quando um espao vetorial real possui um produto interno, dizemos que ele
um espao euclidiano.
u = (u1 , u2 , . . . , un )
hu, vi = u1 v1 + u2 v2 + . . . + un vn
v = (v1 , v2 , . . . , vn )
E se hf, f i = 0, ento f (x) 0. De fato, suponha que x0 [a, b] em que f 2 (x0 ) > 0.
Pelo Teorema da Conservao do Sinal, f 2 (x) > 0 numa vizinhana V de x0 .
Z b Z Z
2 2
f (x)dx = f (x)dx + f 2 (x)dx > 0
a
V [a,b]\V
| {z } | {z }
>0 0
2. hu, vi = hu, vi , u, v V, R
hu + v, wi = hu, wi + hv, wi , u, v, w V
n n
P P
3. i ui , v = i hui , vi , ui , v V, i R
*i=1 + i=1
n
P Pn
u, j vj = j hu, vj i , u, vj V, j R
j=1 j=1
* +
n
P n
P n P
P n
4. i ui , j vj = i j hui , vj i , ui , vj V, i , j R
i=1 j=1 i=1 j=1
2. d(x, y) = d(y, x)
Nota 3.8 Um espao vetorial munido de uma mtrica chamado de espao mtrico.
Nota 3.10 possvel provar que uma norma sempre induz uma mtrica
d(u, v) = ku vk
.
p
Nota 3.11 No caso do produto interno, temos a seguinte norma: kuk = hu, ui. Nesse
p tambm possvel definir a distncia entre dois vetores de V : d(u, v) = ku vk =
caso
hu v, u vi.
Definio 3.12 Podemos definir um ngulo entre dois vetores usando o produto interno.
Da desigualdade de Cauchy-Schwarz: kuk kvk hu, vi kuk kvk . Assim, para quais-
quer vetores no nulos:
hu, vi
1 1
kuk kvk
hu, vi
Sendo possvel associar um ngulo [0, ] tal que cos = kukkvk . chamado de ngulo
entre os vetores u e v.
1 2 2 0
Exemplo 3.13 O ngulo entre as matrizes A = e B = conside-
3 0 0 3
rando o produto interno usual hA, Bi = tr(At B) = tr(AB t ) = tr(B t A) = tr(BAt ) =
Pn Pm
aij bij : arccos(1/91).
i=1 j=1
hu, vi hu, ui
hu, ui
cos = =kukk uk
= 2 =
kukkvk
| |kuk
| |
cos = 1
= 0 ou
() Como = 0 ou = , cos = 1. Caso kuk = 0 ou kvk = 0, os dois vetores j
so LD trivialmente. Considerando ento o caso em que kuk 6= 0 e kvk 6= 0. Tomamos
u + v = V e fazemos o produto interno dos dois lados da equao por u. Assim:
kuk =6 0 hu, vi
hu, ui = hu, vi kuk2 = hu, vi , como kuk
kvk
=
kvk =
6 0 kuk kvk
| {z }
cos =1
kvk
= kuk
Exerccio
R1 3.17 No espao V = P3 (R) consideremos o produto interno hf (t), g(t)i =
0
f (t)g(t)dt.
Calcular hf (t), g(t)i, ||f (t)||, ||g(t)|| e ||f (t) + g(t)|| quando f (t) = t3 1 1 e
g(t) = t2 + 1. Repita o exerccio com f (t) = 2 e g(t) = t3 + t + 1
Exerccio 3.19 Seja V um espao vetorial euclideano. Dada uma base {e1 , ..., en } de V
definamos A = (aij ) Mn (R) por aij = hei , ej i (i, j = 1, ..., n).
Exerccio 3.20 Seja V um espao euclideano com produto interno hu, vi. Para que
valores de R a aplicao :
(u, v) hu, vi
tambm um produto interno sobre V ?
Exerccio 3.21 Chama-se trao de uma matriz A = (aij ) quadrada de ordem n a soma
dos termos da sua diagonal principal (tr(A) = a11 +a22 +...+ann ). Sendo V = Mmn (R),
mostre que hA, Bi = tr(AB t ) define um produto interno sobre V .
1. Mostrar que o produto assim definido satisfaz as duas primeiras condies da defi-
nio de produto interno: hu + v, wi = hu, wi + hv, wi e hu, vi = hu, vi.
Exerccio 3.25 Sendo a, b e c nmeros reiais estritamente positivos tais que a+b+c = 1,
utilize a desigualdade de Cauchy-Schwarz no R3 para provar que:
1 1 1
1 1 1 8
a b c
Exerccio 3.27 Sejam u e v vetores de um espao vetorial euclideano. Prove que hu, vi =
0, se, e somente se, ||u + v|| ||u||, R.
Exerccio 3.28 Seja f : R R+ uma funo contnua e peridica. Mostre que, para
todo real, vale a desigualdade:
Z T
f (x)
dx T,
0 f (x + )
3.4 Ortogonalidade
Uma vez definido o ngulo entre vetores, imediato extender o conceito de ortogonali-
dade j aprendido em geometria. Dizemos, assim, que dois vetores so ortogonais quando
o ngulo entre eles /2, ou, de forma equivalente, quando hu, vi = 0.
Trabalhar com bases ortonormais (isto , bases que so conjuntos ortonormais) facilita
muito o trabalho de decompor um vetor do espao em termos dos vetores da base.
Prova. 1 u1 + 2 u2 + . . . + m um = V
1 hu1 , u1 i + 2 hu2 , u1 i + . . . + m hum , u1 i = hV , u1 i
| {z } | {z } | {z }
0 0 0
1 = 0
De forma anloga, j = 0, j = 2, . . . , m. Logo, S LI.
Exemplo 3.35 Obtendo uma base ortonormal a partir de B = {(1, 1, 0); (0, 1, 0); (0, 0, 1)}.
(1,1,0)
u1 = 1 , 1 , 0
=
k(1,1,0)k
D E2 2
1 1 1 1 1 1
w2 = (0, 1, 0)
2
,
2
, 0 , (0, 1, 0)
2
, 2
, 0 = ,
2 2
, 0
w2 1 1
u2 = kw2 k = 2 , 2 , 0
D E
w3 = (0, 0, 1) 1 , 1 , 0 , (0, 0, 1) 1 , 1 , 0
2 2 2 2
D =0 E
1 1 1 1
2 , 2 , 0 , (0, 0, 1) 2 , 2 , 0
=0
w3
w3 = (0, 0, 1) u3 = kw 3k
= (0, 0, 1)
n o
Assim, uma base ortonormal a partir de B ser 1 , 1 , 0; 12 , 12 , 0 ; (0, 0, 1) .
2 2
Exemplo 3.36 Seja B uma base ortonormal. Ento qualquer vetor do espao se escreve
como v = hv, b1 i b1 + . . . + hv, bn i bn onde B = {b1 , . . . , bn }.
Teorema 3.37 A matriz de mudana de base entre duas bases ortonormais uma matriz
ortogonal.
Teorema 3.38 (Fatorao QR): Dada uma matriz Amn , com colunas LI, possvel
encontrar uma matriz Qmn com colunas ortonormais e uma matriz Rnn triangular
superior, inversvel, de modo que A = QR.
0 2 3
Exemplo 3.39 Seja a matriz A = 0 3 2 . Obteremos a fatorao QR. Para isso
2 0 1
basta considerarmos os vetores formados pelas colunas de A, e aplicar o processo de or-
tonormalizao de Gram-Schmidt.
v1 = (0, 0, 2) u1 = (0, 0, 1) v1 = 2u1
v2 = (2, 3, 0) u2 = 213 , 313 , 0 v2 = 13u2
3
v3 = (3, 2, 1) u3 =
13
, 13 , 0 v3 = u1 + 1213 u2 +
2 5 u3
13
0 213 313 2 0 1
1 1 1
0 1 1
Exemplo 3.40 A fatorao QR da matriz A = 2
:
4 1
2 0 3
1
3
0 0
0 1 4 3 3 3
A= 3
2 2 1
18 0 3 1
3 3 18 0 0 6
2 2 1
3
3 18
1. u U, hV , ui = 0 V U
kv uk2 = hv u, v ui
= hvU u + w, vU u + wi
= hvU u, vU ui + 2 hvU u, wi + hw, wi = kvU uk2 + kwk2
| {z }
0, pois wU
2 2
> kwk , ou = kwk u = vU
Exemplo 3.45 R 2 (Srie de Fourier): Seja V = C[0, 2] com o produto interno definido
por hf, gi = 0 f (x)g(x) W (x) dx. Definamos nesse espao o conjunto ortonormal B =
| {z }
n 1 o
1 , sin
x , cos
x , sin
2x , cos
2x , . . . , sin
mx , cos
mx . Dada uma funo f V , obtenhamos sua
2
melhor aproximao em termos das funes de U = [B].
Seja B = {0 , 1 , . . . , 2m }. A projeo de f em U : projU f = fU = hf, 0 i 0 +
hf, 1 i 1 + . . . + hf, 2m i 2m . Definamos agora:
R 2
a0 = 1 0 f (x)dx
R 2
ak = 1 0 f (x) cos(kx)dx
R 2
bk = 1 0 f (x) sin(kx)dx
R 2
Temos ento que: hf, 0 i = 12 0 f (x)dx = a02
R 2
hf, 1 i = 1 0 f (x) sin xdx = b1
R 2
hf, 2 i = 1 0 f (x) cos xdx = a1
a0
fU (x) = 2
+ b1 sin x + a1 cos x + . . . + bm sin(mx) + am cos(mx)
m
a0
P
fU (x) = 2
+ (bk sin kx + ak cos kx)
k=1
10
6
4
2 4 6 8 10 12
Desejamos ajustar os pontos para uma reta, isto , desejamos obter a e b de modo que
y(x) = ax + b seja uma boa aproximao para o conjunto de pontos experimentais. Para
tanto, para cada ponto (Xi , Yi ) definimos um desvio i = Yi (aXi + b) e definimos o erro
n n
i 2 = [Yi (aXi + b)]2 .
P P
de ajuste como E =
i=1 i=1
Y1 X1 1
Y2 X2 1
Definimos Y = .. , X = .. , W = .. E = kY aX bW k2 .
. . .
Yn Xn 1
Caso todos os pontos estivessem alinhados, seria possvel conseguirmos E = 0, e para
X1 1
X2 1
a
achar a e b bastaria resolvermos o sistema M = Y , onde M = .. .. =
b . .
Xn 1
X W .
Como os pontos no esto alinhados, precisamos minimizar E. Para isso, usando o
teorema da projeo com v = Y e u = aX + bW , basta projetar Y no subespao gerado
por {X, W }, de modo que aX + bW = proj[X,W ] Y , e assim Y aX bW [X, W ] ,
portanto:
hY aX bW, Xi = 0
hY aX bW, W i = 0
a hX, Xi + b hX, W i = hX, Y i hX, Xi hX, W i a hX, Y i
=
a hX, W i + b hW, W i = hW, Y i hX, W i hW, W i b hW, Y i
(3.3)
a
A partir do sistema inicial M = Y , temos que o que foi obtido em (3.3) seria o
b
a
mesmo caso tivssemos feito: M t M = M t Y , pois temos que:
b
P
n n
X1 1 Xi 2
P
1Xi
t X1 Xn .. .. i=1 i=1 hX, Xi hX, W i
M M= . . = P =
n n
1 1 1Xi
P
12 hX, W i hW, W i
Xn 1
i=1 i=1
Pn
Y1 XY
X1 Xn .. i=1 i i
t hX, Y i
M Y = . = P n =
1 1 1Y hW, Y i
Yn i
i=1
QR.
t t a
(R Q Q R) = R t Qt Y
|{z} b
I
t a
(R R) = (Rt Qt )Y
b
a
R = Qt Y
b
Em que R uma matriz escalonada, ficando a resoluo do sistema imediata.
Definio 3.47 Seja V um espao vetorial complexo. Um produto interno uma aplica-
o de V V C (que a cada par u, v V associa um nmero complexo hu, vi) que
obedece s seguintes condies:
3. Positividade: hu, ui 0, u V
hu, ui = 0 u = V
Nota 3.48 Para produtos internos complexos, costuma-se usar a notao bra-ket hu, vi =
hu | vi. Ela muito usada para descrever estados qunticos na mecnica quntica. Leva
esse nome pois pode ser representada como o produto de duas partes diferentes:
o bra, que
o complexo conjugado da transposta da matriz coluna do vetor hu| = u1 u2 un ;
v1
v2
e o ket, que o vetor representado na forma de uma matriz coluna |vi = .. . Foi
.
vn
introduzida por Paul Dirac, e tambm conhecida como notao de Dirac.
Nota 3.49 Um espao vetorial complexo com produto interno tambm chamado de
espao hermitiano.
Nota 3.50 hu | vi = hu | vi , u, v V, C
Exerccio 3.54 Determinar todos os vetores do R2 de normas iguais a 2 que sejam or-
togonais simultaneamente a (2, 1, 2) e (1, 3, 4).
Exerccio 3.55 Determinar uma base ortonormal de cada um dos seguintes sub-espaos
do R4 utilizando o porcesso de Grahm-Schmidt:
Exerccio 3.57 Seja {g1 , ..., gn } um subconjunto espao euclideano V cujos vetores
Pn de2 um P n 2
so ortogonais dois a dois. Prove que || i=1 gi || = i=1 ||gi || (teorema de Pitgoras
generalizado).
Exerccio 3.59 Determinar um vetor unitrio do R3 que seja ortogonal a todos os vetores
do sub-espao W = [(1, 2, 1), (1, 0, 2)].
Exerccio 3.63 Encontre o quarto polinmio de Legendre. Ele uma expresso cbica
5 3
2
x + ax2 + bx + c ortogonal a 1, x, 12 (3x2 1) no intervalo 1 x 1.
Exerccio 3.64 Encontre as funes f (x) mais prximas da funo g(x) = sin(2x) no
intervalo [, ], considerando:
2. f (x) = c + dx.
Exerccio 3.65 Expresse a matriz A como o produto de duas matrizes QR, de modo que
QT Q = I e R seja uma matriz triangular superior.
1 1 0
1. A = 1 0 1 .
0 1 1
3 1
2. A = 4 1 .
0 1
R1
Exerccio 3.69 Seja V = C[0, 1] com o produto interno hf, gi = f (t) g(t) dt. Se g(t) =
0
t e h(t) = et , determine as projees ortogonais de g e h sobre P2 (R).
R
Exerccio 3.70 Seja V = C[, ] com o produto interno hf, gi = f (t) g(t) dt.
1. Mostre que, com relao a este produto interno, o conjunto S = {sin(t), sin(2t),
. . . , sin(kt)}, k N, ortogonal.
2. Se W = [S] e f (t) = cos(mt), m N, obtenha a projeo ortogonal de f sobre W.
R2
Exerccio 3.71 Seja V = C[0, 2] com o produto interno hf, gi = f (t) g(t) dt.
0
1. Mostre que, com relao a este produto interno, o conjunto S = {u0 (x), u1 (x),
u2 (x), ...}, onde u0 (x) = 1, u2k1 (x) = sin(kx), u2k (x) = cos(kx), k N,
ortogonal.
2. Ortonormalize S2n = {u0 (x), ..., u2n (x)}.
3. Mostre que a melhor aproximao de f C[0, 2] em [S2n ] dada por:
n
1 X
a0 + (ak cos(kx) + bk sin(kx)) ,
2 k=1
1
R2 1
R2
onde ak =
f (x) cos(kx)dx e bk =
f (x) sin(kx)dx .
0 0
= i1 + 3i2 3 = 1 i2 + 5i3 ,
1. Calcule h | i, h | i, h | i e h | i.
Exerccio 3.73 Obtenha uma base ortonormal de C3 (espao vetorial sobre C) a partir
da base (i, i, 1 + i), (1, i, 0), (1, i, 0).
Captulo 4
Transformaes Lineares
Definio 4.1 Sejam U e V dois espaos vetoriais sobre um corpo K. Uma aplicao
T : U V dita ser uma transformao linear, quando respeitar duas condies:
2. T (u) = T (u), u U, K
2. T (u) = T (u)
v = T (w) T (W )
v = T (w1 + w2 ) T (W )
v = v1 + v2 T (W )
Nota 4.12 A palavra kernel derivada do termo cyrnel com a forma da palavra corn,
significando semente ou gro. Tal como um gro de milho, o kernel de uma transformao
linear o seu ncleo ou semente, no sentido de que ele que carrega as informaes sobre
muitas propriedades importantes da transformao linear. Isso explica porque usamos a
notao Ker(T ) para denotar o ncleo de T .
2. A imagem de T um subespao de V .
Logo, u1 + u2 Ker(T )
Z1
S(p) = p(t)dt
0
R1
(at + b)dt = 0
0
a
2
+ b = 0 a = 2b
dim Ker(T ) = n
dim U = n + m
1 T (w1 ) + . . . + m T (wm ) = V
T (1 w1 + . . . + m wm ) = V
1 w1 + . . . + m wm Ker(T )
1 w1 + . . . + m wm = 1 u1 + . . . + n un
1 u1 . . . n un + 1 w1 + . . . + m wm = V
1 = . . . = n = 0
1 = . . . = m = 0
Teorema 4.17 Uma transformao linear injetiva se, e somente se, sua nulidade for
igual a zero.
Exemplo 4.18 Seja T : Mn (R) Mn (R) o operador linear que a cada matriz associa
a sua transposta T (A) = At . Ento:
Prova. At = Ker(T ) = {}
Aplicando o teorema do ncleo e da imagem: dim Im(T ) = n2 , dim Mn (R) = n2 .
Assim, Im(T ) = Mn (R).
Exemplo 4.19 Seja D : Pn (R) Pn (R) o operador de derivao Dp(t) = p0 (t). Temos
que p0 (t) = 1 Ker(D). Assim Ker(D) 6= {} D no injetiva.
2. T bijetiva.
3. T injetiva.
Nota 4.23 Quando existe um isomorfismo entre U e V , dizemos que esses espaos so
isomorfos (notao U V ). Neste caso, podemos, atravs do isomorfismo, identificar
cada elemento de U com um nico elemento de V .
Exemplo 4.25 Dada uma transformao linear T : Pn (R) Rn+1 definida como:
p(t) = a0 + a1 t + . . . + an tn
T (p) = (a0 , a1 , . . . , an )
T um isomorfismo.
Teorema 4.26 Dois espaos vetoriais sobre K de dimenso finita so isomorfos se, e
somente se, tm a mesma dimenso.
T linear.
Logo, U e V so isomorfos.
G F (x, y) = x + y + x y = 2x
Exerccio 4.37 Existe um operador linear F : R3 R3 tal que F (1, 1, 1) = (1, 2, 3),
F (1, 2, 3) = (1, 4, 9) e F (2, 3, 4) = (1, 8, 27)? Justifique a sua resposta.
Exerccio 4.40 Para cada uma das transformaes lineares abaixo determinar uma base
e a dimenso do ncleo e da imagem.
Exerccio 4.42 Considere o operador linear F do R3 definido por F (1, 0, 0) = (1, 1, 1),
F (0, 1, 0) = (1, 0, 1) e F (0, 1, 2) = (0, 0, 4). F inversvel? Se for, determine o isomor-
fismo inverso.
Exerccio 4.43 Sejam u, v R2 vetores tais que {u, v} uma base de R2 . Sendo F
transformao linear, mostrar que uma das seguintes alternativas se verifica:
2. dim Im(F ) = 1;
3. Im(F ) = o.
Exerccio 4.45 Sendo F, G, H L(R2 ) definidos por F (x, y) = (x, 2y), G(x, y) = (y, x +
y) e H(x, y) = (0, x), determinar F +G, F G, G(H +F ), GF, H F, F H, H F G
e G F H.
Determinar:
1. F G;
2. Ker(F G) e Im(F G);
3. Uma base e a dimenso de Ker(F 2 G).
Exerccio 4.48 Seja F L(R2 ) dado por F (x, y) = (y, x). Determinar F n (x, y), sendo
n 1 um nmero inteiro. Mesmo exerccio com G L(R2 ) dada por G(x, y) = (x, 0).
Exerccio 4.49 Mostre que os operadores F, G, H L(R2 ) dados por F (x, y) = (x, 2y) ,
G(x, y) = (y, x + y) e H(x, y) = (0, x) formam um conjunto LI em L(R2 ).
Exerccio 4.51 Mostrar que um operador F L(V ) idempotente se, e somente se,
I F idempotente.
Exerccio 4.52 Seja F L(R4 ) dado por F (x, y, z, t) = (0, x, y + 2x, z + 2y + 3x).
Mostrar que:
1. F 4 = 0;
2. I F um automorfismo do R4 e I + F + F 2 + F 3 = (I F )1
Exerccio 4.53 Seja C o espao vetorial dos nmeros complexos sobre R. Consideremos
F, G L(C) assim definidas:
!
2 2
F (z) = +i z e G(z) = iz, z C
2 2
Calcular:
1. F 2 ;
2. F 4 ;
3. G2 ;
4. F 2 ;
5. F G;
6. (F G) (F G);
Assim, dada uma transformao linear e bases B e C, definimos a matriz dessa transfor-
mao em relao s bases B e C como a seguinte matriz:
11 12 1n
21 22 2n
[T ]CB = ..
.. .. ..
. . . .
m1 m2 mn
[T (u1 )]C [T (u2 )]C [T (un )]C
Prova. De fato, se u = 1 u1 +. . .+n un , ento T (u) = 1 T (u1 )+. . .+n T (un ). Como:
m n m
! m n
!
X X X X X
T (uj ) = ij vi T (u) = j ij vi = ij j vi
i=1 j=1 i=1 i=1 j=1
Ento:
11 1 + 12 2 + . . . + 1n n 11 12 1n 1
21 1 + 22 2 + . . . + 2n n 11 12 1n 2
[T (u)]C = =
.. .. .. .. .. ..
. . . . . .
m1 1 + m2 2 + . . . + mn n m1 m2 mn n
Nota 4.57 Essa propriedade revela algo bastante surpreendente, pois nos permite traba-
lhar com matrizes em vez de trabalhar com vetores. De fato, o esquema seguinte explicita
essa ideia:
u T (u)
[u]B [T (u)]C = [T ]CB [u]B
Prova.
T S
U V W
B C D
ST
Sejam [T ]CB = (ij )mn e [S]DC = (ij )pm . Definamos as bases B = {u1 , u2 , . . . , un },
m
P
C = {v1 , v2 , . . . , vm } e D = {w1 , w2 , . . . , wp }. Assim, T (uj ) = kj vk e S(vk ) =
k=1
p
P
ik wi . E ento:
i=1
n
n
P P
S T (uj ) = S(T (uj )) = S kj vk = kj S(vk )
k=1 k=1
n
P p
P
= kj ik wi
k=1 i=1
p n
P P
S T (uj ) = ik kj wi
i=1 k=1
Portanto, [S T ]DB = [S]DC [T ]CB , pois [S]DC [T ]CB = (aij )pn onde aij =
n
P
ik kj .
k=1
Nota 4.60 A necessidade de T 0 ser linear poderia ser omitida desta definio. De fato,
pode-se provar que se T 0 uma aplicao qualquer de V em U tal que T 0 T = IU e
T T 0 = IV , ento T 0 forosamente linear.
Teorema 4.62 Se T uma transformao linear inversvel, ento sua inversa nica.
Prova. Basta pensar na transformao linear T como uma matriz. Assim, cada matriz
admite apenas uma inversa, logo T tambm s admite uma inversa.
Prova. Exerccio.
Nota 4.66 Note que, como Im(T ) V ento dim Im(T ) m. Alm disso, pelo teorema
do ncleo e da imagem, conclumos que dim Im(T ) n. Isso significa que o posto de T
nunca excede n ou m.
Nota 4.67 Pode-se mostrar que o maior nmero de colunas LI de uma matriz igual
ao maior nmero de linhas LI da mesma matriz. Assim, o posto de uma matriz pode
ser calculado pelo escalonamento de linhas ou de colunas. E uma vez conhecido o posto
da matriz de uma transformao linear, a nulidade dessa transformao linear pode ser
prontamente obtida pelo teorema do ncleo e da imagem.
Exemplo 4.68 Seja T : R3 P2 (R) uma transformao linear cuja matriz em relao
s bases cannicas (de cada um dos espaos vetoriais) :
1 2 3
4 5 6
5 4 3
Temos que:
1 2 3 1 2 3 1 2 3
4 5 6 0 3 6 0 3 6
5 4 3 0 6 12 0 0 0
Portanto, o posto de T 2, e sua nulidade 1.
Prova. Exerccio.
Nota 4.70 O Teorema 4.69 garante que L(U, V ) e Mmn (R) so isomorfos, isso significa
que dim L(U, V ) = dim Mmn (R) = mn.
Exemplo 4.71 Obtenhamos uma base para L(R2 , R2 ) = L(R2 ). Desde que L(R2 )
M2 (R) dim L(R2 ) = 4. Considerando a base cannica de M2 (R):
1 0 0 1 0 0 0 0
B= , , ,
0 0 0 0 1 0 0 1
e a transformao linear bijetora que a cada transformao linear associa a sua matriz.
Iremos determinar uma base de L(R2 ): C = {T1 , T2 , T3 , T4 }. Para tanto, seja F =
{(1, 0); (0, 1)} a base (cannica) do R2 , de modo que (T1 ) = [T1 ]F . Assim:
[T1 (0,1)]F
[T1 ]F F =
1 0
0 0
[T1 (1,0)]F
T1 (1, 0) = (1, 0)
T1 (x, y) = T1 (x(1, 0) + y(0, 1)) = x(1, 0) + y(0, 0)
T1 (0, 1) = (0, 0)
T1 (x, y) = (x, 0)
[T2 (0,1)]F
[T2 ]F F =
0 1
0 0
[T2 (1,0)]F
T2 (1, 0) = (0, 0)
T2 (x, y) = (y, 0)
T2 (0, 1) = (1, 0)
Analogamente, T3 (x, y) = (0, x) e T4 (x, y) = (0, y).
C = {T1 , T2 , T3 , T4 } base de L(R2 ). Note que uma transformao linear deste espao
pode ser escrita de forma genrica como T (x, y) = (ax + by, cx + dy).
Nota 4.72 Outra maneira de achar as transformaes lineares no exemplo anterior se-
ria fazer [T (x, y)]F = [T ]F [(x, y)]F , substituindo [T ]F por cada uma das matrizes da base
cannica escolhida do espao M2 (R), encontrando, respectivamente, cada uma das trans-
formaes lineares T1 , . . . , T4 .
Teorema 4.75 Seja um espao vetorial de dimenso finita. Temos que seu espao dual
e ele so isomorfos, ou seja, tm a mesma dimenso.
Definio 4.76 Seja um espao vetorial U de dimenso finita sobre um corpo K e uma
base do mesmo B = {b1 , b2 , . . . , bn }. Dado u = u1 b1 + u2 b2 + . . . + un bn , definimos as
transformaes lineares:
F1 (u) = u1
F2 (u) = u2
..
.
Fn (u) = un
Do Teorema 4.75, e sabendo que o conjunto {F1 , F2 , . . . , Fn } LI (prove!), podemos
dizer que {F1 , F2 , . . . , Fn } uma base de U . Este conjunto recebe o nome de base dual
de B = {b1 , b2 , . . . , bn }.
T1 (1, 0) = 1
T1 (x, y) = x y
T1 (1, 1) = 0
E tambm: [T2 ]CB = 0 1
T2 (1, 0) = 0
T2 (x, y) = y
T2 (1, 1) = 1
Nota 4.78 De uma forma geral, consideremos um espao vetorial Rn sobre R, e uma
base desse espao B = {b1 , b2 , . . . , bn }. Temos que a base dual de B a base de (Rn )
formada pelas transformaes lineares tais que:
F1 (u) = u1
F2 (u) = u2
..
.
Fn (u) = un
de M2 (R).
Exerccio 4.84 Seja B = {e1 , e2 , e3 } uma base de um espao vetorial V sobre R. Sendo
F, g L(V ) dados por F (e1 ) = e1 e2 , F (e2 ) = e1 + e3 , F (e3 ) = e2 , G(e1 ) = 2e1 + e3 ,
G(e2 ) = e1 e G(e3 ) = e2 3e1 , determinar em relao base B as matrizes dos seguintes
operadores lineares: F, G, F +G, 2F G, F G, GF, F 2 +G2 , F 1 (caso exista) e G1 (caso
exista).
Exerccio 4.85 Sejam F, G L(P2 (R), P3 (R)) assim definidos: F (p(t)) = tp(t) p(1)
e G(p(t)) = (t 1)p(t), p(t) P2 (R). Determinar as matrizes de F e G em relao
seguinte par de bases: B = {1, t2 , (t 1)2 } e C = {1, t 1, (t 1)2 , (t 1)3 } de P2 (R) e
P3 (R), respectivamente.
R1
Exerccio 4.86 Seja F L(P2 (R), R) definida por 1
p(t)dt. Determinar a matriz de
F em relao s bases:
1. B = {1, t, t2 } e C = {1};
2. B = {1, 1 + t, 1 + t2 } e C = {2};
Exerccio 4.89 Sejam F1 e F2 (R3 ) definidas por F1 (x, y, z) = x3y +2z e F2 (x, y, z)
= 2x y + z. Determinar F1 + F2 , 2F1 + 3F2 e os respectivos ncleos.
Exerccio 4.90 Determine as bases duais de cada uma das seguintes bases:
Exerccio 4.92 Seja V um espao vetorial de dimenso finita. Sejam u e v dois vetores
desse espao com a seguinte propriedade: F V : F (u) = 0 F (v) = 0. Mostrar
{u, v} LD
Sugesto: Se fossem LI existiria uma base B de V contendo u e v. Considere a base
dual.
4.8 Isometria
Definio 4.94 Seja V um espao vetorial euclideano de dimenso finita. Um operador
linear T : V V com a propriedade de que kT (u)k = kuk , u V chamado de
isometria sobre V ou operador ortogonal.
kT (x, y)k2 = x2 + y 2
= k(x, y)k2 , (x, y) R2
Nota 4.96 Uma isometria uma transformao linear que preserva a norma de vetores.
No caso do R2 ou R3 (com produto interno usual) uma isometria preserva o comprimento
fsico dos vetores.
Prova. Basta provarmos que T injetiva, para tanto, seja u Ker(T ), assim, T (u) =
U , mas kT (u)k2 = kuk2 kuk = 0. Do axioma da postividade vem u = U , e assim,
Ker(T ) = {U }.
1. T isometria.
Prova. (3 1) Exerccio.
(1 2) Exerccio.
(2 3) Seja B = {u1 , . . . , un } uma base ortonormal de U . Dados u, v U , h
1 , . . . , m , 1 , . . . , n , tal que:
u = 1 u1 + . . . + n un
v = 1 u1 + . . . + n un
hu, vi = 1 1 + . . . + n n
Mas T (u) = 1 T (u1 ) + . . . + n T (un ) e T (v) = 1 T (u1 ) + . . . + n T (un ). Como
{T (u1 ), . . . , T (un )} tambm base ortonormal de U (por hiptese):
hT (u), T (v)i = 1 1 + . . . + n n
= hu, vi , u, v U
Prova. () Exerccio.
() Seja B = {u1 , . . . , un } uma base ortonormal de U . Sendo:
T (u1 ) = 11 u1 + . . . + n1 un
T (u2 ) = 12 u1 + . . . + n2 un
..
.
T (un ) = 1n u1 + . . . + nn un
kuk2 = 1 2 + . . . + n 2
= [u]B t [u]B
Assim:
kT (u)k2 = [T (u)]B t [T (u)]B
= ([T ]B [u]B )t [T ]B [u]B
= [u]B t [T ]B t [T ]B [u]B
| {z }
=I
= [u]B t [u]B
kT (u)k2 = kuk2 , u U
Logo, T isometria.
Pode-se mostrar que dada uma transformao linear, sua adjunta existe e nica.
A definio anterior define a adjunta de uma transformao linear de uma forma
bastante abstrata. No teorema seguinte, expomos uma maneira simples de se obter a
adjunta.
Teorema 4.102 Sejam U e V espaos vetoriais euclideanos dotados das bases ortonor-
mais B = {u1 , . . . , un } e C = {v1 , . . . , vn }, e seja A uma transformao linear de U em
V . Se [A]CB a matriz de A em relao s bases B e C ([A]CB Mmn (R) ento
[A ]BC = [A]CB t .
Prova. Tendo-se uma base E ortonormal, podemos dizer que hx, yi = [x]E t [y]E . As-
sim:
hA(u), vi = ([A]CB [u]B )t [v]C
= [u]B t [A]CB t [v]C
Seja agora T : V U a transformao linear cuja matriz [T ]BC = [A]CB t . Ento:
Logo, T a adjunta de A.
1. I = I.
2. (A + B) = A + B .
3. Se R, ento (A) = A .
4. (A B) = B A .
5. A = A.
Nota 4.104 No caso de espaos vetoriais hermitianos de dimenso finita, a adjunta her-
mitiana de uma transformao linear A : U V uma transformao linear A : V U
que satisfaz a:
hv, A(u)i = u, A (v) , u U, v V
hv|A|ui = v|A |u
Exemplo 4.107 T :R2 R2 , T (x, y) = (y, x) auto-adjunto, pois tomando-se a base
0 1
cannica B : [T ]B = , que simtrica.
1 0
Exemplo 4.108 A hiptese de que a base seja ortonormal imprescindvel, pois tomemos
1 2
T L(R2 ) tal que [T ]B = e B = {(1, 1); (0, 1)}. Assim, T (1, 1) = 1(1, 1) +
2 3
2(0, 1) = (1, 3) e T (0, 1) = 2(1, 1) + 3(0, 1) = (2, 5).
hT (1, 1), (0, 1)i = 3
diferentes.
h(1, 1), T (0, 1)i = 7
Nota 4.111 Para espaos vetoriais hermitianos, um operador linear hermitiano quando
A = A . Se o espao vetorial tem dimenso finita, ento um operador hermitiano se, e
somente se, sua matriz em relao base ortonormal hermitiana ([A]B = [A]B ).
Prova. Exerccio.
Nota 4.114 Um modo prtico de memorizar este teorema perceber que os ndices in-
ternos "se cancelam", restando apenas os externos.
Definio 4.116 Uma matriz quadrada dita diagonalizvel quando for semelhante a
uma matriz diagonal.
3 2
Exemplo 4.117 Temos que a matriz Q = diagonalizvel, pois tomando-se
2 3
1 1 1 1 0
M= M QM = .
1 1 0 5
1. det P = det Q.
2. trP = trQ
Exerccio 4.123 Para cada par de inteiros positivos (i, m) com 1 i m define-se a
transformao linear Pi,m : Rm Rm como:
Exerccio 4.125 O objetivo desta questo mostrar o princpio da incerteza. Para tanto,
seja U um espao vetorial complexo munido de produto interno e sejam A e B dois
operadores lineares em U e hermitianos. Fixado um certo vetor U , definimos o valor
mdio hAi do operador A como:
hAi = h, A()i .
Exerccio 4.126 Para cada transformao linear a seguir, obtenha a transformao linear
adjunta:
1. T : R3 R2 , T (x, y, z) = (x + y, z).
kv E(v)k kv wk , v V, w W
Exerccio 4.133 Seja V um espao euclidiano de dimenso finita. Mostar que duas
quaisquer das propriedades a segiur de um operador A L(V ) implica a restante:
1. A auto-adjunto.
2. A uma isometria.
3. A2 = I.
Exerccio 4.138 Mostre que duas matrizes semelhantes possuem o mesmo posto.
Captulo 5
Autovalores e Autovetores
O assunto deste captulo um dos mais importantes da lgebra Linear. No s porque faz
uso de todos os conceitos vistos anteriormente, mas tambm pela sua grande aplicabilidade
numa vasta classe de problemas da Matemtica, Fsica e Engenharia.
Por curiosidade, autovalor (ou valor prprio, valor caracterstico) a traduo de eigen-
value, ao paso que autovetor (ou vetor prprio, vetor caracterstico) vem de eigenvector.
O adjetivo germnico eigen significa prprio ou caracterstico de.
Autovalores e autovetores so caractersticos de uma matriz no sentido de conter in-
formaes importantes sobre a natureza da mesma. A letra , letra grega equivalente ao
l do portugus, utilizada para designar autovalores porque anteriormente esses nmeros
tambm era chamados de valores latentes.
Exemplo 5.2 Seja T L(R2 ), T (x, y) = (x, x + y). Vamos obter os autovalores de T .
(T I)(x, y) = (0, 0)
(x x, x + y y) = (0, 0)
(1 )x =0
x +(1 )y = 0
Desejamos que este sistema admita soluo no trivial.
1 0
= 0 (1 )2 = 0 = 1 (raiz dupla)
1 1
Substituindo no sistema para encontrar os autovetores: 0x = 0, x + 0y = 0 x = 0
e y qualquer 6= 0.
Logo, os autovetores associados a = 1 so da forma u = (0, y) = y(0, 1), y R .
Nota 5.8 No caso de uma matriz A quadrada real (ou complexa), tambm se aplicam os
conceitos de autovalor e autovetor. Neste caso, um autovetor de A uma matriz coluna
u real (ou complexa) no nula tal que h um real (ou complexo) que satisfaz o sistema
Au = u.
Veja que isto equivalente a (AI)u = . A busca de autovalores feita resolvendo-
se a equao (chamada de equao caracterstica, ou equao secular) det(A I) = 0.
Nota 5.9 O Teorema 5.7 pode ser generalizado usando o processo de induo para o caso
de n autovalores distintos 2 a 2 e os n autovetores associados.
PT () = det([T ]B I)
Nota 5.13 O Teorema 5.12 poderia ser enunciado na forma: "matrizes semelhantes
possuem o mesmo polinmio caracterstico".
Prova. Exerccio.
x = y = z
1
Portanto, V2 gerado por 1 , isto , V2 = [(1, 1, 1)].
1
Autovetores associados a 2 = 7:
5 1 1 x 0 5x + y + z = 0
2 4 2 y = 0 2x 4y + 2z = 0
3 3 3 z 0 3x + 3y 3z = 0
y = 2x
z = 3x
1
Portanto, V2 gerado por 2 , ou ainda, V2 = [(1, 2, 3)].
3
Proposio 5.24 Decorre da Definio 5.23 que B deve ser uma base de autovetores de
T.
T (u1 ) = 1 u1
T (u2 ) = 2 u2
..
.
T (un ) = n un
ou seja, u1 , u2 , . . . , un so autovetores de T .
Proposio 5.25 A Definio 5.23 tambm pode, de modo anlogo, ser aplicada para
matrizes. Uma matriz A Mn (K) diagonalizvel se existe uma base de Mn1 (K)
formada por autovetores de A. Esta definio equivalente quela que demos no Captulo
4.
Prova. Seja B = {u1 , u2 , . . . , un } uma base de Mn1 (K) formada por autovetores de
A. Isso equivalente a:
Au1 = 1 u1
Au2 = 2 u2
..
.
Aun = n un
Veja que:
Au1 Au2 Aun 1 u1 2 u2 n un
=
1 0 0
0 2 0
A u1 u2 un = u1 u2 un ..
.. . . .
. ..
. .
0 0 n
AM = M D
Ou seja, M 1 AM = D.
Exemplo 5.26 Seja o operador T : R2 R2 , T (x, y) = (y, x). Determinemos uma base
de C do R2 de modo que [T ]C seja uma matriz diagonal.
Seja B = {(1, 0); (0, 1)} a base cannica do R2 :
Autovetores associados a 1 = 1:
([T ]B I)[u]B =
1 1 x 0 x + y = 0
=
1 1 y 0 xy =0
x=y
Assim, V1 = [(1, 1)].
Autovetores associados a 2 = 1:
1 1 x 0
= x = y
1 1 y 0
Assim, V2 = [(1, 1)].
1 0
Portanto, na base C = {(1, 1); (1, 1)}, temos [T ]C = .
0 1
Devemos agora buscar condies que nos garantam quando um operador (ou uma
matriz) possa ser diagonalizado.
Nota 5.29 O Teorema 5.28 tambm vlido (com as devidas adaptaes) para matrizes
de Mn (K).
(Q I)u =
0 1 x 0
=
0 0 y 0
y=0
1
Portanto, V1 gerado por e dim V1 = 1.
0
Como a multiplicidade algbrica de 1 diferente da multiplicidade geomtrica, Q no
diagonalizvel.
Au = u u Au = u u u Au = kuk2
A = u u Au = kuk2
(Au) = (u) u |{z}
A
Logo, hui , uj i = 0.
Nota 5.38 Vale a recproca do teorema espectral: se existe uma base ortonormal formada
por autovetores de T , ento T auto-adjunto.
Nota 5.39 Tanto o teorema espectral quanto sua recproca permanecem vlidos para o
caso de operadores hermitianos. Neste caso, a recproca precisa da hiptese adicional de
que os autovalores so reais.
para 6= 0 e 6= .
Teorema 5.41 Seja T um operador ortogonal num espao vetorial euclideano de dimen-
so finita e no nula. Existe uma base ortonormal deste espao vetorial relativamente
qual a matriz de T tem a forma:
1
...
1
1
. ..
1
cos 1 sin 1
sin 1 cos 1
. ..
cos k sin k
sin k cos k
Nota 5.42 A matriz referente ao Teorema 5.41 pode no possuir elementos iguais a 1 ou
a 1, como tambm pode no conter nenhum dos blocos 2 2 caractersticos das rotaes.
1. T (x, y) = (x + y, x y);
1. Mostre que se A uma involuo, ento possvel encontrar uma base de V formada
por autovetores de A.
Dp = diag(1 p , 2 p , . . . , n p )
A = M DM 1
Ap = M DP M 1
Se Ap = M DP M 1 , ento Ap+1 = M DP M 1 (M DM 1 ) = M DP +1 M 1 .
Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0
sendo A, B, C, D, E, F R.
A equao est escrita na base cannica e se B 6= 0, o reconhecimento da cnica
descrita no nada trivial. O procedimento usual em Geometria Analtica para dar cabo
a este contratempo consiste em fazer uma cautelosa rotao de eixos de um ngulo tal
que, na nova base, tenha-se B = 0. Vamos atacar este problema de outro modo. Para
tanto, veja que:
2 2
A B/2 x
Ax + Bxy + Cy = x y
B/2 C y
x
e sendo B a base cannica, [(x, y)]B = .
y
A B/2
Entretanto, como a matriz simtrica, ela sempre pode ser diagona-
B/2 C
lizada (numa base ortonormal formada por seus autovetores). Se esta matriz estiver
numa forma diagonal, a identificao da cnica passa a ser uma tarefa bem mais simples.
Autovalores de P : 2 + 6 16 = 0 ( + 8)( 2) = 0 1 = 8, 2 = 2
Autovetores associados a 1 = 8:
1 3 a 1 3
= 00 u1 =
3 9 b 10 1
Autovetores associados a 2 = 2:
9 3 a 1 1
= 00 u2 =
3 1 b 10 3
Da mesma forma:
x x
10 10 = 10 10 MBC
y y
3/ 10 1/ 10
x
= 10 10
1/ 10 3/ 10 y
x
= 4 2
y
= 4x 2
y
A nova equao, escrita em termos de x, y, fica:
x2 + 2
8 y 2 + 4
x 2
y8=0
x 1/4)2 + 2(
8( y 1/2)2 8 = 0
Logo, trata-se de uma hiprbole.
f (A) = n1 An1 + n2 An 2 + . . . + 1 A + 0 I
| {z }
g(A)
f (k) (j ) = g (k) (j ), j = 1, . . . , p, k = 0, 1, . . . , mj 1
1 1
Exemplo 5.55 Seja A = . Calcule eA . Podemos resolver tanto pela diagonali-
1 1
zao, quanto pela frmula de Sylvester. Faremos pelos dois:
(e2 1)
A 1 1 1 0 1 e2 + 1 e2 1
e = + =
2 1 1 0 1 2 e2 1 e2 + 1
1 1
Exemplo 5.56 Obtenha a exponencial de .
0 1
Nesse caso, como A no diagonalizvel, devemos usar a frmula de Sylvester.
f (A) = eA , g(A) = A + I, 1 = 1, m1 = 2
f (1 ) = g(1 ) e=+ =e e e
eA =
f (2 ) = g(2 ) e= =0 0 e
Definio 5.57 Se uma matriz A tem s autovetores LI, ento ela semelhante a uma
matriz J que est na forma cannica de Jordan, com s blocos na diagonal.
J1 0 0 0
0 J2 0 0
J = M 1 AM =
0 0 J3 0
.. .. .. .. ..
. . . . .
0 0 0 Js
onde cada bloco de Jordan Ji possui um autovetor, um autovalor e nmeros 1 bem acima
da diagonal:
i 1 0 0 0
0 i 1 0 0
0 0 i 0 0
Ji = .. ..
.. . . . .. ..
. . . . .
0 0 0 i 1
0 0 0 0 i
Nota 5.59 Vemos que, na frmula cannica de Jordan, se uma matriz de ordem n possuir
n autovetores LI, todos os blocos de Jordan seriam 1 1 e teramos a forma diagonal da
matriz.
Mas como podemos achar a frmula cannica de Jordan? Como saber se a frmula
cannica de Jordan de uma certa matriz A 5 5 o J do exemplo anterior? Em outras
palavras, quando existir um M tal que M 1 AM = J?
Primeiramente, necessrio que A compartilhe os mesmos autovalores de J: 8, 8, 0,
0 e 0. Vale notar, porm, que a matriz diagonal com esses autovalores no semelhante
a J. Precisamos tambm de uma nova definio, a de autovetor generalizado:
Definio 5.60 Dada uma matriz A Mn (C) e um autovalor , uma matriz coluna
no nula x Mn1 (C) um autovetor generalizado de ordem k associado a quando
(A I)k x = e (A I)k1 x 6= .
Nota 5.61 Note que autovetores genunos (aqueles que estamos acostumados a lidar at
agora) so autovetores generalizados de ordem 1.
Agora, podemos elaborar uma receita para obter a forma cannica de Jordan.
Exemplo 5.63 Encontremos uma matriz M tal que M 1 AM esteja na forma cannica
de Jordan:
1 1 2
A= 0 1 3
0 0 2
Primeiro achamos os autovalores de A. Temos que eles so: 1 = 1, com multiplici-
dade algbrica m1 = 2 e geomtrica q1 = 1, e 2 = 2 com m2 = 1 e q2 = 1.
Os autovetores genunos de A so:
1 5
u1 = 0 u2 = 3
0 1
Nota 5.64 Apesar de infalvel, o algoritmo para se achar a forma cannica de Jordan
longo, e exaustivo para ordens maiores. Portanto, nem sempre necessrio seguir o
algoritmo completamente, sendo possvel obter, em alguns casos, a forma de Jordan de
uma matriz apenas por inspeo.
p
Y
mA (t) = (i t)n i
i=1
onde n
i o tamanho do maior bloco de Jordan associado a i .
Usando a forma cannica de Jordan de A, segue que: mA (A) = .
Nota 5.66 Note que as potncias neste polinmio anulam todos os blocos de Jordam de
A e, por isso, mA (A) = .
3 0 0 3 1 0 3 1 0
A= 0 3 0 B= 0 3 0 C= 0 3 1
0 0 3 0 0 3 0 0 3
3 1 0 0 0 3 1 0 0 0
0 3 1 0 0
0 3 1 0 0
A=
0 0 3 0 0
B=
0 0 3 0 0
0 0 0 3 0 0 0 0 3 1
0 0 0 0 3 0 0 0 0 3
0 0 3 0 0 4
n1 n(n 1) n2
n
n
Jn = 0
n
2 n1
n
0 0 n
Repetindo o raciocnio para um bloco p p:
Agora, ser que isso que foi visto para potenciao tambm pode ser generalizado
para funes mais gerais? Ou seja, ser que, supondo que se conhea a forma cannica
de Jordan de A. Ser que f (A) = M f (J)M 1 ?
A resposta : depende. Se f for uma funo polinomial f (A) = a0 I +a1 A+. . .+an An ,
ento podemos dizer que f (A) = M f (J)M 1 . E este resultado continua vlido no caso
em que f (A) escrita como uma srie de potncias convergente, como por exemplo: eA ,
sinh(A) e log(A). Porm, h funes que no satisfazem essa condio, como por exemplo
f (A) = At .
No caso em que f (A) = M f (J)M 1 , ento:
f (J1 ) 0 0 0
0 f (J2 ) 0 0
0
0 f (J )
0
f (J) = 3
.. .. .. . . ..
. . . . .
0 0 0 f (Js )
Mas como calcular f de um certo bloco de Jordan? O melhor de tudo que podemos
fazer exatamente como antes! Portanto:
f 0 () f (p2) () f (p1) ()
f ()
1! (p 2)! (p 1)!
(p3) (p2)
f () f ()
0 f ()
f (J) = . (p 3)! (p 2)!
. . .
. . . . . . .
. . . .
0
f ()
0 0 f ()
1!
0 0 0 f ()
1 2 2
1. 2 1 2
2 2 3
1 0 0
2. m 2 0
n 0 2
1 4 2 2
4 1 2 2
3.
2
2 1 4
2 2 4 1
1 1 1 1
1 1 1 1
4.
1 1
1 1
1 1 1 1
Exerccio 5.74 Seja A L(R3 ) o operador linear cuja matriz relativa base cannica :
2 2 0
(aij ) = 2 1 0
0 0 2
3. Achar uma matriz M ortogonal tal que M T (aij )M a matriz diagonal obtida no
item anterior.
A(x, y, z) = (x + y + z, x + y + z, x + y + z)
0 1 5 9
2 1 6 8
3.
0 0 0
3
0 0 1 2
1 4 2 2
4 1 2 2
4.
2
2 1 4
2 2 4 1
Exerccio 5.80 Seja A uma forma cannica de Jordan com r blocos de Jordan. Mostre
que A admite exatamente r vetores prprios linearmente independentes.
Exerccio 5.81 Ache a forma cannica de Jordan para o operador diferencial derivada
D : P3 (C) P3 (C).
1. 2xy + 3x y + 1 = 0
6. x2 + y 2 + xy x + 1 = 0
2. x2 2xy + y 2 + 2x = 4
Exerccio 5.85 Voc tem um suprimento de trs tipos de ladrilhos: dois tipos de ladrilhos
1 2 e outro tipo de ladrilho 1 1, como mostra a figura abaixo:
Exerccio 5.86 Voc tem um suprimento de domins 1 2 com os quais voc ir recobrir
um retngulo 2 n. Seja dn o nmero de diferentes maneiras de se recobrir o retngulo.
Por exemplo, a figura abaixo mostra que d3 = 3.
Ci = A + ti B i = 0, 1, . . . , n
A2 B + BA2 = 2ABA.
Exerccio 5.90 Dada uma matriz A Mn (R) simtrica e uma matriz C Mn (R) no
singular, mostre que C T AC possui o mesmo nmero de autovalores positivos, nulos e
negativos que A.
Exerccio 5.91 Para quais valores de s e t as matrizes seguintes possuem todos os auto-
valores positivos?
s 4 4 t 3 0
A = 4 s 4 B= 3 t 4
4 4 s 0 4 t
Exerccio 5.92 D uma razo imediata para o motivo de cada uma dessas afirmaes
serem verdadeiras:
4. Uma matriz simtrica com um determinante positivo pode no ser positiva definida.
Exerccio 5.93 H alguma soluo (x, y, z) R3 para 2x2 +2y 2 +2z 2 2xy 2yz +2xz =
15?
Captulo 6
funo do tempo. Tomando, por exemplo, coelhos representados pela letra c (presa) e
raposas representadas pela letra r (predador), temos:
dc = ac rc
dt
dr
= r + rc
dt
Definio 6.6 Existe tambm o conceito de ordem para equaes diferenciais. A ordem
de uma ED a ordem da maior derivada que aparece. De modo geral:
F (t, u(t), u0 (t), . . . , u(n) ) = 0
uma EDO de ordem n, desde que F no seja constante na ltima varivel de entrada
F
( (n) 6= 0).
u
Exemplo 6.7 A equao y 000 + 2et y 00 + y(y 0 )5 = t10 uma EDO de ordem 3.
Exemplo 6.14 A EDO y 00 + y = 0 possui soluo geral y(t) = c1 sin t + c2 cos t. Conside-
y(0) = 0
rando as condies iniciais temos a seguinte soluo particular y(t) = 3 sin t.
y 0 (0) = 3
Teorema 6.15 Seja L(y) = g(t) uma EDOL e L(y) = 0 a homognea associada. Se
uma soluo (conhecida) de L(y) = g(t), ento o conjunto soluo de L(y) = g(t) :
2. Seja (t) uma outra soluo de L(y) = g(t). L() = g(t) e L() = g(t) L( ) =
0, ou seja, h um h Ker(L) tal que (t) (t) = h(t).
Nota 6.16 O Teorema 6.15 nos ensina um fato muito importante. Se quisermos achar
todas as solues de L(y) = g(t), podemos seguir 3 etapas:
1. Procuramos uma soluo particular de L(y) = g(t).
2. Determinamos o ncleo de L, isto , obtemos as solues da homognea associada.
3. Somamos cada funo do ncleo de L com a soluo particular (t) encontrada na
primeira etapa.
Nota 6.20 Observe que o termo que aparece devido constante x0 ao se calcular u (que no
2
exemplo anterior foi ex0 ) sempreRse anular ao
R xser colocado na equao principal, portanto
x
podemos ignor-lo e considerar x0 p(t)dt = p(t)dt = P (x), sendo P a primitiva de p
sem a constante de integrao.
L(y) = g(t)
com y(t0 ) = y0 e y 0 (t0 ) = y00 , onde p, q e g so contnuas num intervalo aberto I que
contm o ponto t0 . Ento existe exatamente uma soluo (t) e a soluo existe em todo
o intervalo I.
Prova.
f(t) + g(t) = 0, t I
f (t0 ) + g(t0 ) = 0
f 0 (t0 ) + g 0 (t0 ) = 0
Como W [f, g](t0 ) 6= 0 o determinante do sistema, = = 0 f e g so LI.
Nota 6.28 No vale a recproca do Teorema 6.27. Como contra-exemplo, basta ver o caso
t2 e |t|t.
dW
= p(t)W (t)
dt
dW
Ento, basta calcularmos explicitamente :
dt
y (t) y2 (t)
W (t) = 10
y1 (t) y20 (t)
0
dW y (t) y20 (t) y1 (t) y2 (t)
= 10 + 00
dt y1 (t) y20 (t) y1 (t) y200 (t)
dW y1 (t) y2 (t)
= 0 0
dt p(t)y1 (t) q(t)y1 (t) p(t)y2 (t) q(t)y2 (t)
dW y 1 (t) y 2 (t)
= 0 0
dt p(t)y1 (t) p(t)y2 (t)
dW
= p(t)W (t)
dt
v 0 = u0 f + uf 0
v 00 = u00 f + 2u0 f 0 + uf 00
f (u + pu0 + qu) +f 00 (2u0 + pu) + f 0 (u) = 0
00
=0
f 0 (2u + pu) + f 00 (u) = 0
Seja agora h = f 0 , ficamos com: h0 (u) + h(2u + pu) = 0, ou seja, uma EDO de primeira
ordem.
a2 y 00 + a1 y 0 + a0 y = 0, t I
a2 2 et + a1 et + a0 et = 0, t I
(a2 2 + a1 + a0 ) et = 0, t I
=0 6=0
P () = a2 2 + a1 + a0
W = (2 1 )e(1 +2 )t0
W 6= 0 {e1 t , e2 t }
que um conjunto LI. Portanto, a soluo geral y(t) = c1 e1 t + c2 e2 t .
Caso (c): Nesse caso e1 t uma soluo. Considere 2 uma segunda raiz de P ().
e1 t e2 t
soluo. Analisando o limite 2 1 :
1 2
e1 t e2 t d 1 t
lim = e = te1 t
2 1 1 2 d1
d
L(et ) = P ()tet + P 0 ()et
d t
de
L = P ()tet + P 0 ()et
d
L(tet ) = P ()tet + P 0 ()et
ae1 t + bet t = 0, t I
a + bt = 0, t I
a=b=0
L(y) = g(t), t I
(n1)
com y(t0 ) = y0 , y 0 (t0 ) = y00 , . . . , y (n1) (t0 ) = y0 onde p0 , p1 , . . . , pn1 , g so contnuas
num intervalo aberto I que contm o ponto t0 . Ento existe uma nica soluo (t) e a
soluo existe em todo intervalo I.
y1 (t)
y2 (t) yn (t)
y10 (t) y20 (t) yn0 (t)
W [y1 , y2 , . . . , yn ](t) = .. .. ..
...
. . .
(n1) (n1) (n1)
y1 (t) y2 (t) yn (t)
Nota 6.34 As propriedades que vimos para o Wronskiano de 2 funes podem ser gene-
ralizadas para n funes.
Prova. Pode ser obtida da mesma maneira da prova para ordem 2. Basta mostrarmos
dW
que = pn1 (t)W .
dt
y(t) = c1 e1 t + c2 e2 t + . . . + cn en t
real tem multiplicidade s (s n), ento associada a esta raiz temos as
Se uma raiz
solues:
et , tet , t2 et , . . . , ts1 et
Se aparecerem as razes complexas i ( 6= 0), ento temos as solues associadas:
et cos t, et sin t
et cos t, et sin t, tet cos t, tet sin t, . . . , ts1 et cos t, ts1 et sin t
Exerccio 6.39 Verifique que a funo (ou funes) dada(s) (ou so) soluo (solues)
da equao diferencial:
1. y 00 y = 0, y1 (t) = et e y2 (t) = cosh t.
Exerccio 6.41 Encontre a soluo geral da equao diferencial dada e use-a para deter-
minar o comportamento da soluo quando t .
1. y 0 + 3y = t + e2t .
2. y 0 2y = t2 e2t .
3. ty 0 + 2y = sin t, t > 0.
y 0 + ay = bet
Exerccio 6.45 Um tanque contm, inicialmente, 120 litros de gua pura. Uma mistura
contendo uma concentrao de g\l de sal entra no tanque a uma taxa de 2 l\min e a
soluo, bem misturada sai do tanque mesma taxa. Encontre uma frmula em funo
de para a quantidade limite de sal no tanque quando t .
Exerccio 6.46 A populao de mosquitos em uma determinada rea cresce a uma razo
proporcional populao atual e, na ausncia de outros fatores, a populao dobra a cada
semana. Existem, inicialmente, 200.000 mosquitos na rea e os predadores comem 20.000
mosquitos por dia. Determine a populao de mosquitos na rea em qualquer instante t.
Exerccio 6.48 A funo y = sin t2 pode ser soluo de uma equao da forma y 00 +
p(t)y 0 + q(t)y = g(t), com coeficientes constantes, em um intervalo contendo t = 0?
Explique a sua resposta.
Exerccio 6.52 Use o mtodo de reduo de ordem para encontrar uma segunda soluo
das EDOs:
1. y 00 2y + y = 0.
2. 4y 00 4y 0 3y = 0.
3. y 00 2y 0 + 10y = 0.
4. 4y 00 + 17y 0 + 4y = 0.
5. 25y 00 2oy + 4y = 0.
6. y viii + 8y iv + 16y = 0.
7. y iv + 2y 00 + y = 0.
8. y 000 5y 00 + 3y 0 + y = 0.
1. y 00 + y 2y = 0, y(0) = 1, y 0 (0) = 1.
2. y 00 + 4y 0 + 5y = 0, y(0) = 1, y 0 (0) = 0.
y 00 + p(t)y 0 + q(t)y = 0
1. y 00 (2 1)y 0 + ( 1)y = 0.
2. y 00 + (3 )y 0 2( 1)y = 0.
2. Mostre que y(x) = x2 nunca poder ser soluo da EDO se p1 e p0 forem contnuas
em x = 0.
Exerccio 6.61 Determine a soluo geral de (2x 3x2 )y 00 + 4y 0 6xy = 0, sabendo que
uma de suas solues um polinmio em x.
2. Mostre que se a > 0 e b > 0 ento todas as solues de L(y) = 0 tendem a zero
quando x .
1. Mostre que d
dx
((0 )2 + 2 ) = 0, ou seja, (0 )2 + 2 = cte.
2 2 3 2
Exerccio 6.65 Sabendo que y(x) = 3ex + ex , z(x) = 7ex + ex e w(x) = 5ex + ex + ex
so solues de uma EDOL no homognea de segunda ordem L(y) = q, x R, determine
a soluo do PVI L(y) = q; y(0) = 1, y 0 (0) = 2.
algo do tipo:
X 1 (t) = a11 (t)X1 (t) + a12 X2 (t) + . . . + a1n Xn (t) + g1 (t)
X 2 (t) = a21 (t)X1 (t) + a22 X2 (t) + . . . + a2n Xn (t) + g2 (t)
..
.
Xn (t) = an1 (t)X1 (t) + an2 X2 (t) + . . . + ann Xn (t) + gn (t)
Ou ainda:
a11 (t) a12 (t) a1n (t) g1 (t)
a21 (t) a22 (t) a2n (t) g2 (t)
X = A(t)X + g(t), A(t) = , g(t) =
.. .. .. .. ..
. . . . .
an1 (t) an2 (t) ann (t) gn (t)
Nota 6.67 Toda EDOL de ordem n pode ser transformada num SEDOL de n equaes
de primeira ordem. Vejamos:
Dado a EDOL a seguir:
y (n) + pn1 (t)y (n1) + . . . + p1 (t)y 0 + p0 (t)y = q(t)
Podemos definir:
X1 (t) = y
X2 (t) = y 0
..
.
Xn1 (t) = y (n2)
Xn (t) = y (n1)
de modo que a EDOL acima pode ser representada por:
X 1 = y 0 = X2
X 2 = y 00 = X3
..
.
Xn1 = y (n1) = Xn
X n = y (n) = pn1 (t)Xn pn2 (t)X(n1)
. . . p1 (t)X2 p0 (t)X1 + q(t)
Ou ainda, na outra representao:
0
0 0 1 0 0
0 0 1 0
g(t) = ... , A = ..
.. .. .. ..
. . . . .
0
p0 p1 p2 pn1
q(t)
Teorema 6.68 Se cada uma das funes aij (t) da matriz A(t) e cada funo gj (t) de g(t)
so contnuas num intervalo aberto I, ento o SEDOL de primeira ordem:
X = A(t)X + g(t)
tal que X(t0 ) = X0 , t0 I admite uma soluo X(t) para todo t I.
X = c1 X 1 + c2 X 2 + . . . + cn X n
Se X1 , X2 , . . . , Xn so tais que
1 0 0
0 1 0
X1 (t0 ) = X2 (t0 ) = Xn (t0 ) =
.. .. ..
. . .
0 0 1
ento (t0 ) a matriz identidade. Nesse caso, (t) recebe o nome de matriz de transio
de estados (t):
X(t) = (t)X0
Nota 6.73 Temos que satisfaz uma EDO muito semelhante ao SEDO dado, j que:
(t) = X1 (t) X2 (t) Xn (t)
Suponha agora que um autovalor tenha multiplicidade algbrica maior que a geo-
mtrica, digamos, iguais a 2 e 1 respectivamente.
Neste caso, da equao Au = u possvel obter um autovetor genuno, de modo que
X1 (t) = uet soluo.
Tentando agora uma segunda soluo X2 (t) = utet + vet :
1. y iv + 4y 000 + 3y = t
1. y 000 + 2y 00 y 0 3y = 0
2. y iv + y = 0
y 00 + p(t)y 0 + q(t)y = 0
corresponde ao sistema
x01 = x2
t t2
Exerccio 6.78 Considere os vetores x[1] = e x[2] = .
1 2t
1. Verifique que
(a) L(xex ) = ex xp() +
p() .
m
(b) L(xm ex ) = m
L(ex ).
2. Mostre que se p() = ()k r(), isto , p tem raiz de multiplicidade k, 1 < k < n,
m x
ento m L(e ) = 0, ou seja, L(xm ex ) = 0, ou seja, existem exatamente k solues
de L(y) = 0 associadas a esta raiz = dadas por ym (x) = xm ex , 0 m k 1.
Exerccio 6.85 Seja x uma matriz coluna de n funes reais de classe C 1 (R) e u
Mn1 (R) um vetor no-nulo, e L = D A um operador diferencial (vetorial) tal que
L(x)(t) = x0 (t) Ax(t) = o represente um SEDOLHCC de ordem n.
1. Calcule
(a) L(tu).
(b) L(et u).
(c) L((et + et )u).
(d) L((et et )u).
(e) L((e1 t + e2 t )u).
2. Para quais funes (t) a funo vetorial x = (t)u ser soluo de L(x)(t) = o?
3. Mostre que x(t) = e(tt0 ) u, com t0 uma constante, uma soluco de L(x) = o
quando Au = u.
Exerccio 6.87 Sabendo que [(et +e2t ) e2t 0]T , [(et +e3t ) e3t e3t ]T e [(et e3t ) e3t e3t ]T
so solues de um SEDOLHCC L(x) = x0 Ax = o, determine os autovalores e os
autovetores de A.
X (At)n
Exerccio 6.88 Dada a matriz quadrada A, definamos eAt , .
n=0
n!
d At
1. Mostre que dt
e = AeAt .
1 0
2. Se A = diag(1 , 2 , . . . n ) = ... . . . .. , mostre que:
.
0 n
eA = diag(e1 , e2 , . . . , en )
1 AT
3. Mostre que eT = T 1 eA T .
1 0 0
0 1 0
.. .. .. .
Exerccio 6.89 Seja A = . . . .. = I + P .
...
0 0 0 1
0 0 0
2. Mostre que eA(tt0 ) = (t)1 (t0 ), de modo que a soluo de um PVI L(x) =
o, x(t0 ) = x0 pode ser escrita da forma x(t) = eA(tt0 ) x0 .
1 1 0
4. 0 1 0 .
0 0 0
Exerccio 6.93 Resolva os PVIs L(x) = o, x(t0 ) = x0 em que as matrizes A que definem
L so as dos exerccio anterior.
Captulo 7
7.1 Introduo
Resposta 1.4 1 e 3.
Resposta 1.5
1. Sim.
0 0 i
2. 0 1 0
i 0 0
1 0 0
3. 0 1 0
0 0 1
4. A2n = I e A2n+1 = A.
cosh x 0 i sinh x
5. exA = 0 cosh x sinh x 0
i sinh x 0 cosh x
Resposta 1.12 1 n.
Resposta 1.14
1. No.
2. Sim.
Resposta 2.43
1. No.
2. No.
3.
4.
5. No.
3 7
Resposta 2.45 X = 3A 2B + 6C = 2 2
2 8
1. Sim.
2. No.
3. No.
4. Sim.
5. Sim.
Resposta 2.49
1. No.
2. Sim.
3. No.
4. Sim.
Resposta 2.52
1. {(2, 1, 0); (0, 0, 1)}
2. {(2, 1, 2)}
4. {(2, 1, 2)}
Resposta 2.96
1. No.
2. Sim.
3. No.
4. Sim.
Resposta 2.97
1. No.
2. No.
3. No.
4. Sim.
Resposta 2.100
1. m 6= 0.
2. m 6= 5
3. n 6= 0 ou m 6= 1.
Resposta 2.101
1. No.
2. Sim.
3. No.
Resposta 2.105 4
Resposta 2.108 a 6= 0, a 6= 1 e a 6= 1
Resposta 2.111
1. 4, 5 e 3.
2. 4, 5 e 2.
3 1
Resposta 2.112 e
2 2
Resposta 2.113 3, 1, 0 e 1
Resposta 2.115
1 0 3
1. De B para C 1 2 0
1 3 1
2 9 6
De C para B 1 4 3
1 3 2
2. 2, 0 e 1.
Resposta 3.23
1.
2.
1 0
3.
0 1
2 1
4.
1 1
Resposta 3.26
2
1. d(u, v) = 2; cos(u, v) = 2
2.
1
3. d(u, v) = 2; cos(u, v) = 2
4.
Resposta 3.53
1. m = 1 ou m = 6.
2. (0, x), x R.
3. (1, 0)
Resposta 3.55
n o
1. 1 , 1 , 0, 0 ; 1 , 1 , 4 , 0 ; 2 , 2 , 1 , 12
2 2 18 18 18 153 153 153 153
2.
n o
Resposta 3.56 1 , 1 , 0 ; (0, 0, 1)
2 2
Resposta 3.58
1. 1, 2 3t 3, 5(6t2 6t + 1)
2. 6b t2 + bt b; b R
6
, 79 , 27 , 17
Resposta 3.60 7
1/3
Resposta 3.62 x =
1/3
1
Resposta 3.63 2
(5x3 3x)
Resposta 3.64 a = b = c = d = 0
Resposta 3.75
3.
Resposta 4.33
1. Sim.
2. Sim.
3. Sim.
4. No.
Resposta 4.36
1. Sim.
2. Sim.
Resposta 4.52
1.
Resposta 4.53
1. F 2 (z) = iz;
2.
3. G2 (z) = z;
4.
5.
6.
Resposta 4.130 m = 1 .
3
Resposta 5.43
1. 2 e (1, 2 1); 2 e (1, 2 + 1).
Resposta 5.44
Resposta 5.47
1. t2 3t + 1; 21 (3 5).
2. t2 4; 2.
3. t2 3t + 2; 1 e 2.
4. t2 4; 2;
Resposta 5.71
1 4
1. .
3 1
2. No existe.
Resposta 5.73
1. diagonalizvel pois o valor prprio 1(duplo) tem multiplicidade geomtrica
2.
Resposta 5.76
p 1 12 + 14p 4 14p 4
1. A = 13 3 14p 3 12 14p + 1
2.
3.
4.
Resposta 5.77
14 14
1 e + 12e 4e 4e
1. eA = 13
3e14 3e 12e14 + e
2.
3.
4.
Resposta 5.78
1 0 0 0 0 1 0 0 0 0 1 1 0 0 0
0 1 0 0 0 0 1 0 0 0 0 1 0 0 0
0 0 2 1 0 0 0 2 0 0 0 0 2 1 0
0 0 0 2 1 0 0 0 2 1 0 0 0 2 1
0 0 0 0 2 0 0 0 0 2 0 0 0 0 2
1 1 0 0 0 1 0 0 0 0 1 1 0 0 0
0 1 0 0 0 0 1 0 0 0 0 1 0 0 0
0 0 2 0 0 0 0 2 0 0 0 0 2 0 0
0 0 0 2 1 0 0 0 2 0 0 0 0 2 0
0 0 0 0 2 0 0 0 0 2 0 0 0 0 2
Resposta 5.79
1.
2 1 0 0
0 2 1 0
2.
0
0 2 0
0 0 0 0
3.
0 1 0 0
0 0 1 0
Resposta 5.81
0
0 0 1
0 0 0 0
Resposta 5.82
1. Hiprbole
2. Hiprbole
3. Duas retas
4.
5.
6.
Resposta 5.83
1.
2. = 1 : parbola
< 1 : hiprbole
= 23 : um ponto
>1: > 23 : vazio
< 23 : elipse