Escolar Documentos
Profissional Documentos
Cultura Documentos
1 Espaços Vetoriais 4
1.1 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Exercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.1 Interseção e Soma de Subespaços vetoriais . . . . . . . . . . . 10
1.3 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.1 Subespaços gerados . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3 Transformações Lineares 37
3.0.5 Imagem e Núcleo de uma transformação . . . . . . . . . . . . 38
3.1 Isomorsmo e Automorsmo . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.1 O Espaço Vetorial L(U, V ) . . . . . . . . . . . . . . . . . . . . 45
3.1.2 A matriz associada a uma Transformação Linear . . . . . . . 47
3.2 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4 Autovalores e Autovetores 55
4.1 Polinômio Característico . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.2.1 Transformações lineares diagonalizaveis . . . . . . . . . . . . 61
4.3 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3.1 Prova teste 2 de 2011 . . . . . . . . . . . . . . . . . . . . . . 65
4.3.2 Prova 2 de 2011 . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5 Espaços Euclidianos 67
5.1 Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.1.1 Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.1.2 Processo de Gram-Schmidt . . . . . . . . . . . . . . . . . . . 72
5.1.3 O metodo dos mínimos quadrados . . . . . . . . . . . . . . . 76
5.1.4 Complemento Ortogonal . . . . . . . . . . . . . . . . . . . . . 77
2
5.1.5 Isometrias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.2 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.2.1 Prova teste 3 de 2011 . . . . . . . . . . . . . . . . . . . . . . 81
5.2.2 Prova 3 de 2011 . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.2.3 Prova de recuperação de 2011 . . . . . . . . . . . . . . . . . 82
3
Capítulo 1
Espaços Vetoriais
Denição 1.1. Seja V é um conjunto não vazio e suponha que existem duas opera-
ções denidas em V, uma operação somma (denotada +) que a cada par de elementos
u, v ∈ V associa un único elemento de V denotado por u + v, e uma operação cha-
mada de multiplicação por escalar que a cada u ∈ V e todo λ ∈ R associa un único
elemento de V denotado por λ · u. Dizemos que o triple (V, +, ·) é um espaço vetorial
se as seguintes condições são satisfeitas:
P1 u + v = v + u para todo u, v ∈ V, (propriedade comutativa)
P6 (λ + µ) · u = λ · u + µ · u para todo u ∈ V, λ, µ ∈ R,
P8 1 · u = u para todo u ∈ V.
4
(x1 , . . . , xn ). No conjunto Rn denimos a soma de n-uplas e a multiplicação escalar
por
5
Denimos M (n, m) como sendo o conjunto formado por todas a matrizes de
ordem n × m. Nesta apostilha sempre assumiremos que M (n, m) é munido das
seguintes operações:
P4 se x∈V então
1
x ∈V, de onde segue que P4 é satisfeita com −x = 1
x,
P8 1 x = x1 = x para todo x ∈ V.
Um dos aspectos mais interessantes de qualquer teoria matemática é que ela é de-
senvolvida a partir de um conjunto de propriedades básicas. Em particular, notamos
que todos os resultados e aplicações da algebra linear são obtidos a partir dos axio-
mas P1 -P8 . No próximo resultado vemos como é possivel obter novas propriedades
a partir desses axiomas.
6
1. O elemento 0 da propriedade P3 é único,
2. para cada u ∈ V o vetor −u da propriedade P4 é único,
3. se 0 é o vetor em P3 e λ ∈ R então λ0 = 0,
4. se 0 é o número real zero e u ∈ V então 0u = 0,
5. se λu = 0 então λ = 0 ou u = 0,
6. se u então −1 · u = −u,
7. se λ ∈ R e u ∈ V então (−λ)u = λ(−u) = −(λu),
8. se u ∈ V então −(−u) = u,
9. se u + w = v + w então u = v,
10. se u, v ∈ V então existe um único w ∈ V tal que u + w = v.
Prova: Mostramos somente as seis primeiras propriedades, a prova das outras é
deixada como exercicio.
λ0 = λ0 + λ0, / + −(λ0)
λ0 + −(λ0) = (λ0 + λ0) + −(λ0)
0 = (λ0 + λ0) + −(λ0) por P3
0 = λ0 + (λ0 + −(λ0)) por P2
0 = λ0 + 0 por P4
0 = λ0, por P3 ,
4. Note que 0u = (0 + 0)u = 0u + 0u. Logo, somando −(0u) ao ambos lados desta
igualdade vemos que
7
1.1 Exercícios
1. Verique que o conjunto V com as operações indicadas é um espaço vetorial.
{( ) }
a −b
(a) O conjunto V = : a, b ∈ R com as operações usuais de
b a
M (2, 2).
{( ) }
a −b
(b) O conjunto V = : a, b ∈ R com as operações usuais de
b 3a
M (2, 2).
{ }
(c) O conjunto V = (x, y) ∈ R2 : 3x − 2y = 0 com as operações usuais de
R2 .
(d) O conjunto V = {f : R → R : f (−x) = f (x), ∀x ∈ R} com as operações
do espaço F(R; R).
∪
(e) O conjunto V = n∈N Pn (R) com as operações do espaço F(R; R).
(f ) O conjunto V = R2 munido das operações (x1 , y1 ) ⊕ (x2 , y2 ) = (2x1 −
2y1 , y1 − x1 ) e α · (x, y) = (3αx, −αx.)
(g) O conjunto V = R2 com as operações (x1 , y1 )⊕(x2 , y2 ) = (x1 +x2 , y1 +y2 )
e α(x, y) = (αx, 0).
{ }
O conjunto V = (x, y, z, w) ∈ R : y = x, z = w
(h)
4 2 com as operações de
R4 .
(i) V = R × (R \ {0}) com as operações (x1 , y1 ) ⊕ (x2 , y2 ) = (x1 + x2 , y1 y2 ),
α · (x, y) = (αx, y α ).
(j) Seja ω ∈ R e Fω = {f ∈ F (R, R) : f é ω periodica} (lembre que uma
função f ∈ R é ω periodica f (s + ω) = f (s) para todo s ∈ R.) Com as
operações do espaço F(R; R), o conjunto Fω é um espaço vetorial .?
Observação 1.14. Para simplicar as notações, no que segue desta apostilha V será
um espaço vetorial e as operações soma e multiplicação por escalar serão denotadas
por u+v e αu respectivamente.
8
Proposição 1.17. Um conjunto W ⊂ V é um subespaço vetorial de V ⇔ u+λv ∈ W
para todo u, v ∈ W e todo λ ∈ W .
Prova: Se W é um subespaço vetorial de V , da denição de subespaço vetorial (veja
também a observação 1.16) segue diretamente que u + λv ∈ W para todo u, v ∈ W
e todo λ ∈ W.
Suponha agora que u + λv ∈ W para todo u, v ∈ W e todo λ ∈ W. Para
provar que W é um espaço vetorial temos que mostrar que as propriedades P1 -P8
são vericadas. P1 , P2 , P5 , P6 , P7 e P8 são trivialmente satisfeitas
As propriedades
V . Assim, resta mostrar que P3 e P4 são satisfeitas.
pois elas são válidas em relação a
Seja u ∈ W e λ ∈ R. Da Proposição 1.13 sabemos que −u = −1u. Logo,
0 = u + −u = u + −1u ∈ W o que implica que a condição P3 é satisfeita. Usando
agora que 0 ∈ W e que −u = −1u temos que −u = 0 + −1u ∈ W o que prova que
P4 é tambem válida. Segue do anterior que W é um subespaço vetorial de V . Isto
completa a prova.
Vejamos alguns examplos de sub-espacos vetoriais.
∑
n
Sn∗ (R) = {f = aj xj ∈ Pn (R) : aj = 0 se j é par}.
i=0
Deixamos como exercicio mostrar que Sn∗ (R) é um subespaço vetorial de Pn (R).
9
1.2 Exercicios
∑
1. Sejam a1 , . . . , an ∈ R e W = {(x1 , . . . , xn ) ∈ Rn : ni=1 aj xj = a1 x1 + · · · +
an xn = 0}. O conjunto S é um subespaço vetorial de Rn . ?
10
Suponha agora que Q é um subespaço vetorial de V tal que U ∪ W ⊂ Q. Se
u ∈ U e w ∈ W então u ∈ Q e w ∈ Q, o que implica que u + w ∈ Q pois Q é
subespaço vetorial de V . Agora da denição de U + W segue que U + W = {u + w :
u ∈ U, w ∈ W } ⊂ Q.
Para nalizar, mostremos a propriedade (3). Suponha que a soma U +W é direta.
Se z ∈ U + W existem vetores u1 ∈ U e w1 ∈ W tais que z = u1 + w1 . Suponha
agora que z = u2 + w2 com u2 ∈ U e w2 ∈ W . Nessas condições
∑
n
Ui = U1 + · · · + Un = {u1 + · · · + un : uj ∈ Uj , j = 1, . . . , n}.
i=1
11
1. U1 + · · · + Un é um subespaço vetorial de V ,
∪n
2. U1 +· · ·+Un é o menor subespaço vetorial de V que contém o conjunto i=1 Ui ,
x ∈ R.
Como a0 − b0 = H(0) = 0 segue que a0 = b0 , de onde temos que H(x) =
(a1 − b1 )x + (a2 − b2 )x2 + . . . + (an − bn )xn = 0 para todo x ∈ R. Assim, x[(a1 −
b1 ) + . . . + (an − bn )xn−1 ] = 0 para todo x ∈ R o que implica que (a1 − b1 ) + (a2 −
b2 )x + . . . + (an − bn )xn−1 = 0 para todo x ̸= 0.
Se (a1 − b1 ) > 0 (resp. (a1 − b1 ) < 0) então podemos escolher x sucientemente
pequeno de modo que (a1 − b1 ) > [(a2 − b2 )x + . . . + (an − bn )x
n−1 ] (resp. (a − b ) <
1 1
[(a2 − b2 )x + . . . + (an − bn )x n−1 ]) o que é absurdo pois neste caso (a1 − b1 ) − [(a2 −
b2 )x + . . . + (an − bn )xn−1 ] ̸= 0. Assim, única possibilidade é ter que a1 − b1 = 0.
Segundo o anterior, H(x) = (a2 − b2 )x + . . . + (an − bn )x
2 n = 0 para todo
1.3 Exercícios
Ex. 1.32. Nos seguintes casos estude se W é um subespaço vetorial de V.
{( ) }
a b
1. V = M (2, 2) e W = : a, b, c, ∈ R .
−a c
2. V = R4 e W = {(x, x, y, y) : x, y ∈ R} .
12
5. Sejam V = M (n, 1), A ∈ M (n, n) uma matriz dada e W o subconjunto de V
denido por W = {X ∈ V : AX = 0} .
{ }
6. V = M (n, n) e W = A ∈ M (n, n) : AT = A onde AT denota a matriz trans-
T
posta de T . Note que A = (aj,i )n,m quando A = (ai,j )n,n . )
7. V = R3 e W = {(x, y, z) ∈ R3 : x = 0},
8. V = R3 e W = {(x, y, z) ∈ R3 : x = 1},
9. V = R3 e W = {(x, y, z) ∈ R3 : x2 + y + z = 0},
Ex. 1.34. Estudar as seguintes armações (se você considera que a armação é
verdadeira prove ela e se acha que é falsa invente um contraexemplo):
13
{ } { }
1. V = R2 , U = (x, y) ∈ R2 : y = 0 e W = (x, y) ∈ R2 : x = αy onde α é
um número real não nulo.
{( ) } {( ) }
a 0 0 c
2. V = M ((2, 2), U = : a, b ∈ R e W = : c, d ∈ R .
0 b 0 d
{ } { }
3. Se V = R2 , U = (x, y) ∈ R2 : 2x + 3y = 0 e W = (x, y) ∈ R2 : x − y = 0
então V = U ⊕ W .
a b 0
4. Se V é o espaço V = M (3, 3), U = 0 0 c : a, b, c, d ∈ R e
0 0 d
0 0 e
W = f g 0 ; e, f, g, h, i ∈ R então V = U ⊕ W .
h i 0
Ex. 1.36. Nos seguintes casos, achar um subespaço W de V de modo que V = U ⊕W.
1. V = R3 U = {(x, y, 0) : x, y ∈ R} .
e
{ }
2. V = M (3, 3) e U = A ∈ M (3, 3) : AT = A .
( )
1 1
3. V = M (2, 1) e U = {X ∈ M (2, 1) : AX = 0} sendo A= .
0 1
Ex. 1.37. Suponha que U e W são subespaços vetoriais do espaço V. Provar que:
1. U ⊂W ⇒U +W =W
2. U ⊂W ⇒U ∩W =U
3. U +W =U ⇒U ⊃W
4. U ∩W =U ⇒U ⊂W
Denição
∑ 1.38. Seja A = {u1 , . . . , un } ⊂ V . Uma expressao da forma u =
i=1 αi ui , com α1 , . . . , αn números reais, é chamada combinação linear dos veto-
n
14
Exemplo 1.41. Seja n ∈ N. Nesta apostilha, para i ∈ {1, . . . , n} usaremos a notação
ei para o vetor deRn dado por ei = (x1 , . . . , xi , . . . , xn ) onde xj = 0 se j ̸= i e xi = 1
(ou seja, ei = (0, . . . , 1, . . . , 0)).
∑n
É fazil ver que y = (y1 , . . . , yi , . . . , yn ) = i=1 yi ei , de modo que todo vetor de
R é combinação linear dos vetores e1 , . . . , en . Observamos que os vetores e1 , . . . , en
n
Denição 1.43. Seja S ⊂ V não vazio. Denimos o conjunto [S] como sendo o
subconjunto de V formado
∑ por todas as combinações lineares dos elementos de S ,
ou seja, [S] = {v = ni=1 αi si : αi ∈ R, si ∈ S, n ∈ N}.
( ) ( ) ( )
0 1 0 0 0 α
A=α +β = ,
0 0 −1 0 −β 0
com α, β ∈ R. Como α, β são arbitrarios, vemos que [S] está formado por todas as
matrizes con diagonal principal nula.
15
Na próxima proposição consideramos algumas importantes propriedades dos con-
juntos gerados.
16
Prova: Provemos a primeira propriedade. Para mostrar que [S] subespaço vetorial
de V , xemos u, v ∈ [S] e α ∈ R. Pela denição de [S] podemos supor que u =
α1 u1 + · · · + αn un e v = β1 v1 + · · · + βn vn onde α1 , . . . , αn , β1 , . . . , βn são números
reais. Assim, temos que
∑
n
u + αv = α1 u1 + · · · + αn un + αβ1 v1 + · · · + αβn vn = (αi + βi )ui ,
i=1
Exemplo
1.53.O espaço W denido por W = {X ∈ M (3, 1) : AX = 0} onde
0 1 0
A= 2 1 0 é nitamente gerado.
1 1 4
W . Se
Para rovar nossa armação, é conveniente caracterizar os elementos de
α 0 1 0 α 0
X = β ∈ W
então 2 1 0 β = 0 de onde segue que α = β = γ = 0.
γ 1 1 4 γ 0
Logo, o único elemento em W é o vetor zero. Assim, W = [{0}].
17
Exemplo 1.54. O espaço W denido por W = {X ∈ M (4, 1) : AX = 0} sendo
1 1 −1 0
2 0 1 1
A=
3
1 0 1
0 −2 3 1
é nitamente gerado.
δ
1 1 −1 0 α 0
2 0 1 1 β 0
=
3 1 0 1 γ 0
0 −2 3 1 δ 0
de onde segue que {
α = −γ/2 − δ/2
β = 3γ/2 + δ/2
e
−γ/2 − δ/2 −1/2 −1/2
3γ/2 + δ/2
X= = γ 3/2 + δ 1/2 .
γ 1 0
δ 0 1
−1/2 −1/2
3/2 1/2
concluimos que W =
Do anterior
1 , 0 .
0 1
No seguinte exemplo, vemos o caso de um espaço vetorial que não é nitamente
gerado.
Exemplo 1.55. P (R) conjunto formado por todos os polinomios de grau nito
Seja
munido das operações soma e multiplicação por escalar usuais. Como veremos, P (R)
não é nitamente gerado. Para mostrar esta armação, suponha que existem poli-
nomios p1 , . . . , pn P (R) = [p1 , . . . , pn ]. Seja N o grau mais alto dentre os
tais que
graus dos polinômios p1 , . . . , pn . Como o x
N +1 pertence P (R) e P (R) = [p , . . . , p ],
N +1 =
∑n 1 n
segue que existem numeros reais α1 , . . . , αn tais que x α p . Logo, temos
∑n pi
i=1 i i
que 1 = i=1 αi xN +1 para todo x ̸= 0. Porém isto é abusrdo, pois para valores
∑n pi
grandes de x temos que i=1 αi xN +1 < 1. Como este absurdo surge de supor que
P (R) = [p1 , . . . , pn ], segue que P (R) não pode ser nitamente gerado.
Exemplo 1.56. U = {(x, y, z, t) ∈ R4 : x − y + t + z = 0} e V = {(x, y, z, t) ∈
Sejam
R4: x + y − t + z = 0}. No que segue, acharemos um conjunto gerador para cada
um dos espaços U, V, U ∩ V e U + V.
Para começar, estudemos o espaço U . Se (x, y, z, t) ∈ U então y = x + z + t e
18
de onde segue que U = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)].
Vejamos agora o espaço V . Se (x, y, z, t) ∈ V então t = x + y + z e
de onde podemos concluir que V = [(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)].
Se (x, y, z, t) ∈ U ∩ V então
{
x−y+t+z =0
x + y − t + z = 0,
U + V = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)].
1.4 Exercícios
Ex. 1.57. Em cada caso, achar [S] como subespaço de V.
2. W = {p ∈ P3 (R) : p′ (t) = 0, ∀t ∈ R} .
{ }
3. W = A ∈ M (2, 2) : At = A .
0 1 0
4. W = {X ∈ M (3, 1) : AX = 0} onde A = 2 1 0 .
1 1 4
Ex. 1.59. Em cada um dos itens abaixo achar un conjunto (o menor possivel)
gerador de U, W, U ∩ W e U + W.
19
{ }
2. U = (x, y, z) ∈ R3 : x + y = 0 W = [(1, 3, 0), (0, 4, 6)],
e
[( )]
{ } 1 1
3. U = A ∈ M (2, 2) : At = A e W = ,
0 1
2. W = {p ∈ P3 (R) : p′′ = 0} ,
3. U ∩ W.
Ex. 1.61. Mostre que as funções 1 e cos 2x pertencem a [ sen 2 x, cos2 x].
1. U = {(x, y, z) ∈ R3 : x − 2y = 0},
2. V = {(x, y, z) ∈ R3 : x + z = 0 e x − 2y = 0},
3. W = {(x, y, z) ∈ R3 : x + 2y − 3z = 0},
4. U ∩V e V + W.
Ex. 1.64. Achar un conjunto de geradores para o conjunto dos numeros complexos
C munido das operações usuais (a+ib)+(c+id) = a+c+i(c+d) e α(a+ib) = αa+iαb.
Mostre que {2 + 3i, 1 − 2i} é um conjunto gerador de C.
Ex. 1.65. {(1, −1, 2), (3, 0, 1)} e {(−1, −2, 3), (3, 3, −4)} geram o
Os conjuntos
mesmo subespaço vetorial de R3 . ?
{( ) ( ) ( ) ( )}
1 0 1 1 0 0 0 1
Ex. 1.66. O conjuto de matrizes 0 1
,
0 0
,
1 1
,
1 2
é
20
Capítulo 2
dimensão
Similarmente, para cada matriz Ai,j temos que T \ {Ai,j } não é gerador de M (n, m).
A propriedade descrita anteriormente não é restrita a esses conjuntos e a essses
espaços. Mais ainda, como veremos neste capitulo nenhum subconjunto de Rn com
vetores pode ser gerador de R
menos de n n e nenhum subconjunto de M (n, m)
com menos de mn elementos pode ser gerador de M (n, m). Do anterior vemos que
os conjuntos geradores de um espaço vetorial com o menor número de elementos
possiveis são muito especiais. Este tipo de conjunto serão chamados de bases. Para
formalizar as ideias anteriores, temos que introduzir algumas denições.
Lema 2.2. Un conjunto {u1 , . . . , un } ⊂ V∑de vetores não nulos é linearmente inde-
pendente ⇔ a única solução da equação n
i=1 αi ui = 0 é a solução nula, ou seja, a
solução com α1 = . . . , αn = 0.
Prova: Suponha que {u1 , . . . , un } é linearmente independente e que a equação
∑ n
i=1 αi ui = 0 possui uma∑ solução não nula. Então existem escalares α1 , α2 , . . . , αn
∑n
n αj
não todos zero, tais que i=1 αi ui = 0. Se αi ̸= 0, então ui = − j=1,j̸=i αi uj
o que implica que {u1 , . . . , un } não é linearmente independente, o que é absurdo.
∑n
Isto prova que a equação i=1 αi ui = 0 tem uma única solução, a solução nula
α1 = α2 = . . . = αn = 0. ∑n
Suponha que a equação i=1 αi ui = 0 possui uma única solução. Se o con-
junto {u1 , . . . , un } não é l.i, então um desses vetores, digamos ui , é combinação
linear dos outros. Neste caso, existem números reais β1 , β2 , . . . , βi−1 , βi , . . . , βn tais
∑n
que ui = j=1,j̸=i βj uj . Nessas condições,
∑ temos que os números β1 , β2 , . . . , βi−1 ,
−1, βi , . . . , βn são uma solução nula de ni=1 αi ui = 0, o que é aburdo. Portanto,
{u1 , . . . , un } é linearmente independente.
21
Observação 2.3. Do Lemma anterior vemos que para mostrar que um conjunto de
vetores
∑n {u1 , . . . , un } é linearmente independente, é suciente provar que a equação
α+β+γ = 0
α+β = 0
γ = 0.
Como este sistema possui uma única solução, a soluçaõ nula, segue que {(1, 1, 1),
(1, 1, 0), (1, 0, 0)} e linearmente independente.
. . . . .
. . . . .
. . . . .
α1 xn,1 + . . . +αi xn,i . . . + αn xn,n = 0,
22
Resumimos as observações do Exemplo 2.7 na seguinte proposição.
( ) ( ) ( ) ( )
1 0 1 1 0 1 0 0
α +β +γ = . (2.12)
0 1 0 1 0 0 0 0
( ) ( )
α+β β+γ 0 0
= ,
0 α+β 0 0
23
Prova: A propriedade em (1) segue diretamente da deniçaõ de conjunto linearmente
independente. Para mostrar (2), suponha que B = {u1 , . . . , un , v1 , . . . , vp }. Como A
é linearmente dependente existem números reias β1 , . . . , βn não todos zero tais que
∑ n
i=1 βi ui = 0. Em particular, temos que
β1 u1 + · · · + βn un + 0v1 + · · · + 0vp = 0,
2.1 Exercícios
1. Estude se o conjunto S⊂V é linearmente independente.
24
(b) {(1, 1, 1), (0, 1, 0), (1, 0, −2)},
(c) {(0, 0, 0), (1, 2, 3), (4, 1, −2)},
(d) {(1, 1, 1), (1, 2, 1), (3, 2, −1)},
(a) {1, x − 1, x2 + 2x + 1, x2 },
(b) {2, x2 + 1, x + 1, x2 − 1},
(c) {x(x − 1), x3 , 2x3 − x2 , x},
modo que {(a, b), (c, d)} seja uma base de R . Sejam c, d ∈ R de modo que ad−bc ̸= 0
2
(note que isto é sempre possivel de fazer). Vejamos agora que {(a, b), (c, d)} é base
de R .
2
Para mostrar que {(a, b), (c, d)} é um conjuto gerador de V temos que provar
que todo vetor (x, y) ∈ R é combinação linear dos vetores (a, b), (c, d). Considere
2
( ) ( )−1 ( )
α a c x
= . (2.19)
β b d y
Portanto, a equação α(a, b) + β(c, d) = (x, y) tem uma única solução o que mostra
que R2 = [(a, b), (c, d)].
Vejamos agora que {(a, b), (c, d)} é linearmente independente. Para isto, temos
que estudar a equação α(a, b) + β(c, d) = (0, 0). De (2.19) sabemos que a única
solução desta equação é (α, β) = (0, 0), o que prova que {(a, b), (c, d)} é linearmente
independente.
( )
a c
Do anterior, vemos que {(a, b), (c, d)} é uma base se det = ad − bc ̸= 0,
b d
o que nos permite armar que existe uma quantidade não nita de bases de R2 .
25
Exercício 2.20. Achar bases de R2 da forma {(1, 1), (c, d)}.
Do Exemplo anterior, segue {(1, 1), (c, d)} é base se d ̸= c. Logo, {(1, 1), (1, 2)},
√
{(1, 1), (1, π)}, {(1, 1), (π, 2)}.... são bases de R2 .
Exemplo 2.21. Achar uma base do subespaço vetorial U de R3 gerado pelo conjunto
{(1, 0, 1), (1, 2, 0), (0, 2, −1)}.
É fazil ver que o vetor (0, 2, −1) é combinação linear dos vetores (1, 0, 1) e
(1, 2, 0) e que {(1, 0, 1), (1, 2, 0)} é linearmente independente. Assim, obtemos que
{(1, 0, 1), (1, 2, 0)} é uma base de U .
No seguinte resultado veremos que todo espaço vetorial nitamente gerado possui
uma base.
∑
n ∑
n ∑
n ∑
n ∑
n
u= γk u k = γ1 u 1 + γk u k = γ1 αk uk + γk uk = (γ1 αk + γk )uk ,
k=1 k=2 k=2 k=2 k=2
26
é combinaçõa linear dos outros. Renumerando os vetores, sem necessario, podemos
∑n
supor u2 = k=3 βk uk sendo βk escalares.
Com antes, armamos que {u3 , . . . , un } é um conjunto gerador de V. De fato, se
∑n
u∈V e u= k=2 θk uk então
∑
n ∑
n ∑
n ∑
n ∑
n
u= θk uk = θ2 u2 + θk uk = θ2 βk uk + θk uk = (θ2 βk + θk )uk ,
k=2 k=3 k=3 k=3 k=3
x1 u1 + · · · + xn un = 0. (2.26)
Como V = [{v1 , . . . , vm }], temos que cada vetor uj é combinação linear dos vetores
v1 , . . . , vm . Logo, para cada 1∑ ≤ j ≤ n existen números reais α1,j , . . . , αm,j tais que
uj = α1,j v1 + · · · + αm,j vm = m i=1 αi,j vi . Usando isto em (2.26) obtemos que
(m ) (m )
∑ ∑
x1 αi,1 vi + · · · + xn αi,n vi = 0. (2.27)
i=1 i=1
Como os vetores v1 , . . . , vm são linearmente independentes, vemos que cada uma das
somas que aparecem na última expressao são zero. Assim, obtemos o sistema de
equações
x1 α1,1 + . . . + xn α1,n = 0,
x1 α2,1 + . . . + xn α2,n = 0,
.
.
. (2.28)
x1 αm,1 + . . . + xn αm,n = 0,
O sistema (2.28) é um sistema linear homogêneo de m equações e n incógnitas e
como n > m, segue-se que este sistema possui uma solução não trivial que denotamos
x1 , . . . , xn . É claro do anterior que x1 , . . . , xn é uma solução não trivial de (2.26) o
que mostra que {u1 , . . . , un } é un conjunto linearmente dependente. A prova está
completa.
Como consequência do resultado anterior temos o seguinte Teorema.
27
Teorema 2.29. Se V é nitamente gerado então todas as bases de V possuem o
mesmo número de elementos.
Prova: Suponha que {v1 , . . . , vm } e {u1 , . . . , un } são duas bases do espaço V . Como
{u1 , . . . , un } é base e {v1 , . . . , vm } é linearmente independente, da Proposição 2.25
segue que m ≤ n. De maneira similar, como {v1 , . . . , vm } é base e {u1 , . . . , un } é
linearmente independente, obtemos que n ≤ m. Como m ≤ n e n ≤ m segue-se que
n = m.
O resultado anterior nos permite introduzir o conceito de dimensão de um espaço
vetorial.
28
que neste caso, o conjunto {w1 , . . . , wk } é uma base de W. Isto prova que W é
nitamente gerado e que dim(W ) ≤ n.
Mostremos agora (2). Suponha por absurdo que {u1 , . . . , un } não é una base.
Como este conjunto é linearmente independente, temos que {u1 , . . . , un } não é um
conjunto gerador. Logo, existe un+1 ∈ V tal que un+1 ∈ / [{u1 , . . . , un }].
Mais
ainda, do Lemma 2.32 segue-se que {u1 , . . . , un+1 } é linearmente independente. Isto
é absurdo, pois todo conjunto com mais de n = dim(V ) elementos é linearmente
dependente (veja a Proposição 2.25). Como o absurdo é consequencia de supor que
{u1 , . . . , un } não é base, podemos concluir que {u1 , . . . , un } é base de V.
Exemplo 2.34. dim Rn = n e dim Pn (R) = n + 1. Mais ainda, deixamos
É fazil ver
como exercicio mostrar que o conjunto de matrizes {Ak,l : k = 1, . . . , n, l = 1, . . . , m}
(veja Exemplo 1.42) é uma base de M (n, m) e que dim M (n, m) = nm.
Exemplo 2.36. Achar uma base do espaço R3 contendo o vetor (1, 1, −1).
3
Como dim(R ) = 3, precisamos achar vetores (a, b, c), (x, y, z) de modo
que o
conjunto {(a, b, c), (x, y, z), (1, 1, −1) seja linearmente independente. Do Exemplo
2.22 sabemos que {(a, b, c), (x, y, z), (1, 1, −1) é linearmente independente se
1 a x
det 1 b y = x(b + c) − y(a + c) + z(b − a) ̸= 0.
−1 c z
29
∩
Prova: Da Proposição 2.33 e do Teorema 2.24 segue-se
∩ que U, W, U W e U +W
possuim bases. Seja {v1 , . . . , vm } é uma base de U W. Como {v1 , . . . , vm } ⊂ U
é un conjunto linearmente independente, do Teorema 2.35 sabemos que existe un
conjunto de vetores {u1 , . . . , up } ⊂ U {u1 , . . . , up , v1 , . . . , vm } é base de U.
tal que
De maneira similar, vemos que existe un conjunto de vetores {w1 , . . . , wm } ⊂ W tal
que {w1 , . . . , wq , v1 , . . . , vm } é uma base W.
A seguir mostraremos que {u1 , . . . , up , w1 , . . . , wq , v1 , . . . , vm } é uma base de U +
W . Para começar, vejamos que {u1 , . . . , up , w1 , . . . , wq , v1 , . . . , vm } é linearmente
independente.
Suponha que αi , βj , δk são números reais tais que
α1 u1 + · · · + αp up + β1 w1 + · · · + βq wq + δ1 v1 + · · · + δm vm = 0. (2.39)
dim(U + W ) = p + q + m
= (p + m) + (q + m) − m
∩
= dim U + dim W − dim U W,
o que completa a prova.
30
Exemplo 2.41. Achar uma base para os espaçõs U, W, U ∩ W e U + W sendo
U = {p ∈ P3 (R) : p(0) = p(1) = 0} W = {p ∈ P3 (R) : p(−1) = 0}.
e
Para comecar estudemos o espaço U . Seja p ∈ U e suponha que p(x) = a0 +
a1 x + a2 x2 + a3 x3 . Como p(0) = 0 segue que a0 = 0 e p(x) = a1 x + a2 x2 + a3 x3 .
Usando agora que p(1) = 0 obtemos que a1 = −a2 − a3 e que p pode ser representado
na forma
Assim,
p(x) = a0 + (a0 + a2 − a3 )x + a2 x2 + a3 x3
= a0 (1 + x) + a2 (x2 + x) + a3 (x3 − x),
de onde vemos que {1 + x, x2 + x, x3 − x} é um conjunto gerador de W .
Por outro lado, se α(1+x)+β(x +x)+γ(x −x) = 0 temos que α+(α+β −γ)x+
2 3
dim(W ) = 3.
Achemos agora uma base de U ∩ W . Se p = a0 + a1 x + a2 x + a3 x ∈ U ∩ W
2 3
31
( ) ( ) ( )
1 0 0 1 0 0
e U A={
é gerado por , , }. Mais ainda, como A é linear-
0 0 1 0 0 1
mente independente obtemos que A é uma base de U e que dim(U ) = 3.
( )
1 1
É obvio que é uma base de W e que dim W = 1.
0 1
Estudemos agora o espaço U ∩ W . Se A ∈ U ∩ W então A ∈ W e A é da forma
( )
α α
A= . Usando agora que A ∈ U , obtemos que α = 0 e que A é a matriz
0 α
nula. Portanto, U ∩ W = {0} e dim U ∩ W = 0.
2.1.1 Coordenadas
Pelo Teorema 2.14 sabemos que cada vetor v∈V pode ser representado como com-
binação linear dos vetores da base e que esta representação é única. Usando este
fato, podemos introduzir a seguinte denição.
Exemplo 2.45. O conjunto B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} é uma base de R3 . Para
determinar as coordenadas do vetor u = (1, 2, 0) em relação a base B , temos que
achar números reais α, β, γ tais que
32
o que é equivalente a resolver o sistema de equações
α = 1
α+β =2
α + β + γ = 0.
1
A solução deste sistema é α = β = 1 e γ = −2, de modo que uB = 1 .
−2
Além do anterior, podemos achar vB para um vetor generico v = (x, y, z). Para
fazer isto temos que resolver o sistema
α = x
α+β =y
α + β + γ = z,
x
que tem como solução α = x, β = y − x e γ = z − y + x. Assim, uB = y − x .
z−y+x
em relação a B.
Como dim(P2 (R)) = 3, para mostrar que {1, x, x2 − x} é uma base de P2 (R) é
suciente provar que {1, x, x − x} é linearmente independente. Se α, β, γ são tais
2
Para achar uB , temos que escrever u como combinação linear dos polinomios
em {1, x, x − x}, o que é equivalente a encontrar números reais α, β, γ tais que
2
33
2.2 Exercícios
Ex. 2.47. Estude se o conjunto B é uma base do espaço 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 = M (2, 2).
0 0 0 0 1 0 0 2
( )
1 2
2. W = {X ∈ M (2, 2) : AX = X} onde A = , V = M (2, 2).
0 1
( )
1 0
3. W = {X ∈ M (2, 2); AX = XA} onde A= e V = M (2, 2).
1 1
{(1, 2, 1), (0, 3, 2), (1, 1, 4)}. Achar as coordenadas do vetor u = (x, y, z) ∈ R3 em
relação as bases anteriores.
Ex. 2.51. Achar as coordenadas do polinômio p ∈ P3 (R) dado por p(t) = 10+t2 +2t3
em relação as bases de P3 (R), A = {1, t, t2 , t3 }, B = {1, 1 + t, 1 + t + t2 , 1 + t + t2 + t3 }
e C = {4 + t, 2, 2 − t , t + t }. Achar representação do polinômio generico p =
2 3
2 3
a0 + a1 x + a2 x + a3 x em relação as bases anteriores.
( )
2 5
Ex. 2.52. Achar as coordenadas do vetor −8 7
em relação a base canonica
{( ) ( ) ( ) ( )}
1 0 1 1 1 1 1 1
de M (2, 2) e em relação a base , , , .
0 0 0 0 1 0 1 1
( ) ( )
1 0 1 1
Ex. 2.53. Achar uma base M (2, 2) que contenha os vetores
1 0
e
0 0
.
Ex. 2.54. Suponha que {u1 , . . . , un } é uma base de V . Mostre que {u1 , u1 +u2 , u1 +
u2 + u3 , . . . , u1 + · · · , un } é um base de V. Prove que {α1 u1 , . . . , αn un } é uma base
de V quando todos os números αj são diferentes de zero.
34
2.2.1 Prova teste 1 de 2011
( )
−z z − y
T (x, y, z) =
x 0
35
2. Seja U = {(1, 2, 3), (1, 1, 1), (2, 8, 14)} e W o conjunto denido por
36
Capítulo 3
Transformações Lineares
Neste capitulo estudaremos um tipo especial de funções que são denidas entre es-
paços vetorias. Este tipo de funções, chamadas de transformações lineares, nos
permitiram comparar os espaços vetorials desde diferentes pontos de vista. Em par-
ticular, veremos que dois espaços vetoriais de igual dimensão são (do ponto de vista
da algebra linear) iguais.
No que segue, U, V são espaços vetoriais e para simplicar a escrita, usaremos
a mesma notação para as operações em U e em V (mas lembre que essas operações
podem ser diferentes,.. muito diferentes!!). Começamos com a seguinte denição.
37
o que prova que T é uma transformação linear.
un vn
M (n, 1). Para mostrar que T (u) + αT (v) = T (u + αv) é suciente mostrar
que as coordenadas de T (u + αv) são iguais as coordenadas de T (u) + αT (v).
Da denição do produto A(u + αv) vemos que a coordenada i de A(u + αv)
∑n
é dada por j=1 ai,j (uj + αvj ). Similarmente, vemos que a coordenada
∑n i de
T (u) = Au e a coordenada i de T (v) = Av são dadas por
∑ j=1 ai,j uj e
n
∑ a v
j=1 i,j j respectivamente,
∑n de onde segue que a coordenada i de Au + αAv
n
é j=1 ai,j uj + α j=1 ai,j vj .
Do anterior é claro que para todo i = 1, . . . , n, a coordenada i de T (u + αv) é
igual a coordenada i de T (u) + αT (v). Assim, T (u) + αT (v) = T (u + αv) o
que implica que T é uma transformação linear.
Sv = S ◦ IV v = S ◦ (T ◦ R)v = (S ◦ T ) ◦ Rv = IU ◦ Rv = Rv
o que implica que S = R.
Para mostrar que T −1 x, y ∈ U e α ∈ R.
é uma transformação linear, xemos
Como T é sobrejetora, existem vetores v, w ∈ U tais que T (u) = x e T (w) = y . Mais
ainda, notando que T (u + αw) = T (u) + αT (w) = u + αy segue que T
−1 (x + αy) =
−1 −1
u + αw = T (x) + αT (y), o que prova que T −1 é linear.
38
Proposição 3.7. Suponha que T : U → V uma transformação linear.
Prova: Mostremos (1). Para provar que T (W ) é subespaço vetorial de U temos que
mostrar que x + αy ∈ T (W ) para todo x, y ∈ T (W ) e todo α ∈ R. Se x, y ∈ T (W ),
então existem u, w ∈ W tais que x = T (u) e y = T (w). Usando que T é uma
transformação linear, vemos que
de modo que T
−1 (W ) = −1
̸ ∅. Para mostrar que T (W ) é subsepaço vetorial de U ,
xemos x, y ∈ T
−1 (W ) e α ∈ R. Pela denição de T −1 (W ) temos que T (x), T (y) ∈
W o que implica que T (x) + αT (y) ∈ W pois W é um espaço vetorial. Usando isto
segue que T (x + αy) = T (x) + λT (y) ∈ W o que mostra que x + λy ∈ T
−1 (W ). Isto
prova que T
−1 (W ) é um subespaço vetorial de U. A prova está completa.
Pelo item (1) da proposição anterior, temos que uma transformação linear T :
U → V é completamente determinada pelos valores que ela assume numa base de U .
De fato, se {w1 , . . . , wn } é uma base de U e u ∈ U , então u pode ser escrito na forma
∑ ∑
u = ni=1 αi wi de onde obtemos que T (u) = ni=1 αi T (wi ). Logo, se conhecemos
os valores T (wi ) conhecemos T (u) para qualquer u. Mais ainda, como veremos no
próximo Lemma, se {u1 , . . . , un } e {v1 , . . . , vn } são vetores de U e V respectivamente,
e {u1 , . . . , un } é uma base de U então existe uma transformação linear T : U → V
tal que T (ui ) = vi para cada i.
Lema 3.8. Suponha que {u1 , . . . , un } é uma base e U e que {v1 , . . . , vn } ⊂ V . Então
existe uma única transformação linear T : U → V tal que T (ui ) = vi para cada i.
Prova: Como {u1 , . . . , un∑
} é uma base e U , para u ∈ U existem números reais
n
α1 , . . . , u∑
n tais que u = αi ui . Usando este fato, denimos T : U → V por
i=1 ∑
T (u) = ni=1 αi vi quando u = ni=1 αi ui . Armamos que T é função e que T é uma
transformação linear.
39
Da denição de T e do fato que os coecientes na representação deu ∈ U são
unicos, segue queT é uma
∑n função. Para ∑ ver que T
n ∑n u, x ∈ U
é linear, suponha que
e que α ∈ R. Se u = i=1 αi ui e x = i=1 βi ui então αu + x = α i=1 αi ui +
∑ n ∑n
β u
i=1 i i = i=1 (αα i + β )u
i i de onde segue que
∑
n ∑
n ∑
n
T (αu + x) = (ααi + βi )vi = α αi vi + βi vi = αT (u) + T (x),
i=1 i=1 i=1
o que prova que T é linear. Mais ainda, como ui = 0u1 + . . . , 1ui + . . . 0un temos que
T (ui ) = vi para cada i, o que prova que T é uma transformação como a requerida.
Para mostrar que é unica, suponha que S : U → V∑é uma outra transformação
linear tal que S(ui ) = T (ui ) = vi para cada i. Se u = ni=1 αi ui ∈ U então
∑n ∑
n ∑
n
S(u) = S( αi u i ) = αi S(ui ) = αi vi = T (u),
i=1 i=1 i=1
o que implica que S(u) = T (u) para todo u ∈ U. Isto prova que T = S.
Observação 3.9. Note que na prova do Lema 3.8 aparece como denir a transfor-
∑n
mação T∑: U → V tal que T (ui ) = vi para cada i. De fato, se u= i=1 αi ui então
T (u) = ni=1 αi vi .
Deixamos como exercicio provar o seguinte Lemma.
Assim, a transformação linear dada por T (x, y, z)(x+y, 2x+y, y) é como a requerida.
Exemplo 3.12. Achar uma transformação linear T : R2 → R2
tal que T (1, 2) =
(3, −1) T (0, 1) = (1, 2).
e
Como {(1, 2), (0, 1)} é uma base de R , para (x, y) ∈ R existem números reais
2 2
α, β tais que (x, y) = α(1, 2) + β(0, 1) = (α, 2α + β). Mais ainda, é fazil ver que neste
caso α = x e β = (y − 2x).
Da Observação 3.9 temos que a transformação requerida é dada por
40
Introduzimos agora o conceito de núcleo de uma transformação linear. No que
segue desta apostilha, usaremos a mesma notação “0” para o zero de algum espaço
vetorial.
( )( ) ( )
cos(θ) − sen (θ) x 0
= .
sen (θ) cos(θ) y 0
Como A matriz anterior é inversivel (o determinante da matriz anterior é 1),
obtemos que (x, y) = (0, 0). Assim, N (T ) = {0} o que implica que T é injetora.
β1 u1 + · · · + βp up − α1 v1 − · · · − αq vq = 0,
41
de onde obtemos que α1 = · · · = αq = β1 = · · · = βp = 0 pois {u1 , . . . , up , v1 , . . . , vq }
é uma base de U. Isto prova que {T (v1 ), . . . , T (vq )} é linearmente independente.
Por outro lado, como {u1 , . . . , up , v1 , . . . , vq } é uma base de U , do item (1) da
Proposição 3.7 segue que {T (u1 ), . . . , T (up ), T (v1 ), . . . , T (vq )} é um conjunto gerador
de T (U ), o que implica que {T (v1 ), . . . , T (vq )} é um conjunto gerador de T (U ). Isto
completa a prova que {T (v1 ), . . . , T (vq )} é uma base de T (U ).
Notando que {u1 , . . . , up } é base de N (T ), que {u1 , . . . , up , v1 , . . . , vq } é base
de U e que {T (v1 ), . . . , T (vq )} é uma base do espaço T (U ), vemos que dim U =
dim N (T ) + dim T (U ). A prova do caso N (T ) = {0} segue da prova anterior. Isto
completa a demostração.
Observação 3.17. Na prova do Teorema 3.16 aparece uma maneira de achar uma
base para o espaço T (U ). De fato, na prova supomos que {u1 , . . . , up } é uma base de
N (T ) e logo completamos este conjunto a uma base do espaço U que foi denotada
por {u1 , . . . , up , v1 , . . . , vq }. O conjunto {T (v1 ), . . . , T (vq )} é uma base de T (U ).
Prova: Suponha que T é sobrejetora. Pelo teorema anterior temos que dim(U ) =
dim(N (T )) + dim(V ) dim(N (T )) = 0 e que
de onde segue que N (T ) = {0}. Agora,
do Lemma 3.14 podemos concluir que T é injetora.
Se T é injetora então dim N (T ) = 0 e do Teorema 3.16 segue dim U = dim T (U ).
Portanto, T (U ) é um subespaço de V com a mesma dimensão de V o que implica
via o item (2) da Proposição 2.33 que T (U ) = V . Isto prova que T é sobrejetora, e
como consequencia bijetora.
Suponha que T u1 , . . . , un é uma base de U. Do item (1) da
é bijetora e que
Proposição 3.7 sabemos que {T (u1 ), . . . , T (un )} é um conjunto gerador de T (U ) = V .
∑n ∑n
Por outro lado, se
∑n i=1 αi T (ui ) = 0 então T ( i=1 αi ui ) = 0 de onde obtemos que
i=1 αi ui = 0 uma vez que T é injetora. Como u1 , . . . , un é base obtemos que
α1 = . . . un = 0 o que implica que {T (u1 ), . . . , T (un )} é linearmente independente.
Assim, temos provado que {T (u1 ), . . . , T (un )} é uma base de V . Portanto, T leva
bases em bases.
Finalmente, suponha que T leva bases em bases. Seja u1 , . . . , un uma base de U.
Pela hipótese, o conjunto {T (u1 ), . . . , T (un )} é ∑
uma base de V. Assim, dado v ∈ V
n
existem números reais α1 , . . . , αn tais que v = i=1 αi T (ui ) de onde obtemos que
∑n
v = T ( i=1 αi ui ). Isto mostra que T é sobrejetora. A prova está completa.
42
Sep(x) = a0 + a1 x + a2 x2 ∈ N (T ) então (a1 + 2a2 x) + 2a2 = 0 para todo x ∈ R.
Fazendo x = 0, seque que a1 = −2a2 e com x = −1 segue que a1 = 0. Assim, p
é o polinomio constante p = a0 . Logo, N (T ) = {a : a ∈ R} que tem por base o
polinômio {1}.
Da observação 3.17 segue que o conjunto {T x, T x } = {1, 2x + 2} é uma base da
2
Exemplo 3.20. Achar uma transformação T ∈ L(P3 (R), P2 (R)) tal que N (T ) =
[{1 + x3 , 1 − x2 }].
Para denir a transformação T precissamos de uma base de P3 (R). Por conveni-
encia, consideramos a base {1 + x , 1 − x , 1, x}. Como queremos que o núcleo de T
3 2
T (p) = T (a0 + a2 − a3 + a1 x + a3 (1 + x3 ) − a2 (1 − x2 ))
= T (a0 + a2 − a3 ) + a1 T x + a3 T (1 + x3 ) − a2 T (1 − x2 )
= (a0 + a2 − a3 )1 + a1 x
= a0 + a2 − a3 + a1 x.
Exercício 3.21. Usando as ideias no exemplo anterior, achar uma segunda trans-
formação S ∈ L(P3 (R), P2 (R)) tal que N (S) = [{1 + x3 , 1 − x2 }].
43
de onde obtemos o sistema de equações
a + 2c = a
b + 2d = 2a + b
c = c.
d = 2c + d
44
2. T : Rn → Pn−1 (R) dada por T (x1 , . . . , xn ) = x1 + x2 t + · · · + xn tn−1 ,
45
∑
Ti,j (ui ) = vj . Note que Tij (x) = xi vj quando x = ni=1 xi ui . Mostraremos a seguir,
que {Tij : 1 ≤ i ≤ n, 1 ≤ j ≤ m } é uma base de L(U, V ).
Provemos para começar que {Tij : 1 ≤ i ≤ n, 1 ≤ j ≤ m } é linearmente
∑n ∑m
independente. Se i=1 j=1 aij Tij = 0, da denição das funções Ti,j segue que
∑
n ∑
m ∑
m ∑
n ∑
m ∑
m
0= aij Tij (uk ) = aij Tij (uk ) = akj Tkj (uk ) = akj vj .
i=1 j=1 j=1 i=1 j=1 j=1
Exemplo 3.36. Achar a base dual deB = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}.
Se (x, y, z) ∈ R3 , então
(x, y, z) = z(1, 1, 1) + (y − z)(1, 1, 0) + (x − y)(1, 0, 0) de
onde segue que f1 (x, y, z) = z, f2 (x, y, z) = y − z e f3 (x, y, z) = x − y.
46
4. Se T ∈ L(U, V ), IV é a identidade em V e IU ∈ L(U ) é a identidade em U .
então IV ◦ T = T e T ◦ IU = T.
Prova: Somente provaremos (1). Para u, v ∈ U e α ∈ R, vemos que
47
Como antes, para achar [T ]B
C temos que achar as coordenada de cada vetor T (ei )
em relação a base C. Como
an
T (u) = T (a1 u1 + · · · + an un )
= a1 T (u1 ) + · · · + an T (un )
= a1 (α11 v1 + · · · + αm1 vm ) + · · · + an (α1,n v1 + · · · + αm,n vm )
= (a1 α1,1 + · · · + an α1,n )v1 + · · · + (a1 αm,1 + · · · + an αm,n )vm ,
de onde segue que
a1 α1,1 + · · · + an α1,n α1,1 ··· α1,n a1
. .. .. . .. B
T (u)C = .
. = . . .
. . = [T ]C uB ,
a1 αm,1 + · · · + an αm,n αm,1 · · · αm,n an
o que completa a prova.
Estabelecemos agora algumas propriedades relativas a matrizes de representação.
48
Proposição 3.45. Seja W espaços vetorial, T ∈ L(U, V ) e S ∈ L(V, W ). Se B, C e
D são bases de U, V e W respectivamente, então [S ◦ T ]B C B
D = [S]D [T ]C .
Exemplo (3.48.)Seja B = {(1, 1), (1, −1)} e suponha que T ∈ L(R2 ) é tal que
1 0
[T ]B,B = . Achar [T ]C,C onde C é a base canônica de R2 e uma formula
0 5
explícita para T (x, y).
B B C B
Para achar [T ]C,C , usamos a formula [T ]C,C = [I]C [T ]B [I]B =. Para calcular [I]C
note que
1 1
(1, 0) = (1, 1) + (1, −1),
2 2
1 1
(0, 1) = (1, 1) − (1, −1),
2 2
49
(1 1
) ( )
1 1
de onde segue que [I]C
B =
2 2 . Similermente, obtemos que [I]B
C = .
1
2 − 12 1 −1
Assim,
( )( ) (1 ) ( )
1 1 1 0 2
1
2 3 −2
[T ]C,C = = .
1 −1 0 5 1
2 − 12 −2 3
Finalmente, da Proposição 3.43 segue que
( )
x
T (x, y) = [T ]C,C = (3x − 2y, 3y − 2x).
y
∫1
Exemplo 3.49. Seja T : P2 (R) → R 0 p(s)ds.
a transformação dada por T (p) =
Achar a matriz de T em relação às bases canônicas deR. P2 (R) e
Sejam C = {1} e B = {1, x, x }. Da denição de T temos que T (1) = 1, T (x) =
2 1
2 1 B
( 1 1) 2
e T (x ) = 3 , de onde segue que [T ]C = 1 2 3 .
Exemplo 3.50. T : P3 (R) → P2 (R) dada por T (p) = p′ . Achar a matriz de T
Seja
em relação às bases canônicas de P3 (R) e P2 (R).
Primeiro que nada, lembre que a base canonica de Pn (R) é Cn = {1, x, . . . , x }.
n
de modo que
3 0 0
[T ]B = 0 1 0
0 0 0
Como veremos no seguinte resultado, é possivel deduzir propriedades de uma
transformação T a partir da propriedades de [T ]B
C.
50
Exemplo 3.53. Vejamos se a transformação linear T : R2 → P1 (R) dada por
T (a, b) = a + (a + b)x é um isomorsmo.
( )
1 0
Se B é a base canonica de R2 e C = {1, x, x2 }, então [T ]B
C = . Como esta
1 1
matriz é inversivel, seque da Proposição 3.52 que T é um isomorsmo.
3.2 Exercícios
Ex. 3.54. Seja T ∈ L(U ). Mostre que T2 = 0 se e somente se T (U ) ⊂ N (T ).
Ex. 3.56. Achar o núcleo, uma base do núcleo, a imagen e uma base da imagem
para as seguintes transformações.
51
Ex. 3.57. Achar uma transformação linear T : R3 → R3 tal que T ((1, 0, 0)) =
(2, 3, 1), T ((1, 1, 0)) = (5, 2, 7) e T ((1, 1, 1)) = (−2, 0, 7). T é sobrejetora?, injetora?
bijetora? justique sua resposta.
Ex. 3.58. Achar uma transformação linear T : P2 (R) → P2 (R) tal que T (1) = 1 + t,
T (t) = t + t2 e T (t2 ) = 1+t− 2t2 . T é sobrejetora?, injetora? bijetora? justique
sua resposta.
Ex. 3.59. Achar uma transformação linear T : M (2, 2) → M (2, 2) tal que
(( )) ( ) (( )) ( )
1 0 1 4 1 1 −1 0
T = , T = ,
0 0 2 3 0 0 0 3
(( )) ( ) (( )) ( )
0 0 0 0 0 0 1 0
T = , T = .
1 0 2 1 0 1 2 0
T é sobrejetora?, injetora? bijetora? justique sua resposta.
Ex. 3.63. Achar uma transformação linear T : R3 → R3 tal que {(1, 1, 0), (0, 0, 1)}
seja base do nucleo e {(1, −1, 1)} seja base da imagem.
Ex. 3.64. Achar T ∈ L(R3 , R4 ) tal que T (R3 ) = [(2, 2, 3, 2), (3, 2, 0, 2)].
T (R5 ) = [(1, 0, 0), (0, 1, 0), (1, 1, 1)] e N (T ) = [(1, 1, 1, 1, 1), (1, 1, 1, 1, 0)].
Ex. 3.66. Achar uma transformação linear T : R3 → R2 tal que T (1, 0, 0) = (1, 2),
T (0, 1, 0) = (3, 4) e T (0, 0, 1) = (0, 0).
Ex. 3.70. Achar T : R2 → R3 linear tal que T (R2 ) = [(1, 1, 1), (1, 2, 0)].
Ex. 3.71. Achar uma transformação linear T : R2 → R3 tal que T (R2 ) = [(1, 1, 1)]
e N (T ) = [(1, 1)].
52
2. T : R3 → R3 dada por T (x, y, z) = (x, x − y, 2x + y − z),
Ex. 3.74. Mostre que as funções T, R, S ∈ L(R2 , R2 ) dadas por T (x, y) = (x, 2y),
R(x, y) = (x, x + y) e S(x, y) = (0, x) formam um subconjunto linearmente indepen-
dente de L(R , R ).
2 2
Ex.
∫ 3.79. Seja T : P2 (R) → R a transformação linear denida por T (p) =
1
−1 p(s)ds. Achar [T ]B
C nos casos
{ } { }
B = 1, t, t2 , C = {1} e B = 1, 1 + t, 1 + t + t2 , C = {−2} .
1 1 0
[T ]C
C =
0 1 0 .
0 1 −1
53
Ex. 3.81. Seja T : P2 (R) → P2 (R) a transformação
{ linear dada por T (p(t)) =
} { }
p(t) − p(1). Achar [T ]B
C , [T ]B e [T ]C sendo B = 1, t − 1, (t − 1)2 e C = 1, t, t2 .
B C
Ex. 3.82. Suponha que B = {u1 , u2 , u3 } uma base de um espaço vetorial V e que
T, S : V → V são transformações lineares em V tais que
B , [S]B , [S ◦ T ]B , [S + I]B
[T ]B [T 3 − S 2 ]B
B B 2 B
Achar e B.
54
Capítulo 4
Autovalores e Autovetores
o que implica que u + αv ∈ V (λ). Mais ainda, como T T (u) = T (λu) = λT (u) segue
que T (u) ∈ V (λ) o que implica que T (V (λ)) ⊂ V (λ). Isto mostra que V (λ) é um
espaço invariante por T.
Denição 4.4. Suponha que T ∈ L(V ) e que λ é um autovalor de T. O subespaço
vetorial V (λ) é chamado subespaço próprio associado ao autovalor λ e a dimensão
de V (λ) é a chamada de multiplicidade geométrica de λ.
Exemplo 4.5. Estudemos os autovalores e os subespaços próprios da transformação
T : R2 → R2 dada por T (x, y) = (y, 4x).
Se λ ∈ R é um autovalor de T então existe (x, y) ̸= (0, 0) tal que (y, 4x) =
T (x, y) = λ(x, y). Assim, para achar um autovalor, temos que estudar o sistema
{
y − λx = 0
4x − λy = 0,
55
que pode ser re-escrito na forma
( )( ) ( )
−λ 1 x 0
= . (4.6)
4 −λ y 0
Note que este problema tem uma solução não nula (x, y), somente quando
( )
−λ 1
det = λ2 − 4 = 0.
4 −λ
Assim, os unicos candidatos a autovetores de T são ±2.
Estudemos o caso λ = −2. Veja que
56
Como não existe uma solução real de −λ2 − 1 = 0, deduzimos que T não possui
autovalores.
Vejamos um exemplo mais abstrato.
para todo t ∈ R, de onde segue que a1 = λa0 , 2a2 = λa1 , . . ., nan = λan−1 e λan = 0.
λ ̸= 0 então an = 0, de onde segue que ai = 0 para todo i e que f é o polinômio
Se
zero. Portanto, T não possui autovalores que sejam diferentes de zero.
Por outro lado, se λ = 0 segue que ai = 0 para i = 1, 2, . . . n e que f = a0 . Assim,
λ = 0 é um autovalor de T , V (0) = {a : a ∈ R} e dim V (0) = 1.
Exemplo 4.11. Seja T : R3 → R3 dada por T (x, y, z) = (x, y, x). Achar todos os
autovalores de T, os respectivos subespaços próprios e a multiplicidade geométrica
de cada autovalor.
Para achar os autovalores de T, estudamos a equação T (x, y, z) − λ(x, y, z) = 0,
que é equivalente a estudar o problema
1−λ 0 0 x 0
0 1 − λ 0 y = 0 . (4.12)
−1 0 λ z 0
Este problema tem uma solução não nula (x, y, z) somente quando o determinate da
matriz é zero. Assim, para achar os autovalores de T podemos estudar a equação
em λ,
1−λ 0 0
det 0 1 − λ 0 = λ(1 − λ)2 = 0.
−1 0 λ
As soluções desta equação são λ1 = 0 , λ2 = 1 , de modo que os unicos possiveis
autovalores de T sãoλ1 = 0 e λ2 = 1.
Note que para λ = 0,
57
de onde segue que λ=1 é um autovalor de T e que a multiplicidade geométrica de
1 é dois.
Além do anterior, notamos que B
= {(0, 0, 1),
(0, 1, 0), (1, 0, 1)} é uma base de
0 0 0
R3 , R3 = V (0) ⊕ V (1) e que
B
[T ]B = 0 1 0 .
0 0 1
Em cada um dos exemplos anteriores podemos observar que os autovetores as-
sociados a autovalores diferentes são linearmente independentes. Como veremos no
próximo resultado, isto corresponde a uma propriedade geral.
58
Prova: Do Teorema 4.15 sabemos que {u1 , . . . , un } é linearmente independente e
como dim(V ) = n obtemos que dim V (λi ) = 1 para ⊕ntodo i. Como consequencia,
temos que {u1 , . . . , un } é uma base de V e V = i=1 V (λi ). Finalmente, como
T (ui ) = 0u1 + · · · + λi ui + · · · + 0un para cada i, segue que [T ]BB é dada por (4.19).
Como veremos no proximo Teorema, o resultado anterior tem uma versão bem
mais geral.
transformação identidade em V
Observação 4.24. Note que a matriz em (4.6), (4.9) e (4.12) é exatamente a a
matriz [T − λI]B
B sendo B a base canónica.
−1
B ) ) det([T − I]B ) det([I]B )
= det([I]C B C
−1
= det([I]C B ) det([T − I]B )
det([I]C B
B)
= det([T − I]B
B ),
59
o que mostra o resultado.
No próximo resultado é estabelecida a relação entre as raizes do polinomio ca-
racteristico de uma transformação linear T e os autovalores de T.
Proposição 4.26. Seja T ∈ L(V ). Un número real λ é autovalor de T ⇔ λ é uma
raiz do polinomio caracteristico de T.
Prova: Seja B = {u1 , . . . , un } uma base de V. Suponha que λ é um autovalor de T e
que u∈V é um autovetor associado a λ. Da denição de autovetor e da Proposição
3.43 temos que [T − λI]B B uB = 0 de onde deduzimos que det[T − λI]B = 0 pois
B
Exemplo 4.29. Seja T : R2 → R2 dada por T (x, y) = (ax + by, cx + dy). Pelos
resultados anteriores, para achar os autovalores de T é suciente calcular as raizes
do polinômio caracteristico de T. Se usarmos a base canonica para calcular PT ,
vemos que
60
4.2 Exercícios
Ex. 4.30. Achar os autovalores e autovetores da transformação T :V →V onde
1. V = R2 e T (x, y) = (x + y, x − y),
2. V = R3 e 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
V = R4
B = 0 0 4 0 onde B é base canônica de R .
[T ]B
3. e
4
0 0 0 3
Ex. 4.31. Uma matriz A = (ai,j ) ∈ M (n, n) é chamada triangular superior (resp.
inferior) se onde ai,j = 0
quando i < j (resp. se onde ai,j = 0 quando i>j ). Qual
o polinômio característico de A?
0 0 · · · λn
Suponha agora que C = {v1 , . . . , vn } é uma base de V tal que
µ1 0 · · · 0
0 µ2 · · · 0
[T ]C
C = .. . .. . .
. .
. . .
.
0 0 ··· µn
Como [T ]C
C (ui )C = µi (ui )C segue que T ui = µi ui e que ui é um autovetor de T
associado ao autovalor µi .
Nos próximos resultados conctinuamos estudando condições baixo as quais uma
transformação linear é diagonalizavel.
61
Proposição 4.36. Suponha que n = dim(V ) e que C = {u1 , . . . , un } é uma base de
V . Uma transformação T ∈ L(V ) é diagonalizavel ⇔ existe uma matriz inversivel
M ∈ M (n, n) tal que M −1 [T ]C
C M é diagonal.
esta soma podemos mostrar que M (θ1 , · · · , θn ) = 0 de onde segue que θi = 0 para
T
cada i pois M é inversivel. Isto prova que B = {v1 , . . . , vn } é l.i, o que implica que
B = {v1 , . . . , vn } é uma base de V pois dim(V ) = n.
B C C B
Do anterior segue que [T ]B = [Id ]B [T ]C [Id ]C = M
−1 [T ]C M é uma matriz diago-
C
nal o que implica que T é diagonalizavel.
∑n V (λ i ) . Suponha agora que i,j θi,j uj = 0 e denamos z i = j=1 θi,j uij . Como
j=1 zj = 0 e zj ∈ V (λj ) para ∑ni
cada j , do Teorema 4.15 segue-se que zj = 0 para
uma base de V (λi ), podemos concluir que θi,j = 0 para todo i ∈ {1, . . . , ii } e todo
i ∈ {1, . . . , n}. Isto prova que {uij : i = 1, . . . , n,∑j = 1, . . . , ni } é um conjunto l.i.
o que completa a prova que B é uma base de V (λi ). Usando este fato, segue
∑n ∑n
fazilmente que dim( i=1 V (λi )) = i=1 dim(V (λi )).
T é diagonalizavel.
62
Note agora que a transformação do Exemplo 4.10 não é diagonalizável pois 0 é
o único autovalor e V (0) ̸= V = Pn (R). Similarmente a transformação do Exemplo
4.8 não é diagonalizável pois não possui autovalores.
de modo que PT (λ) possui três raizes simples. Agora, do Corolario 4.42 segue-se que
T é diagonalizável.
Também podemos provar que T é diagonalizavel usando a denição de transfor-
mação diagonalizavel, mas este caminho é mais longo. Neste temos que achar os
autovetores associados aos autovalores λ = 0, 1, 3.
Para começar, estudemos os autovetores associados a λ = 0. Se T (x, y, z) =
0(x, y, z), temos que os números x, y, z são soluções do sistema de equações
x + z = 0
y+z =0 ,
x + y + 2z = 0
63
de onde obtemos que x = y = −z. Assim, qualquer autovetor (x, y, z) associado a
λ = 0 é da forma x(1, 1, −1) de onde segue-se que V (0) = [(1, 1, −1)] e dim V (0) = 1.
Para achar os autovalores associados a α = 1, suponha que T (x, y, z) = (x, y, z).
Neste caso, obtemos o sistema
x + z = x
y+z =y
x + y + 2z = z
Para nalizar, note que o conjunto B = {(1, 1, −1), (1, −1, 0), (1, 1, 2)} é uma
base de R de onde segue-se que T é diagonalizavel.
3
Exemplo
( 4.45.
) Suponha que T : R2 → R2 é uma transformação linear tal que
a b
[T ]B de R . A seguir, mostraremos que
= para alguma base B 2 T diagonali-
B b c
zável.
Usando a matriz [T ]B
B obtemos que PT (λ) = λ2 − (a + c)λ + ac − b2 . O polinomio
PT (λ) tem raizes reais se (a − c)2 + 4b2 ≥ 0. Se (a − c)2 + 4b2 = 0, então b = 0 e
a = c de onde vemos que T é diagonalizavel.
Por outro lado, se (a − c) + 4b > 0 temos duas possibilidade, a ̸= c ou b ̸= 0.
2 2
Em qualquer um desses casos, teremos que T tem dois autovalores diferentes de onde
se deduz (via Corolario 4.18) que T é diagonalizável.
0 0 1
Assim, para ver que T é diagonalizável temos que achar dim V (1).
64
Se usarmos a base canonica de R3 para calcular o polinomio caracteristico de T
obtemos que
1−λ 1 0 0
0 1−λ 0 0
PT (λ) = det
0
0 2−λ 1
0 0 2 1−λ
= (1 − λ)2 ((2 − λ)(1 − λ) − 2)
= (1 − λ)2 (λ2 − 3λ) = λ(λ − 3)(1 − λ)2 .
4.3 Exercícios
Ex. 4.48. ) M ∈(
Estude se existe
( M (2, 2) tal)que M −1 AM seja uma matriz diagonal
2 4 3 −2
nos casos A= e A =
3 13 2 1
1 2 −2 1 0 0
[T ]C
C =
2 1 −2 e [S]C
C =
m 2 0
2 2 −3 n 0 2
são diagonalizaveis.
−1 −4 −2 −2 1 1 1 1
−4 −1 −2 −2 1 1 −1 −1
[T ]C
C =
e [S]C
C =
2 2 1 4 1 −1 1 −1
2 2 4 1 1 −1 −1 1
são diagonalizaveis.
65
3. Sejam X = M (2, 2), Y = P2 (R) e T : X → Y a função dada por
( )
a b
T = ax2 + (a + c)x + a + b + c.
c d
( ) ( ) ( ) ( )
C 1 1 1 1 1 1 1 0
Achar [T ]B sendo B = { , , , } e C =
1 1 1 0 0 0 0 0
{1 + 2x + 3x2 , 1 + 2x, 2}
66
Capítulo 5
Espaços Euclidianos
Exemplo 5.4. Um mesmo espaço vetorial pode ter diferentes produto internos. Em
′
xx′ ′
R3 , por exemplo, a função dada por ⟨(x, y, z), (x′ , y ′ , z ′ )⟩ = 2 + yy3 + zz4 também é
um produto interno em R . Veja que neste caso, o produto entre os vetores (1, −1, 1)
3
−1·2
e (0, 2, 4) é ⟨(1, −1, 1), (0, 2, 4)⟩ =
1·0 1·4 1
2 + 3 + 4 = 3.
Exemplo 5.5. C([a, b]; R) o espaço das funções continuas denidas de [a, b] em
Seja
∫b
R. Para f, g ∈ C([a, b]; R) denimos ⟨f, g⟩ = a f (x)g(x)dx. A função ⟨·, ·⟩ é um
produto interno em C([a, b]; R).
∫ 2π
Note que produto interno entre sin e cos é ⟨sin, cos ⟩ =
2π 0 sin x cos x dx =
sin2 x
2 0
= 0.
67
Exemplo
∑ ∑ 5.6. Para matrizes A = (ai,j ), B = (bi,j ) em M (m, n) denimos ⟨A, B⟩ =
m n
i=1 j=1 ai,j bi,j . A função ⟨·, ·⟩ : M (m, n) × M (m, n) → R é um produto interno
em M (m, n). ( ) ( )
1 1 −2 0
Veja que o produto interno das matrizes A = eB = é ⟨A, B⟩ =
0 2 1 1
1 · (−2) + 1 · 0 + 0 · 1 + 2 · 1 = 0.
Lema 5.8. Suponha que ⟨·, ·⟩ é um produto interno em V . Então as seguintes pro-
priedades são vericadas.
1. ⟨0, 0⟩ = 0,
∑n ∑n
2. ⟨ i=1 ai ui , v⟩ = i=1 ai ⟨ui , v⟩,
∑n ∑n
3. ⟨v, i=1 ai ui ⟩ = i=1 ai ⟨v, ui ⟩,
∑m ∑n ∑m ∑n
4. ⟨ j=1 bj vj , i=1 ai ui ⟩ = j=1 i=1 bj ai ⟨vj , ui ⟩.
Exemplo 5.10. Seja Rn munido do produto interno denido no Exemplo 5.3. Neste
√
caso, a norma de um vetor x = (x1 , . . . , xn ) é dada por ||x|| = x21 + · · · + x2n . Note
que nos casos n = 2 e n = 3, a norma de x representa a distância de x ao ponto zero.
3. ||u|| = 0 ⇔ u = 0,
68
√ √ √
Prova: É fazil ver que ||αu|| = ⟨αu, αu⟩ = α2 ⟨u, u⟩ = |α| ⟨u, u⟩ = |α| ||u||, o
que prova (1). Como as propriedades (2)-(3) são obvias, são deixadas como exercicio.
Para mostrar (4), xemos u, v ∈ V . Se v = 0 a propriedade é obvia, de modo no
que segue sempre supomos que v ̸= 0 e u ̸= 0. Note que para t ∈ R, temos
0 ≤ ⟨u + tv, u + tv⟩
= ⟨u, u⟩ + 2⟨u, v⟩t + ⟨v, v⟩t2
= ||u||2 + 2t⟨u, v⟩ + ||v||2 t2 ,
o que implica que o descriminate do polinomio t → ||u||2 + 2t⟨u, v⟩ + ||v||2 t2 é menor
2
o igual a zero. Ou seja, ⟨u, v⟩ −4||u|| ||v|| ≤ 0 de onde segue que |⟨u, v⟩| ≤ ∥u∥ ∥v∥.
2 2
69
Denição 5.16. Seja U um conjunto e D : U × U → [0, ∞) uma função. Dizemos
que D(·) é uma distância em U se
1. D(u, v) = 0 ⇔ u = v,
2. D(u, v) = D(v, u) para todo u, v ∈ V,
3. D(u, v) ≤ D(u, w) + D(w, v) para todo u, v, w ∈ V (desigualdade triangular).
No que segue deste capítulo, usaremos a notação d(·) para a função d : V ×V →
[0, ∞) denda por d(u, v) = ∥u − v∥ sendo ∥·∥ a norma em V.
Proposição 5.17. As seguintes propriedades são satisfeitas.
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.
Prova: As primeiras três propriedades são obvias e a desiguladade 5 segue direta-
mente da desigualdade triangular estabelecida na Proposiçao 5.12.
xw + yz ⟨u, v⟩
cos(θ) = √ √ = .
x2 2
+y w +z2 2 ∥u∥ ∥v∥
A partir deste fato, deniremos o angulo entre dois vetores de um espaço vetorial
qualquer. Note que se u, v ∈ V são vetores não nulos, da desigualdade de Cauchy-
⟨u,v⟩
Schwarz temos que −∥u∥ ∥v∥ ≤ ⟨u, v⟩ ≤ ∥u∥ ∥v∥ de onde segue que −1 ≤ ∥u∥ ∥v∥ ≤ 1.
⟨u,v⟩
Como existe um único número real θ ∈ [0, π) tal que cos(θ) = ∥u∥ ∥v∥ , podemos
introduzir a seguinte denição.
Denição 5.20. O angulo θ entre dois vetores não nulos u, v ∈ V é o número real
⟨u,v⟩
θ ∈ [0, π) tal que cos(θ) = ∥u∥ ∥v∥ ,
Exemplo 5.21. Considere o produto interno do Exemplo 5.11.
∫ 2πPara calcular o
angulo entre as as funções seno e cosseno, note que ⟨sin, cos ⟩ = 0 sin x cos x dx =
2π
1
2 sin2 x0 = 0. Assim, o ângulo entre estas funções é
π
2.
70
5.1.1 Ortogonalidade
71
Exemplo 5.31. Usando o lemma anterior podemos achar as coordenadas do vetor
√ √ √ √
u = (1, 1) ∈ R2 em relação a base B = {( 2
2
, 2
2
), ( 2
2
, − 2
2 )} de R2 . De fato, do
Lemma 5.30 temos que
√ √ √ √ √ √ √ √
2 2 2 2 2 2 2 2
(1, 1) = ⟨(1, 1), ( , )⟩( , ) + ⟨(1, 1), ( ,− )⟩( ,− )
√ √ 2 2 √ 2 2
√ 2 2 2 2
√ 2 2 2 2
= 2( , ) + 0( ,− ),
2 2 2 2
(√ )
2
de modo que uB = .
0
Por diferentes razoes, algumas das quais serão evidentes no que segue, é conveniente
trabalhar com bases ortonormais. Nesta seção apresentaremos o processo de orto-
gonalização de Gram-Schmidt, que permite obter uma base ortonormal a partir de
uma base qualquer. O processo de Gram-Schmidt está descrito na demostração do
Teorema 5.35. Para provar este teorema é conveniente considerar alguns resultados
preliminares.
ortogonal de u em U .
O conceito de projeção ortogonal de u é motivado pelo seguinte resultado.
∑n ∑n
⟨ αj uj , PU (u)⟩ = ⟨ αj uj , u − ⟨u, u1 ⟩u1 − · · · − ⟨u, un ⟩un ⟩
j=1 j=1
∑n ∑
n
= ⟨ αj uj , u⟩ + ⟨ αj uj , −⟨u, u1 ⟩u1 − · · · − ⟨u, un ⟩un ⟩
j=1 j=1
∑
n ∑
n ∑
n
= αj ⟨uj , u⟩ − αj ⟨u, ui ⟩⟨uj , ui ⟩
j=1 j=1 i=1
∑n ∑n
= αj ⟨uj , u⟩ − αj ⟨u, uj ⟩
j=1 j=1
= 0,
72
Proposição 5.34. Suponha que U ⊂ V é um subespaço vetorial e que conjuntos
S
∑n= {u 1 , . . . , u }
n ∑e R = {v 1 , . . . , v n } são bases ortonormais de U . Se u ∈ V , então
i=1 ⟨u, vi ⟩vi e PU (u) é independente de S e R.
n
i=1 ⟨u, ui ⟩ui =
∑n ∑n
Prova: Sejam w = u− i=1 ⟨u, ui ⟩ui e z = u−
i=1 ⟨u, vi ⟩vi ∈ U . Do Lemma
5.33 sabemos que os vetores w, z são ortogonais a U e como w − z ∈ U obtemos
que ⟨w − z, w − z⟩ = ⟨w − z, w⟩ + ⟨w − z, z⟩ = 0. Assim, z = w o que implica que
∑n ∑n
i=1 ⟨u, ui ⟩ui = i=1 ⟨u, vi ⟩vi e que PU (u) é independente de S e R.
Como foi observado anteriormente, a prova do próximo resultado nos fornece de
um método para obter uma base ortonormal a partir de uma base qualquer. Este
método é chamado de processo de ortogonalização de Gram-Schmidt.
Pelo Lema 5.33 sabemos que o vetor v2 − PU1 (v2 ) = v2 − ⟨v2 , u1 ⟩u1 é ortogonal a
v −P (v )
U1 . Se denirmos agora u2 = ∥v22 −PUU1 (v22 )∥ obtemos que {u1 , u2 } é ortonormal o que
1
implica via Proposição 5.28 que é {u1 , u2 } é linearmente independente. Mais ainda,
é claro que [{u1 , u2 }] = [{v1 , v2 }].
Seja U2 = [u1 , u2 ]. Pelo Lemma 5.33 sabemos que v3 −PU2 (v3 ) = v3 −⟨v2 , u2 ⟩u2 −
v −P (v )
⟨v2 , u1 ⟩u1 é ortogonal ao espaço U2 o que implica que u3 = ∥v33 −PUU2 (v33 )∥ é tam-
2
bem ortogonal a U2 . Agora, pela Proposição 5.28 obtemos que {u1 , u2 , u3 } é linear-
mente independente. Mais ainda, como u3 ∈ [{v1 , v2 , v3 }] temos que [{u1 , u2 , u3 }] ⊂
[{v1 , v2 , v3 }] o que implica que [{u1 , u2 , u3 }] = [{v1 , v2 , v3 }] pois {u1 , u2 , u3 } é line-
armente independente.
Suponha agora que usando o processo anterior obtemos que {u1 , . . . , uk } com
∑
vj − j−1
i=1 ⟨vj ,ui ⟩ui
k < n e uj = ∑ é ortonormal, linearmente independente e que
∥vj − j−1
i=1 ⟨vj ,ui ⟩ui ∥
[{v1 , . . . , vk }] = [{u1 , . . . , uk }].
∑k
Pelo Lemma 5.33 temos que o vetor vk+1 − PUk (vj ) = vk+1 − i=1 ⟨vj , ui ⟩ui e
∑
vk+1 − ki=1 ⟨vj ,ui ⟩ui
ortogonal ao espaço Uk = [{v1 , . . . , vk }] de onde segue que uk+1 = ∑
∥vk+1 − ki=1 ⟨vj ,ui ⟩ui ∥
também é ortogonal a Uk , que {u1 , . . . , uk+1 } é linearmente independente e que
uk+1 ∈ [{uk+1 , u1 , . . . , uk }] ⊂ [{vk+1 , u1 , . . . , uk }] ⊂ [{vk+1 , v1 , . . . , vk }]. Mais ainda,
como as dimensões de [{uk+1 , u1 , . . . , uk }] e [{vk+1 , v1 , . . . , vk }] são iguais podemos
concluir que [{u1 , . . . , uk , uk+1 }] = [{v1 , . . . , vk , vk+1 }].
Observação 5.36. Como pode-se observar, a prova do Teorema anterior nos fornece
de um método para obter uma base ortonormal a partir de uma base qualquer de V.
73
De fato, se {v1 , . . . , vn } é uma base de V e {u1 , . . . , un } são os vetores denidos por
v1
u1 = ,
∥v1 ∥
v2 − ⟨v2 , u1 ⟩u1
u2 =
∥v2 − ⟨v2 , u1 ⟩u1 ∥
v3 − ⟨v3 , u1 ⟩u1 − ⟨v3 , u2 ⟩u2
u3 =
∥v3 − ⟨v3 , u1 ⟩u1 − ⟨v3 , u2 ⟩u2 ∥
.
.
.
∑k
vk+1 − ⟨vk+1 , ui ⟩ui
uk+1 = ∑ki=1 ,
∥vk+1 − i=1 ⟨vk+1 , ui ⟩ui ∥
.
.
.
∑n−1
vn − ⟨vn , ui ⟩ui
un = ∑i=1
n−1 ,
∥vn − i=1 ⟨vn , ui ⟩ui ∥
então {u1 , . . . , un } é uma base ortonormal de V.
Exemplo 5.37. Neste exemplo, usaremos o processo de Gram-Schmidt para achar
uma base ortonormal de P2 (R) a partir da base {1, x, x2 }. No que segue usaremos o
produto interno do Exemplo 5.11,
Se usamos as notações do Teorema 5.35 teremos que v1 = 1, v2 = t e v2 = t2 . O
v1 (t)
primer vetor da base ortonormal é dado por u1 (t) = ∥v1 ∥ = ∥v11 ∥ = 1. Assim temos
que u1 = 1.
x−⟨x,1⟩1
O polinomio u2 é calculado via a formula u2 (x) = ∥x−⟨x,1⟩1∥ . Como
∫ 1 ∫ 1
1 1 1
⟨x, 1⟩ = x dx = e ∥x − ⟨x, 1⟩1∥2 = (x − )2 dx = ,
0 2 0 2 12
√√
obtemos que u2 (x) = 12(x − 12 ) = 3(2x − 1).
v3 −⟨v3 ,u1 ⟩u1 −⟨v3 ,u2 ⟩u2
O polinomio u3 é calculado via a fórmula u3 =
∥v3 −⟨v3 ,u1 ⟩u1 −⟨v3 ,u2 ⟩u2 ∥ . Assim,
para x ∈ R temos que
√ √
x2 − ⟨x2 , 1⟩1 − ⟨x2 , 3(2x − 1)⟩ 3(2x − 1)
p3 (x) = √ √ .
∥x2 − ⟨x2 , 1⟩1 − ⟨x2 , 3(2x − 1)⟩ 3(2x − 1)∥
Como
∫ √
1
1 √ √ ∫ 1
3
⟨x , 1⟩ =
2 2
x dx = , ⟨x , 3(2x − 1)⟩ = 3
2
x (2x − 1) dx =
2
0 3 0 6
e
√ √
∥x2 − ⟨x2 , 1⟩1 − ⟨x2 , 3(2x − 1)⟩ 3(2x − 1)∥2
1
= ∥x2 − x + ∥2
6
∫ 1
1 1
= (x2 − x + )2 dx = ,
0 6 180
obtemos que
√ 1 √
p3 (x) = 180(x2 − x + ) = 5(6x2 − 6x + 1).
6
74
√ √
Do anterior, o conjunto {1, 3(2x − 1), 5(6x2 − 6x + 1)} é uma base ortonormal de
P2 (R).
Exemplo 5.38. Usemos agora o método de Gram-Schmidt para achar uma base
ortonormal de W = {(x, y, z) ∈ R3 : x − 2y = 0}. Para obter uma base ortonormal
de W , temos que achar primeiro uma base de W .
Se (x, y, z) ∈ W , entçao (x, y, z) = (2y, y, z) = y(2, 1, 0) + z(0, 0, 1) de onde é
fazil concluir que {(2, 1, 0), (0, 0, 1)} = {v1 , v2 } é uma base de W.
Se usamos esta base, temos que u1 = (0, 0, 1) pois ∥(0, 0, 1)∥ = 1. Além disso, o
vetor u2 é dado por
75
Nos próximos exemplos calcularemos a projeção ortogonal de um vetor sobre um
determinado espaço vetorial.
Exemplo 5.40. U = [( √13 , − √13 , √13 ), ( √12 , √12 , 0)]. Usando o produto interno
Seja
1 1 1 1 1 1
PU ((2, 3, 1)) = ⟨(2, 3, 1), ( √ , − √ , √ )⟩( √ , − √ , √ )
3 3 3 3 3 3
1 1 1 1
+⟨(2, 3, 1), ( √ , √ , 0)⟩( √ , √ , 0)
2 2 2 2
5 5
= ( , , 0).
2 2
Exemplo 5.41. Considere P3 (R) com o produto interno do Exemplo por 5.11.
Calculemos a projeção ortogonal do vetor p(x) = 1 + x + x2 + x3 sobre o espaço
U= [x3 − x].
{ ∥xx3 −x
3
Como o conjunto
−x∥
} = {u1 } é uma base ortonormal de U , temos que a
vetor u sobre o espaço U é dada por PU (u) = ⟨u,
∥u1 ∥ ⟩ ∥u1 ∥ . Note
u1 u1
projeção de um
agora que
∫ ∫ 1
1 1
x7 x3 2x5
∥x − x∥ =
3 2
(x − x) dx =
3 2
(x + x − 2x ) dx =
6 2 4
+ −
0 0 7 3 5 0
1 1 2 8
= + − =
7 3 5 105
e
105
⟨p, u1 ⟩ = ⟨1 + x + x2 + x3 , x3 − x⟩
8
∫
105 1
= (1 + x + x2 + x3 )(x3 − x) dx
8 0
∫ 1
8 −11 105
= (−x − x2 + x5 + x6 ) dx = .
105 0 21 8
Nesta seção introduziremos um método que pode ser usado na teoria de optimização.
Este método, chamado dos mínimos quadrados, nace a partir da seguinte pergunta
76
Teorema 5.42. Se U é um subespaço vetorial de V e u ∈ V \U , então ∥u−PU (u)∥ ≤
∥u − v∥ para todo v ∈ U .
Prova: Seja v ∈ U . Usando que u−PU (u) é ortogonal a U e que PU (u), v são vetores
de U, segue que
para todo v ∈ U .
2 1 2 1
PW (u) = ⟨(1, 2, 3), (0, 0, 1)⟩(0, 0, 1) + ⟨(1, 2, 3), ( √ , √ , 0)⟩( √ , √ , 0)
5 5 5 5
2 1
= (0, 0, 3) + 3( , , 0)
5 5
2 1
= 3( , , 1).
5 5
Mais ainda, podemos determinar uma formula geral para PW (u). De fato, se u=
(x, y, z) vemos que
2 1 2 1
PW ((x, y, x)) = ⟨(x, y, z), (0, 0, 1)⟩(0, 0, 1) + ⟨(x, y, z), ( √ , √ , 0)⟩( √ , √ , 0)
5 5 5 5
2x + y 2 1
= (0, 0, z) + ( √ )( √ , √ , 0)
5 5 5
1
= (4x + 2y, 2x + y, 5z).
5
77
Prova: Se v, w ∈ V ⊥ , α ∈ R e u ∈ U temos que⟨v + αw, u⟩ = ⟨v, u⟩ + α⟨w, u⟩ = 0,
o que da denição de V⊥ implica que v + αw ∈ V ⊥ .
Teorema 5.47. Se U é um subespaço de V então V = U ⊕ U ⊥.
Prova: Seja v ∈ V . Para comezar observamos que v − PU (v) ∈ U ⊥ e quePU (v) ∈ U ,
de onde temos que v = PU (v) + v − PU (v)
∩∈ U + U ⊥ o que implica que V ⊂ U + U⊥
eV = U + U ⊥ . Por∩otro lado, se w ∈ U U ⊥ segue-se que ⟨w, w⟩ = 0 o que implica
que w = 0 e que U U ⊥ = {0}. Isto completa a prova.
Exemplo 5.48. U = {(x, y, z) ∈ R3 : x − y − z = 0}. Para achar o espaço
Seja
U ⊥ , temos que caraterizar todos os vetores w ∈ R3 tais que ⟨w, u⟩ = 0 para todo
u ∈ U . Para fazer isto é suciente encotrar alguma base {u1 , u2 } de U e achar todos
os vetores w ∈ R tais que ⟨w, u1 ⟩ = 0 e ⟨w, u2 ⟩ = 0.
3
⟨(x, y, z), (1, 1, 0)⟩ = 0 e ⟨(x, y, z), (1, 0, 1)⟩ = 0, de onde obtemos que x + y = 0 e
x + z = 0. Assim, (x, y, z) = x(1, −1, −1) e V ⊥ = [(1, −1, −1)].
Nas seguintes seções estudaremos brevemente alguns tipos especiais de transfor-
mações lineares. No que segue, U e V são espaços euclidianos e denotaremos por
⟨·, ·⟩U e ⟨·, ·⟩V os respectivos produtos internos.
5.1.5 Isometrias
Denição 5.49. Dizemos que T ∈ L(U, V ) é uma isometria se ⟨T (u1 ), T (u2 )⟩U =
⟨u1 , u2 ⟩V para todo u1 , u2 ∈ U.
O conceito isometria" é motivado pelo seguinte resultado.
1
⟨T (u), T (v)⟩ = (∥T (u) + T (v)∥2 − ∥T (u) − T (v)∥2 )
4
1
= (∥u + v∥2 − ∥u − v∥2 )
4
= ⟨u, v⟩.
78
Para nalizar, provemos que (4) implica (1). Pela teoria desenvolvida neste
capitulo sabemos que existe uma base ortonormal
∑n {u
∑1 , . . . , un } de U . Se u, v ∈ U ,
do Lemma 5.30 temos que u= i=1 ⟨u, ui ⟩ui e v = ni=1 ⟨v, ui ⟩ui de onde obtemos
que
∑
n ∑
n
⟨u, v⟩ = ⟨ ⟨u, ui ⟩ui , ⟨v, uj ⟩uj ⟩
i=1 j=1
∑
n ∑ n
= ⟨u, ui ⟩⟨v, uj ⟩⟨ui , uj ⟩
i=1 j=1
∑
n
= ⟨u, ui ⟩⟨v, ui ⟩,
i=1
Por outro lado, usando agora que {T (u1 ), . . . , T (un )} é ortonormal vemos que
∑
n ∑
n
⟨T (u), T (v)⟩ = ⟨ ⟨u, ui ⟩T (ui ), ⟨v, uj ⟩T (uj )⟩
i=1 j=1
n ∑
∑ n
= ⟨u, ui ⟩⟨v, uj ⟩⟨T (ui ), T (uj )⟩
i=1 j=1
∑n
= ⟨u, ui ⟩⟨v, ui ⟩.
i=1
Finalmente, comparando as igualdadea anteriores é claro que ⟨T (u), T (v)⟩U = ⟨u, v⟩V
o que prova que T é isometria. A prova do Teorema está completa.
5.2 Exercícios
Ex. 5.53. Seja V espaço vetorial. Mostre que sempre é possivel denir um produto
interno em V.
79
Ex. 5.54. Estude se a função ⟨,⟩ é um produto interno em V.
2. V = P3 (R) e ⟨p, q⟩ = a0 b0 +a1 b1 +a2 b2 +a3 b3 sendo p(t) = a0 +a1 t+a2 t2 +a3 t3 ,
q(t) = b0 + b1 t + b2 t2 + b3 t3 .
Ex. 5.55. Nos seguintes casos, achar ⟨u, v⟩, ∥u∥, ∥v∥ e o ângulo entre os vetores u
e v.
2. V é o espaço
∫ 1 dos polinomios de
{ grau} 2 denidos sobre [0, 1] com produto interno
⟨p, q⟩ = 0 p(t)q(t) dt e S = t, t2 .
{( ) ( ) ( )}
1 0 0 1 0 0
S= , , .
0 0 0 1 1 0
Ex. 5.58. Achar uma base ortonormal para W usando o processo de Gram-Schmidt.
80
∫1
2. W = [1, 1 + t, t2 ] com o produto ⟨p, q⟩ = 0 p(t)q(t)dt (os polinomios são
considerados denidos sobre [0, 1]).
3. W é o subespaço de M (2, 2) dado por
[( ) ( ) ( )]
1 0 0 1 0 0
W = , ,
0 0 0 1 1 1
e ⟨·, ·⟩ é o produto interno ⟨A, B⟩ = tr(At B).
Ex. 5.59. Achar m∈R de modo que a transformação T : R3 → R3 dada por
1 1 1 2 1 1 1
T (x, y, z) = ( √ x + √ y + mz, − √ x + √ y − √ z, − √ x + √ z)
3 3 6 6 6 2 2
seja uma isometria.
{1, cos x, cos 2x, cos 3x, . . . , sin x, sin 2x, sin 3x, . . .}
é ortogonal no espaço das funções contínuas
∫ 2π C([0, 2π], R) com relação ao produto
interno ⟨f, g⟩ = 0 f (x)g(x)dx.
1. Produto interno:
(b) Seja P(R) o espaço vetorial formado por todos os polinomios denidos de
R em R. Estude se a função < p, q >= p(1)q(1) é um produto interno em
P(R). Achar 10 produtos internos diferentes para o espaço dos polinomios
de grau n.
81
5.2.2 Prova 3 de 2011
82