Escolar Documentos
Profissional Documentos
Cultura Documentos
Apostila Algebra PDF
Apostila Algebra PDF
Algebra Linear
S
ergio Lu
s Zani
Departamento de Matem
atica
ICMC { USP
2
Sum
ario
1 Espacos Vetoriais 7
1.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 7
1.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 Subespacos Vetoriais 17
2.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 17
2.2 Intersec~ao e Soma de Subespacos . . . . . . . . . . . . . . . 20
2.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 Combinac
oes Lineares 29
3.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 29
3.2 Geradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4 Depend
encia Linear 37
4.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 37
4.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5 Base, Dimens
ao e Coordenadas 45
5.1 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.2 Dimens~ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3
4
SUMARIO
6 Mudanca de Base 61
6.1 Introduc~ao, Exemplos e Propriedades . . . . . . . . . . . . . 61
6.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
8 Transformaco
es Lineares 85
8.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 85
8.2 O Espaco Vetorial L (U, V) . . . . . . . . . . . . . . . . . . 88
8.3 Imagem e Nucleo . . . . . . . . . . . . . . . . . . . . . . . . 95
8.4 Isomorsmo e Automorsmo . . . . . . . . . . . . . . . . . 103
8.5 Matriz de uma Transformac~ao Linear . . . . . . . . . . . . . 106
8.5.1 Denic~ao e Exemplos . . . . . . . . . . . . . . . . . 106
8.5.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . 108
8.6 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . 113
8.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
10 Diagonalizac
ao 141
10.1 Denic~ao e Caracterizac~ao . . . . . . . . . . . . . . . . . . . 141
10.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
11 Forma Can
onica de Jordan 155
11.1 Introduc~ao e Exemplos . . . . . . . . . . . . . . . . . . . . . 155
SUMARIO 5
Espa
cos Vetoriais
1.1 Introduc
ao e Exemplos
7
8 CAPITULO 1. ESPAC
OS VETORIAIS
1. A + B = B + A;
2. A + (B + C) = (A + B) + C;
3. se O representa a matriz 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;
1.1. INTRODUC ~ E EXEMPLOS
AO 9
5. (A) = ()A;
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 valo-
res reais como o das matrizes quadradas quando munidos de somas e mul-
tiplicac~ao por escalares adequadas apresentam propriedades algebricas
comuns. Na verdade muitos outros conjuntos munidos de operaco~es apro-
priadas apresentam propriedades semelhantes as acima.
por isso que ao inves de estudarmos cada um separadamente estuda-
E
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.
ao 1.1 Diremos que um conjunto V como acima munido de
Definic
uma adica~o e de uma multiplicaca~o 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:
(ev1) u + v = v + u para todo u, v V;
0 + v 0 = v 0 , isto
e v = v 0 . Denotaremos v por u e u v por u + (v).
6. O conjunto das matrizes m por n com coecientes reais: Mmn (R)
munido de operaco~es analogas aquelas denidas em Mn (R).
1.1. INTRODUC ~ E EXEMPLOS
AO 13
5. ( x) = x = (x ) = x = x = () x para quaisquer
x V e , R;
8. 1 x = x1 = x para qualquer x V.
14 CAPITULO 1. ESPAC
OS VETORIAIS
1.2 Propriedades
Das oito propriedades que denem um espaco vetorial podemos concluir
varias outras. Listaremos algumas destas propriedades na seguinte
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:
Resoluc ao: Note que se encontrarmos uma func~ao f : R V que seja inje-
tora ent~ao V tera innitos elementos, pois para cada R correspondera
um elemento distinto f() de V.
Tome v V, v 6= 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 6= 0, pelo item 3 da mesma proposic~ao, segue que = 0, isto
e, = .
1.3 Exerccios
Ex. 1.9 Verique se em cada um dos itens o conjunto V com as
operaco~es indicadas e um espaco vetorial sobre R.
Subespa
cos Vetoriais
2.1 Introduc
ao e Exemplos
(sv2) Se u, v W ent~ao u + v W;
(sv3) Se u W ent~ao u W para todo R.
17
18 CAPITULO 2. SUBESPAC
OS VETORIAIS
(sv2') Se u, v W e R ent~ao u + v W.
2.2 Intersec
ao e Soma de Subespa
cos
Proposic ao de subespacos) Sejam U e W subespa-
ao 2.13 (Intersec
cos vetoriais de V. Ent~ao U W e subespaco vetorial de V.
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.
1. Como 0 U e 0 W ent~ao 0 = 0 + 0 U + W;
2.2. INTERSEC ~ E SOMA DE SUBESPAC
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.
U1 + + Un = {u1 + + un ; uj Uj , j = 1, . . . , n}.
obvio que
ao 2.24 E
Observac
0 U j U1 + + U
cj + + Un
2.3 Exerccios
Ex. 2.27 Verique se em cada um dos itens abaixo o subconjunto
W e um subespaco vetorial do espaco vetorial V. Caso n~ao sejam
especicadas, considere as operaco~es usuais.
!
a b
1. V = M2 , W = ; a, b, c, R .
a c
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.
1. V = R3 , U = {(x, y, 0); x, y R} .
2. V = P3 (R), U = {p(t) P3 (R); p 00 (t) = 0, t R} .
3. V = M3 , U = {A M3 ; At = A} .
!
1 1
4. V = M21 , U = {X M21 ; AX = 0} , onde A = .
0 1
28 CAPITULO 2. SUBESPAC
OS VETORIAIS
Captulo 3
Combina
coes Lineares
3.1 Introduc
ao e Exemplos
29
30 CAPITULO 3. COMBINAC ~
OES LINEARES
1 + x2 = + (1 + x) + (1 + x + x2 ) = + + + ( + )x + x2 ,
3.2 Geradores
ao 3.5 Sejam V um espaco vetorial e S um subconjunto n~
Definic ao
vazio de V. Usaremos o smbolo [S] para denotar o conjunto de todas as
combinaco~es 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 .
Prova:
u + v = 1 u1 + + n un + (1 v1 + + m vm )
= 1 u1 + + n un + 1 v1 + + m vm [S].
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 ];
32 CAPITULO 3. COMBINAC ~
OES LINEARES
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 ].
Exemplo 3.10 Seja P(R) o espaco vetorial formado por todos os po-
lin^omios. Armamos que P(R) n~ao e nitamente gerado.
Note que Pn (R) P(R) para todo n N. Se P(R) fosse nitamente
gerado existiriam polin^omios p1 (x), . . . , pn (x) tais que
P(R) = [p1 (x), . . . , pn (x)].
evidente
Seja N o grau mais alto dentre os polin^omios p1 (x), . . . , pn (x). E
que xN+1 n~ao pode ser escrito como combinac~ao linear de p1 (x), . . . , pn (x)
e, assim, xN+1 6 [p1 (x), . . . , pn (x)] = P(R). Uma contradic~ao.
Note que [1, x, x2 , . . . ] = P(R).
u = 1 (1 u2 + + n1 un ) + 2 u2 + + n un
3.3 Exerccios
Ex. 3.13 Para cada um dos subconjuntos S V , onde V e o espaco
vetorial indicado, encontrar o subespaco gerado por S, isto e, [S].
4. U = [t3 +4t2 t+3, t3 +5t2 +5, 3t3 ], W = [t3 +4t2 , t1, 1], V = P3 (R).
Depend
encia Linear
4.1 Introduc
ao e Exemplos
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
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
37
38 CAPITULO 4. DEPENDENCIA
^ LINEAR
Exemplo 4.6 O, u1 , . . . , un V
e uma sequ^encia l.d., onde O e o
elemento neutro do espaco vetorial V.
que equivale a ! !
+ + 0 0
= ,
0 + 0 0
que possui como soluc~ao (, , ) = (, , ) para qualquer R. Dessa
forma, a sequ^encia de matrizes dada e linearmente dependente, bastando
tomar, por exemplo, = 1, = 1 e = 1.
Exemplo 4.11 Verique se as funco
~es 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
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
ao 4.14 Se u1 , . . . , un s~
Proposic ao l.d. em um espaco vetorial V ent~ao
pelo menos um destes vetores se escreve como combinaca~o linear dos
outros.
uj = 1 u1 + + j1 uj1 + j uj+1 + + n1 un .
ao 4.15 Se u1 , . . . , un em V s~
Proposic ao l.d. ent~ao qualquer sequ^en-
cia nita de vetores de V que os contenha, tambem sera l.d..
42 CAPITULO 4. DEPENDENCIA
^ LINEAR
1 u1 + + n un + 0un+1 + + 0um = 0
sendo que nesta ultima express~ao nem todos os coecientes s~ao nulos.
ao 4.16 Se u1 , . . . , un , un+1 , . . . , um s~
Proposic ao linearmente indepen-
dentes em um espaco vetorial V ent~ao qualquer subsequ^encia destes
vetores tambem e linearmente independente.
Prova: Basta mostrar que se u1 , . . . , un , un+1 , . . . , um s~ao linearmente in-
dependentes 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
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 combinaca~o linear de u1 , . . . , un .
Prova: Existem 1 , . . . , n+1 n~ao todos nulos tais que
1 u1 + n un + n+1 un+1 = 0.
1 u1 + n un = 0.
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
Ex. 4.19 Verique, em cada um dos itens abaixo, se o subconjunto S
do espaco vetorial V e l.i. ou l.d.
1. S = {(1, 2), (3, 1)} , V = R2 .
2. S = 1 + t t2 , 2 + 5t 9t2 , V = P2 (R).
! !
1 1 2 0
3. S = , , V = M2 .
0 0 1 0
Ex. 4.21 Sejam f, g C1 ((a, b); R). Mostre que se existir x (a, b) tal
que f(x)g 0 (x) 6= f 0 (x)g(x) ent~ao f e g s~ao l.i..
Captulo 5
Base, Dimens
ao e Coordenadas
5.1 Base
45
46 CAPITULO 5. BASE, DIMENSAO
~ E COORDENADAS
Ex. Resolvido 5.4 Mostre que (1, 1) e (1, 1) formam uma base de
R2 .
ao: E
Resoluc preciso mostrar que estes vetores s~ao l.i. e que todo ponto
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 qu^e?)
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.
un = 1 u1 + + n1 un1 ,
~
5.2. DIMENSAO 47
isto e,
1 u1 + + n1 un1 un = 0,
contradizendo o fato de que u1 , . . . , un s~ao linearmente independentes.
5.2 Dimens
ao
Teorema 5.9 Em um espaco vetorial V 6= {0} nitamente gerado toda
base possui o mesmo numero de elementos.
Prova: Sejam u1 , . . . , un e v1 , . . . , vm bases de um espaco vetorial nita-
mente 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.
48 CAPITULO 5. BASE, DIMENSAO
~ E COORDENADAS
ou ainda,
X X
n
! n
!
xj 1j v1 + + xj mj vm = 0.
j=1 j=1
Pn
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 homog^eneo com n incognitas.
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.
k = 1, . . . , m, l = 1, . . . , n onde
k,l 1 se (i, j) = (k, l)
i,j =
0 se (i, j) 6= (k, l)
formam uma base de Mmn .
Exerccio 5.20 A dimens~ ao do espaco das matrizes quadradas e si-
metricas de ordem n e n(n + 1)/2.
Teorema 5.21 (Completamento) Seja V um espaco vetorial de di-
mens~ao n. Se os vetores u1 , . . . , ur s~ao l.i. em V com r < n ent~ao
existem ur+1 , . . . , un tais que u1 , . . . , ur , ur+1 , . . . , un formam uma base
de V.
Prova: Como r < n existe ur+1 V tal que u1 , . . . , ur , ur+1 s~ao l.i., pois
caso contrario os vetores u1 , . . . , ur formariam uma base de V, o que e
impossvel pois dim V = n > r.
Se r + 1 = n ent~ao u1 , . . . , ur , ur+1 formam uma base de V.
Se r+1 < n ent~ao e possvel encontrar ur+2 V tal que u1 , . . . , ur , ur+1 ,
ur+2 s~ao l.i., pois caso contrario a sequ^encia u1 , . . . , ur , ur+1 seria uma base
de V, o que e impossvel pois dim V = n > r + 1.
Repetindo os argumentos acima, encontramos vetores ur+1 , ur+2 , . . . ,
ur+k , onde r + k = n, de forma que
u1 , . . . , ur , ur+1 , . . . , ur+k
~ DE SOMA DE SUBESPAC
5.3. DIMENSAO OS VETORIAIS 51
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 Subespa
cos Veto-
riais
ao 5.23 Seja V um espaco vetorial de dimens~
Proposic ao nita. Se
U e W s~ao subespacos vetoriais de V ent~ao
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.
52 CAPITULO 5. BASE, DIMENSAO
~ E COORDENADAS
U + W = [u1 , . . . , up , v1 , . . . , vm ,1 , . . . , wq ].
ou seja
U 3 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
~ DE SOMA DE SUBESPAC
5.3. DIMENSAO OS VETORIAIS 53
U : Temos
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 polin^omios 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 polin^omios 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 :
a 0 = 0
p(x) = a0 +a1 x+a2 x +a3 x UV a0 + a1 + a2 + a3 = 0
2 3
a a + a a = 0
0 1 2 3
a0 = a2 = 0
p(x) = a1 (x3 x).
a1 = a3
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
polin^omios 1, x, x2 e x3 .
~ DE SOMA DE SUBESPAC
5.3. DIMENSAO OS VETORIAIS 55
Veriquemos que os geradores acima s~ao na verdade bases para os respec-
tivos subespacos vetoriais. Para tanto basta vericar que cada sequ^encia
de vetores acima e l.i..
Analisemos primeiramente para U: se
(1, 1, 0, 0) + (0, 1, 1, 0) + (0, 1, 0, 1) = (0, 0, 0, 0)
ent~ao
(, + + , , ) = (0, 0, 0, 0)
que implica em = = = 0.
Vejamos agora o caso do subespaco V : se
(1, 0, 0, 1) + (0, 1, 0, 1) + (0, 0, 1, 1) = (0, 0, 0, 0)
ent~ao
(, , , + + ) = (0, 0, 0, 0)
que implica em = = = 0.
Passemos agora a U V : se
(1, 0, 1, 0) + (0, 1, 0, 1) = (, , , ) = (0, 0, 0, 0)
que implica em = = 0.
Pela proposic~ao 5.23 temos dim (U + V) = 3 + 3 2 = 4. Como
(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1) geram U + V segue-se do fato
da dimens~ao deste subespaco ser quatro que formam uma base de U + V.
Como a dimens~ao de R4 tambem e U + V R4 , temos pela proposic~ao
5.27 que U + V = R4 . Note que esta soma n~ao e direta.
56 CAPITULO 5. BASE, DIMENSAO
~ E COORDENADAS
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 determi-
nados 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
Exemplo 5.31 Mostre que os vetores (1, 1, 1), (0, 1, 1) e (0, 0, 1) for-
mam uma base de R3 . Encontre as coordenadas de (1, 2, 0) R3 com
relaca~o a base B formada pelos vetores acima.
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 6= 0.
Agora,
(1, 2, 0) = (1, 1, 1) + (0, 1, 1) + (0, 0, 1) = (, + , + + )
que e equivalente ao sistema
= 1
+=2
+ + = 0
5.4. COORDENADAS 57
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 ,
5.5 Exerccios
Ex. 5.33 Vericar em cada um dos casos se o subconjunto B do
espaco vetorial V e uma base de V.
1. B = 1, 1 + t, 1 t2 , 1 t t2 t3 , V = P3 (R).
! ! ! !
1 1 2 1 0 1 0 0
2. B = , , , , V = M2 .
0 0 0 0 1 0 0 2
Ex. 5.34 Encontrar em cada um dos itens abaixo uma base e a di-
mens~ao do subespaco W do espaco vetorial V.
1. W = (x, y, z, t) R4 ; x y = 0 e x + 2y + t = 0 , V = R4 .
!
1 2
2. W = {X M2 ; AX = X} , onde A = , V = M2 .
0 1
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, cha-
mado de traco de A
3. U = {p(t) V; p0 (t) = 0} , W = {p(t) V; p(0) = p(1)} , V = P2 (R).
Ex. 5.36 Determinar as coordenadas do vetor u = (1, 8, 5) R3 em
relaca~o a cada uma das bases de R3 abaixo;
1. base can^onica
2. {(0, 0, 1), (0, 1, 1), (1, 1, 1)}
3. {(1, 2, 1), (0, 3, 2), (1, 1, 4)}
Ex. 5.37 Determinar as coordenadas do polin^ omio p(t) P3 (R),
dado por p(t) = 10 + t + 2t , t R em relaca~o as seguintes bases
2 3
de P3 (R);
1. base can^onica
2. 1, 1 + t, 1 + t + t2 , 1 + t + t2 + t3
3. 4 + t, 2, 2 t2 , t + t3
!
2 5
Ex. 5.38 Determinar as coordenadas do vetor M2 em
8 7
relaca~o as seguintes bases de M2 ;
60 CAPITULO 5. BASE, DIMENSAO
~ E COORDENADAS
1. base can^onica
! ! ! !
1 0 1 1 1 1 1 1
2. , , ,
0 0 0 0 1 0 1 1
Ex. 5.40 Verique que as coordenadas de p(x) Pn (R) com relaca
~o
a base B = {1, x, . . . , x } e
n
p(0)
p 0 (0)
1
p 00 (0)
2! ,
..
.
1
p(n) (0)
n!
onde p(k) (0) representa a k-esima derivada de p em x = 0.
Mudan
ca de Base
6.1 Introduc
ao, Exemplos e Propriedades
61
62 CAPITULO 6. MUDANC
A DE BASE
n1 nn
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 tr^es equaco~es com
tr^es 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
1 1 1 x a
0 1 1 y = b
1 1 2 z c
6.1. INTRODUC ~ EXEMPLOS E PROPRIEDADES
AO, 63
X X X X X X
n n n n
! n n
!
v= xi bi = yj cj = yj ij bi = ij yj bi
i=1 j=1 j=1 i=1 i=1 j=1
64 CAPITULO 6. MUDANC
A DE BASE
ent~ao
cos sen = 0
= = 0,
sen + cos = 0
6.1. INTRODUC ~ EXEMPLOS E PROPRIEDADES
AO, 65
pois !
cos sen
det = 1 6= 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 ),
X
n X
n X
n
cj = ij bi , dk = jk cj , dk = ik bi . (6.6)
i=1 j=1 i=1
Assim,
X X X X X
n n n
! n n
!
dk = jk cj = jk ij bi = ij jk bi ,
j=1 j=1 i=1 i=1 j=1
6.2 Exerccios
Ex. 6.9 Considere as bases B = {e1 , e2 , e3 } e C = {g1 , g2 , g3 } de um
espaco vetorial V relacionadas da seguinte forma
g1 = e1 + e2 e3
g2 = 2e2 + 3e3
g = 3e + e
3 1 3
v em relaca
~o a base B, isto e, vB .
Ex. 6.10 Considere as bases ordenadas B = 1, 1 + t, 1 + t2 e C=
1, t, t2 de P2 (R).
1. Mostre que
! ! !
1 1 1 0 0 0
B= , ,
0 0 1 0 0 1
e ! ! !
1 0 0 1 0 0
C= , ,
1 0 1 0 0 1
s~ao bases de W.
6.2. EXERCICIOS 69
Resoluc
ao:
71
72 CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
~
Resoluc
ao:
0 1 0 0
X = W 2 1 0 = 0
1 1 4 0
1 1 4 0 1 1 4 0
2 1 0 = 0 0 1 4 = 0
0 1 0 0 0 1 0 0
1 1 4 0 1 1 4 0
0 1 4 = 0 0 1 4 = 0
0 1 0 0 0 0 4 0
1 1 4 0
0 1 4 = 0 = = = 0,
0 0 1 0
portanto,
0
W = 0 .
0
W = {X M41 : AX = 0},
onde
1 1 1 0
2 0 1 1
A= .
3 1 0 1
0 2 3 1
74 CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
~
Resoluc
ao:
1 1 1 0 0
2 0 1 1 0
X = W =
3 1 0 1 0
0 2 3 1 0
1 1 1 0 0
0 2 3 1 0
=
0 2 3 1 0
0 2 3 1 0
1 1 1 0 0
0 2 3 1 0
=
0 0 0 0 0
0 0 0 0 0
1 1 1 0 0
0 1 3/2 1/2 0
=
0 0 0 0 0
0 0 0 0 0
1 0 1/2 1/2 0
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
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.:
( + , 2 + 2, ) = (0, 0, 0)
+ = 0
+ = 0 = = ,
= 0
ou seja, os vetores
(1, 0, 1), (1, 2, 0), (0, 2, 1)
77
U: !
a b
A= = At c = b,
c d
portanto, A U se e somente se existirem , , R tais que
! ! !
1 0 0 1 0 0
A= + + .
0 0 1 0 0 1
U + W : Temos
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
1. Temos
1 0 3
MCB = 1 2 0 .
1 3 1
. .
0 3 .. 1 0 0 1 0 3 .. 1 0 0
1
1 2 0 ... 0 1 0 0 2 3 ... 1 1 0
.. ..
1 3 1 . 0 0 1 0 3 4 . 1 0 1
.. ..
1 0 3 . 1 0 0 1 0 3 . 1 0 0
0 1 3 .. ..
. 2 2 0 0 1 32
2
1 1 . 12 21 0
.. .. 5
0 3 4 . 1 0 1 0 0 172 . 2 2 13
.. .
1 0 0 ..
1 0 3 . 1 0 0 2
17
9
17
176
.. ..
0 1 0 .
3
0 1 2 . 12 12 0 171 4
17
3
17
.. 5 .
0 0 1 . 17 173 2
17
0 0 1 .. 5
17
173 2
17
Portanto,
2 9
17 17
176
MBC = 171 4 3
17 17
5
17
173 2
17
2. Como vC = MBC vB ,
2 9
17 17
176 1 1
vC = 171 4 3
3 = 1 .
17 17
5
17
173 2
17
2 0
81
3. Como vB = MCB vC ,
1 0 3 2 1
vB = 1 2 0 3 = 8 .
1 3 1 1 6
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
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
! ! !
1 1 1 0 0 0
A=y +z +t , (7.14)
0 0 1 0 0 1
isto e, " ! ! !#
1 1 1 0 0 0
W= , , .
0 0 1 0 0 1
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 tr^es vetores de W e a dimens~ao de W e tr^es,
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
B1 = C 1 C 2
B2 = C 1
B3 = C 3
e assim,
1 1 0
MBC = 1 0 0 .
0 0 1
Transforma
coes Lineares
8.1 Introduc
ao e Exemplos
85
86 CAPITULO 8. TRANSFORMAC ~
OES LINEARES
2. T (u) = T (u), u U, R.
Note que
vj se i = k
Tij (uk ) = .
0 se i 6= k
Veriquemos que Tij L (U, V):
Tij ((x1 u1 + + xn un ) + (y1 u1 + + yn un ))
90 CAPITULO 8. TRANSFORMAC ~
OES LINEARES
Corolario 8.9 Se V
e um espaco de dimens~ao n ent~ao o seu dual
tambem tem dimens~ao n.
Pelo corolario 8.9, se U tem dimens~ao n ent~ao o seu dual, U 0 , 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 0 . Esta base e chamada de base dual da base B.
ao 8.14 T L (U)
Definic e chamada de nilpotente se existir algum
inteiro positivo n tal que T n = 0, a transformaca~o nula.
Obviamente a transformac~ao nula e um exemplo de uma transformac~ao
nilpotente.
Exemplo 8.15 Mostre que T : R2 R2 dada por T (x, y) = (0, x)
e um
operador nilpotente.
Vejamos: T 2 (x, y) = T (T (x, y)) = T (0, x) = (0, 0). Assim, T 2 = 0.
ao 8.16 Sejam T L (U, V) e S L (V, W). Ent~
Proposic ao S T
L (U, W).
= S(T (u)) + S(T (v)) = S(T (u)) + S(T (v)) = S T (u) + S T (v).
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
ao 8.26 Seja T : U V uma transformaca
Definic ~o linear.
1. Se X U, denimos a imagem de X por T como sendo o conjunto
T (X) = {T (x); x X}.
Resoluc ao: Como T e n~ao nula existe uo U tal que T (uo ) 6= 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.
ao 8.29 O n
Definic ucleo de uma transformaca~o 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 nucleo de T por N (T ).
1 u1 + + p up 1 v1 q vq = 0.
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 ).
Corolario 8.34 Se U e V s~
ao espacos vetoriais de dimens~ao nita
tais que dim U = dim V e se T : U V e uma transformaca~o linear
ent~ao as seguintes condico~es 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.
8.3. IMAGEM E NUCLEO 99
isto e, T (u1 ), . . . , T (un ) geram V. Observe que ja havamos provado isto na
proposic~ao 8.4
(4) = (1): Seja u1 , . . . , un uma base de U. Por hipotese, T (u1 ), . . . ,
T (un ) formam uma base de V. Assim, dado v V existem 1 , . . . , n R
tais que v = 1 T (u1 )+ +n T (un ). Deste modo, v = T (1 u1 + +n un ),
isto e, T e sobrejetora.
Ex. Resolvido 8.35 Mostre que toda transformaca~o linear bijetora
T : R R leva retas em retas, isto
2 2
e, a imagem de uma reta por T
e uma reta.
ao: Dada uma reta r no plano usaremos a equac~ao vetorial para
Resoluc
representar seus pontos, isto e, um ponto P r e da forma Po + ~v, onde
100 CAPITULO 8. TRANSFORMAC ~
OES LINEARES
dimens~ao n 1.
Resolucao: 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.
isto e, ! !
a + 2c b + 2d a 2a + b
=
c d c 2c + d
que equivale a
a + 2c = a
b + 2d = 2a + b
c = 0 e a = d.
c=c
d = 2c + d
Portanto, ! ! !
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
se e somente se existir !
a b
X=
c d
tal que Y = AX XA, isto e,
! ! ! ! !
x y 1 2 a b a b 1 2
=
z t 0 1 c d c d 0 1
102 CAPITULO 8. TRANSFORMAC ~
OES LINEARES
! ! !
a + 2c b + 2d a 2a + b
2c 2d 2a
= =
c d c 2c + d0 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 1 0 0
Note que
T 2 (x, y) = T (x, 0) = (x, 0) = T (x, y).
u = T (u) + (u T (u)).
ao 8.45 Se T : U V
Proposic e um isomorsmo e U tem dimens~ao
nita ent~ao dim U = dim V.
Corolario 8.46 Se T : U V
e um isomorsmo e V tem dimens~ao
nita ent~ao dim U = dim V.
8.4. ISOMORFISMO E AUTOMORFISMO 105
com xi , yi R, i = 1, . . . , n. Se 1 , 2 R, temos
X X
n
! n
T (1 w1 + 2 w2 ) = T (1 xi + 2 yi )ui = (1 xi + 2 yi )vi
i=1 i=1
X
n X
n
= 1 xi vi + 2 yi vi = 1 T (w1 ) + 2 T (w2 ).
i=1 i=1
P
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
106 CAPITULO 8. TRANSFORMAC ~
OES LINEARES
Prova: Note que tanto L (U, V) como Mmn t^em a mesma dimens~ao:
mn.
A matriz
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 .
8.5. MATRIZ DE UMA TRANSFORMAC ~ LINEAR
AO 107
ao: Temos
Resoluc
Assim, !
1 1 0
[T ]B,C = .
1 0 1
ao: Temos
Resoluc
Assim, !
1 1 0
[T ]B,D = .
0 1 1
108 CAPITULO 8. TRANSFORMAC ~
OES LINEARES
8.5.2 Propriedades
ao 8.53 Sejam U e V espacos vetoriais de dimens~
Proposic ao nita
com bases B e C, respectivamente. Se T, S L (U, V) e , R ent~ao
[T + S]B,C = [T ]B,C + [S]B,C .
= (1j v1 + + mj vm ) + (1j v1 + + mj vm )
8.5. MATRIZ DE UMA TRANSFORMAC ~ LINEAR
AO 109
m1 + m1 mn + mn
ao 8.55 Se B e C s~
Proposic ao bases de um espaco vetorial V de di-
mens~ao nita e I L (V) e a identidade de V ent~ao [I]B,C = MBC .
uj = I(uj ) = 1j v1 + + nj vn
X X X X
m p
! p m
!
= ij ki wk = ki ij wk .
i=1 k=1 k=1 i=1
Portanto,
X
m
!
[S T ]B,D = ki ij = [S]C,D [T ]B,C .
i=1
Portanto, [T 1 ]C,B = [T ]1
B,C .
Temos
= 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
uB = [T ]1 1
B,C T (u)C = [T ]B,C 0 = 0.
Se !
a b
X=
c d
! ! !
a + 2c = 0 2c 2d 2 0 0 2
X = =c +d .
b + 2d = 0 c d 1 0 0 1
seja a trivial.
Colocando ! !
a b x y
M3 = e M4 =
c d z t
obtemos
! ! ! ! !
2 0 0 2 a b x y 0 0
+ + + = ,
1 0 0 1 c d z t 0 0
8.6. EXERCICIOS RESOLVIDOS 115
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,
1 + x + (1 + x3 ) + (1 x2 ) = + + + x x2 + x3 = 0
se e somente se = = = = 0.
Assim, as imagens dos polin^omios 1 e x, pela transformac~ao procurada
precisam necessariamente ser linearmente independentes. Para isto, o que
faremos e denir T : P3 P2 tal que T (1) = 1, T (x) = x, T (1 + x3 ) = 0 e
T (1 x2 ) = 0.
Dado p(x) = a0 + a1 x + a2 x2 + a3 x3 , reescrevemos p(x) = a0 + a2
a3 + a1 x + a3 (1 + x3 ) a2 (1 x2 ) e colocamos
T (p(x)) = T (a0 + a2 a3 + a1 x + a3 (1 + x3 ) a2 (1 x2 ))
= (a0 + a2 a3 )1 + a1 x = a0 + a2 a3 + a1 x,
que e uma transformac~ao linear cujo nucleo e gerado por 1 + x3 e 1 x2 .
8.6. EXERCICIOS RESOLVIDOS 117
e, portanto,
1 0 1
[T ]C = 0 1 1 .
1 1 2
Com relac~ao a base B, temos
e, portanto,
3 0 0
[T ]B = 0 1 0 .
0 0 0
forma
0 0 0 0
.. . . . .. .. ... ..
. . . .
0
0 0 0
0 0 11 1q
.. . . . .. .. . . . ..
. . . .
0 0 q1 qq
8.7 Exerccios
Ex. 8.71 Verique se as transformaco
~es 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) = p0 + p00 , 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.
T ((1, 0, 0)) = (2, 3, 1), T ((1, 1, 0)) = (5, 2, 7), e T ((1, 1, 1)) = (2, 0, 7).
T (R5 ) = [(1, 0, 0), (0, 1, 0), (1, 1, 1)] e N (T ) = [(1, 1, 1, 1, 1), (1, 1, 1, 1, 0)].
Autovalores e Autovetores
9.1 Definic
ao, Exemplos e Propriedades
127
128 CAPITULO 9. AUTOVALORES E AUTOVETORES
Observacao 9.2 Se u 6= 0
e tal que T (u) = u = u ent~ao = . De
fato, esta igualdade implica que ( )u = 0, ou seja, = 0.
V() = {u U; T (u) = u} = N (T I)
ao 9.6 V()
Observac e um subespaco invariante por T, isto e,
T (V()) V().
Ex. Resolvido 9.7 Seja T : R2 R2 dada por T (x, y) = (y, 4x). En-
contre os autovalores de T, os respectivos subespacos proprios e a
multiplicidade geometrica de cada autovalor.
9.1. DEFINIC ~ EXEMPLOS E PROPRIEDADES
AO, 129
Ex. Resolvido 9.9 Faca o mesmo que se pede no exerccio 9.7 para
a transformaca~o T (x, y) = (y, x).
for igual a zero. Como este determinante e 2 1 < 0, vemos que n~ao
existem autovalores associados a transformac~ao T.
T (1 u1 + 2 u2 ) = 1 T (u1 ) + 2 T (u2 ) = 1 1 u1 + 2 2 u2 = 0.
u1 = 2 u2 + + n un (9.13)
ent~ao
1 u1 = 2 2 u2 + + n n un , (9.14)
9.1. DEFINIC ~ EXEMPLOS E PROPRIEDADES
AO, 133
de V(1 ) e v(2)
1 , . . . , vm2 uma base de V(2 ). Se u V(1 ) V(2 ) ent~
(2)
ao
(1) (1)
u = 1 v1 + + (1) (1) (2) (2)
(2) (2)
m1 vm1 = 1 v1 + + m2 vm2 . (9.16)
Logo, T (u) e dado por
ou seja,
(1) (1)
1 1 v1 + + (1) (1) (2) (2)
(2) (2)
m1 1 vm1 = 1 2 v1 + + m2 2 vm2 . (9.17)
134 CAPITULO 9. AUTOVALORES E AUTOVETORES
1 , . . . , v m2
Como v(2) (2)
e uma base de V(2 ), temos
(2)
1 (2 1 ) = = (2)
m2 (2 1 ) = 0
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.
Para cada j = 1, . . . , n selecione uma base Bj de V(j ) constituda
por vetores que denotaremos por v(j) 1 , . . . , vmj . Note que cada vi
(j) (j)
e um
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
(j) (j) (1) (1)
u = 1 v1 + + (j) (j)
mj vmj = 1 v1 +
v . (9.18)
(j+1) (j+1)
+ (j1) (j1)
mj1 vmj1 + 1 v1 (n) (n)
+ + m n mn
isto e,
(j) (j) (1) (1)
1 j v1 + + (j) (j)
mj j vmj = 1 1 v1 +
mn n vmn . (9.19)
(j+1) (j+1)
+ (j1) (j1)
mj1 j1 vmj1 + 1 j+1 v1 + + (n) (n)
^
9.2. POLINOMIO CARACTERISTICO 135
(1) (1)
1 (1 j )v1 + + (j1) (j1)
mj1 (j1 j )vmj1 +
(j+1) (j+1)
1 (j+1 j )v1 + + (n) (n)
mn (n j )vmn = 0
9.2 Polin
omio Caracterstico
ao 9.20 Dada A Mnn denimos o polin^
Definic omio caracterstico
de A como sendo o determinante
pA () = det (A I),
ao 9.23 Se A, B Mnn s~
Proposic ao matrizes semelhantes ent~ao
seus polin^omios caractersticos s~ao iguais.
136 CAPITULO 9. AUTOVALORES E AUTOVETORES
Prova: Temos
pT () = p[T ]B (),
Encontre pT ().
Assim, ! !!
a b 1 0
pT () = det
c d 0 1
!
a b
= det = 2 (a + d) + ad bc.
c d
pT () = 2 (a + d) + ad bc.
2 (a + d) + ad bc = 0
^
9.2. POLINOMIO CARACTERISTICO 139
p(A) = a0 In + + am Am = a0 M1 In M + + am M1 Bm M =
= M1 (a0 In + + am Bm )M = M1 p(B)M.
140 CAPITULO 9. AUTOVALORES E AUTOVETORES
9.3 Exerccios
Ex. 9.32 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).
3 1 0 0
0 3 0 0
c) V = R4 e [T ]B = , onde B
e base can^onica de R4 .
0 0 4 0
0 0 0 3
Ex. 9.33
a) Seja A Mn uma matriz triangular, isto e, A = (aij ) onde aij = 0,
sempre que i > j (ou sempre que i < j). Qual o polin^omio carac-
terstico de A?
b) Sejam A, B Mn matrizes triangulares com a mesma diagonal
principal. Existe alguma relaca~o entre seus polin^omios caractersti-
cos? 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 polin^omio 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
Diagonaliza
c
ao
10.1 Definic
ao e Caracteriza
cao
ou seja, [T ]B e uma matriz diagonal, isto e, uma matriz quadrada (aij ) tal
que aij = 0 se i 6= 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
0 0 n
gonal.
[T ]B = (MBC )1 [T ]C MBC = M1 [T ]C M
Observacao 10.4 Note que pelo teorema acima, para vericar se um
operador e diagonalizavel, basta vericar se a matriz de T com relaca~o
a uma base qualquer de U e diagonalizavel.
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
Xn X
n
T (x1 , . . . , xn ) = ( a1j xj , . . . , anj xj ).
j=1 j=1
[T ]B = (MBC )1 [T ]C MBC = M1 AM
U = V(1 ) V(n ).
Prova: Se
U = V(1 ) V(n )
Assim,
1 0 1
pT () = det 0 1 1
1 1 2
= (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.
Temos
x + z = 0 x = y = z
y+z=0 x = y = z,
x + y + 2z = 0
x + y + 2z = 0
T (x, y, z, t) = (x + y, y, 2z + t, 2z + t)
= (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)].
10.1. DEFINIC ~ E CARACTERIZAC
AO ~
AO 151
(ii) autovalor 3:
vemos que
0 0 0 0
0 3 0 0
[T ]B = .
0 0 1 1
0 0 0 1
= D(a0 + a1 1 + + am m m
1 , . . . , a0 + a1 n + + am n )
pois pT (j ) = 0, j = 1, . . . , n. Assim, pT (T ) = 0.
10.2 Exerccios
Ex. 10.21 Determinar M M2 , se existir, de modo que M1 AM seja
uma matriz diagonal nos seguintes casos:
! !
2 4 3 2
a) A = b) A =
3 13 2 1
Forma Can
onica de Jordan
11.1 Introduc
ao e Exemplos
155
156 CAPITULO 11. FORMA CANONICA
^ DE JORDAN
1 0
0
0
1 0
J(; r) = 0
0 0
. .. .. . . ..
.. . . . .
0 0 0 rr
0 0 0 1 0 0
1 0
0
1 0 0
0 0 1 0
= 0
0 1 0 + 0 0 0 0
= I + N,
. .. .. . . . .. . . . .
.. .. .. . . ...
.. . . .
0 0 0 1 rr 0 0 0 0 rr
por exemplo, se
3 4 1 0
2 1 0 4 3 0 1
B1 = 0 2 1 , B2 =
0 0 3 4
0 0 2
0 0 4 3
ent~ao
2 1 0 0 0 0 0
0 2 1 0 0 0 0
0 0 2 0 0 0 0
diag (B1 , B2 ) =
0 0 0 3 4 1 0 .
0 0 0 4 3 0 1
0 0 0 0 0 3 4
0 0 0 0 0 4 3
ao 11.5 Se + i
Observac e uma raiz complexa de pT () ent~ao a
soma das ordens dos blocos R(, ; s) e igual ao dobro da multiplici-
dade da raiz + i.
pT () = (1 )m1 (n )mn
cuja soluc~ao geral e da forma (a, 1, 0, 0). Podemos tomar, por exemplo,
u2 = (0, 1, 0, 0) e isto nos fornecera a base procurada.
11.2 Exerccios
Ex. 11.12 Se uma matriz de ordem 3 tem os autovalores 3, 3 e 3,
quais s~ao as possveis formas can^onicas de Jordan dessa matriz?
Espa
cos Euclidianos
163
164 CAPITULO 12. ESPAC
OS EUCLIDIANOS
hx, yi = x1 y1 + + xn yn (12.4)
12.1. PRODUTO INTERNO 165
Ex. Resolvido 12.6 Com relaca ~o ao produto interno dado por 12.4,
calcule hu, vi onde u = (cos , sen ) e v = (cos , sen ).
ao: Temos
Resoluc
0 0 0 xx 0 yy 0 zz 0
h(x, y, z), (x , y , z )i = + + .
2 3 4
E facil vericar que a express~ao acima dene um produto interno em
R3 .
Resoluc
ao:
Z 2
sen 2 x
2
h sen , cos i = sen x cos x dx = = 0.
0 2
0
Resoluc
ao:
hA, Bi = 1 (2) + 1 0 + 0 1 + 2 1 = 0.
12.2 Norma
ao 12.15 Se V p
Definic e um espaco euclidiano, denimos para cada
u V o numero ||u|| = hu, ui. Este valor e chamado de norma de u.
Prova:
1. ||u|| = hu, ui = 2 hu, ui = || hu, ui = || ||u||.
p p p
2. Obvio pois a raiz quadrada e n~ao negativa.
3. Se u = 0 ent~ao kuk =
p
h0, 0i = 0.
Reciprocamente, se u 6= 0 ent~ao hu, ui > 0 e kuk =
p
hu, ui > 0.
Prova:
ku + vk2 + ku vk2 = hu + v, u + vi + hu v, u vi
ku + vk2 ku vk2 = hu + v, u + vi hu v, u vi
ao: Temos
Resoluc
1
hu, vi = (ku + vk2 ku vk2 ) = 0.
4
170 CAPITULO 12. ESPAC
OS EUCLIDIANOS
12.3 Dist
ancia
Definicao 12.23 Num espaco euclidiano V denimos a dist^
ancia en-
tre u, v V como
d(u, v) = ku vk.
Resulta da proposic~ao 12.19 que a dist^ancia satisfaz as seguintes pro-
priedades.
ao 12.24 Num espaco euclidiano V temos
Proposic
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.
Ex. Resolvido 12.25 Com relaca ~o ao produto interno 12.4 calcule a
dist^ancia entre os pontos u = (1, 1, 3, 2) e v = (2, 2, 1, 0) de R4 .
ao: Temos
Resoluc
p
d(u, v) = (1 2)2 + (1 2)2 + (3 1)2 + (2 0)2 = 10
Ex. Resolvido 12.26 Com relaca ~o ao produto interno 12.10 calcule
a dist^ancia entre as funco~es sen e cos de C([0, 2]; R)
ao: Temos
Resoluc
Z 2
d( sen , cos) =
2
[ sen x cos x]2 dx
0
Z 2 Z 2
= [ sen x + cos x 2 sen x cos x] dx =
2 2
[1 2 sen x cos x] dx =
0 0
2
= x sen 2 x0 = 2.
Portanto, d( sen , cos) = 2.
^
12.4. ANGULO 171
12.4
Angulo
Sejam V um espaco euclidiano e u, v V ambos n~ao nulos. Pela desigual-
dade de Cauchy-Schwarz (veja proposic~ao 12.19) temos
kuk kvk hu, vi kuk kvk
ou ainda,
hu, vi
1 1.
kuk kvk
Desta forma, existe um unico numero real [0, ] tal que
hu, vi
cos = .
kuk kvk
Este numero e chamado de ^angulo entre os vetores u e v.
Ex. Resolvido 12.27 Calcule o a ^ngulo entre as funco~es seno e co-
seno denidas em [0, 2] com o produto interno dado por 12.10.
Resoluc
ao:
Z 2 2
1
h sen , cos i = sen x cos x dx = sen x = 0.
2
0 2 0
Desta forma, o ^angulo entre seno e co-seno e 2 .
Ex. Resolvido 12.28 Sabe-se que kuk = kvk = 1 e kuvk = 2. Calcule
o a^ngulo entre u e v.
ao: Como ku vk = 2 ent~ao
Resoluc
4 = ku vk2 = hu v, u vi
= kuk + kvk 2hu, vi = 2 2hu, vi.
Assim, hu, vi = 1 e
hu, vi
cos = = 1,
kuk kvk
ou seja, = .
172 CAPITULO 12. ESPAC
OS EUCLIDIANOS
12.5 Ortogonalidade
ao 12.29 Seja V um espaco euclidiano. Dizemos que u, v V
Definic
s~ao ortogonais se hu, vi = 0 e, neste caso, denotaremos uv.
Dizemos que um conjunto S = {u1 , . . . , un } V e ortogonal se ui uj
quando i 6= j.
Dizemos que um conjunto ortogonal S = {u1 , . . . , un } V e orto-
no-mal se kuj k = 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 denica~o uS.
ao 12.31 Se u = 0 ou v = 0 ent~
Observac ao uv. Se u 6= 0 e v 6= 0
ent~ao uv se e somente se o a^ngulo entre u e v e /2.
e um conjunto ortonormal.
Prova: Se
1 u1 + + n un = 0 (12.34)
12.5. ORTOGONALIDADE 173
2 u2 + + n un = 0.
ao 12.35 A proposica
Observac ~o acima continua valida se S for ape-
nas um conjunto ortogonal com elementos n~ao nulos.
Definic ao 12.36 Se V
e um espaco euclidiano de dimens~ao n e se
u1 , . . . , un formam um conjunto ortonormal, ent~ao diremos que estes
vetores formam uma base ortonormal de V.
ao 12.37 Sejam V um espaco euclidiano que possui uma
Proposic
base ortonormal dada por u1 , . . . , un . Ent~ao, se u V temos
u = hu, u1 iu1 + + hu, un iun .
e
u2 = u (hu, v1 iv1 + + hu, vn ivn ) .
Pela proposic~ao 12.39, u1 , u2 U. Logo, para todo w U, temos hu1
u2 , wi = hu1 , wi hu2 , wi = 0, isto e, (u1 u2 )U.
Note tambem que
ao: Claramente,
Resoluc
1 1 1
ku1 k2 = + + =1
3 3 3
e
1 1
ku2 k2 = + = 1.
2 2
Tambem,
1 1 1 1 1
hu1 , u2 i = + 0 = 0.
3 2 3 2 3
Assim, a projec~ao ortogonal de u = (2, 3, 1) sobre [u1 , u2 ] e
1 1 1 1 1 1
= h(2, 3, 1), ( , , )i( , , )
3 3 3 3 3 3
1 1 1 1 5 5
+ h(2, 3, 1), ( , , 0)i( , , 0) = ( , , 0).
2 2 2 2 2 2
ao: Temos
Resoluc
Z1 Z1 1
2 3 2 x7 x3 2x5
6 2 4
kqk = (x x) dx = (x + x 2x ) dx = +
0 0 7 3 5 0
1 1 2 8
=
+ = ;
7 3 5 105
Z1
hp, qi = h1 + x + x + x , x xi = (1 + x + x2 + x3 )(x3 x) dx
2 3 3
0
Z1
= (x x2 + x5 + x6 ) dx = 11/21.
0
11 105 3 55
r(x) = (x x) = (x3 x).
21 8 8
178 CAPITULO 12. ESPAC
OS EUCLIDIANOS
e ent~ao
v1 v2 hv2 , u1 iu1
u1 = e u2 =
kv1 k kv2 hv2 , u1 iu1 k
formam uma base ortonormal de V.
12.6. PROCESSO DE GRAM-SCHMIDT 179
u1 , . . . , un1 , un
onde
un0 vn hvn , u1 iu1 hvn , un1 iun1
un = = .
kun0 k kvn hvn , u1 iu1 hvn , un1 iun1 k
12.6. PROCESSO DE GRAM-SCHMIDT 181
W = {(x, y, z) R3 ; x 2y = 0}.
W = {(x, y, z, t) R4 ; x + y + z + t = 0}.
(x, y, z, t) = (y z t, y, z, t)
( 12 , 12 , 1, 0) 1
= 1 1
= (1, 1, 2, 0).
k( 2 , 2 , 1, 0)k 6
(1, 0, 0, 1) h(1, 0, 0, 1), u1 iu1 h(1, 0, 0, 1), u2 iu2
u3 =
k(1, 0, 0, 1) h(1, 0, 0, 1), u1 iu1 h(1, 0, 0, 1), u2 iu2 k
onde
1 1 1
h(1, 0, 0, 1), u1 i = h(1, 0, 0, 1), ( , , 0, 0)i =
2 2 2
1 1
h(1, 0, 0, 1), u2 i = h(1, 0, 0, 1), (1, 1, 2, 0)i = .
6 6
Assim,
(1, 0, 0, 1) h(1, 0, 0, 1), u1 iu1 h(1, 0, 0, 1), u2 iu2
1 1 1 1 1
= (1, 0, 0, 1) ( , , 0, 0) (1, 1, 2, 0)
2 2 2 6 6
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,
( 31 , 13 , 31 , 1) 1 1 1 1
u3 = 1 1 1
= 3( , , , 1)
k( 3 , 3 , 3 , 1)k 2 3 3 3
ao 12.52 U
Proposic e um subespaco vetorial de V.
12.7. COMPLEMENTO ORTOGONAL 183
hv + w, ui = hv, ui + hw, ui = 0.
Portanto, v + w U .
ou seja,
x+y=0
(x, y, z) = x(1, 1, 1).
x+z=0
Assim,
U = [(1, 1, 1)].
12.8 Isometria
ao 12.56 Sejam U e V espacos euclidianos. Dizemos que T
Definic
L (U, V) e uma isometria se hT (u1 ), T (u2 )i = hu1 , u2 i para todo u1 , u2
U.
(3 = 1) Note que
e
v = 1 u1 + + n un
e obtemos
X
n X
n X
n X
n
hT (u), T (v)i = h i T (ui ), j T (uj )i = i j hT (ui ), T (uj )i
i=1 j=1 i=1 j=1
X
n
= i i .
i=1
Por outro lado,
X
n X
n n X
X n
hu, vi = h i ui , j uj i = i j hui , uj i
i=1 j=1 i=1 j=1
X
n
= i i .
i=1
Comparando as express~oes acima, conclumos que T e uma isometria.
ario 12.60 Se T L (U, V)
Corol e uma isometria ent~ao T e injetora.
Prova: Basta ver que se T (u) = 0 ent~ao kuk = kT (u)k = 0, portanto,
u = 0.
Corolario 12.61 Se T L (U, V)
e uma isometria e dim U = dim V
ent~ao T e um isomorsmo.
Prova: Como U e V t^em a mesma dimens~ao e T e injetora, segue-se que
T e uma bijec~ao, isto e, um isomorsmo.
Ex. Resolvido 12.62 Seja T R2 tal que a matriz de T com relaca
~o
a uma base ortonormal de R e dada por
2
!
1 2
.
2 1
T
e uma isometria?
12.8. ISOMETRIA 187
e a matriz de uma isometria S com relac~ao a esta base ent~ao pelo teorema
anterior kS(u)k = kS(v)k = 1. Alem do mais, hS(u), S(v)i = 0. Como
S(u) = au + cv e S(v) = bu + dv, teramos
2 2
a + c = 1
b 2 + d2 = 1 .
ab + cd = 0
obtemos
1, se i = j
a1i a1j + + ani anj = hT (ui ), T (uj )i = hui , uj i = ij = ,
0, se i 6= j
Ex. Resolvido 12.65 Seja T L (R2 ) dado por T (x, y) = (ax+by, bx+
cy). Verique que T
e um operador autoadjunto.
ao: Temos
Resoluc
hT (x, y), (z, t)i = h(ax + by, bx + cy), (z, t)i = axz + byz + bxt + cyt.
h(x, y), T (z, t)i = h(x, y), (az + bt, bz + ct)i = axz + bxt + byz + cyt.
Note que a matriz do operador do exemplo anterior com relac~ao a base
can^onica e uma matriz simetrica. Isto, como diz o proximo teorema, n~ao
e uma simples coincid^encia.
Note que se
u = 1 u1 + + n un
e
v = 1 u1 + + n un ,
190 CAPITULO 12. ESPAC
OS EUCLIDIANOS
e, analogamente,
X
n X
n
hu, T (v)i = i j hui , T (uj )i.
i=1 j=1
Desta forma, basta mostrar que hT (ui ), uj i = hui , T (uj )i. Como (aij ) e a
matriz de T com relac~ao a esta base, temos por 12.68 e 12.69 que
como queramos.
pT () = 2 (a + c) + ac b2 .
Como
12.10 Exerccios
Ex. 12.72 Verique, em cada um dos itens abaixo, se a aplicaca
~o h , i
e um produto interno no espaco vetorial V.
1. V = R2 , u = (x1 , y1 ), w = (x2 , y2 ) e hu, wi = 2x1 x2 + 4y1 y2 .
192 CAPITULO 12. ESPAC
OS EUCLIDIANOS
{1, cos x, cos 2x, cos 3x, . . . , sen x, sen 2x, sen 3x, . . . }
[CDC]
Callioli, C. A., Domingues, H. H., Costa, R. C. F., Algebra
Linear e Aplicaco~es, 2 edic~ao, Atual Editora Ltda, 1978.
a
[L]
Lima, E. L., Algebra Linear, Colec~ao Matematica Universitaria,
IMPA, CNPq, Rio de Janeiro, 1995.
195
Indice Remissivo
196
INDICE REMISSIVO 197