Al - Oelho

Os conceitos envolvidos em Álgebra
Linear constituem atualmente
ferramentas muito úteis nas várias
áreas da Matemática, seja explorando
apenas os seus aspectos mais
algébricos, seja levando em conta os
aspectos geométricos e topológicos
embutidos na teoria. Com isso, ela se
torna relevante na resolução de
sistemas de equações lineares,
equações diferenciais, nas
aproximações e interpolações, no
reconhecimento de quádricas, entre
outros tipos de problemas
matemáticos.
O principal objetivo deste livro é o
de trabalhar os conceitos
fundamentais da Álgebra Linear,
visando sua posterior utilização em
outras áreas. Ao contrário de suas
disciplinas básicas, voltadas ao estudo
de espaços vetoriais sobre o conjunto

dos números reais, aqui são estudados
espaços vetoriais sobre corpos em
geral, o que inclui, por exemplo, o
conjunto dos números complexos,
além do conjunto dos �úmeros reais.
O enfoque é principalmente
algébrico, sem, porém, relegar a
um segundo plano os aspectos
geométricos. Esta escolha baseia-se
principalmente na convicção de
que, com isto, é possível ressaltar
mais efetivamente os conceitos
f<�rmais que norteiam a teoria.
Desenvolvido a partir da experiência
dos autores como professores da
Universidade de São Paulo na área
de Exatas, o livro aplica-se tanto ao
ensino em nível de graduação
como de pós-graduação, sobretudo
nos cursos de Matemática e Física.

UNIVERSIDADE DE SÃO PAULO
Reitora Suely Vilela

Vice-reitor Franco Maria Lajolo
EDITORA DA UNIVERSIDADE DE SÃO PAULO
Diretor-presidente Plínio Martins Filho
COMISSÃO EDITORIAL
Presidente José Mindlin

Vice-presidente Carlos Alberto Barbosa Dantas
Benjamin Abdala Júnior
Carlos Augusto Monteiro
Maria Arminda do Nascimento Arruda
Nélio Marco Vincenzo Bizzo

Ricardo Toledo Silva
Diretora Editorial Silvana Biral
Diretora Comercial !vete Silva
Diretor Administrativo Peter Greiner Jr.
Editoras-assistentes Marilena Vizentin
Carla Fernanda Fontana
Mônica Cristina Guimarães dos Santos

,,,
UM CURSO DE ALGEBRA LINEAR
Flávio Ulhoa Coelho

Mary Lilian Lourenço
Copyright © 2005 by Flávio lflhoa Coelho e Mary Lilian Lourenço
1' edição 2001

2' edição revista e ampliada 2005
2' edição revista e ampliada, I' reimpressão 2007
Dados Internacionais de Catalogação na Publicação (CIP)

(Câmara Brasileira do Livro, SP, Brasil)
Coelho, Flávio Ulhoa.

Um Curso de Álgebra Linear I Flávio Ulhoa Coelho, Mary
Lilian Lourenço. - 2. ed. rev. e ampl., 1. reimpr. - São Paulo:
Editora da Universidade de São Paulo, 2007. -(Acadêmica, 34)
Bibliografia.
ISBN 978-85-314-0594-5
1. Álgebra linear 1. Lourenço, Mary Lilian II. Título

II. Série
00-4938 CDD 512 5

- .
bulices para catálogo sistemático:
1. Álgebra linear: Matemática: 512.5
Direitos em reservados à
Edusp - Editora da Universidade de São Paulo

Av. Prof. Luciano Gualberto, Travessa J, 374
6° andar - Ed. da Antiga Reitoria - Cidade Universitária
05508-900 - São Paulo - SP - Brasil
Divisão Comercial: Te!. (li) 3091-400813091-4150
SAC (11) 3091-2911 - Fax (11) 3091-4151
www.edusp.com.br - e-mail: edusp@usp.br
Printed in Brazil 2007
Foi feito o depósito legal

Aos nossos pais,
Geraldo e Marina
José e Aparecida
SUMÁRIO
Prefácio . ............................................................. 1 3
1 . Preliminares . ... ...... ... ....... .... ..... ................. ...... . 17
1.1 Números.................................................... 17
1.2 Corpos...................................................... 20
1.3 Resolução de Sistemas Lineares . .... . .................... 23

1.4 Matrizes . ................................................... 27
2. Espaços Vetoriais ................................................ 39
2.1 Espaços Vetoriais.......................................... 39
2.2 Bases . ...................................................... 45
2.3 Espaços Vetoriais Finitamente Gerados................ 51

2.4 Subespaços . ................................................ 59
2.5 Métodos Práticos para Completamento de Base . ....... 67
2.6 Somas Diretas.............................................. 71

2.7 Espaços Quocientes.............................. . ......... 74
2.8 Apêndice ......... . ........................ ·.:.... . . ......... 76
10 • Um Curso de Álgebra Linear
3. Transformações Lineares ... ........... ......... .......... ...... 7 9

.
3.1 Conceitos Básicos.. ....... .... ..... .......... ......... ..... 79
3.2 O Núcleo e a Imagem de uma Transformação Linear.. . 85
3.3 Isomorfismos . .... .... ........... .......... ......... .......

. 90
3.4 Matrizes de Transformações . ...... .... ....... ......... .. . 94
3.5 O Espaço L(U, V) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4. Funcionais Lineares ............................................. 109
4.1 O Espaço Dual.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.2 O Espaço Bidual.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.3 Hiperplanos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.4 Anuladores . . . . . . . . . . . . . . . ... . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . 124
4.5 Transpostas de Transformações . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5. Formas Canônicas ............................................... 13 3
5.1 Operadores Diagonalizáveis ............................... 13 4
5.2 Subespaços T-invariantes . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . 146
5.3 Polinômios Minimais e o Teorema de Cayley-Hamilton 14 8
5.4 Espaços vetoriais T-cíclicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
5.5 Operadores Nilpotentes ................................... 158
5.6 Formas de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
6. Espaços com Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 3
6.1 Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 3
6.2 Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 4
6.3 Subespaço Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
6.4 A Melhor Aproximação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... . . . 194
6.5 Transformações que Preservam Produtos Internos . . . . . . 201
7. Adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
7.1 Funcionais Lineares e Adjuntos . . . . . . . ....

. . . . .. . . . . . . . . . . 207
7.2 Auto-adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
7.3 Operadores Unitários . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
7.4 Operadores Normais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . 225
8. Formas Bilineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 1
8.1 Formas Bilineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 1

Sumário • 11
8.2 Formas Simétricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
8.3 Formas Quadráticas ....................................... 242

8.4 Reconhecimento de Quádricas . . . . . . . . .. . . . . . . . . . . . . . . . . . . 246
Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
Índice Remissivo . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . ..
. . . . . . . . . . . . . . . . . . . 259
Sobre os Autores . . . . . . . . . . ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263

PREFÁCIO
Os conceitos envolvidos em Álgebra Linear constituem atual

mente ferramentas bastante úteis nas várias áreas da Matemática,
quer seja explorando apenas os seus aspectos mais algébricos, quer
seja levando em conta os aspectos geométricos e topológicos embu
tidos na teoria. Com isto, ela se torna bastante útil na resolução de
sistemas de equações lineares, equações diferenciais, aproximações,
interpolação, reconhecimento de quádricas, apenas para citar alguns
problemas matemáticos. Conceitos básicos de Álgebra Linear são
normalmente ensinados em praticamente todos os cursos de gra
duação nas áreas de Ciências Exatas e um aprofundamento deles
é essencial em muitos desses cursos, especialmente os de Matemática
e Física.
Este texto foi desenvolvido ao longo dos últimos anos a par
tir de nossa experiência em lecionar disciplinas de Álgebra Linear
1 e II nos cursos de graduação e pós-graduação na Universidade de
São Paulo. Nosso objetivo ao escrevê-lo não foi o de suprir um tex

to elementar de Álgebra Linear, mas sim um texto para um segun-
14 •
Um Curso de Álgebra Linear
do curso, onde os conceitos algébricos pudessem ser amadurecidos e

aprofundados para posterior utilização. Neste espírito, acreditamos
que ele possa servir como livro-texto tanto de uma segunda disci
plina em Álgebra Linear em cursos de graduação, como também de
uma disciplina de pós-graduação. Alguns tópicos tratados aqui não
são normalmente ministrados em disciplinas de graduação como, por
exemplo, a forma de Jordan, mas são essenciais em cursos de pós
graduação. Assim também como muitos resultados provados no tex
to para os chamados espaços vetoriais de dimensão finita podem ser
generalízados para espaços vetoriais arbitrários. As demonstrações
de tais generalizações são deixadas, via de regra, como exercícios para
os leitores. Organizamos o texto de tal forma que possa servir a estes
dois públicos-alvo.
O nosso enfoque aqui é principalmente algébrico, sem, porém,
relegar a segundo plano os aspectos geométricos. Esta escolha se ba
seia principalmente em nossa convicção de que, com isto, é possível
ressaltar melhor os conceitos formais que norteiam a teoria. Tive
mos a intenção de fazer um texto auto-suficiente para um aluno
universitário da área de Exatas que tenha uma certa maturidade
matemática. E nossa expectativa é que, ao final de sua leitura, o
aluno tenha condições de utilizar bem a ferramenta Álgebra Linear.
Ao contrário das disciplinas básicas de Álgebra Linear nas
quais são estudados os chamados espaços vetoriais sobre o conjun
to dos números reais, o que estudaremos aqui são espaços vetoriais
sobre uma estrutura algébrica mais geral chamada de corpo, o que
inclui, por exemplo, além do conjunto de números reais, o conjunto
dos números complexos. Iremos no Capítulo 1 relembrar estes con
ceitos e também outros que serão úteis ao longo do texto como, por
exemplo, resolução de sistemas lineares, matrizes e determinantes.
O Capítulo 2 será dedicado à introdução dos conceitos de es
paço vetorial e de base que servirão como alicerce ao que virá a seguir.
Nos Capítulos 3, 4 e 5 estudaremos certas funções entre espaços ve
toriais chamadas de transformações lineares, primeiramente de uma
maneira mais geral e depois particularizando os seus domínios e con
tradomínios.
No Capítulo 6 iremos definir nos espaços vetoriais os chama-
Prefácio • 15
dos produtos internos e com isto generalizar resultados usuais sobre o

espaço euclidiano lR. 3. No Capítulo 7 voltaremos a estudar as trans
formações lineares, mas agora levando-se em conta produtos internos
nos espaços do domínio e contradomínio. Por fim, o Capítulo 8 será
dedicado às formas bilineares, voltado principalmente para o reco
nhecimento de quádricas.
Gostaríamos de deixar aqui registrado os nossos agradecimen
tos aos vários alunos de nossos cursos que leram versões preliminares
deste texto e nos auxiliaram muito ao apontarem imprecisões e su
gerirem melhorias. De forma particular, agradecemos Daniela M. S.
Vieira pela especial ajuda com que nos auxiliou nesta tarefa.
Dezembro de 2000
Nesta segunda edição, além de uma revisão geral, fizemos

várias modificações pontuais ao longo do texto e de forma mais sig
nificativa no Capítulo 5. Gostaríamos de agradecer comentários de
vários colegas que muito nos ajudaram a preparar esta nova edição,
de forma particular ao Vitor de Oliveira Ferreira por suas valiosas
sugestões.
Novembro de 2004
1
PRELIMINARES
Neste capítulo recordamos alguns fatos e estabelecemos algu

mas notações que serão utilizadas ao longo do livro. Assumiremos,
no entanto, que o leitor esteja familiarizado com o material exposto
aqui e, em particular, não faremos as demonstrações dos resultados
aqui enunciados. Indicamos os textos [B], [HK) e [PC] para maiores
detalhes.
1.1 NÚMEROS
1.1.1 Comecemos discutindo os vários conjuntos numéricos que serão
utilizados ao longo do texto.
Números Naturais N = {1,2, · · · }, N0={O,1, 2, · · · }.

Números Inteiros Z = {- · · , -2, -1, O, 1, 2, · · · }.
Números Racionais Q = {� : p, qE Z e q-=!- O}.
Números Reais O conjunto dos numeros reais será denotado por lR..
Não iremos fazer aqui uma formalização deste conjunto, mas o leitor
poderá encontrá-la facilmente em livros de análise matemática. Tra
balharemos com a idéia intuitiva usualmente associada a este con
junto.
Iremos utilizar naturalmente as operações de soma e multipli
cação usuais nestes conjuntos. Quando quisermos indicar os subcon
juntos de Z, Q e IR excluindo-se o número O, indicaremos por Z*,
Q * e IR *, respectivamente.
1.1.2 NÚMEROS COMPLEXOS
Pelo resto desta seção iremos nos concentrar no conjunto dos

números complexos.
O conjunto dos números complexos é o conjunto
C = {a+ bi : a, b E IR }
munido das operações a seguir. Se z = a+ bi, w e+ di E C,

definimos a sua soma por
z+ w=(a+ bi) +(e+ di)=(a+ e)+(b +d)i
e o seu produto por
z · w =(a+ bi) ·(e+di) =(ac - bd)+(bc+ ad)i.
Observe que, nesta operação, i2= i ·i = -1. O elemento i é chamado

de imaginário puro. Em geral, se z= a+bi, com a, b E IR ,_denotamos
a= re(z) (a parte real de z) e b= im(z) (a parte imaginária de z).
Assim, z = re(z)+ im(z)i.
Muitas vezes, é conveniente representar os números complexos
geometricamente como pontos de um plano. Munimos o plano IR 2
de maneira usual com os eixos cartesianos e identificamos o número
complexo z = a+ bi com o ponto (a, b) E IR 2. De modo alternativo,
podemos usar coordenadas polares e, portanto, para (a, b) E IR 2,
teremos que a = r cos (} e b= r sen (}, onde r é a distância da origem
do plano ao ponto (a, b) e (} indica o ângulo formado entre o eixo Ox
e a reta que passa pela origem do plano e por (a, b).
Preliminares • 19
Lembramos que o módulo de um número complexo z é definido

como sendo
lzl = Ja2 + b2.
A representação polar de um número complexo não nulo z será então
z = r cos B + i r sen B = r ei8, onde r = lzl.
b ............. . (a, b) <--+ z = a + bi
lzl
B
a
Dado z =a + bi, o conjugado complexo de z é definido como

sendo z := a - bi. Na forma polar, se z = r ei8 então z = r e-iB.
Considerar o conjugado de um número complexo corresponde, geo
metricamente, a refleti-lo em relação ao eixo real Ox.
1.1.3 TEOREMA FUNDAMENTAL DA ÁLGEBRA
O próximo teorema será de fundamental importância quando

discutirmos raízes de certos polinômios no Capítulo 5. Não daremos·
a sua demonstração aqui, mas ela pode ser encontrada facilmente em
livros de álgebra.
TEOREMA. Todo polinômio com coeficientes em C possui raízes

complexas.
Um conjunto que satisfaz a propriedade do teorema acima é

dito algebricamente fechado. Não é difícil ver que os conjuntos 1Q e
IR não são algebricamente fechados, isto é, existem polinômios em IQ
e em IR que não possuem raízes nestes conjuntos.
1.1.4 EXERCÍCIO
(1) Verifique que as seguintes propriedades valem para todos z,

w EC:
(a) z = z.
(b) z+z = 2re (z), z-z 2i im (z).

l l
(c) z = l ,l z·z = lzl2•
z
(d) z+ w = z+ w e z·w = z·w.
(e) lz·wl = lzl · lw.l
(f) lz+ wl2= lzl2 + lw2
l +2 re (z· w).
(g) Ire (z)I � lzl, l m (z)I � lzl.
i
(h) lz+ wl � lzl + w
l l.
(i) l lzl- lwl 1 � lz+wl
(j) z-1 =z-1
1.2 CORPOS
1.2.1 Como dissemos na introdução, um dos objetivos destas notas

é desenvolver o conceito de espaço vetorial sobre corpos arbitrários.
Para tanto, começamos com a seguinte definição.
DEFINIÇÃO. Um conjunto não vazio lK é um corpo se em lK puder

mos definir duas operações, denotadas por + (adição) e · (multipli
cação), satisfazendo as seguintes propriedades:
(Al) a + b= b + a, V a, b E lK (propriedade comutativa).
(A2) a+(b+c) =(a+ b)+c, V a,b,c E lK (propriedade associativa).
(A3) Existe um elemento em lK, denotado por O e chamado de ele

mento neutro da adição, que satisfaz O+a = a+O= a, V a E lK .
(A4) Para cada a E lK, existe um elemento em lK, denotado por

-a e chamado de oposto de a (ou inverso aditivo de a) tal que
)
a + (-a)=(-a) + a= O.
(Ml) a · b= b·a, V a,b E lK (propriedade comutativa).
(M2) a· (b·c)=(a· b) ·c, V a,b,c E lK (propriedade associativa).
(M3) Existe um elemento em lK, denotado por 1 e chamado de ele

m ento neutro da multiplicação, tal que l·a = a·l =a, V a E lK.
Preliminares • 21
(M4) Para cada elemento não nulo a E lK, existe um elemento em

lK, denotado por a-1 e chamado de inve rso multiplic ativo de
a, tal gue a· a-1 = a-1 · a = 1.
(D) (a+ b ) · e = a· e+ b· e, V a, b, e E lK (propriedade distributiva).
Como é usual, vamos muitas vezes simplificar a notação do

produto indicando simplesmente ab para o produto a· b.
1.2.2 EXEMPLOS
(a) São exemplos de corpos: Q , R e C . O conjunto Z não é corpo,

pois a propriedade (M4) não é satisfeita para este conjunto.
(b) Seja Q (\1'2) o conjunto formado pelos elementos a+ b\1'2 com

a, b EQ. Dados a+ b\1'2 E Q (\1'2) e e+ d\1'2 E Q (\1'2) , defina
a soma e o produto, respectivamente, como:
• (a+ b\1'2) + (e+ d\1'2) =(a+ e ) + (b+ d) \1'2 E Q ( \1'2).
• (a+bv'2)·(c+d\1'2) = (ac+2 bd)+(ad+bc )v'2 E Q(\1'2).
Deixamos a cargo do leitor a verificação de que Q (\1'2) é um

corpo. Em particular, determine o inverso de um elemento
a+ b\1'2 =/.O em Q (\1'2) .
(c) Vamos olhar alguns conjuntos finitos que são corpos. Sejam
um inteiro positivo não nulo e defina as seguintes operações no
conjunto Zm = {Õ, I,··· ,m -1}:
• a+ b = e, onde eé o resto da divisão de a+b por m.
• a· b = d, onde d é o resto da divisão de a· b porm.
Por exemplo, sem = 6, teremos que Zm = {Õ, I, 2, 3, 4, 5} com

as seguintes tabelas de operações:
+ o 1 2 3 4 5 o 1 2 3 4 5
o o I 2 3 4 5 o o õ o o o õ
1 1 2 3 4 5 o 1 o 1 2 3 4 5
2 2 3 4 5 o 1 2 o 2 4 o 2 4
3 3 4 5 o 1 2 3 o 3 o 3 o 3
4 4 5 o 1 2 3 4 o 4 2 o 4 2
5 5 o I 2 3 4 5 o 5 4 3 2 I
Considere agora a E Z e faça a divisão de a por m, isto é,

escreva a = bm + r com O � r < m. Denotaremos a = r. Ob
serve que esta notação é compatível com as operações definidas

·acima. Como conseqüência, cada elemento de Zm pode ser
representado de infinitas maneiras. Por exemplo, o elemento
Õ pode ser escrito como O = m = 2m = ... = pm = · · · , ou,
mais geralmente, a = a + pm, com p E Z . Afirmamos que as
operações acima definidas em Zm satisfazem as propriedades
(Al) a (A4), (Ml) a (M3) e (D). Deixamos a cargo do leitor
tal verificação. Observe que nem sempre a propriedade (M4) é
satisfeita (para m = 6, por exemplo, os elementos 2, 3 e 4 não
têm inversos).
Na realidade, vale que: Zm é um corpo se e somente se m for

um número primo. Por um lado, se m não for primo, isto é,
se m = pq com 1 < p, q < m, então o produto p · q = O.
Se Zm fosse um corpo, então ou p ou q deveria ser nulo (veja
Exercício 1.2.3(2)), o que contradiz o fato de 1 < p, q < m.
Por outro lado, suponha que m seja um primo e seja a E Zm,
ai- O. Observe que mdc(a , m) = 1. O teorema de Bézout (ver,
por exemplo, [PC]) nos garante que existem r, s E Z tais que
ar + ms = 1. Se dividirmos esta expressão por m chegaremos

,
a a r = I. Isto mostra que a tem inverso, e o resultado está
·
provado. Em particular, Z 5, Z 7, Z 43 são exemplos de corpos,

enquanto Z 4, Z 45, Z 3600 não são.
1.2.3 EXERCÍCIOS
(1) Seja A um conjunto com uma operação+ que sej a associativa,

Preliminares • 23
que tenha um elemento neutro, tal que todo elemento tenha

um oposto com relação ao elemento neutro (um tal conjunto é
chamado de grupo). Mostre que:
(a) O elemento neutro é único.
(b) O oposto de um dado elemento é único.
(c) Vale a lei do cancelamento, isto é, sea +b =a +e então

b=e.
Se a operação + em um tal conjunto for também comutativa,

então dizemos que A é um grupo abeliano.
(2) Seja OC um corpo. Então o conjunto OC com a operação de

adição e o conjunto OC * = OC \ {O} com a operação de multi
plicação são grupos abelianos. Portanto, os elementos O, 1 são
únicos, assim como são únicos o oposto (-a) e o inverso mul
tiplicativo a-1 de cada elemento a E OC *. Mostre que em OC
valem:
(a)a· O= O, para todoa E OC.
(b) Sea · b= O coma, b E OC então oua= O ou b = O.

(c) SeaEIK, -a=(-l)·a.
(3) Seja OC um corpo. Definimos a característica car OC de OC da

seguinte maneira: (i) se a soma 1+1+ · ·+ 1 for sempre diferente
de zero, então car OC = O; (ii) se a soma 1 + 1 +· · · + 1 = O,
..._,,..._..,
m
para algum m � 2, então car OC é o menor número m com esta
propriedade.
(a) Mostre que se car OC = m =f. O, então m é um número

primo.
(b) Exiba corpos com características iguais a O e outros com

características distintas de O.
1.3 RESOLUÇÃO DE SISTEMAS LINEARES
1.3.1 Sabemos que muitos problemas práticos podem ser equaciona

dos em termos de sistemas lineares. Na realidade, muito do que
24 •
Um Curso de Álgebm Linear
discutiremos neste livro surgiu, historicamente falando, do estudo

desses sistemas. Nesta seção iremos discutir um pouco tais sistemas.
{
Sejam lK um corpo e
a11x1 + · · · + a1nXn =O
(I)
am1X1 + · · · + amnXn = Ü
um sistema de equações lineares homogêneas com coeficientes aij em

lK, i = 1, , m,j 1, · · · , n, e incógnitas x1, · · , Xn· Resolver esse
{
· · · = ·
sistema é encontrar n elementos a1, · · · , nn E lK tais que
a11n1 + · · · : + a1nltn =O
am1G1 + · · · + amnltn = Ü.
Uma possível estratégia para resolver esse sistema é por meio

do processo de escalonamento. O que buscamos é, após efetuarmos
certas operações nestas equações, chegar a um outro sistema que
seja mais fácil de resolver e que tenha o mesmo conjunto de soluções.
Antes de formalizarmos, vamos exemplificar esse procedimento.
1.3.2 EXEMPLO
Considere o sistema linear
{
3x1 2x2 + 4x4 o (1)
6x1 + 4x2 X3 + X4 = o (2)
= 3x1 + 2x2 X3 + 5x4 o (3)
Substituindo-se a equação (2) pela soma da equação (2) com

duas vezes a equação (1), teremos
{_
3x1 2x2 + Ox3 + 4x4 = o (1' )
Ox1 + Ox2 X3 + 9x4 o (2')
3x1 + 2x2 X3 + 5x4 o (3')
Agora, substituindo-se a equação (3') pela soma das equações

(1') e (3') subtraída da equação (2'), chegamos ao seguinte
Preliminares • 25
sistema
3x1 2x2 ÜX3 4x4 o
{
+ + (1")
Ox1 + Ox2 X3 + 9x4 o (2")
Ox1 + Ox2 + Ox3 + Ox4 o (3")
Por fim, multiplicando-se a equação (1") por 1/3, e a equação

(2") por -1, teremos ao final o sistema
o
o
Este último sistema está na forma escalonada. Observe que,

dados valores x2, X4 E IR , teremos uma solução do sistema ori-
2 4 . .
.
gma1 dada por X 1 3x2 - 3x4, x2, X3.
= 9 X4, X4. As vanave1s
= '
x1, x3 são ditas variáveis dependentes das variáveis x2, x4. Não
é difícil verificar que as soluções do sistema inicial e deste último

sistema são as mesmas.
1.3.3 Por meio de certas operações, exemplificadas acima, dado um

sistema de equações lineares homogêneas (I), chegamos a um sistema
mais simples de ser resolvido. As operações usadas são as seguintes:
(el) Troca de posições de duas equações.
(e2) Multiplicação de uma equação por um escalar não nulo.
(e3) Substituição de uma equação pela soma desta equação com

alguma outra.
Estas operações são chamadas de operações elementares.
Dizemos que dois sistemas de equações a n incógnitas são

equivalentes se tiverem as mesmas soluções. Deixamos ao leitor
verificar que ao efetuarmos operações elementares em um sistema
linear iremos produzir um outro sistema equivalente (ver Exercício
1.3.5(2)). A idéia, é claro, é produzir por meio destas operações ele
mentares um sistema equivalente mais simples, como feito no
exemplo acima.
DEFINIÇÃO.
{
Um sistema linear
bnx1 + · ·:· + binXn = O
(II)
br1X1 + · · · + brnXn = O
será chamado de escalonado se existirem 1 :$ l i < l2 < · · < lr :$ n

·
tais que bil; =f. O, para cadai 1, · · · , r e bij O se 1 :$ j < li·

= =
A seguinte proposição é de fácil verificação.
PROPOSIÇÃO. Todo sistema linear com m equações e com coefi

cientes em um corpo é equivalente a um sistema escalonado com
r :$ m equações.
Enfatizamos que, ao se efetuar um escalonamento de um sis

tema linear, utiliza-se fortemente as operações e propriedades defi
nidoras de corpo. Em particular, é importante que os elementos
tenham inversos multiplicativos. Na realidade, não é difícil ver que
o escalonamento feito acima depende apenas dos coeficientes das
equações e, por isso, podemos fazê-lo por meio do escalonamento
de matrizes. É o que faremos na próxima seção.
1.3.4 O seguinte resultado decorre facilmente das observações feitas

acima, mas será bastante útil ao longo do texto.
PROPOSIÇÃO. Se o número de equações em um sistema linear ho

mogêneo com coeficientes em um corpo for menor do que o número
de suas incógnitas, então tal sistema terá uma solução não trivial.
1.3.5 EXERCÍCIOS
(1) Resolver os sistemas abaixo:
{
3x -5y =
(a) em 'E..7.
2x -4y = Õ
(2 + 3J2)x1 Ü
{
-3x2 +x3 =
(b) em Q(J2).
( 1- J2)x1 + 2x3
J = Ü
{
i X +i y
e.
=
( c) em
2i X -y = Ü
Preliminares • 27
(2) Mostre que efetuar operações elementares em um sistema linear
produz um sistema linear equivalente.
(3) Mostre que todo sistema linear com coeficientes em um corpo
é equivalente a um sistema escalonado.
(4) Mostre que se o número de equações em um sistema linear
homogêneo com coeficientes em um corpo for menor do que o
número de suas incógnitas, então tal sistema terá uma solução
não trivial.
1.4 MATRIZES
1.4.1 Iremos, nesta seção, recordar os principais fatos sobre as ma
trizes que serão utilizadas ao longo deste texto. Para detalhes, in
dicamos [HK]. Ao longo desta seção, lK denotará um corpo.
Sejam m, n dois inteiros positivos. Uma matriz m por n A
sobre lK é dada por m x n valores aij E lK, com 1 � i S m, 1 S j S n
(=
agrupados em m linhas e n colunas, e será representada como:
au
A= (aij)i,i :
am1
No conjunto M mxn(1K) de todas as matrizes m x n sobre lK podemos
definir as seguintes operações:
=
A. Soma de matrizes Se A= (aij)i,j,B = (bij}i,j E Mmxn(lK), então
a soma A+ B é a matriz C = (cij)i,j E Mmxn(lK), tal que, para
cada par (i,j), temos Cij aij + bij, isto é,
A+B
)�
-
Deixamos a cargo do leitor a verificação de que com esta operação,
Mmxn(OC) é um grupo abeliano, isto é, satisfaz as propriedades (Al)

(A4) de (1.2.1).
B. Multiplicação por escalar Se A= (aij)i,j E Mmxn(OC) e À E JK,
podemos definir o produto de À por A como sendo a matriz B =
(bij)i,j E Mmxn(OC) tal que, para cada par (i,j ) , temos bij = Àaij:
1.4.2 PRODUTO DE MATRIZES
Sejam A= (aij)i,j E Mmxn(OC) e B= (bij)i,j E Mnxp(OC),

isto é, com o número de colunas de A igual ao número de linhas
de B. Podemos definir o produto de A por B como sendo a matriz
C = (cij)i,j E Mmxp(OC) tal que
n
Cij =
I: ailblj, para i = 1, · · · , m, e j = 1,. · · ,p,

l=l
)
ou então,
;
)
b1p
( C;'
au •n
A· B
aml amn bnl bnp

n n
L:; a11b11 L:; a11b1p
l=l l=l
n n
L am1b11 L:; am1b1p
l=l l=l
Não é difícil verificar que esta operação é associativa. Ela
torna-se mais interessante, no entanto, quando tivermos as matrizes
A = (aij )i,j e B= (bij)i,j quadradas, isto é, matrizes onde o número
de linhas coincide com o número de colunas ou, em outras palavras,
quando A, B E Mnxn(OC), para algum n � 1 (conjunto que também

Preliminares • 29
será denotado por Mn(OC)). Neste caso, a operação de multiplicação

de matrizes tem um elemento unidade que será a matriz
Em geral, tal operação não é nem comutativa, nem possui in

versos multiplicativos. Deixamos a cargo do leitor exibir exemplos
de matrizes que contrariam estas últimas propriedades.
1.4.3 MATRIZES TRANSPOSTAS
Dada uma matriz A= (aij);.,j E Mmxn(OC), definimos a sua

transposta como sendo a matriz At = (bij)i,j E Mnxm(OC) tal que
bij aji para cada par (i,j). Por exemplo, se
=
= ( o )-2 l
A O E M2x3(1R),
4 7r
( :o
então
-2
At = 01 "
) E M3x2(1R).
1.4.4 FUNÇÃO TRAÇO
Seja A= (aij )i,j E Mn(OC) uma matriz quadrada. Definimos

o traço tr A de A como sendo a soma dos elementos de sua diagonal
principal, isto é,
n
A
tr 2:
i
aii·
=l
( o �)
Por exemplo,
-1 4
tr 1 = 1.
-2 11
30 •
1.4.5 ESCALONAMENTO DE MATRIZES E POSTO DE UMA MATRIZ
Como observamos na Seção 1.3 acima, para se escalonar um
sistema de equações lineares homogêneas, efetuamos certas operações
chamadas elementares em seus coeficientes. Na realidade, podemos
pensar na matriz dos coeficientes deste sistema linear e efetuar as
{
mesmas operações diretamente nas linhas desta matriz. Mais especi
ficamente, seja
a11X1 + : · · · + a1nXn = O
(J)
, ,
am1X1 + · · · + amnXn = Ü
um sistema de equações lineares homogêneas com coeficientes
aij E][(, i 1, m,j = 1, n. A matriz dos coeficientes de (I)
(� )
= · · · · · ·
será a matriz
ª1 ªn
� E M mxn(OC).
. .
aml amn
É claro que uma solução do sistema (I) será então uma matriz
(O:ij)i,j E M nx 1 (OC) tal que
Com isso, o processo de resolução de um sistema linear homogêneo
com coeficientes em um corpo se reduz basicamente a escalonar a
matriz de seus coeficientes. Em geral, podemos escalonar qualquer

matriz utilizando as operações elementares descritas em (1.3.3) em
suas linhas. Vamos exemplificar tal processo de escalonamento.
EXEMPLO
Considere a matriz
( _:
-2 o
A 4 -1
-3 2 �1
Preliminares • 31
Vamos efetuar sucessivamente as seguintes operações nas linhas

de A: (1) substitui-se a segunda linha da matriz pela soma da
segunda linha com duas vezes a primeira linha; (2) na matriz
resultante, substitui-se a terceira linha pela soma da primeira
linha com a terceira linha subtraída da segunda linha; (3) na
matriz resultante, multiplica-se a primeira linha por 1/3 e a
(� )
segunda por -1. Chega-se com isso à matriz ( escalonada )
1
� � -�� .
-� o
DEFINIÇÃO. Dada uma matriz A E Mm x n (JK) definimos o seu posto

como sendo o número de linhas não nulas em sua forma escalonada.
1.4.6 MATRIZES INVERTÍVEIS
Como observado acima, nem sempre existe a inversa de uma

matriz. As matrizes que possuem inversas são bastante importantes
em nosso estudo. Uma matriz A= (aij)i,j E Mn(lK) é invertível se
existir uma matriz B= (bij)i,j E Mn(lK) tal que A·B= B·A = Idn,
isto é, tal que, para cada i, j 1, , n,
= · · ·
I.::
n
ªilblj = ºij =
{ ·
1
o
se
se
i j
=
i=/=j
l=l
É comum muitas vezes considerar o subconjunto de M n (JK) formado

por todas as matrizes invertíveis. Neste subconjunto, é claro, os ele
mentos possuem inversos multiplicativos, mas nem sempre a soma
de matrizes invertíveis é invertível ( exiba um exemplo para mostrar
esta afirmação ) .
Se A E M n (JK) for uma matriz invertível, então utilizando
se das operações elementares sobre as suas linhas, pode-se chegar à
matriz identidade Idn. Agora, se efetuarmos esta mesma seqüência
de operações começando em Idn chegaremos à matriz inversa A-1.
Vamos exemplificar este procedimento.
32 •
EXEMPLO Considere a seguinte matriz 3 x 3:
Vamos efetuar operações elementares em A para transformá-la na

matriz identidade Id3 e, simultaneamente, as mesmas operações em
Id3 para se conseguir a matriz A-1.
o ) ( n-
1 o 1 o o 1 1 o 1 o
2 1 o 1 o o 2 1 o 1
o 1 o o 1 o -1 1 -1 o
-( n( n
1 1 o 1 o 1 1 o 1 o
o 2 1 o 1 o 2 1 o 1
3 1 2 1
o o -1 o o 1 -
-n u
2 2 3 3
2 1 1
u )
1 o 1 o o o 3
-
3 3
1 1 1 1 1
1 o 3 3
1 o 3 3
-
3
2 1 2 1 2
o 1 -3 3 o 1 -3 3 3
Com isto, a matriz

2 1
( n
-
3 3
1 1
3 3
2 1
-
3 3 -
1
será a matriz inversa A- de A. Observamos que se tentarmos efe-
tuar estas operações a uma matriz não invertível, então não con-
seguiríamos chegar à matriz identidade.
EXERCÍCIO
Justifique o procedimento acima para se conseguir a matriz

inversa de uma matriz inverÚvel.
Para se verificar se uma dada matriz A E M n (OC) é invertível

ou não, é comum utilizar-se do chamado determinante. Vamos recor
dar agora a sua definição.
Preliminares • 33
1.4.7 DETERMINANTES
Faremos a definição de determinante de uma matriz A em

Mn(OC) de maneira indutiva sobre n :'.'.'. 1. Se n= 1, então a matriz
A E M 1 (OC) é dada por um único elemento a = a11. Definimos,
neste caso, det A a. Vamos supor agora que n > 1 e que det B
=
esteja definido para todas as matrizes B E Mm (OC) com m < n e

seja A E Mn(OC). Para cada par (i, j), defina a matriz Aij formada
a partir de A retirando-se a sua i-ésima linha e a sua j-ésima coluna.
É claro que Aij E Mn-1 (OC) e, portanto, já está definido det Aij.
Defina agora o determinante de A como sendo
n
det A "' (-1)3+1 a1j det A1j·
� = ·
j=l
Observe que det A E ][{.
1.4.8 EXEMPLOS
(a) Seja A= ( : �) E M2(0C ) . Pela definição acima, temos
que det A= a det Au -b detA12- Como Au = (d) e A12 = (e) ,

segue então que det A= ad - bc.
(b) Seja A= ( :�� :�: :�: )

a31 a32 a33
. Pela definição,
det A= au det Au - a12 det A12 + a13 det A13
Como
Au = (
A13 = ( a21
a31
teremos, como no item (a), que
det Au = a22a33 - a23a32,

det A12 = a21a33 .,-- a23a31 e
det A13
Daí
det A= an det An - a12 det Ai2 + a13 det Ai3 =
= an(a22a33 - a23a32) - a12(a21a33 - a23a31)+

+a13(a21a32 - a22a;n) =
= ana22a33 + a12a23a31 + a13a21a32-
-a13a22a31 - a12a21a33 - ana23a32.
É fácil ver que, reordenando os termos acima, teremos que det A

é igual a
-a12(a21a33 ....:; a23a31) + a22(ana33 - a13a31)-

-a32(ana23 - a13a21)=
= -a12 det Ai2 + a22 det A22 - a32 det A32 =
3
2
= I: (-l)i+ aj2det Aj2·
j=l
Portanto, podemos escrever det A também, por exemplo, como

a soma
3
· 2
L.,, (-1)3 + aj2det Ai2.
det A = '""'
j=l
Uma conta similar também nos mostra que
det A
OBSERVAÇÃO
Na definição de determinante dada acima, a soma foi feita uti
lizando os elementos da primeira linha e determinantes de ma
trizes menores. Por outro lado, no exemplo (b) acima, vimos
que det A pode ser escrita utilizando-se os elementos da segun

da coluna (e as matrizes Aj2,j = 1,2,3) ou mesmo elementos
da terceira linha (e as matrizes A3j,j = 1,2,3). Na realidade,
isto é um fato mais geral. Se A E M n (OC), então fixada uma
linha ide A qualquer, teremos
det A= L(-l)Hiaij · det Aij

j=l
Preliminares • 35
e, fixada uma coluna j de A qualquer, teremos
n
'"""' (-1) i+1. aij det Aij.
det A= L., ·
i=l
A demonstração deste fato não é essencial ao que seguirá e,

portanto, será omitida. Desafiamos o leitor a mostrar isto. No
entanto, usaremos estas observações em cálculos práticos ao
longo do texto para simplificá-los. Observe que, em geral, para
se fazer o cálculo do determinante de uma matriz, o melhor é
escolher uma linha, ou coluna, com o maior número possível de
zeros.
1.4.9 O próximo resultado nos dá um critério para se decidir quando

uma matriz é invertível ou não.
TEOREMA. Uma matriz A E Mn (IK ) é invertível se e somente se

det A# O.
1.4.10 MATRIZES ADJUNTAS
Dada uma matriz A= (aij) E Mn (IK ) , denote por ad(A) a

sua matriz adjunta, isto é, a matriz ad(A)= (bij) tal que, para cada
i
par i,j, bij= (-l) +i+l det Aij , onde Aij é, como acima, a matriz
em M n-l ( IK ) formada a partir de A retirando-se sua linha i e sua
coluna j. Os elementos bij são cham.ados de cofatores (em i, j) de A.
Pelo que vimos em (1.4.8), para cada i = 1, · · · , n,
det A = L aij bij.

·
j=l
Deixamos como exercício ao leitor verificar que, se i # l, então

n
z= ªij . b1j=o
j=l
Com isto, segue que
z= ªij . b1j = ºil

j=l
36 •
e portanto, A·ad(A) = ad(A)·A= (det A)Idn.
1.4.11 MATRIZES DADAS POR BLOCOS
Muitas vezes, é conveniente olharmos as matrizes como sendo

formadas por blocos de outras matrizes menores. Por exemplo, a
matriz
3 -2 1 o 4
-1 2 3 1í -1
A o 1 1 3 2 E M5(JR.)
o o o 1 o
o o o o 1
pode ser escrita como
A
(� I�)
( ) ( )
onde
3 -2 1 o 4
B= -1 2 3 E M3(1R.), C = 1í -1 E M3x2(1R.),
o 1 1 3 2
O indica, a matriz nula de M 2 x3(JR.) e Id2 é, a matriz identidade de

M 2(R ).
1.4.12 EXERCÍCIOS .
(1) Sejam A,B E Mmxn(OC). Mostre que
(a) (A+BY=At+Bt.
(b) (A·BtY=B·At.
(c) Se n= m, então (A·B)t=Bt . At.
(2) Sejam A, B E M n(OC) e À E OC. Mostre que:
(a) det (A·B)=det A·det B.
(b) det A =det At.

n
(c) det (ÀA)=À det A.
Preliminares • 37
(3) Sejam A, BEMn(IK) matrizes invertíveis. Mostre que
(a) det (A-1) = (det A)-1.

(b) A-1 é invertível e (A-1)-1 = A.
(e) A· B é invertível e (A· B)-1= B-1 . A-1.
(4) Seja A = (� �) E Mn(IK), onde B e C são matrizes
quadradas. Mostre que det A= det B· det C.
(5) Seja A E Mn(IK). Mostre que existem matrizes El,E2,E3

em Mn(IK) tais que os produtos E A,E2A e E3A equivalem a
1
efetuar as operações elementares descritas em (1.3.3) sobre as
linhas da matriz A.
2
ESPAÇOS VETORIAIS
Neste capítulo definiremos espaços vetoriais e estudaremos al

gumas de sua.5 propriedades básicas como existência de bases,
coordenadas, somas diretas, entre outras. A notação ][{ , por sua
vez, designará, a menos de menção ao contrário, um corpo qualquer.
2.1 ESPAÇOS VETORIAIS
2.1.1 DEFINIÇÃO. Um conjunto não vazio V é um espaço veto

rial sobre (um corpo)][{ se em seus elementos, denominados vetores,
estiverem definidas as seguintes duas operações:
(A) A u, v de vetores de V corresponde um vetor u + v E

cada par V,
chamado de soma de u e v, de modo que:
(Al) u + v = v + u, V u, v E V ( propriedade comutativa) .
(A2) (u + v) + w = u + (v + w ) , V u, v , w E V ( propriedade associa

tiva ) .
40 •
(A3) exista em V um vetor, denominado vetor nulo e denotado por

O, tal que O+v v, V vEV.
=
(A4) a cada vetor v E V exista um vetor em V, denotado por -v,

tal que v+(-v) O = .
(M) A cada par a E :OC e v E V, corresponde um vetor a · v E V,

denominado produto por escalar de a por v de modo que:
(Ml) (a{J) v = a({J · v),

· V a,{3 E :OC e V vEV (propriedade
associativa).
(M2) 1·v=v, V vEV (onde 1é o elemento identidade de lK ).
Além disso, vamos impor que as operações dadas em (A) e (M) se

distribuam, isto é, que valham as seguintes propriedades:
(Dl) a· ( u +v)=a· u +a·v, V aE:OC e V u, vEV.
(D2) (a+fJ)·v=a·v+fJ·v, Va,{JE:OC e "lvEV.
2.1.2 OBSERVAÇÕES
(a) Algumas vezes usaremos a expressão :OC -espaço vetorial para
indicar um espaço vetorial V sobre :OC . Outras vezes, omitiremos

sobre qual corpo :OC estaremos trabalhando quando isso ficar
claro a partir da notação utilizada.
(b) Seja V um espaço vetorial sobre :OC. Ob�erve que o conjunto V

com a operação de soma de vetores é um grupo abeliano (ver
Exercício 1.2.3(1)). Portanto, o vetor nulo é único, assim como
é único o vetor oposto a cada elemento de V.
2.1.3 EXEMPLOS
(a) Todo corpo é um espaço vetorial sobre si mesmo. De fato, se :OC

é um corpo, então as duas operações internas em :OC podem ser
vistas como a soma de vetores e a multiplicação por escalares.
Não é difícil ver que as propriedades na definição de espaço
vetorial estão satisfeitas para estas operações.
Espaços Vetoriais • 41
(b) De uma maneira mais geral à considerada acima, para cada

n 2: 1, o conjunto
n {(a1,··· ,an) : ai E OC ,V i 1, · ·· , n}
OC = OC X ··· X OC = =
..._,_....
n
tem uma estrutura de espaço vetorial sobre ][{ bastante natural

com as operações:
•(ai,··· ,an)+(bi,··· ,bn)=(a1+bi,··· ,an+bn),

n
V (ai,··· ,an),(bi,··· ,bn)E OC .
•a · (ai,··· ,an) (aai,··· ,aan),

=
n
V a E OC , e V (ai,··· ,an)E oc .
(verifique que tais oper'ações satisfazem as propriedades definido

ras de espaço vetorial).
n
Com isso, R é um espaço vetorial sobre R, C n é um espaço
vetorial sobre C, (Z 5r é um espaço vetorial sobre Z 5.
(c) O conjunto C2 é um espaço vetorial sobre R. Basta definirmos

as operações:
•(a,b)+ ( e, d) =
(a+ e, b+ d) EC2,\f (a,b), ( e, d)EC2.
•a · (a,b)=(aa,ab), aER e(a,b)EC2.
Verifique .aqui as propriedades definidoras de espaço vetorial e

n
generalize o resultado para C como espaço vetorial sobre R.
Pelo que vimos acima, C2 pode ser visto como um espaço ve
torial sobre R ou sobre C. Apesar de ser o mesmo conjunto
de vetores, estes dois exemplos determinam e8paços vetoriais
distintos. Isso deverá ficar claro mais adiante quando discu
tirmos o conceito de base. Mas gostaríamos de enfatizar aqui
que é essenciçJ ter claro sobre qual corpo de escalares o espaço
vetorial está sendo considerado.
(d) O corpo R é um espaço vetorial sobre Q de uma maneira bas

tante natural (deixamos ao leitor a tarefa de definir as operações
e verificar as propriedades correspondentes). Generalize esta
observação.
42 •
(e) O conjunto de polinômios
é um lK-espaço vetorial com as operações usuais de soma de

polinômios e multiplicação por escalar. Especificamente, sejam
p(x) = anxn +···+ao e q(x) = bmxm +·· ·+ bo dois elementos

em P(lK). Sem perda de generalidade, podemos assumir que
n � m. Definimos então a soma
Além disso, se a E ][{, o produto por escalar de a por p(x) será,

por definição, o polinômio
n
(a· p)(x) = (aan)x + ···+ (aa1)x + (aao).
Para cada m ;::: O, o conjunto
também é um ][{-espaço vetorial (com as mesmas operações

acima).
(f) O conjunto M mxn(lK) das matrizes m x n com coeficientes

em ][{ é um ][{-espaço vetorial com as operações de soma de
matrizes e multiplicação por escalares definidas em (1.4.1).
(*)
{
(g) Considere o seguinte sistema linear homogêneo
a11X1 +·· · + a1nXn = O

:
ll!m1X1 + ·+ ll!mnXn =O
· ·
onde aij E ][{ para 1 � i � m e 1 � j � n. Uma solução de
(*) é uma n-upla (a1, ··· , an) E ][{

n que satisfaz as equações
deste sistema. Observe que o conjunto das soluções de (* ) é
um ][{-espaço vetorial com as operações usuais
n
de ][{ .
2.1.4 ESPAÇOS DE FUNÇÕES
Sejam X um conjunto qualquer não-vazio e F(X, ][{) o con

junto de todas as funções f : X --+ ][{. Defina as seguintes operações
em F(X, ][{) :
• para f, g E F(X,IK), defina a função f + g : X ---; IK dada por

(! + g)(x)= f(x) + g(x) para cada x E X.
• para f E F(X,IK) e a E IK, defina a função a· f: X---; IK

dada por ·
(a f)(x)= af(x) para cada x E X.
Com estas operações, o conjunto F(X,IK) é um espaço veto
rial sobre IK , onde a função nula é o vetor nulo desse espaço. Tal
conjunto é denominado espaço de funções. Enfatizamos que X é
um conjunto qualquer e que a estrutura de IK-espaço vetorial em
F(X,IK) depende essencialmente das operações do contradomínio IK
das funções. No caso particular em que X= N, chamamos tal espaço
de espaço de seqüências, vamos denotá-lo por IK
N e representaremos
os seus elementos por (xn)nEN·
Os espaços a seguir são exemplos de subconjuntos do espaço

de funções ou do espaço de seqüências:
(a) Considere X = IK = C . O conjunto das funções polinomiais

é um subconjunto de F(C , C ) e é um espaço vetorial com as
operações descritas acima.
(b) Considere X o intervalo [a, b] em lR e IK= C . O conjunto
C([a, b], C )= {!: [a, b]---; C : fé uma função contínua}
é um subconjunto de F([a, b], C ) e é por si só um espaço vetorial

sobre e com as operações descritas acima.
(c) Considere X = N e lK = C ou lR . O seguinte subconjunto de

oc"'
N
Co= {x= (xn)nEN E IK : (xn)nEN converge a zero}
é um espaço vetorial sobre IK com as operações definidas acima.

Lembramos que uma seqüência (xn)nEN converge a zero se, para
cada t: > O, existir no = no(t:) E N tal que lxnl < t: para todo
n � n0.
(d) Considere X= N e IK= C ou lR. O subconjunto de IK

N
E lK
N
loo = {X= (xn)nEN : (xn)nEN é limitada}
é um espaço vetorial sobre][{ com as operações definidas acima.

Lembramos que uma seqüência (xn)nEN é limitada se existir
M >O tal que lxnl � M para todo n EN.
De agora em diante, quando usarmos a notação][{N estaremos sempre
assumindo que][{ = C ou IR .
2.1.5 EXERCÍCIOS
(1) Seja V um espaço vetorial sobre um corpo][{.
(a) Mostre que O· v =O para todo vetor v E V e que a· O=O

para todo a E][{.
(b) Mostre que se a· v = O, com a E ][{ e v E V, então ou

a= Ü OU V= Ü.
(2) Mostre que os conjuntos considerados nos exemplos (2.1.3) e

(2.1.4) são espaços vetoriais.
(3) Mostre que Q(vÍ2) é um espaço vetorial sobre Q (ver (1.2.2)).
(4) Sejam][{ um corpo e ][{' Ç ][{ um subconjunto não vazio de

][{ tal que com as operações de ][{ é um corpo (neste caso,
dizemos que ][{' é um subcorpo de ][{). Mostre que ][{ é um
espaço vetorial sobre ][{'. Mais geralmente, mostre que se V
for um espaço vetorial sobre][{, então será um espaço vetorial
sobre][{'.
(5) Seja S = {(x,y,z) E IR3: x+y+z = O} um plano do IR3
passando pela origem. Mostre que S é um IR -espaço vetorial.
{
(6) Descreva o IR-espaço vetorial das soluções do seguinte sistema
linear:
x+y+2z=O
2x+2y + 5z+3w=O
4x+4y+lOz+3w =O.
(7) Suponha que estejam definidas as seguintes operações no con
junto V= {(a,b) E IR2: ,b

a >O}:
• ( a, b) EB (e, d) = (ac,bd), \:/ (a, b), ( e, d) E V.

• a(a,b)=(aª,bª), V a E IR e\/(a,b)EV.
Prove que V, munido dessas operações, é um IR-espaço vetorial.
(8) Seja p um número primo. Quantos elementos tem o Z P-espaço

vetorial (Zpr, com m � 1?
2.2 BASES
2.2.1 Iremos discutir nesta seção um dos conceitos mais importantes

envolvendo a estrutura de espaço vetorial, qual seja, o de base. Come
cemos com a seguinte definição.
DEFINIÇÃO. Seja V um espaço vetorial sobre ][{.
(1) Um vetor v E V é uma combinação linear dos vetores

v1, ·· ,Vn E V se existirem escalares a1, · , an E ][{ tais que
· · ·
n
v = a1v1 + · · · + anVn = L aivi.
i=l
(2) Seja B um subconjunto de V. Dizemos que B é um conjunto

gerador de V (ou que B gera V) se todo elemento de V for uma
combinação linear de um número finito de elementos de B.
2.2.2 OBSERVAÇÕES
(a) Por convenção, diremos que o conjunto vazio gera o espaço

vetorial {O}.
(b) Observe que todo espaço vetorial possui um conjunto gerador.
(c) Seja B um conjunto gerador de um espaço vetorial V. Todo

subconjunto de V que contenha B é um conjunto gerador.
(d) Sejam V um IK-espaço vetorial e {vi,v2,··· ,vn} Ç V. O sub

conjunto de V formado por todas as combinações lineares de
v1, ·· ,Vn é também um IK-espaço vetorial.
· Deixamos ao leitor
a verificação de tal afirmação. Denotaremos tal espaço vetorial
por [v1, · , vn]·
· ·
46 •
2.2.3 EXEMPLOS
(a) Considere IR 3 como espaço vetorial sobre IR. Observe que o

conjunto {(1,O,O), (O,1,O), (O,O,1)} é conjunto gerador de IR 3
pois se (a,b,e) E IR 3, então
(a,b,e) = a(l,O,O)+ b(O,1,O)+c(O,O,1) com a,b,e E IR.
Verifique também que os conjuntos abaixo são geradores de IR 3.

•{(1,O,1),(1,1,O),(1,1,1), (-1,O,O),(-1, -1,O),(-1,-1, -1)}.
•{(a,b,e) : a,b,e E Z }.
(b) Seja P(IR) o conjunto dos polinômios com coeficientes em IR. O

conjunto {1,x,x2,· , xn,···}é um conjunto gerador de P(IR)
• •
visto como espaço vetorial sobre IR. Também é um conjunto

gerador do mesmo espaço vetorial :
• {2,l+x,l+x2,··· ,l+xn,···}.
(c) Considere o subconjunto B = {(1,O),(O,1)} do C-espaço veto

rial C2. É claro que B é gerador de C2, pois se (a, {3) E C2,
então (a, {3) a(l, O)+{3(0, 1), com o:, {3 E C.
=
No entanto, {(1,O),(O,1)} não é conjunto gerador de C2 se con

siderarmos C2 como espaço vetorial sobre IR. Observe que não
é possível se escrever, por exemplo, o elemento (i,O) como uma
combinação linear a(l,O)+ b(O,1) com a,b E IR. Um conjunto
gerador de C2 sobre IR é, por exemplo: {(1, O),(i,O),(O,1),(O,i)}
pois se (a + bi, e+ di) E C 2 com a,b,e, d E IR , teremos então
que
(a+bi,e+ di) = a(l,O)+b(i,O)+ c(O,1)+d(O,i).
Por isso, é importante dizer sobre qual corpo lK. estamos con
siderando o espaço vetorial.
(d) O conjunto{1, V2} é um conjunto gerador do espaço vetorial

Q(V2) sobre Q.
2.2.4 EXERCÍCIOS
(1) Seja lK um corpo. Mostre que o conjunto {1} é um conjunto

gerador do lK-espaço vetorial lK .
(2) Mostre que, para cada número inteiro n � 3, é possível encon

trar um conjunto gerador de IR 3 com n elementos. Mostre
também que não existe nenhum conjunto gerador de IR 3 com
menos de 3 elementos.
(3) É possível encontrar um conjunto gerador de P(R.) com um

número finito de elementos?
(4) Qual é o menor número de elementos em um conjunto gerador

de e 2 se o considerarmos como espaço vetorial sobre (a) e;
(b) IR ; e (c) Q?
(5) Qual é o menor número de elementos que deve conter um con

junto gerador de IR visto como espaço vetorial sobre Q? Tente
exibir um tal conjunto.
(6) Mostre que todo espaço vetorial tem um conjunto gerador.
(7) Mostre que se A é um conjunto gerador de um espaço vetorial

V e que se B é um conjunto que contém A, então B é um
conjunto gerador de V.
2.2.5 Em geral, um espaço vetorial possui muitos conjuntos geradores

e muitas vezes é importante termos um conjunto gerador que seja o
menor possível. A situação ideal é que exista um conjunto gerador
onde cada elemento de V se escreva de maneira única como combi
nação linear dos elementos deste conjunto gerador. Por trás dessa
unicidade está o importante conceito de conjunto linearmente inde
pendente, que discutiremos a seguir.
DEFINIÇÃO. Sejam V um espaço vetorial sobre lK e Bum subcon

junto de V.
(a) Dizemos que B é linearmente independente (ou l.i. ) se

a1 V1 + · + <XnVn
· · O, para V; E B e ai E lK, i
= 1, = · · · , n,
implica que a1 =<Xn· O.· · = =
48 •
(b) O conjunto B é chamado de linearmente dependente (ou l. d.)

se não for linearmente independente.
2.2.6 ÜBSERVAÇÕES
(a) Por convenção, o conjunto vazio é um conjunto linearmente

independente.
(b) Todo conjunto contendo o vetor nulo é l.d..
(c) Deve ficar claro ao leitor que as definições acima dependem

do corpo base do espaço vetorial considerado (ver ExempÍo
2.2.7(a) abaixo).
(d) Todo espaço vetorial não nulo possui um conjunto Li. não vazio.
Basta considerar, por exemplo, um conjunto que consiste de um
único vetor não nulo.
(e) Todo subconjunto de um conjunto linearmente independente é

linearmente independente.
2.2. 7 EXEMPLOS
(a) Seja B = {(1, 0),(i, 0),(0, 1),(0, i)} ç C2. Se considerarmos

C 2 como espaço vetorial sobre C então B é linearmente depen
dente, pois (O, O) = 1 (1, O) + i(i, O) + O· (O, 1) + 0(0, i). No
·
entanto, se considerarmos C2 como espaço vetorial sobre lR,

então B é linearmente independente (mostre isto!).
(b) Seja c0 o JK-espaço vetorial definido em (2.1.4(c)) e considere,

para cada k EN, a seqüência ek := (O,··· , 1, O,···) que tem 1
na k-ésima posição e O nas demais. Então B = {ek : k EN} é
um subconjunto infinito linearmente independente de eo.
(c) O conjunto {senx,cosx} é linearmente independente no JR-es

paço vetorial C([O, 27r], lR ). De fato, se {senx,cosx} fosse linear
mente dependente, então existiriam a, {3 E lR, ao menos um de
les não nulo, tais que asenx + {3cosx = O para todo x E [O, 27r],
o que é uma contradição.
(d) Considere as funções fn: [a,b]--+ C definidas por fn(t) = tn,

para n = O,1,2, ··· . O conjunto B {fn : n = = O,1, 2, ··} é
·
um subconjunto Li. infinito em C([a,b],C).
2.2.8 DEFINIÇÃO. Seja V um espaço vetorial sobre um corpo ][(.

Dizemos que um subconjunto B de V é uma base de V se
(i) B for um conjunto gerador de V; e
(ii) B for linearmente independente.
(a) Segue das convenções 2.2.2(a) e 2.2.6(a) que o conjunto vazio

é uma base do espaço vetorial {O}.
(b) Em contextos onde são consideradas simultaneamente as es

truturas algébricas e topológicas (por exemplo, em textos de
análise funcional) a base definida acima é chamada de base
algébrica ou de base de Hamel.
2.2.10 EXERCÍCIOS
(1) Mostre que o conjunto
{(1,O,··· , O),(O, 1, O, ··· ,O),··· , (O,O,··· , 1)}
é uma base de ][(

n sobre ][(. Esta base é chamada de base
n
canônica de ][( .
(2) Mostre que o conjunto {1,x,··· ,xn,···} é uma base do OC

espaço vetorial P(OC). Esta base é chamada de base canônica
de P(OC).
(3) Ache uma base de Mmxn(C) como espaço vetorial sobre C.

Quantos elementos tem? E se considerarmos Mmxn(C) como
espaço vetorial sobre IR?
(4) (a) Mostre que os conjuntos {(1,0),(0,1)}, {(i,0),(2,-3)} e

{(i,i),(-1,2i)} são bases de e 2 sobre e.
(b) Mostre que {(1,0),(i,O),(O,1), (O,i)} é uma base de C2

sobre IR.
50 •
2
(c) Mostre que toda base de C sobre C tem 2 elementos e
que toda base de C
2 sobre IR tem 4 elementos.
(5) Mostre que {(zi,z2),(wi,w2)} C C

2 é l.d. se e somente se
(6) Se ][{ = Z 2, o subconjunto {(I,I,Õ), (I,Õ, I), (õ, I, I)} de ][( 3

é l.d.? e se ][( = Z 13?
(7) Sob que condições impostas ao escalara E C os vetores (O,1,a),

(a,o, 1) e (1+a,1,a) formam uma base de e 3 ?
(8) Seja w= [v1,v2] ç e 3, onde V1 = (1,o, i) e V2 = (1+i,1, -1).
(a) Mostre que {v1,v2} é uma base de W.
(b) Mostre que w1 (1,1,O) e w2

= = (1,i,1 + i) estão em W
e que {w1,w2} é base de W.
(9) Seja V= F(IR,C) o C-espaço vetorial de todas as funções de

IR em C. Prove que {fi,h,'3} é Li. em V onde Ji, h,'3 são
dadas por fi(x) = 1, h(x)= eix =cosx+isenx e!J(x)= e-ix
para cada x E IR .
(10) Seja V um espaço vetorial sobre IR e considere no conjunto

Vc = {(u,v) : u,v E V} as seguintes operações de adição e
multiplicação por um número complexo:
• (ui,v1)+(u2,v2) = (u1+u2,V1 +v2), para todos (ui,v1),

(u2,v2) em Vc.
• (a+i,B)(u,v) = (au-,Bv,,Bu+av), para todo (u,v) E Vc
e todo a + ,Bi E C.
(a) Mostre que Vc é um espaço vetorial sobre C.
(b) Seja {v1,v2, · ·,Vn } Ç V um subconjunto Li.. Mostre que

·
{(vi,0),(v2,,0),···,(vn ,O)} e {(O,v1),(O,v2),· ·,(0,vn )} ·
são subconjuntos Li. em Vc.
(11) Para umC-espaço vetorial V, denotaremos por VIR o conjunto

V olhado como IR -espaço vetorial. Mostre que se {vi,v2, ···,vn}
for um subconjunto linearmente independente em V, então

{v1, v2, · · · , Vn} e {Vi, v2, · · · , Vn} U { ivi, iv2, · · · , ivn} são sub
conjuntos linearmente independentes em VIR .
(12) Mostre que um subconjunto B de um espaço vetorial V é Li.

se e somente se cada subconjunto finito de Bfor Li.
(13) Seja Bum subconjunto de um espaço vetorial V. Mostre que

Bé l.d. se e somente se existir v E Bque pode ser escrito como
combinação linear dos elementos de B\ {v}.
2.3 ESPAÇOS VETORIAIS FINITAMENTE GERA
DOS
2.3.1 Vamos mostrar nesta seção que todo espaço vetorial não nulo
V que possua um conjunto gerador finito tem uma base. Na rea
lidade, vale que todo espaço vetorial não nulo possui uma base e a
demonstração desse fato geral será dada no apêndice deste capítulo.
Comecemos com a seguinte definição.
2.3.2 DEFINIÇÃO. Dizemos que um espaço vetorial V sobre ][{ é

finitamente gerado se possuir um conjunto gerador finito.
2.3.3 EXERCÍCIO
(1) Mostre que o conjunto IR considerado como espaço vetorial

sobre IR é finitamente gerado (exiba um conjunto gerador) en
quanto IR , considerado como espaço vetorial sobre Q , não é
finitamente gerado.
2.3.4 PROPOSIÇÃO. Seja V um IK-espaço vetorial finitamente gera

do não nulo e assuma que {vi, · · · , Vm} seja um conjunto gerador de
V. Então todo conjunto linearmente independente de vetores em V
tem no máximo m elementos.
DEMONSTRAÇÃO. Vamos provar que todo conjunto de elementos de

V que contenha mais do que m vetores é linearmente dependente.
Para tanto, seja A = { u1, · · · , un} Ç V com n > m. Observe que,
52 •
como {vi, · · · , Vm} é um conjunto gerador de V, então existem es

calares aij E][{ tais que, para cada j 1, · · · , n,
=
m
Uj CX1jVl + · · · + CXmjVm L CXijVi.
= =
i=l
Assim, se Ài, · · · , Àn são escalares quaisquer em][{, teremos
n
Vamos analisar a situação em que I:: Àjaij O, para cada
{
=
j=l
i = 1, · · · , m. Para tanto, considere o sistema
a11À1 + · · · + CX1nÀn =
O
(*) :
C:Xm1À1 + · · · + CXmnÀn =
O
nas incógnitas Àl, · · · , Àn e com coeficientes aij E ][{. Como o

número de equações de ( * ) é estritamente menor do que o número
de incógnitas, segue que ( * ) tem uma solução não nula, isto é,
n
existem 11, ···,ln E ][{, não todos nulos, tais que I:: ljCXij O =
j=l
para i 1, · · · , m. Portanto, 11 U 1 + · · · + ln Un
=
O com 11 , · · · , ln
=
não todos nulos, o que implica que {u 1 , · · , Un} é linearmente de

·
pendente. Segue o resultado. D
2.3.5 COROLÁRIO. Seja V um OC-espaço vetorial finitamente gerado

não nulo. Então duas bases quaisquer de V têm o mesmo número de
elementos.
DEMONSTRAÇÃO. Sejam B e B' duas bases de V. Como V é finita

mente gerado, decorre da Proposição 2.3.4 que B e B' são finitas
(pois são Li. ) com, digamos, m e m' elementos, respectivamente.
Considerando B como conjunto gerador de V e B' linearmente inde
pendente segue da proposição acima que m' :::; m. Por outro lado,
considerando B' como conjunto gerador e· B linearmente indepen

dente, teremos que m � m'. Daí segue que m = m'. D
2.3.6 Observe que se V não for finitamente gerado, então qualquer

base de V possui infinitos elementos. Neste caso é possível mostrar
que as bases são equivalentes como conjuntos, isto é, podemos mostrar
que duas bases de V têm sempre a mesma cardinalidade. No entan
to, não faremos aqui esta distinção. Os resultados acima justificam
a seguinte definição.
DEFINIÇÃO. Seja V um espaço vetorial sobre lK. Se V admite

uma base finita, então chamamos de dimensão de V o número de
elementos de tal base. Caso contrário dizemos que a dimensão de V
é infinita.
Observe que ainda não analisamos a questão da existência de

bases para um dado espaço vetorial V sobre lK. O que podemos falar
por enquanto é que se V possui alguma base, então a dimensão está
bem definida. Neste caso, denotamos a dimensão de V sobre lK por
dimoc V.
Da Observação 2.2.9(a) segue que dimK {O} =O.
2.3.7 EXEMPLOS
(a) dimoc lK n = n.
(b) dimc cn = n, dimJR cn = 2n .
(c) dimoc P(JK) = oo (uma base tem infinitos elementos) e

dimoc Pm(lK) = m + 1.
(d) dimc Mmxn(C) = mn, dimR Mmxn(C) = 2mn.
(e) dimoc Co = oo (ver Exemplo 2.1.4(c)).
2.3.8 Obviamente, todo espaço vetorial que admite. uma base finita
é finitamente gerado. Vamos mostrar o inverso deste resultado, isto
é, que todo espaço vetorial não nulo finitamente gerado admite uma
base (finita). Antes, porém, vamos enunciar uma outra conseqüência

da última proposição que é bastante útil.
COROLÁRIO. Seja V um espaço de dimensão n :;::: 1 e seja B um

subconjunto de V com n elementos. As seguintes afirmações são
equivalentes:
(a) B é uma base.
(b) B é linearmente independente.
(c) B é um conjunto gerador de V.
2.3.9 PROPOSIÇÃO. Seja V um espaço vetorial sobre OC e considere

B = {vi,··· ,vm } um conjunto l.i. em V. Se existir v E V que não
seja combinação linear dos elementos de B, então {v1,··· ,Vm,v } é
DEMONSTRAÇÃO. Sejam ai,··· , am, Dm+l escalares tais que
Se am+l # O, então podemos escrever

a1
V = - -
· -- VI - ·· ·
Dm+l
o que é uma contradição com a nossa hipótese de v não ser uma

combinação linear de elementos de B. Então Dm+l = O e, portanto,
a1v1 + ··· + DmVm O Como o conjunto B é Li., segue então que
= .
a1 = · ·am · O, uma contradição com a hipótese sobre os ai 's.

= =
Portanto {vi,··· ,Vm,v } é Li. D
2.3.10 TEOREMA. Todo espaço vetorial finitamente gerado não nulo

possui uma base.
DEMONSTRAÇÃO. Seja V um espaço vetorial finitamente gerado não

nulo sobre OC. Então V possui um conjunto gerador finito, digamos
com m elementos, m :;::: 1. Seja agora v1 E V um vetor não nulo.
Então B1 {vi } é linearmente independente. Se !31 gerar V, então
=
!31 é uma base de V. Caso contrário, existe v2 E V que não é um

múltiplo de v1• Pela Proposição 2.3.9, B2 {v1,v2 } é Li. De novo, se
=
82 gerar todo o espaço V, então será uma base de V . Caso contrário,

existe V3 E V tal que {v1,v2,v3} é Li. Repetindo este procedimento,
chegaremos ou a uma base de V ou construirem.os conjuntos Li. em
V arbitrariamente grandes. O segundo caso não é possível pois como
mostramos em (2.3.4), todo conjunto Li. neste espaço vetorial deve
possuir no máximo m elementos. D
Usando-se a mesma idéia da demonstração acima, podemos

mostrar o seguinte resultado. Incentivamos o leitor a escrever tal
demonstração.
TEOREMA. Seja V um espaço vetorial finitamente gerado e seja 8

um conjunto linearmente independente em V. Então existe uma base
de V contendo 8.
2.3.11 OBSERVAÇÕES
(a) Seja V um espaço vetorial não nulo finitamente gerado. A idéia

da demonstração acima de que V possui uma base foi esten
der um conjunto Li. até chegarmos a uma base. Uma outra
maneira de se mostrar o mesmo resultado é o seguinte. Seja
81 = {v1, · · · , Vn} um conjunto gerador finito de V. Se 81 é
li. então é, de fato, uma base de V e conseguimos o resul
tado. Caso contrário, 81 é Ld. e, portanto, existem escalares
n
À1, · · · , Àn E lK não todos nulos tais que E Àivi = O. Sem
i=l
perda de generalidade podemos supor que ,\1 i- O e, portanto,
n
v1 = E � Vi. Isto é, V1 é combinação linear de V2, · · · , Vn, o
i=2 1
que implica que 82 = {v2, • · • , Vn} é um conjunto gerador de V.
Se 82 for Li., então é uma base de V, caso contrário podemos
repetir o argumento acima para 82 para conseguir um conjunto
83 Ç 82, com n - 2 elementos e que gere V. Obviamente, este
processo de redução tem que acabar em uma base de V.
(b) Como observamos anteriormente, vale que todo espaço veto

rial possui uma base. A demonstração do resultado geral de
pende essencialmente do chamado Lema de Zorn. Apesar do
resultado garantir a existência de uma tal base, nem sempre é
possível exibi-la explicitamente. Tente construir, por exemplo,
56 •
uma base do espaço vetorial IR sobre Q. Observe que uma tal.

base será necessariamente não-enumerável.
2.3.12 O próximo resultado nos dá uma caracterização de quando um

subconjunto de um espaço vetorial finitamente gerado é uma base.
Observemos que um resultado similar vale sem a condição de que o
espaço seja finitamente gerado (ver Exercício 2.3.14(3)).
PROPOSIÇÃO. Seja V um IK-espaço vetorial de dimensão n � 1 e
seja B Ç V. As seguintes afirmações são equivalentes:
(a) B é uma base de V;
{b) Cada elemento de V se escreve de maneira única como combi

nação linear de elementos de B.
DEMONSTRAÇÃO. (a)==? (b). Vamos supor que B {v1;. ·· ,vn} =
seja uma base de V. Em particular, B gera V e, portanto, todo

elemento de v se escreve como combinação linear de v1, , Vn. Para · · ·
n n
mostrar a unicidade, suponha que v I: aivi e v I: f3ivi. Então
= =
i=l i=l
n n n
I: aivi I: f3ivi ou I: (ai - f3i)vi
= O. Como B é Li., segue que
=
i=l i=l i=l

ai - f3i O para todo i 1, · · , n. Logo, ai f3i, para todo i, de
= = · =
onde segue a unicidade requerida.

(b) ==? (a). Assuma agora que cada elemento de V se escreve de
maneira única como combinação linear de elementos de B. Em par
ticular, B gera V. Para mostrarmos que B é uma base, falta veri
ficar que B é Li.. Sejam vi,'· · , Vn E B e Ài,· · · , Àn E lK tais que
·
n n
I: Àivi = O. Como O I: Ovi, segue pela condição de unicidade
=
i=l i=l
dada no item (b) que Ài O para cada i 1, · , n. Portanto, B é
= = · ·
uma base. D
2.3.13 COORDENADAS
A proposição acima traz consigo algumas conseqüências bem

interessantes. Seja V um espaço vetorial de dimensão n � 1 sobre
lK e seja B = {v1, · · · , vn} uma base de V. Vamos fixar a ordem dos

elementos de B e por isso costumamos chamá-la de base ordenada de
V. A proposição acima afirma que dado v E V, existem univoca-
n
mente determinados a1, · · · ,an E OC tais quev = L av
i i. Devido a
i=l
esta unicidade, é comum descrevermos o elementovpor meio destes
valores a�s, isto é, escrevemos [v]B = (a1, ,an)B e dizemos que · · ·
a1, · · · ,an são as coordenadas de v com relação à base {ordenada}

B. É claro que tais coordenadas dependem da base B escolhida e da
ordem de seus elementos, por isso é sempre importante deixar claro
na notação qual base estamos considerando.
2
EXEMPLOS (a) Considere V = e como C-espaço vetorial e seja
V= (i,2+ i) E C2. Considere a base B = {(1,i),(i,O)} (verifique
que é de fato uma C-base). Então as coordenadas devem B serão:
[v] B =(ai,a2)B, onde a1,a2 E C satisfazem:
e portanto
Segue então que a1=1-2i e a2 = 3+i. Logo, [v]B =(1- 2i,3+i)5.

2
(b) Considere agora C como IR-espaço vetorial e seja
C = {(1,1),(i,0),(1,i),(0,1)} uma JR-base de C2. As coordenadas
de v = (i, 2 + i) na base C serão dadas por [v]c = (a1,a2,a3,a4)c
onde a1,a2,a3,a4 E IR satisfazem:
(i, 2+ i) =a1(1,1)+ a2(i,O)+ a3(l,i)+ a4(0,1)
Logo
Como a1,a2,a3,a4 E lR, concluímos que a1 + a3 = O, a2 = 1 e

a1+ a4 = 2 e a3 = 1. Portanto a1 -a3 =-1, a2 =1 e a4 =3 . =
Logo [v]c =(-1,1,1,3 )c
ÜBSERVAÇÃO
Considere V =OC n como espaço vetorial sobre OC . Os elementos

n
de OC são n-uplas (ai, ,an) com os ai's em OC Levando-se
· · · .
58 •
n
em conta as operações usuais em lK , teremos que
(ai,···,an) = a1(l,O,···,O) + ···+ an(O,···,O,1),
isto é, ai,··· ,an são as coordenadas de (ai,···,an) com relação

à base (canônica) Can = { (1,O,···,O),···,(O,···,O,1)} de
n A rigor, deveríamos escrever
lK no sentido dado acima.
(ai,···,an)Can em vez de simplesmente (ai,··· ,an) ·
2.3.14 EXERCÍCIOS
(1) Seja B = {(i, 1- i,2),(2, 1,-i), (5- 2i,4,-1- i)} um subcon

junto de e 3.
(a) B é um conjunto l.i.?
(b) Decida se (3 + i,4,2) pertence ao subespaço gerado por B.
(Considere C 3 como espaço vetorial sobre C e sobre IR).
(2) Seja V um espaço de dimensão n;::: 1. Mostre que:
(a) todo conjunto de vetores com mais do que n elementos é

linearmente dependente.
(b) nenhum conjunto com menos do que n elementos pode
gerar V.
(3) Seja V um espaço vetorial sobre lK de dimensão não necessa

riamente finita e seja B um conjunto 1.i. em V. Mostre que se
existir um elemento v E V que não seja combinação linear de
elementos de B, então B' = BU {v} é l.i..
(4) Prove a Proposição 2.3.12 sem a hipótese de que a dimensão

de V seja finita.
{
(5) Mostre que o conjunto S das soluções do sistema linear ho
mogêneo:
5x + y + 2z - 3w O =
6x + y- 3z + 2w O =
3x + y + 12z - 13w O =
é um IR-espaço vetorial e exiba uma base de S.

(6) Seja V= P3(IR ).
(a) Mostre que B = {1, 2 + x, 3x - x2, x - x3} é base de V.

(b) Escreva as coordenadas de p(x) = 1 + x + x2 + x3 com
relação à base B.
2.4 SUBESPAÇOS
2.4.1 DEFINIÇÃO. Seja V um espaço vetorial sobre um corpo lK.

Um subconjunto W de V é um subespaço vetorial de V se a restrição
das operações de Va W torna esse conjunto um IK-espaço vetorial.
2.4.2 EXEMPLOS
(a) O subconjunto de um espaço vetorial V formado apenas pelo

elemento nulo é um subespaço vetorial de V. O próprio V como
subconjunto de V é também um subespaço vetorial. Estes dois
subespaços são chamados de triviais.
(b) Considere C como espaço vetorial sobre Q. Então Q Ç IR Ç C

é uma cadeia de subespaços de C. Observe que se considerar
mos C como espaço vetorial sobre IR , então Q não é subespaço
vetorial de e (pois a multiplicação de um elemento real por um
elemento de Q nem sempre é racional). Generalize esta obser
vação.
(c) Usando a notação dada em (2.1.4) segue que C([a,b],C) é um

subespaço vetorial de F([a, b], C).
(d) Seja V o subconjunto de IR 4 formado pelos vetores que são ·
combinações lineares dos elementos { ( 1, O, - 2, 3), ( 1, 1, 1, 1)}.
Então V é um subespaço de IR 4.
(e) Seja V um espaço vetorial sobre um corpo lK e seja v E V. O

conjunto lK v := { av : a E lK} é um subespaço vetorial de V.
2.4.3 O resultado seguinte é bastante útil para decidir se um dado

subconjunto de um espaço vetorial é ou não um subespaço vetorial.
PROPOSIÇÃO. Sejam V um espaço vetorial sobre lK e W Ç V um

subconjunto. Então W é um subespaço de V se e somente se satisfaz
as seguintes propriedades:
{a) O E W;
{b) se vi,v2 E W então v1 + v2 E W; e
{e} se,\ E lK ev E W então,\· v E W.
DEMONSTRAÇÃO. Deixada a cargo do leitor. D
Seja V um espaço vetorial não nulo sobre lK.
(a) Se W Ç V é um subespaço próprio de V com dimensão

finita, então dimK W < dimK V . De fato, se W = {O},
não há nada a mostrar. Considere então W =f. {O} e se
ja B = {wi, · · · , wn} uma base de W. Em particular,
B é um conjunto linearmente independente de V. Co
mo W =f. V , então existe v E V, v (j. W, o que impli
ca que v não é gerado pelos elementos de B. V imos em
(2.3.9) que {w1, · · · ,Wn,v} é linearmente independente.
Logo dimK W < dim'JK. V, como queríamos.
(b) Se W1 e W2 são dois subespaços de V então também serão

subespaços de V os conjuntos
Deixamos ao leitor a demonstração deste fato (use a Pro

posição 2.4.3). Em geral, W1 U W2 não é um subespaço
.vetorial de
.
V.
2.4.5 PROPOSIÇÃO. Sejam V um espaço vetorial e W1 e W2 dois

subespaços vetoriais de V, ambos de dimensão finita. Então
DEMONSTRAÇÃO. Vamos supor inicialmente que W1 n W2 =f. {O}

e seja B = {wi, · · · ,wn} uma base de W1 n W2. Como W1 n W2 é
subespaço vetorial tanto de W1 como de W2, podemos estender B a

bases de W1 e de W2, por (2.3.10).
Sejam então B' {w1,··· ,wn,v1,··· , vr } uma base de W1 e
B" = {wi,··· ,Wn,u 1, · · · , U8} uma base de W2, ambas contendo o
=
conjunto B. O resultado estará provado se mostrarmos que o conjun

to e {Wi,... ' Wn' V1' ... ' Vr, U1 ... ' Us} é uma base de W1 + W2.
=
Vamos mostrar em primeiro lugar que C gera W1 + W2. Para tanto,

seja v E W1 + W2. Então v = x1 + x2, com x1 E W1 e x2 E ·w2.
n r n
Usando as bases B' e B" temos que
x1 = L ÀiWi + L 'YjVj e x2 = L aiwi + L f31u1

s
i=l j=l i=l l=l

com Ài 's, 'Yj 's, ai 's e !31 's em lK. Daí
v = x1 + x2 = Cti ÀiWi +
jtl
'YjVj
) Cti+ �iWi + ti f31u1 ) =
n r
1
I:: (Ài + ai)wi + I:: 'YjVj + I:: f31u1
s
i=l j=l l=l

=
e, portanto, C gera W1 + W2.
n r
Para mostrar que C é linearmente independente, considere a soma
L QiWi + L {3jVj + L 'Y!Ul = o

s
i=l j=l l=l

(I)
onde os a�s, os f3js e os 'Y{s estão em lK. Assim,

n r
L L(-ai)wi L(-{3j) vj E
s
1 =1 i=l j=l
'Y1u1 = + W1 n W2
pois é, ao mesmo tempo, combinação linear de elementos de B' e de

elementos de B". Portanto, existem À1, · , Àn E][{ tais que
n n
· ·
À
L 'Y1u1 = L iwi , L 1 1 + �)-Ài)wi =O.
s s
l=l i=l l=l i=l

isto é, 'Y U
Como {u1, · · · , u8, w1, · · · , Wn } é linearmente independente, teremos

= =
que 'Yl O, V l 1, · · , s e À; =O, Vi= 1, · · , n. Em particular, a
· ·
n
equação (I) acima se reduz a
r
L Q;Wi + L {3jVj = o.
i=l j=l
Usando o fato de que { w1, ·· , wn,Vi,··· ,vr } é Li., teremos

·
que =O, Vi = 1, · · · , n, e que [Ji =O, V j 1, · ·· , r. Concluímos

ai =
daí que { W1, · , Wn, vi, · · · ,Vr, u1, · · · , U8} é linearmente indepen
· ·
dente e, portanto, uma base de W1 + W2.
No caso em que W1 n W2 = {O}, sejam B1 e B2 bases de

W1 W2, respectivamente. De maneira análoga à acima, mostra-se
e
que B1 U B2 é uma base de W1 + W2 ( deixamos ao leitor completar
os detalhes desta última parte) . Com isto, a demonstração estará
completa. D
2.4.6 Ü ESPAÇO SOLUÇÃO DE EQUAÇÕES DIFERENCIAIS
Considere o conjunto S das funções de F(IR, IR) que são soluções

da equação diferencial linear homogênea de ordem n com coeficientes
constantes
onde a0, a1, · · · , ª -l E IR. Estamos interessados em mostrar que

n
S é um subespaço de V. Observamos inicialmente que y E S se e
somente se y tem derivada até ordem n e, para qualquer t E IR , vale
a relação
Vamos agora mostrar que Sé um subespaço de V. A função

identicamente nula, isto é, a função y(t) =O, V t E IR, pertence a S
pois y(n)(t) =O, V t E IR e V n E N.
Se consideramos y, z E S então
l
(y + z)(n)(t)+a - 1(y+z)(n- )(t)+···+ai (y+z)'(t)+ao(Y+z)(t)
n =
-l
(y(n)(t) + ª -lY(n )(t) + · · · + a1y'(t) + aoy(t))+
n
=
+(z(n)(t) + ª -lZ(n-l)(t) + · · + a1z'(t) + aoz(t)) =O

n
·
para todo t E IR e assim y + z E S.

Se consideramos y E S e À E IR , então
= À Y(n) (t)
[ +a -IY(n-I) (t) + + a1y'(t) + aoy(t) ] À O= O
n
· · · = ·
para todo t E IR e, portanto, Ày também é solução. Assim, por

(2.4.3), Sé um subespaço de F(IR, IR).
Dada a equação diferencial linear homogênea (1), observamos
que a função y( t) = ét, com k E IR, é uma solução de (1) se e somente
se k for uma raiz real da equação
(II)
De fato, vamos supor que y(t) = ét é uma solução da equação

(1). (Note que isto é possível, uma vez que a função exponencial
tem derivada de todas as ordens). Como y'(t) kekt, y"(t)=
k2ét, · · · , y(n) (t) = knét, substituindo em (1) vamos ter que
isto é,
Como a função y(t) = ét -1 O, \:/ t E IR, segue que
Portanto, y(t) = ekt é solução de (1) {'}

k é uma raiz real de (II).
A equação (II) é denominada equação característica associada
à equação (!).
ÜBSERVAÇÃO
Deixamos ao leitor mostrar que se ki, k2, · · · , kn são números

reais dois a dois distintos, então { e k t, i · · · , ént} é um subcon
junto Li. de F(IR, IR).
O nosso interesse não é ensinar métodos para achar soluções

de equações diferenciais, mas sim olhar um pouco a estrutura do
conjunto das soluções da equação (1). Vamos a seguir mostrar que
o subespaço S formado por todas as soluções de (1) tem dimensão
n. Para tanto, precisamos nos valer do seguinte teorema, cuja de
monstração foge dos nossos objetivos.
64 •
TEOREMA. (Existência e Unicidade de soluções -T.E.U.) Considere

a equação
onde ao, ai,·· , ªn-1 E IIL Dados Ao, Ai,· ·· , An-2, An-1 E IR,
·
existe uma única solução y.: IR ----t IR da equação (I) verificando

y(O) =Ao, y'(O) =Al, y"(O) =A2, ·· · , yCn-i)(O) =An 1
-
·
Chamamos as condições y(k)(O) = Ak, k = O,··· , n - 1, de
condições iniciais da equação (!). A unicidade garante-nos que se

duas soluções verificam as mesmas condições iniciais então elas são
iguais.
Vamos construir n soluções que formarão uma base do subes
paço das soluções de (1).
Considerando as condições iniciais Ao 1, A = A2 =··· =
l =
An-l =O e aplicando o T.E.U., existe Y1 IR IR, a única solução de : ----t

n l
(1) que verifica as condições Y1(O) = 1, Yi (O) =··· =Yi - )(O) =O.
Também considerando Ao = O, Al = 1, A2 = A3 = · = · ·
An-l =O e aplicando o T.E.U., existe Y2 IR IR, a única solução : ----t

n
de (1) que verifica Y2(0) =O, y�(O) = 1, y�(O) =·· · =y� -l)(O) =O.
Se dermos continuidade a este processo a cada n-upla de con
dições iniciais dadas, sendo n - 1 zeros e o número 1 na i-esima con
dição , e aplicando o T.E.U., existeYi+l IR IR, a única solução de: ----t
(1) que verifica as condições Yi+l(O) = Y�+1(O) = · y}�-; )(O)

1 · · = =
O, Yi21(O) = 1, Yi�"il)(O) = O = ·· · = Yi��l)(O) = O. Construímos

assim um conjunto 1.i. com elementos {y1, · · · , Yn} Ç S (verifique
n
que de fato é 1.i.). Afirmamos que tal conjunto gera S. De fato, para
cada y E S vamos mostrar que y é combinação linear das funções
Y1,··· , Yn· Considere os n números y(O), y'(O), ··· , y(n-l)(O) E IR e

uma solução x de (1) dada por
n
x(t) = y(O)y1(t) + · ·· + yC -l)(O)yn(t), V t E IR,
isto é, x(t) é a combinação linear de y1,· · · , Yn com coeficientes
y(O),··· , yCn-l)(O). Agora,
-l
x(O) =y(O)y1(O)+···+ yCn )(O)yn(O) = y(O)
já que Yi(O) =O, para j = 2, ·

·
· ,n e Y1(0) = 1 e
x'(O) = y(O)y� (O)+ y'(O)y� (t ) + · · · + y(n-l)(O)y�(O) = y'(O)
já que y�(O) 1 e yj(O)= O para = j = 1, 3, · · · , n. Sucessivamente,

chega-se a x(l) (O) y(l) (O) para l = = 1, · · · , n - 1. Logo x e y são
soluções e verificam as mesmas condições iniciais. Segue novamente
pelo T . E U.
. que elas coincidem e, conseqüentemente, y é combinação
linear de yi, · · · , Yn· Acabamos de mostrar o seguinte resultado.
PROPOSIÇÃO. O espaço vetorial formado pelas soluções de uma

equação diferencial linear homogênea de ordem n com coeficientes
constantes tem dimensão n.
EXEMPLO
Vamos determinar uma base para o subespaço das soluções
y"' - 4y" - 37y' + 40y = o.
Consideremos primeiramente a equação característica associa

da a (*) , isto é, k3 - 4k2 - 37k + 40 = O. Não é difícil ver
que as raízes desta equação são 1, -5 e 8. Assim et, e-5t e

e8t são soluções da equação (* ) e o conjunto { et, e-5t, e8t} é
linearmente independente fornecendo, conseqüentemente, uma
base para o espaço das soluções de (* ) .
ÜBSERVAÇÃO
Suponhamos que a equação característica as.saciada a uma equa

ção diferencial linear homogênea a coeficientes constantes seja
p(x) = (x-k1r1(x-k2)n2 • • • (x-krrr onde ni � 1 para todo
i 1, r e ki i- kj, se i i- j. Deixamos ao leitor verificar
,
= · · ·
que
é um conjunto l.i. no espaço das soluções da equação dada. Na

realidade, como este conjunto possui n elementos, seguirá da
proposição acima que B é de fato uma base deste espaço.
2.4. 7 EXERCÍCIOS
(1) Verifique se S é um subespaço vetorial do espaço vetorial V

sobre o corpo ][{ em questão nos seguintes casos:
1 2
(a) V= C(IR,IR) e S = {! E C(IR,IR): f0 f(x) dx =O};
][{=IR.
(b) V = IRn e S = {(ai,a2, ...,an) E IRn: a1.a2 =O};
][{=IR.
(c) V= F(IR,IR) e S = {!E V; f(O) /(1)}, ][{=IR.
{( ) }
=
a ª 12
(d) S = u EV:aij=aji, i,j=l,2 ;
a21 a22
V=M2(C), ][{ C. =
(2) Sejam W1 e W2 subespaços de um ][{-espaço vetorial V.
(a) Dê um exemplo mostrando que W1 U W2 pode não ser

subespaço de V.
(b) Prove que W1 U W2 é um subespaço de V se e somente se

W1 Ç W2 ou W2 Ç W1.
(3) Sejam V=Mn(C) e W={A E V: trA=O}. Prove que W é

um subespaço de V e ache uma base e a dimensão W.
(4) Seja U um subespaço vetorial de um espaço vetorial V finita

mente gerado sobre ][{. Mostre que se dimK U = dimK 'V,
então U=V.
(5) Sejam W1 e W2 subespaços de um espaço vetorial V sobre ][{

tais que W1 n W2= {O}.
(a) Mostre que se B1 e B2 são conjuntos Li. em W1 e W2,

respectivamente, então B1 U B2 é Li. em V.
(b) Mostre que se B1 e B2 são bases de W1 e W2 , respectiva

mente, então B1 U B2 é uma base de W1 + W2.
(6) Seja W= {( ª11 ª12

a21 a22
) EM2(C) :au+a12=0 . }
(a) Mostre que Wé um espaço vetorial sobre IR.
(b) Determine uma base de W.

(c) Seja W1 = {(aij)i,j E M2(C): a21 = -
a1 2} . Prove que
W1 é um subespaço de V sobre lR e ache uma base de W1.
(7) Sejam V um IK-espaço vetorial e SÇ V um subconjunto não

vazio de V. Mostre que Sé um subespaço de V se e somente
se S+SÇ Se >.SÇ Spara cada >. E lK .
(8) Considere a equação diferencial y"'(t) - 3y'(t) - 2y(t) =O. (I)
(a) Mostre que a função g(t) = t e-t é uma solução de (I).

(b) Determine uma base para o espaço de soluções de (I).
(c) Encontre a solução y(t) de (I) que verifica
y(O) = 3, y'(O) = 2 e y"(O) = 11.
(9) Seja y"'(t) +ay"(t) +by'(t) +cy(t) =O uma equação diferencial

homogênea tal que a sua equação característica tenha uma raiz
dupla k1 E lR e uma raiz simples k2 E lR, k1 =/. k2.
(a) Mostre que y(t) = té1t é uma solução da equação dife

rencial dada.
(b) Mostre que {té1t, é1t, é2t} é uma base para o subes
paço das soluções da equação dada.
2.5 MÉTODOS PRÁTICOS PARA COMPLETAMEN

TO DE BASE
2.5.1 Seja V um IK-espaço vetorial de dimensão igual a n ::'.". 1. Em

(2.3.10) vimos que todo conjunto Li. em V pode ser completado a
uma base. Nesta seção descreveremos um método prático para tal
completamento, mas deixaremos os detalhes técnicos para serem de
monstrados pelo leitor.
Vamos inicialmente fixar uma base ordenada B = {v1, · · · , Vn}
de V e seja e = {Wi, ... , Wk } um conjunto finito de vetores de V,
não necessariamente Li.. Cada wi pode ser expresso em termos de
suas coordenadas em relação à base B, isto é, para cada i = 1, · · · , k,
n
Wi = L O".ijVj ou Wi = (ai1, O".i2, · · · , O".in)B·

j=l
Considere a matriz. A E M kxn(OC) cujas linhas são formadas pelas

coordenadas dos wi 's, isto é,
Seja agora M = (f3ij )i,j a matriz k x n obtida da matriz A
por escalonamento. Observe que os vetores u1 ((311,

= · · · , f31n), · · · ,
uk = (f3k1, · · · , f3kn) são combinações lineares dos vetores wi, · · · , Wk
pois cada linha de M foi conseguida a partir de operações elementares
nas linhas de A. Deixamos ao leitor a verificação de que os subespaços
vetoriais de V gerados por { w1,... , wk} e por { u1,... , Uk} são os
mesmos.
No processo de escalonamento, alguns dos vetores do conjunto'
{ u1, · · · , Uk} podem ser os vetores nulos. Vamos supor, reordenando
tais vetores se necessário, que u1, · · · , ui ( l S k) são não nulos. Por
·
construção, cada um destes vetores u1, · ·, ui tem uma posição onde
·
aparece o valor 1 e todos os outros têm o valor O nesta posição. Mais

especificamente, existem 1 S i 1 < i2 < · · · < i1 S n (os pivôs) tais
que para cada j, f3i3j =/:- O e f3sj O, se s < Íj. Não é difícil ver então
=
que os vetores u1, , ui são linearmente independentes. Observe que

· · ·
então { u1, , ui} será uma base do subespaço W

· · · [w1, , wk]. = · · ·
Vamos supor agora que o conjunto inicial { wi, , wk} seja Li. · · ·
e que k < n. Assim, a matriz M terá k linhas não nulas (com k pivôs)
e n -k colunas sem pivô. Seja agora a matriz M E M n(OC) onde as
primeiras k linhas são as linhas de M e as ( n k) linhas restantes são -
definidas da seguinte maneira. Para cada coluna j dentre as n k -
que não tem pivô, coloque uma linha com o valor 1 na coluna j e O
nas demais colunas.
Desta maneira, a matriz M será uma matriz quadrada
n x n sem linhas nulas. Por construção, os vetores cujas coordenadas
(dadas em relação à base B) são as dadas pelas linhas da matriz M

formarão um conjunto Li. de V e, portanto, uma base de V. É
comum reordenarmos as linhas da matriz M para que ela se torne
escalonada.
Por fim, observe que o vetor correspondente à linha de M
que tem um valor não nulo em uma posição j e O nas demais é

exatamente Vj (lembre-se que os valores das linhas da matriz A são
as coordenadas em relação à base B). Se ji,··· ,Jn-k indicarem as
(n - k) colunas da matriz M que não tem pivô, então a base de V
que queríamos será {w1,··· ,wk,Vjp··· ,vín-k}. A seguir, exempli
ficaremos este procedimento.
2.5.2 EXEMPLOS
(a) Seja V= P4(1R) . Vamos determinar uma base de V contendo

os polinômios
P1 (x) = 1+2x - x2+3x3+2x4,

P2 (x ) = 2+4x+x2+6x3 + 3x4 e
p (x) = 1+2x+ 2x2+3x3+2x4.
3
Considere B = {1,x,x2,x3,x4} a base canônica de P4(1R). Va
mos construir uma matriz A cujas linhas são formadas pelas
coordenadas dos polinômios acima com relação à base ordena
( � � -� � � )
da B, isto é,
A= .
1 2 2 3 2
(
Efetuando escalonamento obtemos a matriz
-n
1 2 -1 3
M= O O 3 O
o o o o
{pi,p ,p } é Li.
Isto significa em particular que
2 3
Observamos que não temos pivôs nas 2!! e 4!! colunas. Para
obter uma base de P (IR) contendo P1, P2, p devemos acrescen
4 3
tar linhas na matriz M de forma a obter uma matriz quadrada
5 x 5 na forma escalonada
1 2 -1 3 2
o o 3 o -1
M= o 1 o o o
o o o 1 o
o o o o 1
70 •
3
Assim, B' = {pi,p2,p3,x,x } forma uma base de P4(JR) con
tendo pi, P2 e p3.
(b) Considere V= M 3 x 2 (lR ). Vamos verificar se o conjunto for
( ) ( ) ( )
mados pelas matrizes
1 o o -1 1 -2
A2 = � : e A3 = ! � · 1
-� �
é Li. ou l.d. por meio do processo de escalonamento de ma
trizes. Seja
a base canônica de M 3 2(JR ). Vamos construir uma matriz

x
A cujas linhas são formadas pelas coordenadas das matrizes
( )
A1, A2 e A3 com relação à base ordenada B',
1 o -1 3 3 2
A= O -1 2 4 3 2
1 -2 3 11 9 6
(= )
Efetuando o processo de escalonamento obtemos a matriz
1 o -1 3 3 2
M O 1 -2 - 4 · -3 -2
o o o o o o
O fato da terceira linha de M ser nula significa que ela se

escreve como combinação linear das demais linhas. Portanto,
temos que o conjunto formado por A1, A2 e A3 é l.d.
2.5.3 EXERCÍCIOS
(1) Utilizando as notações de (2.5.1), mostre que

(a) As linhas da matriz M são combinações lineares das linhas

da matriz A.
(b) Os conjuntos {u1, · · · ,uz} e {w1, · · · ,wk} geram o mesmo

subespaço de V.
( 2) Encontre uma base do IR 4 que contenha os vetores (1,2,-2,1) e

(1,0,-2,2).
(3) Considere o subespaço vetorial W de P4(R) gerado pelo con

junto
2
A= {1 + 2x + x + 3x3 + x4, 1 - 2x - 2x2 - 2x3 - 3x4,
2
2 - x + x3 - 2x4, x - x3 + x4, 3x2 + 6x3 + 3x4}.
Determine uma base B de W que esteja contida em A.
2.6 SOMAS DIRETAS
2.6.1 Seja V um espaço vetorial sobre llC Às vezes, é conveniente se

escrever os seus elementos como soma de elementos de dois (ou mais)
subespaços. Discutiremos algumas destas situações nos próximos
capítulos. Assim como se procedeu na discussão das bases, gostaría
mos de ter a unicidade na soma acima mencionada.
DEFINIÇÃO. Sejam W1 e W2 dois subespaços vetoriais de um espaço

vetorial V. Diremos que a soma W1 + W2 é direta se W1 n W2 {O} =
e, neste caso, escrevemos W1 EB W2.
2.6. 2 EXEMPLOS
(a) Sejam W1 e W2 dois subespaços de C4 com bases {(1, 2,0,i),

(i,0,0,1)} e {(0,0,3,1)}, respectivamente. A soma de W1 e
W2 é direta pois W1 n W2 = {O}. De fato, se (zi, z2, Z3, Z4)
pertence a W1 n W2, então
(zi, z2, Z3, z4) = a(l, 2,O, í) + b(i, O, O, 1) = c(O, O, 3,1)
com a,b, e E C. Não é difícil ver então que a = b = e = O e,

portanto, (zi, z2, z3, Z4) = (O, O, O, O) como queríamos.
72 •
Um Curso de Álgebm Linear
( b) Vimos em 2.2.7(c) que o conjunto { senx,cosx} é linearmente

independente em C([O,2rr],IR;). Não é difícil concluir que a soma
IR; senx + IR; cosx é então direta.
2.6.3 DEFINIÇÃO. Seja V um espaço vetorial sobre um corpo lK e

sejam W1, W2 dois subespaços de V. Dizemos que V é a soma direta
de W1 e W2 se V = W1 EB W2.
2.6.4 EXEMPLO
2
Observe que IR; = IR; (1,O)EBJR;(1,1). É claro que se (a,b) E IR; 2,
então podemos escrever (a,b) = (a-b)(l,O)+b(l,1). Por outro
lado, JR;(l ,O)nJR;(l,1)={O}, pois se (a,b) E JR;(l,O)nJR;(l,1),
então (a,b) = c(l,O) =d(l, 1), o que implica que c =d= O.
2.6.5 Os próximos resultados serão muito importantes em nossas con

siderações futuras.
PROPOSIÇÃO. Sejam V um IK-espaço vetorial e W1, W2 dois subes

paços de V. Então, V = W1 EB W2 se e só se cada elemento v E V
se escreve de maneira única como uma soma x1 + x2 com Xi E J-Vi,
i = 1,2.
DEMONSTRAÇÃO. ( ::::} ) Vamos supor que V = W1 EEl W2. Segue

então que cada elemento v E V se escreve como soma de um elemento
de W1 e um elemento de W2. Suponha agora que v = x1+ x2=Y1+Y2 '
com xi, Y1 E W1 e x2, Y2 E W2. Daí segue que x1 - Y1=-x2 + Y2 E
W1nW2, pois x1-Y1 E W1 e -x2+Y2 E W2. Como W1nW2 ={O},

teremos x1 =Y1 e x2 Y2 como queríamos.
=
( Ç: ) Como cada elemento se escreve como soma de elementos de W1

e W2, então V = W1 + W2. Suponha agora ,que W1 n W2 tenha um
elemento não nulo w. Observe então que w pode ser escrito como
w = O + w se considerarmos O E W1 e w E W2 e também como
w = w +O se considerarmos w E W1 e O E W2, o que contradiz a
nossa hipótese de unicidade. Logo W1 n W2 ={O} e o resultado está
��o. O
2.6.6 PROPOSIÇÃO. Sejam V um espaço vetorial finitamente gerado

não nulo e W1 um subespaço de V. Então existe um subespaço W2
de V tal que V =W1 EB W2.

DEMONSTRAÇÃO. W1 =V, não há nada a fazer, pois bastaria
Se
escolher W2 =O. Suponha W1 =IV. Seja {v1, ··· , vm} uma base
de W1 e estenda-a a uma base {v1, ··· , vm, Vm+1 ··· , vn} de V. O
subespaço vetorial W2 gerado pelos vetores {Vm+i, . . . ' Vn} satisfaz
as propriedades desejadas. De fato, é claro que V = W1 + W2 pois
o conjunto {vi, · , Vm, · · , vn} é um conjunto gerador de V. Por
· · ·
outro lado, como {v1, ·· , Vm, ··· , Vn} é linearmente independente,

·
segue que W1 n W2 ={O} como queríamos. D
O subespaço W2 como no teorema acima é chamado de com

plemento de W1 em V. O complemento de um subespaço vetorial
nem sempre é único. Incentivamos o leitor a exibir um exemplo
mostrando este fato.
2.6. 7 Discutimos acima a soma direta de dois subespaços. Isso pode

ser generalizado para a soma direta de vários subespaços da seguinte
maneira. Seja V um JK-espa.Ço vetorial. Para subespaços W1, · , Wt · ·
de V, definimos
W1 + ... + Wt= {v1 + · · + vt : vi E wi, i =1, · · , t }.

· ·
Wi n (W1 + · ·· Wi-1 + Wi+i + · · + Wt) ={O}, para cada

Se ·
i = 1, , t, então a soma W1 + · · + Wt é chamada de soma direta

· · · ·
de Wi, ·· , Wt e será indicada por W1 EB · · · EB Wt. Também diremos

·
que o espaço V é a soma direta dos subespaços W1, · , Wt se · ·
V =W1 EB ··· EB Wt.
2.6.8 EXERCÍCIOS
(1) Sejam V=F(IR,IR), W1 ={!E V: f(x) f(-x), V x E IR} =
W2 ={!E V: f(-:-x) = -f(x), V x E IR}. Prove que W1 e

e
W2 são subespaços de V e que V= W1 EB W2.
2
(2) Seja W = { (z,z) : z E C} Ç C . Mostre que W é um subes
2
paço de e e encontre subespaços W' e W" de e tais que
2
W' EB W = W" EB W =C e W' n W" ={O}.
(3) Mostre que todo espaço vetorial finitamente gerado sobre lK é
uma soma direta de subespaços vetoriais de dimensão 1.
t
(4) Mostre que se V=W1 EB · · · EB Wt, então dimnc. V = 2: dimnc. Wi.
i=l
(5) Seja V= W1 EB EB Wt e sejam l3i Ç Wi,
· · · para cada i = 1, · · · , t.
Considere 13 = 131 U U l3t. · · ·
(a) Mostre que se l3i for Li. para cada i = 1, · · · , t, então

13 é Li.
(b) Mostre que se l3i for uma base de Wi para cada

i = 1, · · · , t, então 13 é uma base de V.
(6) Generalizar a Proposição 2.6.5 para somas diretas com t so

mandos, t ;:::: 2.
2.7 ESPAÇOS QUOCIENTES
2.7.1 Sejam V um espaço vetorial sobre lK e W um subespaço de V.

Vamos, nesta seção, construir um espaço vetorial chamado de espaço
quociente de V por W e que será denotado por V/W. Em primeiro
lugar, vamos definir uma relação de equivalência ,...., nos elementos do
espaço V.
Dados V1, V2 EV, dizemos que V1 rv V2 se V1 - V2 E w. Não é
difícil ver que ,...., assim definida é uma relação de equivalência em V,

isto é, satisfaz as propriedades:
• V rv V para cada V EV (propriedade reflexiva).
• Se u rv V para u, V E V, então V rv u (propriedade simétrica).
• Se u rv V e V rv w para u, V' w E V' então u rv w (propriedade

transitiva).
Deixamos ao leitor a verificação destas propriedades.

Para um vetor v E V, indicamos por va sua classe de equi
valência, isto é,
v={uEV : urvv}.
Deixamos ao leitor verificar que, de fato, vale a seguinte igual-

dade
v=v+W:={v+w : wE W}.
Seja V/W = {v: v E V}. Vamos mostrar que V/W tem uma
estrutura bastante natural de espaço vetorial sobre ][{ . Para tanto,
vamos definir as seguintes operações:
• .Xv �f .Xv, para v E V/W e À E lK.
Deixamos a cargo do leitor verificar que estas operações estão

bem definidas (isto .é, que não dependem dos represent�ntes esco
lhidos) e que as 8 propriedades definidas de espaços vetoriais estão
satisfeitas.
O vetor nulo de V/W é Õ = W, isto é, v = Õ {:} v E W.
Sejam V um espaço vetorial e W um subespaço de V.
(a) Se W =V, então V/W = {Õ}.

(b) Se W = {O}, então existe uma bijeção entre os elementos
de V/W e de V. Na terminologia a ser introduzida no
Capítulo 3, existe um isomorfismo entre V e V/W neste
caso.
2.7.3 EXEMPLO
2 2
Sejam V= IR eW = [(1, 1)] Ç C . Queremos achar uma base
para o espaço quociente
V/W = {V + w : V E V}
2
Vamos considerar agora uma base de IR que contenha o ve
tor (1,1), por exemplo B = {(1,1),(1,O)}. Vamos mostrar que
{(1,0)} é base de V/W. Para tanto, seja v E V/W e fixemos
um elemento v E v. Como B é uma base de V, existem es
calares ai,a2 E][{ tais que v = a1(l,1) + a2(l,O) e, portanto,
v = a1(1,1) + a2(l,O) = a2(l,O). Assim (1,O) gera V/W.
2.7.4 A construção feita no exemplo acima pode ser generalizada

como nos mostra o próximo resultado.
76 •
PROPOSIÇÃO. Sejam V um espaço vetorial de dimensão finita n :'.'.'. 1
sobre OC. e W um subespaço de V. Então
dimoc V = dimoc W + dimoc V/W.
DEMONSTRAÇÃO. Sejam B' = { v1,· · , vm} · uma base de W e

B= { vi,··· , Vm, Vm+1, , vn} uma base de V
· · · contendo a base B'.
Vamos mostrar que C = {vm+i,· ·· ,vn} forma uma base de V/W.
Para mostrar que C é Li., suponha que Àm+i 'üm+l + · · · + Àn'ün = Õ,
com Àj E OC. e j = m+ 1, · · · ,n. Então Àm+l Vm+l +· ·+ÀnVn E
· W
e aí existem a1,·· , am E OC. tais que
·
Como B é Li., segue que Ài = O e ªi = O, m + 1 Si Sn e 1 S j Sm

e assim e é Li. Seja agora V E V/W. Como V E V, existem ai E ][{,
n
1 Si Sn, tais que v L aivi. Segue então que
=
i=l
e, portanto, v é combinação linear dos vetores Vm+1, · · · , Vn· Logo,

C é base V /W e o resultado está provado. D
2.7.5 EXERCÍCIOS
(1) Dê um exemplo de um espaço vetorial de dimensão infinit� Ve

um subespaço W de V de dimensão infinita tal que V/W tenha'
dimensão finita.
(2) Sejam V= C 2 como IR-espaço vetorial e W = [(i, 1), (-1, O)] Ç

C 2• Encontre uma base para V/W.
2.8 APÊNDICE
2.8.1 O objetivo deste apêndice é o de mostrar a existência de bases

para um espaço vetorial qualquer, estendendo o que foi provado na
Seção 2.3. Especificamente, queremos mostrar o seguinte resultado.
TEOREMA. Seja V um espaço vetorial sobre OC. e seja C um conjunto

l. i. em V. Então existe uma base B de V contendo C.
Para a demonstração deste resultado iremos utilizar o chamado Lema

de Zorn e para tanto precisaremos recordar alguns conceitos.
2.8.2 DEFINIÇÕES. Seja X um conjunto qualquer.
1. Uma relação de ordem parcial sobre X, que denotaremos por
--<, é uma relação que satisfaz:
(a) x --< x para cada x E X (propriedade reflexiva);
(b) x --< y e y--< z, com x,y, z E X, implica x --< z (propriedade

transitiva);
(c) x --< y e y--< x, com x,y E X, implica x = y (propriedade
anti-simétrica).
2. Uma relação de ordem total sobre X é uma relação de ordem
parcial --< sobre X com a propriedade que para quaisquer x,y

em X ou x --< y ou y --< x.
3. Um conjunto parcialmente ordenado é um par (X,--<) consistin
do de um conjunto X e uma ordem parcial sobre o mesmo. De

modo análogo podemos definir um conjunto totalmente orde
nado.
4. Considere (X,--<) um conjunto parcialmente ordenado. Um

elemento xo E X é denominado maximal se xo --< x, para x E X,
implica que x = xo.
5. Seja A Ç X . Um elemento m E X é denominado uma cota
superior para A se x--< m para todo x E A.
2.8.3 EXEMPLOS
(a) Seja A uma coleção qualquer de conjuntos. A inclusão de con

juntos, Ç, é uma relação de ordem parcial sobre A. Não é, de
modo geral, uma ordem total.
(b) A ordem natural do conjunto dos números reais JR., �'é uma
relação de ordem total.
(c) Considere em N a seguinte relação: a---vazio e
subconjuntos de X.
(P(X), Ç) é um conjunto parcial
Então
mente ordenado. Se A é qualquer classe de subconjuntos de X,
então a união de todos os conjuntos A E A é uma cota superior
para A.
2.8.4 Enunciamos a seguir o importante Lema de Zorn. Indicamos o

livro [Hl] para uma discussão mais aprofundada dele.
LEMA DE ZoRN: Seja X um conjunto parcialmente ordenado com a

propriedade que cada subconjunto totalmente ordenado admite uma
cota superior. Então X contém um elemento maximal.
2.8.5 DEMONSTRAÇÃO DO T EOREMA 2.8.1: Sejam V um espaço ve

torial sobre lK e C um subconjunto Li. de V. Considere P a classe
de todos os subconjuntos linear�ente independentes de V que con
tenham C. É claro que P não é vazio, uma vez que o próprio conjunto
C pertence a P. Também P é parcialmente ordenado por inclusão.
Para usarmos o lema de Zorn, precisamos mostrar que todo subcon
junto totalmente ordenado de P tem uma cota superior. Para tanto,
seja V = {Aa}aEA um subconjunto totalmente ordenado de P. O
candidato natural para a cota superior de V é a união A de todos
os conjuntos Aa em V. É preciso mostrar que A é um subconjun
to linearmente independente. De fato, seja e = {V1' V2' ... ' Vn } um
subconjunto finito de A. Então, para cada i = 1, · · · , n, existe ai E 'A

tal que Vi E Aa,. Da ordem total em V temos que, reordenando os
elementos de e se necessário, Aa1 ç ... ç Aan e, portanto, Vi E Aa,.
para cada i = 1, · · · , n. Assim, C é linearmente independente como
um subconjunto finito do conjunto linearmente independente Aa .. .
Como C é qualquer, segue que A é linearmente independente. Logo,
V tem A por uma cota superior. Segue do Lema de Zorn que P tem
um elemento maximal, que chamaremos de B. Afirmamos que B gera
todo o espaço V. De fato, se existisse v E V que não fosse gerado
por B, então B U { v} seria linearmente independente (ver Exercício

2.3.14(2)) o que contraria a maximalidade do conjunto B. Portanto,
B gera V e é de fato uma base para V. D
3
TRANSFORMAÇÕES LINEARES
Neste capítulo vamos estudar funções entre espaços vetoriais

que levam em consideração as operações destes espaços vetoriais,
chamadas de transformações lineares. Veremos que a noção de base
estudada no último capítulo será bastante útil para se descrever tais
transformações. Ao longo deste capítulo, lK denotará um corpo ar
bitrário.
3.1 CONCEITOS BÁSICOS'
3.1.1 DEFINIÇÃO. Sejam U e V espaços vetoriais sobre um corpo

lK. Uma função T: U--+ V é uma transformação linear se
(2) T(>.u) = >.T(u), para todo À E OC e todo u EU.
3.1.2 Os próximos res11ltados são conseqüências diretas da definição

acima.
LEMA. Sejam U e V espaços vetoriais sobre][{. Então uma função

T : U--+ V é uma transformação linear se e somente se
DEMONSTRAÇÃO. Deixada a cargo do leitor. D
3.1.3 LEMA. Sejam U e V espaços vetoriais sobre][{ e T : U--+ V

uma transformação linear. Então
(a) T(Ou) = Ov, onde Ou e Ov denotam os vetores nulos de U e

V, respectivamente.
{b} T(-u)= -T(u), para cada u EU.

m m
(e) T(l: aiui) = 2: ai T(ui), onde ai E ][{ e ui E U

i=l i=l
para i= 1, , m. · · ·
DEMONSTRAÇÃO. (a) De fato, basta observar que
Ov + T(Ou)= T(Ou)= T(Ou +Ou)= T(Ou) + T(Ou)
e, portanto, T(Ou)= Ov.

(b) Basta observar que -u = (-1)u, para cada u E U e,
portanto, T(-u)= T((-l)u) = (-1) T(u)= -T(u).
(c) Para se mostrar esta igualdade, basta usar reiteradamente
as propriedades da definição de transformação linear. Deixamos à
cargo do leitor escrever os detalhes desta demonstração. D
Observe que a igualdade dada no item (c) do lema acima é,

apesar de sua simplicidade, bastante útil pois para se saber o valor
que T assume em um vetor u E U basta sabermos os valores de T
aplicado nos elementos de uma base de U e as coordenadas de u nesta
base.
3.1.4 EXEMPLOS
(a) Sejam U e V dois espaços vetoriais sobre][{. A função nula

T: U--+ V dada por T(u) = O, V u EU, e a função identidade
Id : U --+ U dada por Id(u) = u, V u E U, são obviamente
transformações lineares.
Transformações Lineares • 81
(b) Se a E IR, então Ta : IR -+IR dada por Ta(x)= ax, 'V x E IR, é
uma transformação linear. O gráfico de Ta é uma reta passando
pela origem (O, O) E IR2 e com inclinação a.
(c) Seja
(
T: M2(0C)
a+b
(a,b,c) i--; T(a,b,c)= 0
Deixamos ao leitor a verificação de que T é uma transformação

linear.
(d) Seja P(C) o espaço vetorial dos polinômios sobre C e considere

a função
D: P(C) P(C)
isto é, D é a função derivação restrita aos polinômios: para

p(x) E P(C ), D(p(x)) = p'(x). Se p(x), q(x) E P(C) e À E C,
temos que: (p + q)'(x) p'(x) + q'(x) e (Ãp)'(x) = Ãp'(x).
=
Portanto, Dé uma transformação linear.
(e) Seja C([a,b], IR) o conjunto das funções contínuas f: [a,b] -+IR.
Defina
T: C([a, b],IR) -+ IR
f i--; J: f(x) dx.

Não é difícil ver que T é uma transformação linear.
(f) Sejam a1, · · · , an E ][{ . Defina a transformação T: ][{ n -+ ][{

por
n
T(xi, · · · , Xn)= L lliXi·
i=l
Denote por ei o elemento de ][{ n com 1 na i-ésima coordenada e
O nas demais coordenadas. Com isto, { e1, · · · , en} é uma base
de ocn. Observe que T(ei) ªi· =
Por outro lado, se T: OCn -+ OC é uma transformação linear,

então, por (3.1.3(c)), temos que
n n
T(xi, · ·· , Xn) = T(L Xiei) = L Xi T(ei)·
i=l i=l
Isto nos mostra que a definição de uma transformação linear
n
cujo domínio é OC depende basicamente da definição de T.
nos elementos da base {e i, · · · , en}· Isto pode ser feito mais
geralmente como nos mostra o próximo resultado.
3.1.5 TEOREMA. Sejam U e V dois espaços vetoriais sobre OC. Se

{u1,··· ,un} for uma base de U e se {v1,.. : ,vn} Ç V, então existe
uma única transformação linear T: U-+ V tal que T(ui) =Vi, para
cada i = 1, · · ,n.
·
DEMONSTRAÇÃO. Vamos definir T(u) E V para um dado vetor
u EU. Como {u1,· · · ,un} é uma base de U, então existem únicos

n
Ài, · Àn E OC tais que u
·
· , L ÀiUi· Vamos definir T(u) como =
i=l
n
sendo o vetor T(u) = L Àivi E V. Devido à unicidade dos valores
i=l
Ài, · , Àni
· ·
a função T: U-+ V está bem definida. É evidente que
. T(ui) = Vi parai = 1, · · · ,n. Precisamos mostrar que T é linear.
n n
Para tanto, sejam u = L /3iui e w = L aiui dois vetores de U, onde
i=l i=l
os ai 's e os /3i 's estão em OC e seja >. E OC. Então
n n
T(>.u+w) = T(>.(2:: /3iui) + (2:: aiui))
i=l i=l
n def
n
T(l::(>.f3i+ai)ui) = 2::(>./3i+ai)vi
i=l i=l
n n
>.L /3ivi + L aivi =
i=l i=l
n n
>.T(l:: /3iui) + T(l:: aiui) = >.T(u)+T(w).
i=l i=l
Logo T é linear. Para mostrarmos que T é única, considere
uma transformação linear S: U-+ V tal que S(ui) =vi, para cada
n
i 1, · ,n. Para u
= · · L Àiui E U com os >.i's em OC, teremos
=
i=l
n n
que S(u) = S(l:: Àiui) = L Àivi = T(u) e, portanto, só existe uma
i=l i=l
única transformação linear com as condições requeridas. D
3.1.6 EXERCÍCIOS
(1) Prove que cada uma das transformações abaixo é linear.
(a) F: P2(IR) ___, P2(IR)'"dada por F(p(t))= t2p" (t).

(b) F: M2(IR)-M2(IR) dada porF(X)=MX+X onde
M= ( � �)·
(c) F : M2(IR) ___, M2(IR) dada por F(X) = MX -XM
onde
(d) F: C 3(IR) ___, C(IR) dada por
F(y(t))=y"'(t) -y'(t) +3y(t).
Lembramos que C3(IR) denota o espaço vetorial das funções

que admitem derivadas até terceira ordem.
2
(e) T: P3(IR) ___,IR dada por T(p) = (f�1 p(t)dt, J; p(t)dt).
(f) T:C3-C dada porT(x,y,z)=x+2y+zi.
.
(g) T: P3(IR) ___, P4(IR) dada por (Tp)(x)= x p(x+1).
(h) T: IR2 ___, P2(IR) dada por T(a,b)=ax2 +bx+(a+b)
(2) Consideremos uma transformação linearT: U ___,V, onde U e

V são IK-espaços vetoriais tais que dimK V < dimK U < oo.
(a) Prove que existe um elemento não nulo u E U tal que

T(u)=O.
(b) Se l3 é uma base arbitrária de U, existe sempre um vetor

u E l3 tal que T(u)=O? Prove ou dê um contra-exemplo.
(3) SejaT: P2(IR) ___, P2(IR) a função dada por
T(a,b,c)B=(2c-2b, a+c, a+b+c)c
onde C é a base { 1,X, x

2} e f3 é a base {1,X+x
2, 1+x2}
.
84 •
(a) Verifique que T é uma transformação linear.

2 2
(b) Calcule (T(2 - x )8
] e (T(2-x )c
] .
(c) Existe um vetor u E P2(JR) não nulo tal que T(u) = u?

Justifique sua resposta.
(4) Considere a função T : C --+ M 2(JR) dada por
T(X +iy
. )-
_
. ( X
+
7y 5y ) .
-lOy x-7y
Considerando C como espaço vetorial sobre lR ,
(a) prove que T é uma transformação linear.
(b) prove que T(z1. z2) = T(zi). T(z2), V Zi, Z2 Ee.
(5 ) Mostre que a composta de transformações lineares é linear.
(6) Sejam U um IK-espaço vetorial e T : U ---+ U uma transfor

mação linear tal que To T = T. Seja W = {x EU : T(x) =x}
e V = {x EU : T(x) =O}. Prove que:
(a) U = W EB V ; (b) T(U) = W; e (c) T(V) ={O} .
(7) Mostre que uma função T: lK n. --+ lK é uma transformação

linear se e somente se existirem ai, · · · , an ElK tais que
T(x1, · · · , Xn) = L aiXi.

i=l
(8) Prove o Teorema 3.1.5 sem a hipótese de dimnc U ser finita, isto
é, prove a seguinte afirmação: Séjam U e V espaços vetoriais
sobre lK. Se {ui}iEJ for uma base de U e se { vi}iEJ Ç V ,
então existe uma única transformação linear T : U --+ V tal
que T(ui) =Vi para cada i EJ.
(9) Seja V um IK-espaço vetorial com dimK V � 3. Mostre que

uma função T: V ---+ V é linear se e somente se T restrita a
cada subespaço vetorial de V com dimensão 2 é linear.
3.2 O NÚCLEO E A IMAGEM DE UMA TRANSFOR

MAÇÃO LINEAR
3.2.1 DEFINIÇÕES. Sejam U e V dois espaços vetoriais sobre um

corpo lK e T: U -4 V uma transformação linear.
(a) O conjunto {u E U : T(u) = O} é chamado de núcleo de Te

será denotádo por Nuc T.
(b) O conjunto {v E V : 3 u EU com T(u) = v} é chamado de

imagem de Te será denotado por Im T.
Observe que uma transformação linear T :U -4 V é sobreje

tora se e somente se Jm T = V .
3.2.2 PROPOSIÇÃO . Sejam U e V dois espaços vetoriais sobre lK e

T : U --+ V uma transformação linear. Então
(a) Nuc T é um subespaço vetorial de U e Im T é um subespaço

vetorial de V.
(b} Té injetora se e somente se Nuc T={O}.
DEMONSTRAÇÃO. (a) Deixada a cargo do leitor.

Nuc T {O} pois T(O) =O.
(b) Se T é injetora, então é claro que =
Suponha agora que Nuc T
-
T(u1 ) T(u2). Então O= T(u 1 )
= T(u2)
u1 u2 E Nuc T {O} e daí segue que u1
=
-
{O} e sejam u1 e u2 E U tais que
=
T(u 1 -u2) . Portanto,

u2 Logo, T é uma
=
= ..
tram;formação injetora. D
Dada uma transformação linear T:

U V , a dimensão do -4
subespaço Im T é também chamada de posto de T enquanto a di

mensão do subespaço Nuc T é também chamada de nulidade de T.
3.2.3 EXEMPLO
Considere a seguinte transformação linear
( )·
T: IR. 3 -4
M 2(1R.)
a+b O
(a, b, e) t-t
O c-b
Um elemento (a, b, e) E IR3 pertence ao Nuc T se e somente se

a + b= O e e - b O, isto
= é, se e somente se a = -b e e = b.
Portanto,
Nuc T={(a, b, e) E IR3 : a= -b e e= b}={(-b, b, b) : b E IR}.
Não é difícil ver que {(-1, 1, 1)} é uma base de Nuc Te, por
tanto, dimJR Nuc T= 1. Por outro lado, Im T é formada pelas
matrizes de M 2 (IR) da forma
com a, b, e E IR. Portanto,
B'=
{( � � ) ( '
� �1
) ( � � )}
'
é um conjunto gerador de Im T. É fácil ver que B' não é Li. e
{( � � ) ( )}
que
B=
' � �1
é uma base de Im T. Em particular, dimJR Im T= 2. Observe
que
A seguir, iremos mostrar um resultado que generaliza esta ob

servação. Antes, necessitaremos de um lema.
3.2.4LEMA. Sejam U e V espaços vetoriais sobre lK e T : U --+ V

uma transformação linear. Se B {u1, · · , Un} é uma base de U,
= ·
então {T(u1), , T(un)} gera Im T.

· · ·
DEMONSTRAÇÃO. Considere v E Im T. Por definição, existe um

n
vetor u EU tal que T(u) = v. Escreva u= I: o:iui, com o:i E JK,
i=l
como combinação linear dos elementos da base B e calcule T(u):
n n
v=T(u) = T(L o:iui)= L o:iT(ui)·
i=l i=l
Logo, v é combinação linear de T(u1),··· ,T(un) e, portanto,

{T(u1),· · ·
,T(un)} gera Jm T. D
O lema acima nos diz como conseguir uma base de Im T para
uma transformação linear T: U -t V. Vamos ilustrar isto no próximo

exemplo.
EXEMPLO
Considere C 2 e � 3 como espaços vetoriais sobre � e seja
T: C 2 ----+ � 3 a transformação linear dada por
T(a+ bi, e+ di) =(a - c,b + 2d,a+ b - e+ 2d)
onde a, b, e,d E�. Se considerarmos a base {(1,O),(i, O),(O,1),

(O,i )} de C 2 (sobre � ), teremos, pelo lema acima, que os ve
tores T(l,O) =(1,0,1),T(i,O) =(0,1,1),T(0,1) = (-1,0,-1)

e T(O,i) = (O,2,2) geram Im T. Como T(l,O) = -T(O,1) =
(1,0,1), T(i,O) = 2T(O,i) e T(l,O) não é múltiplo de T(i,O),
segue que {T(l,O),T(i,O)} é uma base de Im T. Observe

também que Nuc T =[(1, 1),(-2i,i)].
3.2.5 TEOREMA. Sejam U e V dois espaços vetoriais sobre ][( com

dimoc U finita e T: U -t V uma transformação linear. Então
dimoc U =dimoc Nuc T+ dimoc Im T.
DEMONSTRAÇÃO. Vamos supor inicialmente que Nuc T =1- {O} e
seja B = {u1,··· ,un} uma base de Nuc T. Observe que Nuc T

tem dimensão finita pois está contido em U. Por (2.3.10), podemos
estender o conjunto B a uma base B' = {u1,··· ,un,v1,··· ,v m}
de U. Para mostrarmos o teorema, basta exibirmos uma base de
Im T com m elementos. Considere os seguintes elementos de V :
T(u1),··· ,T(un),T(v1),··· ,T(vm), e observe que T(ui) = O para
i = 1,··· ,n. Segue do Lema 3.2.4 que B" = {T(v1),-·· ,T(vm)} é

um conjunto gerador de Im T. Vamos mostrar que B" é também
linearmente independente e, portanto, uma base de Im T. Sejam

m
Ài,··· ,Àm E IK tais que L; ÀiT(vi) =O. Mas
i=l
m m
T(L Àivi) =L ÀiT(vi) =O
i=l i=l
88 • Um Curso de Álgebm Linear
m
e, portanto, o vetor I: Àivi pertence ao NucT.
i=l
. m n
Como B é uma base de NucT, temos que I: Àivi= I: 'Yiui
i=l j=l
para certos 'Yl, , 'Yn E lK .
n
· · ·
m
Então I: Àivi + I: (-'Yi)ui = O
e, como B' é linearmente
i=l j=l
independente, teremos em particular que Ài = O para i = 1, , m. · · ·
Portanto, B" é linearmente independente como queríamos.

Assim, dim!K. U = n + m = dim!K. NucT + dimK Im T.
Se Nuc T = {O}, considere uma base B = {u1, , un} · · ·
de U e, de maneira análoga à feita acima, pode-se mostrar que

{T(u1), · • · ,T(un)} é uma base de Im T. D
3.2.6 EXERCÍCIOS
(1) Determine as dimensões do núcleo e da imagem de cada trans

formação linear do Exemplo 3.1.4 e do Exercício 3.1.6(1). Nos
casos possíveis, exiba também uma base destes subespaços.
(2) Determine quatro transformações lineares de R 3 em R 3 cujos

núcleos tenham dimensões O, 1, 2 e 3, respectivamente.
(3) Considere R4 e seus subespaços V=((1,O, 1, 1),(O, -1, -1, -1]

eW = {(x,y,z,t) E R4:
x + y =O e t +z =O}.
Determine uma transformação linear T : R4 ---+ R4 tal que
NucT=V e ImT=W.
(4) Determine o núcleo e a imagem das seguintes transformações

lineares:
(a) T: R 2 ---+ R 2 dada por T(x,y) = (x - y,x + y).

(b) T: C 2---+ R 2 dada por T(x+yi,z+ti)=(x+2z,-x+2t).
(5) Ache uma transformação linear T: R4---+ R4 tal que
NucT = ((1,0, 1,0), (-1,0,0, 1)]
e Im T= [(1, -1, O, 2), (O, 1, -1, O)].
(6) Seja T: C3 ---+ C 3 dada por

( a) Mostre queT é linear.

( b) Qual é o posto deT?
( c) Exiba oNuc T. Qualé adimc Nuc T?
(7) SejaV um espaço vetorial de dimensãon sobrelK.
( a) Se n forímpar, prove que não existe nenhuma transfor

maçãolinearT: V-+ V tal queIm T = Nuc T.
( b) Mostre que afirmação( a)é falsa sen for par.
(8) Sejam U, V espaços vetoriais sobre lK e T : U ---+ V uma

transformação linear.
( a) Prove queT é injetora<=:> T leva cada subconjuntol.i.

deU em um subconjunto . l i. deV.
( b) Prove que se o conjunto{T(u1),· · , T(Ur)} forLi. emV,
·
então{u1,··· ,ur} é l.i. emU.
(9) Dada uma transformação linearT: U -+ U, considere a seguinte

afirmação:
( *) se{u1,··· , Ur} for uma base deNuc T e{wi, ·· ,wk} for

·
uma base deIm T, então {u1,··· ,ur, w1,··· ,wk} será

uma base deU.
( a) Dê um exemplo de uma transformação linearT que satis

faça a condição( *), comdimKNuc T =/=-O=/=- dimK Im T.
( b) Mostre que nem toda transformação linearT satisfaz ( *).
( 10) SejamV um espaço vetorial sobrelK eT: V-+ V uma trans

formação linear. Prove que as seguintes condições são equiva
lentes:
( a)Nuc Tn Im T ={O}.
( b) Se(To T)(v) =O parav E V, entãoT(v) =O.
( 11) Mostre que seT: U -+ V for uma transformação linear injetora,

entãodimK U � dimoc V.
90 •
(12) Sejam U e V dois OC-espaços vetoriais e T : U -+ V uma

transformação linear. Mostre que se B = {ui}iEI for uma base
de U, então {T(ui)hEI gera Im T.
3.3 ISOMORFISMOS
3.3.1 Vimos acima que as transformações lineares são funções que

preservam as operações de um espaço vetorial. Nesta seção iremos
estudar as transformações lineares bijetoras e ver que nessas con
dições os espaços vetoriais envolvidos podem ser de alguma forma
identifica dos.
DEFINIÇÃO. Sejam U e V dois espaços vetoriais sobre lK.
(i) Seja T : U -+ V uma transformação linear. Se T for bijeto

ra (isto é, injetora e sobrejetora) então dizemos que ela é um
isomorfismo.
(ii) Se existir um isomorfismo T: U-+ V, então dizemos que U e

V são espaços vetoriais isomorfos e indicaremos U � V.
ÜBSERVAÇÃO
Sejam U e V espaços vetoriais sobre lK . Se U e V são isomor
fos, então dimoc U = dimoc V. De fato, considere T : U -+ V
um isomorfismo entre U e V. Suponha, em primeiro lugar, que
dimoc U = oo. Em particular, U possui conjuntos Li. infinitos.
Como T é injetora, inferimos pelo Exercício 3.2.6(8) que V também
possui conjuntos Li. infinitos e, portanto, dimoc V = oo. No caso
em que dimoc U = n < oo, usamos o fato de T ser injetora e (3.2.5)
para inferir que dimoc Im T = n. Como T é sobrejetora, segue que
Im T = V e teremos a igualdade requerida.
3.3.2 TRANSFORMAÇÕES INV ERSAS
Seja F : U -+ V uma função bijetora. Em particular, para

cada v E V, existe um único Uv E U tal que F(uv) = v . Com isso,
podemos definir uma função G : V -+ U por G (v) = Uv. É claro
que F o G = Idv e G o F I du. Chamamos G de = função inversa
de F. Agora, se F for uma transformação linear, então também
G será linear. De fato, sejam vi, v2 E V e sejam u1, u2 E U tais

que F(ui)= Vi, parai = 1, 2 (e então G(vi) = ui, para i = 1, 2).
Portanto,
Deixamos ao leitor mostrar que G(>.v)= >.G(v), V v E V e V À E OC.

Com isto, temos o seguinte resultado.
PROPOSIÇÃO. A inversa de uma transformação linear bijetora é

também linear.
NOTAÇÃO.
Denotamos a inversa de F : U --+ V por F-1 : V --+ U.
3.3.3 PROPOSIÇÃO. Sejam U e V dois espaços vetoriais sobre ][{

de mesma dimensão finita n � 1 e T : U --+ V uma transformação
linear. Então as seguintes afirmações são equivalentes:
(a) T é um isomorfismo.
(b) T é injetora.
(e) T é sobrejetora.
DEMONSTRAÇÃO. As implicações (a) ==> (b) e (a)==> (e) são claras.

(b) ==> (a) Suponha que T seja injetora. Então Nuc T = {O}
e, portanto, dimn<. Nuc T =O. Usando o Teorema 3.2.5 concluímos
que dimn<. Im T = dimK U= dimK V= n. Como Im T é um
subespaço de V, ambos com dimensão n, teremos que I m T = V e
T é sobrejetora. Logo T é um isomorfismo.
(e) ==> (a) Suponha agora que T seja sobrejetora, isto é, que
Im T = V. Segue daí que dimK Im T = dimoc. U e, portanto, pelo
Teorema 3.2.5, teremos que dimn<. Nuc T O o que implica que
Nuc T = {O}. Logo, T é um isomorfismo. D
3.3.4 Os exemplos a seguir ilustram que as hipóteses de que

dimn<. U = dimoc V e de que tal dimensão seja finita são essenciais
para a validade da proposição acima.
92 •
EXEMPLOS
(a) Considere a seguinte transformação linear
T: IR2 ---+ JR3

(x,y) � (-y,x,x+y).
Observe que
Nuc T =
{(x,y): (-y,x,x + y) =
(0,0,0)} = {(0,0)}
e, portanto, por (3.2.2), T é injetora. Basta observar que

(-1,0,0) não é um elemento de Im T para concluir que T não é
sobrejetora. Não é difícil ver também que {(-1,0,1), (O, 1,1)}
forma uma base de Im T.
(b) Considere o espaço vetorial P(C) dos polinômios sobre C e

seja
D: P(C) ---+ P(C)
p(x) � p'(x)
a transformação linear dada pela derivação. Observe que D não
é injetora pois todo polinômio constante pertence ao Nuc D.
Por outro lado, é fácil ver que D é sobrejetora (pois todo
polinômio de P(IR ) tem uma primitiva).
( c) Considere o espaço vetorial:OCN formado por todas as seqüências

de elementos de :0C (:OC IR ou C ). Seja T : li( N
= li( N ---+
dada por T((xi)iEN) (xH1)iEN· É fácil ver que T é uma

=
transformação linear. Além disso, T é sobrejetora uma vez

que, dada uma seqüência limitada (Yn)nEN, podemos conside
rar x =
(O y1,y2,y3,···) para termos que
,
Por outro lado, é fácil ver que T não é injetora uma vez que
Nuc T =
{(xi,0,0,0,···): X1 E :OC}.
(d) Considere S: :0C N ---+

:OCN dada por
É claro que S é uma transformação linear e que é injetora, já

que Nuc S = {O}. Por outro lado, S não é sobrejetora, uma
vez que a seqüência (xn) nEN, com x1 = 1 e Xj =O, para todo
j � 2 não é imagem de nenhuma seqüência de OCN via S.
3.3.5 V imos acima que espaços vetoriais isomorfos possuem a mesma
dimensão. Iremos mostrar agora a recíproca desse resultado para
espaços finitamente gerados.
TEOREMA. Dois espaços vetoriais de mesma dimensão finita são

isomorfos.
DEMONSTRAÇÃO. Se ambos os espaços forem nulos, não há na

da a demonstrar. Sejam então U e V espaços vetoriais sobre OC de
dimensão n � 1. Para definirmos um isomorfismo T : U � V, con

sidere bases {u1, · · , Un} e {v i , · · ,Vn} de U e V, respectivamente.
· ·
Por (3.1.5), sabemos que existe uma única transformação linear T de

U em V tal que T(ui)=Vi parai= 1, · · , n. Vamos mostrar que tal
·
n
transformação é sobrejetora. Para tanto, seja v= 2:: aivi E V, com
i=l
ai E OC, i 1, · · · , n. Precisamos mostrar que existe u E U tal que
=
n
T(u)=v. Basta considerar o elemento u= 2:: aiui EU e teremos
i=l
n n n
T(u)=T(L aiui) = L ªiT(ui) = L ªiVi·
i=l i=l i=l
Portanto, Té sobrejetora e pela Proposição 3.3.3, segue que Té um
isomorfismo, como queríamos. D
3.3.6 COROLÁRIO. Todo OC-espaço vetorial de dimensão n � 1 é

isomorfo a li( n.
3.3. 7 EXERCÍCIOS
( 1) Mostre que cada uma das transformações lineares de IR 3 em IR 3
a seguir é invertível e determine a transformação linear inversa:
(a) F(x,y, z)=(x- 3y - 2z, y- 4z, -z).

(b) F(x,y,z)=(x, x-y, 2x+y- z).
(2) Sejam lK um corpo e T : lK 2 _____. lK 2 o operador dado por

T(x1,x2) =(xi +x2,i1), V (x1,x2) E IK2 . Prove que T é um
isomorfismo e exiba r-1.
(3) Sejam U espaço vetorial sobre lK e T, S : fJ _____. U transfor

mações lineares invertíveis sobre U. Prove que SoT é invertível
1
e (S o T )-1 = r-1 o s- .
(4) Seja T : C 3 _____. C 3 a transformação linear definida por

T(l, O, O) = (1, O, i), T(O, 1, O) = (O, 1, 1), T(O, O, 1) (i, 1, O). =
Decida se T é invertível.
(5) Sejam T : IR 3 --+ IR 2 e S : IR 2 --+ IR 3 transformações lineares.
(a) Provar que SoT não é invertível.
(b) Achar um exemplo em que To S não é invertível e um

outro em que To S é invertível.
(6) Sejam V um espaço vetorial sobre lK com dimensão finita e

T : V --+ V uma transformação linear. Suponhamos que exista
S : V --+ V tal que To S = Idv. Demonstre que T é invertível
eS r-1. Dê um exemplo que mostre que isso é falso quando
=
a dimensão de V não for finita.
(7) Seja T: U _____. V uma transformação linear injetora. Mostre

que V tem um subespaço isomorfo a U.
(8) Seja T: U _____. V umá. transformação linear. Mostre que

Im T � U/Nuc T, onde U/Nuc T indica o espaço quociente
de U por Nuc T.
3.4 MATRIZES DE TRANSFORMAÇÕES
3.4.1 Sejam V e W espaços vetoriais sobre lK com dimensões nem,

respectivamente, e sejaT : V --+ W uma transformação linear. O
é
nosso objetivo agora associar a T uma matriz m x n sobre lK (isto
é, em Mmxn(IK)) que nos auxilie no cálculo de T(v), onde v E V.
Vamos fixar bases l3 = {vi,··· , vn} e !3' = {wi,· · , wm}
· de V e W,
respectivamente.
Como já tínhamos comentado antes, para se descrever a trans

formação T basta saber o valor de T nos elementos da base B, pois
n n
T(Laivi) = LªiT(vi), para a1,··· ,an E JK.
i=l i=l
Vamos descrever os elementos T(vi) como combinação linear
dos elementos de B'.
m
T(v1) = a11w1 + a21W2 + ·· · + am1Wm =E ai1Wi
i=l
m
T(vn) = a1nW1 + a2nW2 + ... + amnWm =E ainWi
i=l
para certos aij E lK. Em geral, para j = 1, · · · , n, temos então que
m n
T(vj) =E aijWi· Agora, para v =E ajVj E V, onde os a;'s estão
i=l j=l
em lK, segue que
n n .. , n m
T(v) = T(E ajv j) =E ajT(v j) =E aj(l: aijWi) =
j=l j=l j=l i=l
n m m n
=E l:(aj aij)Wi 2:(2: aijaj)Wi·
j=l i=l i=l j=l
=
Se escrevermos /3i = z=;=l aijaj, parai= 1, ·· · , m, teremos então

que T(v) =EZ:,1 f3iwi ou, em outras palavras, que [T(v)]B' =
(/3i, · ,/3m)B' (isto é, as coordenadas de T(v) com relação à base
· ·
B' são /31, · · · ,/3m)· Reescrevendo em termos de multiplicação de

matrizes, teremos então
isto é, [T(v)]B' =A· [v]B

) CJ. UJ.,
onde A é a matriz (lli]) i,j E Mmxn(lK).
DEFINIÇÃO. A matriz A=(aij) i,j E Mmxn(lK) definida acima é cha

mada de matriz da transfarmação linear T com relação às bases B e
B' e é denotada por [T]B,B'· No caso em que os espaços U e V e as
bases B e B' sejam iguais denotamos [T]B,B simplesmente por [T]B·
3.4.2 EXEMPLOS
(a) Seja V= P3(1R)= {polinômios de grau até 3 com coeficientes

em IR}. Considere a transformação linear D : P3(1R) --+ P3(IR)
dada pela derivação: D(p(x))= p'(x). A matriz de D com
_
(D]can -
(
relação à base canônica {1,x,x2,x3} de V é
o 1 oº
002.0
.
)
O O O 3
·
(b) Seja T: IR2--+ IR 3

considere as bases B=
dada por
o o o o
T(x,y)= (2x + y, y :,;, 3 x) e

{(1,2),(2, -1)} de IR 2 eB'= {(1,1,1),
-
(O,1,1),(O,O,1)} de
,
IR 3. Uma conta simples mostra que
T(l,2)= (4,1,3)= 4·(1,1, 1) + (-3) ( O 1,1) + 2·(O,O,1)

T(2,-1) = (3, -3,6)= 3·(1,1,1) + (-6) -(O,1,1) + 9 ·(O,O,1)
-
e daí
[T[B,B' �
(
-� -n
Agora, se v= (-2,3)B, então
( -n B �
-
( 2l�)
3 B'
Se mudarmos a base de IR.3 de B' para a base canônica, teremos
Eaí
(T(�2,3)]can=
Observe que
� -�
(3 6 .) (-�);- B
(1,-12,2 3)B' = (1,-11,12)can·

= -1�
( 12 )
can
3.4.3 Sejam V e W dois espaços vetoriais sobre lK e considere as bases

B {v1, ... , Vn} e e={w1, ... ,wrn} , de V e W, respectivamente.
=
Vimos acima que a cada transformação linear T: V --+ W existe

uma (única) matriz M E M rn x n(IK) tal que [ T]8,C =M. A recíproca
deste resultado também é verdadeira.
PROPOSIÇÃO. Sejam V e W dois espaços vetoriais sobre lK com

dimensões n e m, respectivamente. Dadas bases B e C de V e W,
respectivamente e uma matriz M em M rn x n(IK), então existe uma
(única} transformação linear T: V--+ W tal que [T]8,C M. =
DEMONSTRAÇÃO. Isto decorre de (3.1.5). Deixamos ao leitor des-

crever os detalhes necessários. D
3.4.4 Olhar transformações lineares entre espaços vetoriais de di

mensão finita por meio de suas matrizes associadas traz inúmeras
. vantagens computacionais. O próximo resultado é um exemplo disto.
Nele mostramos que a matriz da composta de duas transformações
lineares é a multiplicação das duas matrizes das transformações, nas
bases correspondentes.
TEOREMA. Sejam F : U --t V e G : V --t W duas transforma

ções lineares onde U, V e W são espaços vetoriais de dimensões n,
m e r, respectivamente. Fixe bases B, B' e B" para U, V e W,
respectivamente. Então
[G o F]8,8" =[G]8',8" · [F]8,8'·
DEMONSTRAÇÃO. Sejam B ={ui,··· ,un}, B' = {v1,- ·· ,vrn } e
B" ={w1,· · · ,Wr } bases de U, V e W, respectivamente, e considere

as matrizes
Tn
(1) [F]8,8' = ( a ij)i,j, isto é, F(uj) = L: %Vi, V j =1, · · ,n.·
i=l
r
(2) [G]8',8" =(bki ) k,i, isto é, G( vi) = L: bkiWk, V i= 1, ··· , m.
k=l
(3) [G o F]8,B" =
(ckj)k,j, isto é, (G o F)(uj)
V j =1,· · ,n.
·
Vamos calcular (G o F)(uj) utilizando as relações (1) e (2)

acima.
m m
G(LªijVi) L U;jG(vi)
i=l i=l
m r r m
Lªii(LbkiWk) = L(LbkiU;j) Wk·

i=l k=l k=l i=l
Comparando-se esta última relação com (3) e utilizando-se da uni
cidade das coordenadas de um vetor em termos de uma dada base,
chegamos a
Cki=Lbkiaij, Vj=l,···,n, Vk=l,···,r

i=l
isto é, para cada par (j,k) o elemento Ckj• da matriz [G o F]B,B' é o
elemento na posição (k,j) da matriz resultante da multiplicação de
[G]s' ,B" por [F]B,B'. Portanto, [G o F]B,B" =[G]s' ,B" · [F]B,B'. D
3.4.5 COROLÁRIO. Sejam U e V dois espaços vetoriais de dimensão

n � 1 sobre ][{ e considere bases B e B' de U e V, respectivamente.
Uma transformação linear T : U --+ V é um isomorfismo se e so
mente se ·a matriz [T]B,B' for invertível. Além dis.so, neste caso,
[T-1]s1,B = ([T]s,s1)-1.
DEMONSTRAÇÃO. T é um isomor
Suponha em primeiro lugar que
fismo e seja r--1 a sua inversa. Como ToT-1=Idv e r-10T Idu, =
teremos
[Idu]B,B =[T-1 o T]s,B= [T-1]s1,B . [T]B,B'·

Observando que as matrizes [Idv]s',B' � [Idu]B,B são as matrizes
identidade n x n, teremos que a matriz [T]B,B' é invertível com inversa
[T-1]s1,B, isto é, ([T]s,B')-1=[T-1]s',B· D

3.4.6 MATRIZ DE MUDANÇA DE BASES
Seja U um K-espaço vetorial de dimensão n � 1 e sejam

B= { ui,··· , un} e B'= { vi,··· , Vn} duas bases de U. Considere a
matriz M= ( aij )i,j = [JdJB,B' associada à transformação identidade
com relação às bases B e B', isto é, a matriz dada pelos coeficientes
n
ui= a'u vi + a21V2 + ·· · + an1Vn = L ai1Vi
i=l
n
Un = a1nV1 + a2nV2 + ... + ªnnVn = L ªinVi.
i=l
Com isto, se v E U e escrevendo v = (ai,··· , an)B =
({31 , ··· , f3n)B' as coordenadas de v com relação às bases B e B',

teremos
isto é, a multiplicação de M pelas coordenadas de v na base B fornece

nos as coordenadas de v na base B'. Tal matriz é chamada de matriz
de mudança de bases de B' para B. Observe que a matriz M é sem
pre invertível pois a transformação identidade é obviamente bijetora.
Não é difícil ver então que M-1 é a matriz de mudança de bases de
B para B'.
OBSERVAÇÃO
Seja T : U -+ U uma transformação linear, e sejam B e B'

duas bases de U ( assuma dimK U = n � 1). Se Pé a matriz de
mudança de bases de B' para B, teremos:
· [T]B= p-i · [T]B' · P.
Lembramos que duas matrizes M e N são ditas semelhantes

se existir uma matriz invertível P tal que M = p-l NP. Pelo que
acabamos de ver, as matrizes [T]B e [T]B' são semelhantes.
3.4. 7 EXERCÍCIOS
(1) Sejam T, S: V - W duas transformações lineares, onde V e

W são IK-espaços vetoriais de dimensão finita. Sejam B e C
bases de V e de W, respectivamente e À E IK . Mostre que
(a) [T + S]B,c = [T]B,c + [S]B,C·

(b) (.XT]B,C = .X(T]B,C·
(2) Seja T: lR.3 ---+ lR.3 tal que
1 2
o 1
-1 3
Ache uma base de Im Te uma base de Nuc T.
(3) Sejam T: lR.3 ---+ P2(lR.) e G : P2(lR.) ---+ lR.3 transformações
·� )
lineares tais que
1 2 -1
(T]B,C = 1 0 -1 e
\-\' o 1 o
onde B e_C são as bases B = {(1,1,0),(0,1,0),(0,0,1)} e

2
C = {1,1 + X, 1 + x }.
(a) Determine bases para Nuc T e Im T. ·
(b) Determine bases para Nuc (G o T) e Im (G o T).

(c) Determine a matriz de H
.
3(ToG)+ldp2(JR) com relação
=
2
à base {1,x, x } de P2(JR. ) .
(4) Seja T: M 2 (C ) ---+ M 2( C) uma transformação linear dada

por
r x
( Y)-( o x )
- .
z w z-w o
(a) Determine a matriz de T com relação à base canônica.

(b) Determine a matriz de T com relação à base
de M2(1R).
(c) Exiba a matriz M tal que [T]B = M-1[T]canM.
(5) Seja T : lR. 3 -+ lR. 3 uma transformação linear cuja matriz

com relação à base canônica seja
(a) Determine
(-� � �)
T(x, y, z ) .
o -1 - 1
(b) Qual é a matriz do operador T com relação à base
B = {(-1,1,0),(1,-1, 1), (O, 1,-1)}?

(c) O operador T é invertível? Justifique.
3.5 O ESPAÇO L(U, V)
3.5.1 Para espaços vetoriais UeV sobre lK, denotamos por L(U, V)
o conjunto de todas as transformações lineares de U a V. Tal conjun
to herda uma estrutura de espaço vetorial sobre lK de uma maneira
bem natural. Em primeiro lugar, a função nula de U a V é uma
transformação linear. Por outro lado, não é difícil ver que para
F, G E L(U, V) e À E lK, teremos que a função ÀF + G : U -+ V dada
por (ÀF + G)(u) ÀF(u) + G(u) , para cada u E U, é uma transfor
=
mação lmear e, portanto, pertence a L(U, V). Com isso, mostramos

que L(U, V) é um subespaço vetorial do espaço :F(U, V) de todas as
funções de U a V e, em particular, um espaço vetorial sobre lK. O
próximo resultado nos mostra que, quando U e V são de dimensão
finita, então dimoc L(U, V)= dimoc U dimK V. ·
3.5.2 TEOREMA. Sejam U e V dois espaços vetoriais sobre lK com

dimensões n e m, respectivamente. Então o espaço L(U, V) tem
dimensão m n. ·
DEMONSTRAÇÃO. Sejam l3 = {ui,··· , un} e !3' = {V1,··· , Vm} ba

ses de U e V, respectivamente. Para cada par (p, q), 1 � p � m,
e 1 � q � n, vamos definir uma transformação Tp,q : U ---> V .
Como já fizemos antes, basta definir Tp,q nos elementos de uma base
de U e isto determinará uma transformação linear (Teorema 3.1.5).
Definimos então Tp,q(ui) como sendo
sei= q
sei=/=q
isto é, Tp,q(ui) = Ôiq Vp (lembramos que Ôiq = 1 sei= q e Ôiq =O se

i =!= q). Assim, teremos um conjunto
com m · n elementos de L(U, V). Vamos mostrar que C é uma base

de L(U, V). Para mostrar que C gera L(U, V), seja T E L(U, V) e
considere a sua matriz [T]B,B' = (aij)i,j com relação às bases l3 e !3',
isto é, a matriz dada por:
m
T(ui) = a11V1 + a21V2 + ·· · + am1Vm = I:: ailvi
i=l
m
T(un) = a1nV1 + a2nV2 + . . + ªmnVm = I:: ainV i
i=l
.
m
ou ainda T(uj) I:: aijVi, para j = 1, , n.
i=l
= · · ·
Considere agora a transformação linear S dada pela combi-

m n
nação linear S = I:: I:: apqTp,q· Vamos mostrar que S = T e, para
p=l q =l
tanto, basta mostrar que S e T coincidem nos elementos de uma base
(Teorema 3.1.5 de novo). Observe que
m n m n m
S(uj) = LL>pqTp,q(uj) = LLªpq(Ôjq Vp) = LªpjVp = T(uj)
p=lq =l p=lq =l p=l
para cada j = 1, · , n. Portanto, S = T e, conseqüentemente, C
· ·
gera L(U, V).

Para mostrar que C é linearmente independente, suponha
que os elementos bpq E ][( , com 1 � p � m e 1 � q � n, sejam
tais que
m n
s
LL
p=lq=l
bpq Tp,q = o.
Em particular, S (Uj) = O para j = 1, ·· · , n, isto é, vale que
m n
O= S(uj) = LL bpq Tp,q(uj)

p=l q=l
Como {vi,··· ,vm } é Li., segue que bpj =

O, V p = 1,··· ,me
V j = 1, ··· , n. Portanto, C é linearmente independente e, con

seqüentemente, uma base de L(U, V). D
(a) Com as notações utilizadas no teorema acima, mostramos que

as coordenadas de um operador T: U -+ V com relação à base
C (que depende das bases B e B') são dadas pelos valores da
matriz [T]B,B'.
(b) Poderíamos ter mostrado o teorema acima utilizando mais di

retamente a noção de matriz associada. Sejam U e V espaços
vetoriais de dimensão n e m com bases B e B' fixadas, respec
tivamente. Defina agora uma função <p: L(U, V) --+ M m x n (K )
dada por <p(T) = [T]B,B'. Deixamos ao leitor mostrar que cp é
um isomorfismo e, portanto,
dimoc L(U, V)= dimoc M m x n (K ) = m · n,
como queríamos. Decorre desta discussão o seguinte resultado.
COROLÁRIO. Sejam U e V dois espaços vetoriais de dimensões n e

m sobre K, então L{U, V) é isomorfo a M m xn ( K ).
3.5.4 Um caso particular interessante acontece quando U = V, que

será objeto de um estudo mais aprofundado no Capítulo 5.
DEFINIÇÃO. Seja U um K-espaço vetorial. Um operador linear é

uma transformação linear T: U --+ U.
3.5.5 Pode-se definir uma operação extra no conjunto dos operadores

lineares L(U, U), especificamente, a composição. Tal operação é as
sociativa e tem um elemento neutro (o operador identidade). Por
outro lado, não é verdade que todo elemento de L(U, U) tem um
inverso com relação a esta operação e nem que esta operação seja
comutativa. Os exemplos abaixo ilustram tais observações.
3.5.6 EXEMPLOS
(a) Considere as transformações lineares
F: JR 2 ___, JR 2 e G: IR2 ___, IR2

(x, y) 1-+ (x + y, x + y) (x, y) t-+(X + y, X - y).
As compostas Fo G e Go F são:
FoG: JR2 ---> JR 2 e Go F: JR 2 ___, JR 2
(x, y) 1-+ (2x, 2x) (x, y)1-+(2x + 2y, O)
e são obviamente distintas. Também, F não é invertível visto

que Nuc Fé o subespaço gerado por (-1, 1).
(b) Considere o C-espaço vetorial V= P(C ). Sejam
D: V ---t V
p(t) 1-+ p'(t)
o operador derivação e
T: V ---t V
p(t) 1-+ t.p(t).
Teremos (To D)(p(t)) tp'(t) e (D o T)(p(t)) p(t) + tp'(t).

= =
Assim, (DoT-ToD)(p(t)) = p(t), isto é, DoT-ToD = Idv.
3.5.7 Seja U um OC-espaço vetorial. Se T : U U é um operador

->
linear, denotamos ToT por T2 e, mais geralmente, To··· o T Tn. =
'--v--"
n
Também, Tº denotará o operador identidade.

Como vimos acima, no conjunto L(U, U) dos operadores linea
res de U em U existe, além das operações de soma e multiplicação
por escalar, a operação composição. Com isto, se TE L(U, U) e se
p(x) = amxm + ªm-1Xm-l + · · · + a1x +ao E P(IK ) é um polinômio

com coeficientes em ][{, podemos definir o operador p(T): U ----. U
dado por
amTm(v) + ªm-1 Tm-1(v) + · · · + a1T(v) + aov, V v E V.
Por exemplo, se T: IR 2----> IR 2 é dado por T(x, y) = (x-y, 3x)
e se p(t) = t3 -2t + 4, então
p(T)(x,y) = (T3 -2T+4ld)(x,y)
3
= T (x, y) -2T(x, y) + 4(x, y) = (-3x + 4y,-12x + y)
para cada (x,y) E IR 2• Esses operadores dados por polinômios serão

importantes quando estudarmos as formas canônicas no Capítulo 5.
3.5.8 ÜBSERVAÇÃO
Se V é um IK-espaço vetorial de dimensão n � 1, sabemos que

existe um isomorfismo entre L(V, V) e M n (IK). Assim, os teo
remas sobre matrizes podem ser deduzidos dos teoremas sobre
operadores lineares e vice-versa. A partir dessa relação também
podemos definir matrizes unitárias, hermitianas e normais cor
respondentes aos operadores unitários, hermitianos e normais
que iremos estudar mais adiante.
3.5.9 PROJEÇÕES
No restante desta seção iremos discutir um tipo especial de

operadores lineares chamados de projeções.
DEFINIÇÃO. Sejam V um IK-espaço vetorial e W Ç V um subes

paço. Um operador linear 7í: V ----> V é chamado de projeção sobre
W se Im(7r) = W e ( )
7r w = w para cada w E W.
No próximo resultado iremos caracterizar os operadores linea

res que são projeções. Mas antes, observamos que se T: V ----> V é
um operador linear, então podemos decompor V como sendo a soma
W1 + W2 onde W1 =Im Te W2 = Im(Id-T). De fato, cada vetor

v E V pode ser escrito da seguinte maneira:
v =T( v) + (v -T(v)) =T(v) + (Id - T)(v)
o que prova nossa afirmação. Em geral, esta soma não tem por que
ser direta como nos mostra o seguinte simples exemplo. Considere o
operadorT: lR. 2 ----+ lR. 2 dado por T(x,y) = (x + y, y). Observe que
Im(T)nim(Id-T) = ((1,0)] =f. {O}. Na realidade, a soma W1 + W2
como acima será direta se e somente se T for uma projeção sobre
W1, como mostra o seguinte resultado.
3.5.10 PROPOSIÇÃO. Seja 7r: V ----+ V um operador linear e escreva

V= W1 + W2 onde W1 = Im 7r e W2 = Im (Id - ?r). As seguintes
afirmações são equivalentes:
(a) 7r é uma projeção sobre W1.
2
{b} 11" = 11".
(e) A soma W1 + W2 é direta, isto é, W1 n W2 ={O}.
DEMONSTRAÇÃO. (a)=> (b) Suponha que 7r seja uma projeção sobre

W1 e seja v E V. Se escrevermos ?r(v) = w, então
7r(7r(v)) =?r(w) = w = ?r(v)
2
e ?r = ?r, como queríamos.
(b) => (c) Seja w E W1 n W2. Como w E Wi, então existe v E V tal
2
que ?r(v) = w. Usando o fato de que ?r = ?r, teremos que
?r(w) = 7r(7r(v)) =?r(v) = w
'
Por outro lado, como w E W2, temos que existe v E V tal que
w = Id(v') - ?r(v'). Com isto, segue que
2
w = ?r(w) = ?r(Jd(v') - ?r(v')) = ?r(v') - ?r (v') =O
e a soma W1 + W2 é direta.
(e) => (a) Assuma que W1 n W2 = {O} e considere w1 E W1. Então
existe v E V tal que rr(v) = w1. Como comentado acima, podemos
escrever w1 = n(v) + (Id - rr)(v) e portanto
o que mostra que 7r é uma projeção sobre W1. D
COROLÁRIO. Seja rr: V----+ V uma projeção sobre Im rr, então o

subespaço Im(Id - rr) é o núcleo de rr.
DEMONSTRAÇÃO. Considerando u = (Id- rr)(v), teremos então

que rr(u) = (rr- rr2)(v) = rr(v)- rr2(v) = O e, conseqüentemente,
(Id- rr)(V) Ç Nuc rr. Reciprocamente, se rr(u) = O, como
u = rr(u)+(Id- rr)(u), segue que u= (Id- n) (u) , isto é, u pertence
a (Id - rr)(V). Portanto, Nuc 7r= (Id - rr)(V). D
As projeções são usadas para se descrever decomposições do

espaço V em soma direta. De um modo geral, podemos demonstrar
o seguinte teorema.
3.5.1 1 TEOREMA. Seja V = W1 EB ·· EB Wr · um IK-espaço vetorial.

Então existem operadores lineares 7ri, ··· , 7r r sobre V tais que
(i) 1ri(V) = Wi, para cada V = W1 +·· · + Wr1 com Wi E Wi para

i = 1, · ·· ,r.
(ii) ?ri o 7rj =O, se i -/=-j e rrf =?ri para i= 1, · ·· ,r.
(iv) Im rri = Wi, para cada i = 1, · · · , r.
Reciprocamente, se rr1 , ··· , 7r r são operadores lineares sobre V

que satisfazem (i), (ii) e (iii) e se Vi= Im ?ri, então V= ViEB···EBVr.
DEMONSTRAÇÃO. Vamos demonstrar a recíproca, uma vez que

podemos demonstrar as afirmações acima de modo análogo ao feito
em (3.5.10).
Suponhamos que rr 1 , ··· , 7r r são operadores lineares sobre V
que satisfazem (i), (ii) e (iii) e que Vi = Im ?ri. Por (iii), temos
que V= Vi+···+ Vr . Vamos mostrar que esta soma é direta, ou
seja, que cada v E V se escreve de modo único como uma soma
v= 7r1 (v) + + 7rr (v). De fato, se v vi +

· · · + Vr, com Vi E Vi, = · · ·
isto é vi=1ri (ui) para algum ui E V . Assim,

r r
1ri(v)= L 1ri (vj) = L 1ri (1rj(uj))=7rI (ui)=1ri(ui)=Vi
j=l j=l
como queríamos. D
3.5.12 EXERCÍCIOS
(1) Considere as bases B = {1,1 + x,1 + x2} de P (R) e

2
B' = { (1,0), (i,0), (1,1),(1,i)} de C2 como espaços vetoriais
sobre IR. Determine as coordenadas da transformação linear
T: P (R) --+ C2 dada por T (a+ bx + cx2) (a+ bi, b +ci)
2
=
com relação à base de L(P (R), C 2) construída como no Teo

2
rema 3.5.2.
(2) Mostre que se U e U' são isomorfos e que se V e V' são iso
morfos, então L( U, V) é isomorfo a L( U', V').
(3) Exibir uma base de L(C 2, C 2).
( 4) SejaD: P(C) --+ P(C) o operador derivação em P(C) e seja

p(x) x2 + i
= E P(C) . Calcule p(D) em um dado polinômio
q(t) antn +
= · · · +a1t +ao E P(C).
(5) Seja T : V--+ V um operador linear, onde V é um K-espaço

vetorial. Mostre que se p(x),q (x) E P(OC ), então
(p q) (T)(v)· = p(q (T)) (v), V v E V.

4
FUNCIONAIS LINEARES
4.1 O ESPAÇO DUAL
4.1.1 Vamos olhar agora para um tipo especial de transformação

linear, especificamente transformações lineares cujos contradomínios
sejam o corpo base OC.
DEFINIÇÃO. Seja V um OC- espaço vetorial. Um funcional linear em

V é uma transformação linear f : V OC :
---+
Sejam V um espaço vetorial sobre OC e f: V ---+ OC um funcional

linear não nulo. Observe que f é sempre sobrejetora e será injetora se
e somente se dimK V= 1 (e neste caso será também um isomorfismo).
Sabemos, por (3.5.1), que o conjunto L(V, OC) dos funcionais lineares
forma um espaço vetorial sobre OC. Vamos denotar a partir de agora
L(V, OC) por V* e chamá-lo de espaço dual a V. Segue facilmente de
(3.5.2) que dimoc V dimoc V*.
=
4.1.2 EXEMPLOS
(a) Seja V = ocn e sejam ai,··· ,an E OC. Então a função

n
f : ][{ n ----+ ][{ dada por f (xi,··· ,Xn ) = I: O!iXi pertence a
i=i
V*. Segue do Exercício 3.1.6(7} que todo funcional linear em
V* pode ser escrito desta maneira, isto é, se f E V*, então
n
existem ai,··· , ll!n E ][{ tais que f (xi,··· ,X n ) = I: ll!iXi· Ob-
i=i
serve também que se escolhermos O!i = 1 e ll!j = O se j =I i,
então a função f : ][{n ----+ ][{ dada por f (xi,·· · ,Xn ) = Xi
é a i-ésima projeção de ][{n em ][{ (ou a p rojeção sobre a
i-ésima coordenada).
(b) Considere o ][{-espaço vetorial V =P (OC ) e a E ][{ . A função
Ío: : V ----+ ][{

P 1--4 p (a)
é um funcional linear.
(c) A função
f : C([a, b], e) ----+ e

x 1--4 f(x) =J: x(t)dt
está em (C([a, b], C ))*.
(d) Seja V =M n (OC) e considere a função traço, isto é, a função
tr: V
n
A=(aiJ)i,j 1--4 trA=L:aii·
i=i
Não é difícil ver que tr E V* .
4.1.3 BASE DUAL

Seja agora V um espaço vetorial sobre ][{ de dimensão fini�a e
seja B = { vi,··· , vn } uma base de V. Queremos construir uma �ase
B* de V* que esteja relacionada à base B. Comecemos definindo para
cada i = 1, ··· , n um funcional linear Íi : V ----+ ][{. Por (3.1.5), é
Funcionais Lineares • 111
sufici<;mte definir fi nos elementos da base B, isto é, basta definirmos

Íi(vj) para j = 1, · , n. Coloquemos
· ·
sei=f.j
sei= j.
Com isso, teremos n funcionais lineares fi, · · · ,Ín em V*. Observe

1 n
que\ se v = 2: O:jVj E V, com a1, · · · , O:n E lK, então para cada
1 j=l
i= 1:\ ' · · · ' n ' teremos
n n n
j=l j=l j=l

isto é, ai = Íi(v ). Assim, teremos a seguinte igualdade
n
v = L fj(v) vi.
j=l
Uma outra maneira de interpretarmos isto é a seguinte: seja
n
v = 2: aivi E V, isto é, v =(ai, ··· , an)B (olhando os coefi-
i=l
cientes como coordenadas na base B). Com esta notação, teremos
fi(ai, ·· · , an)B =ai, isto é, Íi é a projeção na i-ésima coordenada
(com relação à base B). Compare o discutido acima com o Exemplo
4.1.2(a).
Observe que o conjunto B* = {!1, · · · , fn} definido acima é a
base de V* = L(V, ][{) construída na demonstração do Teorema 3.5.2
no caso particular que estamos agora estudando. Para enfatizar este
resultado, vamos mostrar (de novo) que B* {fi, · ·· , fn} é uma
=
base de V*. Como dimoc V*= dimoc V , basta então mostrar que B*
é linearmente independente (ou, alternativamente, mostrar que B*
n
gera V*). De fato, sejam .À1, ··· , Àn E lK tais que f = I: ÀiÍi =O,
i =l
isto é, o funcional linear f é igual ao funcional nulo. Com isso,
f(v) = O, V v E V. Em particular, f(vj) = O, V j 1, · · · , n.
=
Conseqüentemente,
n
= Ãifi(vj) + · · · + Ànfn( Vj) = L ÀiÔi j = Àj·
i=l
Portanto, Àj = O, '</ j = 1,··· ,n. Logo, B* é uma base de V*.
TEOREMA. Seja V um espaço vetorial de dimensão finita sobre ][{ e

seja B = {v1,··· ,Vn} uma base de V. Então existe uma única base
B* = {fi,··· ,fn} de
tal que fi(vj) V* = Ôij, para i,j = 1,··· ,n.
Além disto, para cada v E V, temos que
n
v =
L Íi(v)vi
i=l
e para cada f E V*, temos que

n
1 =
L: J(vi)k
i=l
DEMONSTRAÇÃO. Mostramos acima que existem (únicos) funcionais

lineares Ji,··· ,fn tais que Íi(vj) 8ij, para i,j 1,··· ,n, que
n
= =
B* = {fi,··· ,fn} é uma base de V* e que v = I: fi(v)vi, para

i=l
cada v E V. Falta mostrar a última igualdade do enunciado. Para
tanto, considere f E V* e observe que existem f31,· · ,f3n E ][{ tais·

n
·
que fI: f3di· Vamos usar a definição das ff s

= para descrever os
i=l
escalares f3:s. Calculando f no vetor Vj teremos :
n
Com isto, teremos f = I: f(vi)Íi e o resultado está provaqo. D
i=l
\
A base B* definiqa acima é chamada de base dual a B. A

relação entre as bases B e B* nos diz que se V E V' então as coorde
nadas deste vetor com relação à base B são fi (v),·· · ,fn(v), isto é,
v = (f1(v),···,fn(v))B· Além disso, as coordenadas de um da
do f em V* com relação à base B* são f(v1), · ·· , f(vn), isto é,
f = ( f(v1), · ,f(vn))B•.
· · Dizemos então que existe uma dualidade
entre estas bases.
4.1.4 EXEMPLOS
(a) Sejam v1 = (1, 1, 1), v2 = (1, 1, -1) e v3 = (O, 1, 1) em R 3.

Observe que B= {v1, v2, v3} é uma base de R 3 como R-espaço
3
vetorial. Vamos calcular a base dual B* = {li, h, h} de (R )*.
Teremos então que fi(vj) = Ôij para i,j == 1, 2, 3. Escrevendo
3
um elemento (x, y, z) E R em função da base B, teremos
(* ) (x, y, z)= 0:1(1, 1, 1)+0:2(1, 1, -1) +0:3(0, 1, 1)
Basta então calcularmos ai, a2 e a3 em função de x, y e z. De
{
( * ) observa-se que
0:1+0:2=X
0:1+0:2+0:3= y :=} 0:3= y - X e
0:1 - 0:2+0:3 = z
'
Portanto,
2x+z - y .y - z
fi(x, y, z)= , h(x, y, z)= --, h(x, y, z) = y-x.
2, 2
(b) Seja V= P2(R) e considere a base B {1, t+1, t2+t}. Um

=
2
elemento p(t)= a2t +a1t+a0 E V pode ser escrito em função
da base B como
isto é, as coordenadas de p(t) com relação à base B são

-
(ao a1 + a2), ( -
a1 a2 ) e a2, ou, em uma outra notação,
p(t)= (ao - a1+a2, a1 - a2, a2)B· Dessa maneira, a base dual
2
B* = {!1, h, h} é tal que fi(a2t +a1t +ao)= ao - a1+ a2,
h(a2t2+a1t+ao)= a1 - a2 e h(a2t2+a1t+ao)= a2.
(c) Vamos considerar neste exemplo o problema inverso do descrito

acima, isto é, vamos considerar um espaço vetorial V e uma
base B* de V* e tentar encontrar uma base B tal que B* sej_ a
-
a base dual de B. Seja V = P2(1R) e considere os seguintes
funcionais em (P2(1R))*:
IR Í2 : P2(IR) --+ IR
b--+ p(l) p(t) � p(2)
--+ IR
� p(3)
isto é, fi(p(t)) p(i), para i = 1, 2, 3. Não é difícil mostrar

=
então que B* = {/i,f2,f3} é uma base de V*. Queremos en

contrar uma base B {P1(t), P2(t), p3(t)} do espaço V tal que
=
Íi(Pj(t)) = Ôij para i,j 1,2,3 (propriedade da base dual).

=
Como Íi(p(t)) p(i), então queremos polinômios P1 ( t), P2(t)

=
e p3(t) tais que Pj(i) = Ôij· Observe, por exemplo, que como
p1(2) O e p1(3) = O , então (t - 2)(t - 3) é um fator de P1(t).
=
(t-2�t-3 .
Como P1(l) = 1, segue que P1(t) ) Analogamente,
=
chegamos a P2(t) -(t - l)(t - 3) e p3(t) = (t-l)Jt-2). Va

=
mos mostrar na próxima seção que o resultado acima pode ser

generalizado.
4.1.5 OBSERVAÇÃO
Se V é um espaço vetorial de dimensão finita e B = {v1, · · · , Vn}

é uma base ordenada de V, construímos acima un;1.a base orde
nada B* = {fi, · · · , fn} de V* tal-que fi(vj) Ôij para todos =
i,j 1,· · · , n. Agora, se V for um espaço vetorial de dimensão

=
�fini_!;a e B {vi}iEJ for uma base de V, podemos também

=
construir um conjunto B* = {ÍihEI em V* tal que fi(vj) = Ôij

para i,j E J. Este conjunto será l.i. mas não será uma base
de V* (ver Exercício 4.1.6(12)). Vamos exemplificar isto com
o IR-espaço vetorial V = P(IR). Seja B a base canônica de
V. Observe que o conjunto B* = {ÍihEI construído como aci
ma será, neste caso, enumerável (pois a base B é enumerável).
Vamos mostrar que B* não gera todo o espaço (P(IR) )*. De
fato, para cada a E lR - {O}, considere o funcional linear

. fo:: P(JR)-+ lR dado por fo:(p(t)) = p(a). Se fo: pertencesse
ao subespaço gerado por B*, existiriam .X1, , Àm E lR tais
· · ·
m
que !o: = L: ÀiÍi· Calculando-se este funcional no polinômio
i=l
p(t)=t m+ l, teríamos:
Logo, a=O, em contradição com a nossa hipótese sobre a.
4.1.6 EXERCÍCIOS
(1) Sejam V um espaço vetorialsobreJILe v E V. Mostre que se

f(v)=O, V f E V*, então v =O.
(2) Seja V=P2(1R) e sejam fi,h e f3 E V* definidas por

2 1
rl r r-
fi(p)= l p(x)dx, f2(p) =l p(x)dx e f3 (p)=l p(x)dx.
o o o
(a) Mostre que {!i, f2, f3} é uma base de V*.
(b) Exiba uma base de V da qual {fi, h h} seja a base dual.
(3) Sejam u1 = (1, O, 1), u2 = (O, 1, -2), u3= (-1, 1, O) E lR 3.
. (a) Seja fE (JR 3 ) * tal que f (u1) = f, f(u2) = -1 e
f(u3)=3. Determine f(a,b,c), onde (a,b,c) E JR.3.

(b) ,Se f E (JR 3) * é tal que f (u1) = f (u2) = O e f(u3) =/. O,
mostre que f(2, 3, -1) =f. O.
(4) Considere no C -espaço vetorial C 3 a base B {(1, o, -1),

(1, 1, 1), (2, 2, O)}. Determine B*.
(5) Sejam fi, · · · , fm E (OC n)*. Para cada a E lK. n definimos
T(a)= (!1(a), · · , fm(a)). ·
Mostre que Té uma transformação linear de ][( n em ][( m e que

toda transformação linear de ][( n em ][(
m é da forma acima,
para certos fi, · · ·
, fm E (lK. n)*.
(6) Seja V um espaço vetorial sobre lK e sejam l,g E V*. Supo
nha que a função h, definida por h(u) = l(u).g(u), para cada

u E V,também seja um funcional linear sobre V. Mostre que se
K -:j:. Z2, então I =O ou g =O. O que acontece se K= Z2?
(7) Seja V= P2(1R) e sejam </>i,</>2,<f>3 E V* definidos por
fo
1
</>1(p(t))= p(t)dt, </>2(p(t)) =p'(l) e <f>3(p(t)) =p(O).
Encontre a base {p1(t), P2(t), p3(t)} de V cuja base dual é
{</>1,</>2,<f>3}.
(8) Seja W e (IR 4)* um subespaço formado pelos funcionais

I : IR 4 ---+ IR tais que Nuc I contém os vetores (1,0,3,-2) e
(0,1,3,0). Ache uma base de W.
(9) Sejam u,v E V tais que (u) =O => (v) =O,\:/ E V*.
Mostre que v = ku para algum k E lK .
(10) Seja H e IR n um subespaço vetorial de dimensão n - l. Se

ja B = {V1' ... ' V } e IR n uma base de IR n cujo primeiros
n
n -1 vetores formam uma base de H e considere a base dual
{li,h, ...,ln } e (IR n)* da base B. Prove que l (v) =O para
n
cada v EH.
(11) Sejam V um espaço vetorial sobre lK e B = {víhEI uma base

de V Para cada i E I, defina um funcional linear li : V � lK
tal que f i(vj) = Ô íj·
(a) Mostre que {fihEI é Li.
(b ) Mostre que {fíhEI é uma base de V* se e somente se I
for finito.
(12) Seja V = P (IR) espaço vetorial sobre IR. Para cada a E IR,
defina la E V* dada por la(p(t))= p(a). Mostre que {/a}aEIR
é um conjunto Li. em V*. Conclua que uma base de V* é não
enumerável.
4.2 O ESPAÇO BIDUAL
4.2.1 Na seção anterior construímos, a partir de um espaço vetorial
V, o espaço vetorial V*. Além disso, se B ={v1,. ·· ,Vn} for uma

base de V, vimos que existe uma base B* = {li,··· ,ln} de V*
que satisfaz a propriedade fi(vj) = Ôij para todos i,j = 1, ··· ,n.
Devido às relações provadas no Teorema 4.1.3, dizemos que existe
uma dualidade entre estas duas bases e por isso elas são ditas duais.
A questão que se coloca agora é a seguinte. Seja V um espaço vetorial
de dimensão finita e dada uma base C ={li,··· ,ln} de V*, existe
uma base B ={v i,··· ,vn} de V tal que li (vj) = Ôij? E se existir,
como poderemos construí-la? No Exemplo 4.l.4(c) , calculamos uma
base B de V a partir de uma base de V* dada. O que queremos agora
é analisar esta situação um pouco mais de perto. Para tanto, vamos
considerar o chamado espaço bidual a V e analisaremos as relações
entre ele e o próprio V.
4.2.2 DEFINIÇÃO. Seja V um espaço vetorial sobre OC. Chamamos

o espaço (V*)* de espaço bidual a V e usamos a notação V**.
Por definição, um elemento do espaço vetorial V** é um funcional

linear <P: V* ----+ OC.
4.2.3 Seja V um espaço vetorial sobre OC. Observe que a cada v E V, "
pode-se associar naturalmente um elemento <Pv E V** da seguinte
maneira:
<Pv: V* - OC
1 f-+ <Pv(J) =l(v).

Não é difícil ver que tal <Pv é linear. De fato, se li ,f2 E V* e À. E OC,
teremos então que
<Pv(Ali + h) =(Ali + h)(v) = Ali(v) + h(v) =À.<f>v(Ji) + <Pv(f2).
Assim <Pv E V**.
LEMA. A função é linear. De fato, se v1, v2 E V e À E lK , precisamos mostrar que
<T>(>.v1 + v2) >.<T>(v1) + (v2) , isto é, que .v1+v2
= À</Jv1 + <Pv2· =
Para tanto, vamos mostrar que, para cada f E V*, vale a igualdade
.v1+v2U) (>.<Pv1 + <Pv2)(f). Por um lado, vale que
=
e, por outro, temos que
o que mostra a igualdade requerida.

Vamos mostrar agora que <T> é injetora. Para tanto, seja v E V
tal que <T>(v) = O , isto é, tal que <Pv seja o funcional nulo. Com isso,
teremos que
O =
(v)(f) = <Pv(f) =
f(v) =
O para todo f E V*.
Segue do Exercício 4.1.6(1) que v = O e, portanto, <T> é injetora. D
Em geral, <T> não é sobrejetora (ver Observação 4.2.6 abaixo).

Porém, em alguns casos, isso pode acontecer. Destes, o caso que nos
interessa mais particularmente é o seguinte.
4.2.4 TEOREMA. Seja V um lK -espaço vetorial de dimensão finita.

Então
<T>: V ___, V**
V 1-> </Jv
é um isomorfismo.
DEMONSTRAÇÃO. Observe que dimoc V** = dimoc V* dimoc V =
pelo Teorema 3.5.2 e que <T> é injetora pelo lema acima. Segue então
da Proposição 3.3.3 que <T> é um isomorfismo. D
4.2.5 Seja agora V um espaço vetorial sobre lK de dimensão finita

e seja C {Ji,
= , fn} uma base de V*. Queremos construir uma
· · ·
base B de V tal que C B*. Primeiro, consideremos a base dual

=
=
a C, isto é, a base C* {</>1,··· ,</>n} de V** tal que </>i(ÍJ) ôij, =
para i,j = 1,· · ,n. Pelo resultado acima, 4> é um isomorfismo e aí

·
o conjunto {4>-1(4>1),··· ,4>-1(<f>n)} é uma base de V. Denotando

Vi = q>-1(4>i), teremos então que 4>(vi) = <f>i· Segue da definição
de 4> que <f>i =<f>v;, para i = 1,· · · ,n. Usando agora o fato de que
<f>i Ui) = Ôij concluímos que
e, portanto, as bases B = {v1, ... ,Vn} e e= {fi,... ,fn} são duais

como queríamos. Com isso, mostramos o seguinte corolário.
COROLÁRIO. Seja V um espaço vetorial de dimensão finita sobre

lK . Então toda base de V* é a dual de alguma base de V.
4.2.6 OBSERVAÇÃO
Dizemos que um espaço vetorial V é reflexivo se a função 4>

construída acima for um isomorfismo. O último resultado nos
diz que todo espaço vetorial de dimensão finita é reflexivo. Va
mos agora exibir um espaço vetorial que não seja reflexivo.
Considere V = P(R) sobre R e seja C uma base de V*. Segue
do Exercício 4.1.6(13) que C não é enumerável e portanto C* é
um conjunto não enumerável Li.. Com isso, V** terá uma base
não enumerável. Concluímos então que V** não pode ser iso
morfo a V pois V tem uma base enumerável. Portanto, P(R)
não é reflexivo. O espaço 12 a ser definido na seção 6.1.9 é um
espaço vetorial reflexivo com dimensão infinita.
4.2. 7 EXERCÍCIO
Encontre as bases duais e biduais de cada uma das seguintes

bases do JR3.
(a) {(1,0,0)(0,1,0),(0,0,1)}.
(b) {(1, -2, 3), (1, -1, 1),(2, -4, 7)}.
4.3 HIPERPLANOS
4.3.1 Seja V um espaço vetorial de dimensão n � 1 sobre lK, e se

ja W Ç V um subespaço com dimensão n - 1. Observe que W
é um subespaço próprio de V e é maximal. Em outras palavras,

W tem a seguinte propriedade: se W' for um subespaço de V tal
que W Ç W' Ç V, então ou W = W' ou W' =V. De fato, seja
13 = {vi,· · · , Vn-l } uma base de W. Se /3 for um conjunto gerador
de W', então será uma base de W' e portanto W = W'. Suponha
agora que /3 não gera W' e seja Vn E W' que não seja combinação
linear dos elementos de 13. Por (2.3.9), 13' = {v1,· ·· ,vn_1,vn } é
linearmente independente em W'. Como dimoc V = n, 13' será uma

base de V e, como 13' Ç W', teremos que V Ç W', o que implica que
V = W'. Um tal subespaço W é normalmente chamado de hiper
plano. Se considerarmos por exemplo o espaço euclidiano IR 3, então
os seus hiperplanos serão os planos que passam pela origem.
O que queremos agora é dar uma definição de hiperplano para
um espaço vetorial de dimensão não necessariamente finita e, para
tanto, usaremos a propriedade acima como ponto inicial.
4.3.2 DEFINIÇÃO. Seja V um espaço vetorial não nulo. Um hiper

p lano de V é um subespaço próprio W tal que se W' for um subespaço
de V satisfazendo W Ç W' Ç V, então W = W' ou W' = V. �
4.3.3 Seja V um espaço vetorial sobre lK de dimensão finita n 2'.: 1.

Vimos acima que todo subespaço de dimensão n - l é um hiperplano.
Na realidade, a recíproca deste resultado também é verdadeira.
PROPOSIÇÃO. Sejam V um lK -espaço vetorial de dimensão n 2'.: 1 e

W um subespaço p róprio de V. Então W é um hiperplano de V se
e somente se dimoc W = n - 1.
DEMONSTRAÇÃO. Seja W um hiperplano de V. Queremos mostrar

que dimoc W = n-1. Em primeiro lugar, observe que, como W =f. V,
então dimoc W < dimoc V. Não há nada a mostrar se n = 1.

Suponha n 2'.: 2 e que dimoc W � n - 2. Então existe uma base
13' de W com menos do que n - 1 elementos. Seja v E V, v (j. W
(tal v existe pois W é um subespaço próprio de V). Como v não
é combinação linear dos elementos de 13', segue da Proposição 2.3.9
que /3 = 13' U {v } é linearmente independente. Seja W' o subespaço
gerado pelos elementos de 13. Como v E W' mas v (j. W, então
W' =/= W e, uma vez que dimK W'::;: n - 1 < dimK V, concluímos
que W' =/= V. Logo W Ç W' Ç V, o que contradiz a nossa hipótese
de que W é um hiperplano. Que todo hiperplano de V tem dimensão
n - 1 foi mostrado acima. D
4.3.4 OBSERVAÇÃO
Seja � um espaço vetorial sobre ][( de dimensão n 2: 1 e seja

f E V* um funcional não nulo. Então I m f = lK e, portanto,
por (3.2.5) dimK Nuc f = dimoc V - dimoc Im f= n - 1.
Usando a proposição acima podemos concluir que Nuc fé um
hiperplano de V. Na realidade, a relação entre hiperplanos
e núcleos de funcionais lineares é mais geral, como mostra o
próximo resultado.
4.3.5 TEOREMA. Seja V um lK -esp aço vetorial não nulo. Se f E V*

é um funcion al linear não nulo, então Nuc f é um hiperplano de V.
Invers amente, se H é um hiperplano de V, então existe um funcion al
linear não nulo f E V* t al que Nuc f = H.
DEMONSTRAÇÃO. Seja 0 =/= f E V* e denote H = Nuc f . Como

f =/= O, temos que H =/=V. Para mostrarmos que H é um hiperplano,
considere H' um subespaço de V com H Ç H' Ç V. Vamos supor
que H =/= H' e mostraremos que H' = V. Como H' =/= H, existe
vo E H' \ H. Assim,
f(vo) =/= O. Seja agora v E V e considere o
elemento u = v - /(�j) v0. Observe que u E Nuc f pois
·
Como Nuc f = H Ç H', segue que u E H' e, como vo E H', teremos
que V = u + feto)) Vo E H'. Portanto, V e H'' o que implica que

V= H'. Logo, Nuc fé um hiperplano de V.
Seja agora H um hiperplano de V. Queremos definir f E V*
tal que Nuc f = H. Considere um vetor v0 E V\ H (existe pois
H =/=V). Seja H' o subespaço gerado por H e por vo. Como H' =/= H
e H é um hiperplano, teremos que H' = V. Portanto, cada elemento
v E V se escreve como v= u + >.vo onde >. E lK e u E H. Observe
também que, dado v , tal u E H e tal >. E lK acima são únicos. De
fato, se v = u + >.vo = u' + >.'vo então teremos u- u' = (>.' - >.)vo. Se

>.'=/;>.,então O=/;(>.' ->.)vo = u-u' EH, o que implica que vo EH,

uma contradição com a escolha de v0. Então >. = >.' e u' = u. Em
resumo, cada vetor v E V se escreve, de maneira única, como uma
soma u + >.v0 com >. E lK e uE H. Defina agora f: V -+ lK dada por
f(u + >.v0) =>.. Pela observação acima, f está bem definida. Além
disso, f(v0) = 1 e, portanto, f =/;O. Também não é difícil mostrar
que f E V* e que N uc f =H como queríamos. O
4.3.6 O resultado acima é importante por propiciar um critério para

se decidir quando um dado subespaço é ou não um hiperplano. É
claro que em vista da Proposição 4.3.3, este critério é mais importante
quando a dimensão do espaço em questão for infinita.
EXEMPLOS
(a) Os seguintes conjuntos são hiperplanos de V=IR 3:
(i) Hi ={ (zi,z2,z3 ) E IR 3 : z2 =O};

3
(ii) H2 = { (zi,z2,z3 ) E IR : z1 + z2 - Z3 =O};
(iii) H3 = { (z1,z2,z3 ) E IR 3 : a1z1 + a2z2 + a3z3 =O, c�
a1, a2, a3 E IR,( a1 ) 2 + ( a2 ) 2 + ( a3 ) 2 =/;O}.
Observe que Hi,H2,H3 são planos no IR

3 que passam pela
origem. Além disso, para cada i = 1, 2, 3, Hi = Nuc Íi o�de
os funcionais Íi (IR 3 ) * são dados por fi (zi,z2,Z3 ) = z2,
E
3
h (zi,z2,z3 ) =z1 + z2 - Z3 e f3(zi,z2,z3 ) = L: aiZi, respec
i=l
tivamente.
(b) O subespaço H = {g E C((a,b],IR): J:g(x)dx =O} é um

hiperplano de C([a,b],IR). Para se ver isto basta observar que
H =Nuc</>,onde</> é o seguinte funcional linear
</> : C([a,b],IR) -+ IR
g 1--> J:g(x)dx.
4.3. 7 Seja V um espaço vetorial sobre lK e seja H um hiperplano de

V. Para um vetor v0 E V defina o conjunto
vo + H ={vo + v: v EH}.
Chamamos tal conjunto de hiperplano afim de V. Observe que vo+H

é um subespaço vetorial de V se e somente se v0 E H.
4.3.8 EXEMPLO
Considere o hiperplano
H = {(x1,x2,x3) E �3: x1 +3x2 -2x3 =O}
de �3 e o vetor vo = (-1,3,2) E � 3.
O hiperplano afim vo +H será, neste caso,
vo + H = {(-1, 3, 2) + (x1,x2,x3): x1+3x2 - 2x3 =O}

= {(zi,z2,z3) : z1+3z2 -2z3 = 4}.
Geometricamente, H é o plano do � 3 dado pela equação
x1 +3x2 - 2x3 = O. Por outro lado, o hiperplano afim vo + H
será o plano paralelo a H passando por v0.
4.3.9 EXERCÍCIOS
(1) Sejam V um espaço vetorial sobre lK e O =/. f E V*. Mostre

que existe vo E V, vo =/.O, tal que V = Nuc f EB [vo].
(2) Seja W um subespaço próprio de um espaço vetorial V de di

mensão finita e considere f E W *. Mostre que existe g E V*
tal que g(w)= f(w), V w E W.
(3) Sejam V um IK-espaço vetorial com dimoc V= n;::: 2 e li, h

em V* funcionais não nulos tais que Nuc li =/. Nuc h. Deter
mine as dimensões de cada um dos subespaços Nuc li, Nuc /2,
Nuc li n Nuc he Nuc li+ Nuc f2.
( 4) Sejam V um IK-espaço vetorial, f E V*, f =/. O e a E lK.
Mostre que {v E V: f(v) = a} é um hiperplano afim.
(5) Seja V um espaço vetorial de dimensão finita. Mostre que todo

subespaço próprio de V é uma intersecção finita de hiperplanos
de V.
(6) Seja W o subespaço de P(IK) gerado pelos polinômios de grau

ímpar. Mostre que W é uma intersecção (infinita) de hiper
planos de P(IK).
124 • Um Curso de Álgebro Linear
(7) Seja V um espaço vetorial sobre lK e sejam f, g E V*. Prove

que se N uc f = N uc g então existe um escalar não nulo >.E lK
tal que f(x) = >.g(x) , V xE V.
(8) Sejam U, V espaços vetoriais sobre lK e W um hiperplano de

U. Mostre que se T: U ----> V for um isomorfismo, então
T(W) =:= {u E V: 3 w E W com T(w ) u} é um hiperplano
=
de V.
4.4 ANULADORES
4.4.1 Nesta seção iremos introduzir a noção de anulador de um subes
paço. Tal noção será útil para se descrever o núcleo e a imagem da

chamada transposta de uma transformação linear, assunto de nossa
próxima seção.
DEFINIÇÃO. Seja V um espaço vetorial sobre lK e seja SÇ V um

subconjunto de V. Chamamos de anulador de S ao subconjunto 8°
dos funcionais lineares de V* que se anulam nos vetores de S, isto é,
'\
Sº = {!E V*: f(u) =O, V u E S}.
4.4.2 ÜBSERVAÇÔES
(a) Sejam V um espaço vetorial e SÇ V um subconjunto. Então

Sº é um subespaço vetorial de V* (mesmo quando S não for
subespaço de V). De fato, observe em primeiro lugar que o
funcional nulo pertence a 8°. Agora, dados >.E lK e fi, h E 8°,
então >.fi + h E 8° pois, se u E S, teremos
(>.fi + h )(u) = (>.fi)(u) + h(u) =>.fi(u) + h(u) = O,
pois fi(u) = O para i = 1, 2.
(b) Se S = {O} , então Sº = {!E V*: f(u) = O, V uE S} =V*. �
(c) Se S = V, então 8° = {O} .
4.4.3 TEOREMA. Sejam V um espaço vetorial de dimensão finita

sob re lK e W Ç V um subespaço de V. Então
dimoc. V = dimoc. W + dimoc Wº.

DEMONSTRAÇÃO. Considere dimoc V = n e dimoc W = m. Se

ja B' = {v1,· ·· , Vm } uma base de W e complete-a a uma base
B = { vi,··· ,Vm,Vm+i,··· ,vn} de V (existe por (2.3.10)). Seja
B* = {fi, · ·· , fn} a base dual a B, isto é, a base de V* que sa
tisfaz fi(vj) = Ôij para todos i,j = 1, ·· n. Vamos provar que
·
C = {!m+1,· ·· , fn} forma uma base de Wº. Como C e Wº e C

é Li., basta mostrar que C é um conjunto gerador para Wº. Se
n
f E V*, sabemos, por (4.1.3), que f = L f(vi)k Se f E w0,
i=l
temos, em adição, que f (vi ) =O para 1 :$ i :S: m. Portanto, teremos
n
que f =
L f (vi)fi e e gera Wº. Segue o resultado. o
i=m+l
4.4.4 A demonstração acima indica-nos como construir naturalmente

uma base de Wº a partir de uma base do subespaço W Ç V (quando
a dimensão de V for finita). Ilustraremos isto no próximo exemplo.
EXEMPLO
Sejam V = IR 4 e W o subespaço de V gerado pelos vetores

vi = (1, O, -1, 3) e v2 = (-2, O, 1, -3). Vamos encontrar uma
base de Wº. Como B' = {v1,v2} é um conjunto linearmente
independente, segue que é de fato uma base de W. O primeiro
passo será completarmos B' a uma base de V. Um possível
completamento é B {v1,v2,v3 = (O, 1, O, O), V4 = (O, O, O, l)}.
=
Vamos agora calcular a base B* = {!i, /2, /3, /4 } dual à base

B. Como vimos anteriormente, se v (a1,a2,a3,a4).13, então=
Íi é definida por Íi (v) = ai Portanto, precisamos escrever

.
os elementos de V com relação à base B. Uma conta simples

mostra-nos que
(x, y, z, t) = (-x � 2z, -x - z, y, t + 3z).13.

Segue da discussão acima que {/3, /4 } é uma base de Wº, onde
IR 4 f4: IR 4 --+ IR
e
(x, y, z, t) (x, y, z, t) i-+ 3z + t .
4.4.5 O próximo resultado mostra-nos como uma decomposição de

um espaço vetorial em soma direta induz naturalmente uma decom
posição de seu espaço dual.
TEOREMA. Seja U um espaço vetorial sobre ][{ . Se U = V EB W,

então U* =VºEBWº, V* é isomorfo a Wº e W* é isomorfo a Vº.
DEMONSTRAÇÃO. Como U =VEBW, teremos que cada u E U pode

ser escrito como u = v + w com v E V e w E W e V n W = {O}.
Queremos mostrar em primeiro lugar que
(i) se f E U*, então existem g E Vº eh E Wº tais que f = g + h.
(ii) Vº n Wº = {O}.
Para f E U*, vamos definir g, h E U* como segue
g: VEBW --> OC h: VEBW --> OC

e
v+w t-t f(w) v+w t-t f(v).
Não é difícil ver que g E Vº, h E Wº e que
f(v + w) = f(v) + f(w)= h(v + w) + g(v + w) = (h + g)(v + w)
para todo v + w E V EBW= U, o que prova (1).

Para verificarmos que VºnWº ={O}, seja f E VºnWº. Então
f(v+w) = f(v)+f(w) =O para cada elemento v+w E VEBW = U,
e, portanto, f =O. Com isso, provamos que U* =VºEBWº.
Para mostrarmos que V* é isomorfo a Wº, consideremos a
seguinte função
T: Wº --> V*
f t-t T(f): V --> OC
v t-t T(f)(v)= f(v).
É claro que, como fé linear, então T(f) tambémé linear e, portanto,

T(f) E V*. Por outro lado, como
T(>..fi+h)(v) = (>..fi + h)(v) = >..fi(v)+ h(v)= (>.. T(f1)+T(h))(v)

'
para todos À E ][{ , fi, f2 E Wº e todos v E V, segue que T é uma

transformação linear. Falta mostrarmos que Té bijetora.
Para mostrarmos que T é injetora, seja f E Wº um funcional
tal que T(f) =O, istoé, tal que O= T(f)(v)= f(v), V v E V. Como
f E Wº segue que f(v + w) =O, \:;/ v + w E V EBW. Assim, f =O
e Té injetora. Por outro lado , dado g E V*, definimos f : U --+ ][{

dada por f(v + w) = g(v). É claro que f E Wº e que T(f) = g e,
portanto , Té sobrejetora.
Logo Wº e V* são isomorfos. Mostrar que Vº e W * são isomorfos é
análogo ao feito acima e será deixado ao leitor. D
4.4.6 EXERCÍCIOS
(1) Sejam V um ][{-espaço vetorial e W1 e W2 dois subespaços de

V. Prove que W1 = W2 {::? Wf = W�.
(2 ) Sejam u1 = (1, 0, -1, 2), u2 = (2, 3, 1, 1) E JR4 e W = [ui,u2]

Determine os funcionais lineares que estão no anulador de W.
(3) Seja W o subespaço de lR 5 gerado pelos vetores
U1 = (1, 2, 1, 0, 0), U2 = (1, 0, 3, 3, 1) e U3 = (1, 4, 6, 4, 1).
Determine uma base de Wº.
(4) Sejam V um espaço vetorial e Se V um subconjunto. Mostre

que se W é o subespaço de V gerado por S, então Sº = Wº.
(5) Sejam W1 e W2 subespaços de um ][{-espaço vetorial V de

dimensão finita
(a) Demonstre que (W1 + Wi)º = Wf n W�.

(b) Demonstre que (W1 n W2)º = Wf + W�.
(6) Seja V um espaço vetorial sobre][{. Mostre que se 81 Ç 82 Ç V,
então s� ç sr.
(7) Seja V um ][{-espaço vetorial de dimensão finita, S Ç V e
 V ---+ V** o isomorfismo definido em (4.2.3). Descreva
:
1 1
<1>- ((Sº)°) e mostre que Sé um conjunto gerador de<1>- ((Sº)º).
4.5 TRANSPOSTAS DE TRANSFORMAÇÕES
4.5.1 Sejam U e V espaços vetoriais sobre ][{ e seja T : U --+ V uma

transformação linear. Observe que· se f E V*, então a composta
f o T : U --+ ][{ é um elemento de U* (lembramos que a composta
de transformações lineares é linear). Portanto, podemos definir a

seguinte função
Tt: V* - U*
f 1--* Tt(f) : U - ][{
u 1--* Tt(f)(u) = (! o T)(u).
Queremos mostrar que Tt é linear, isto é, que
Para mostrarmos esta igualdade de funcionais lineares, temos que

mostrar que eles coincidem em cada vetor u EU, isto é, que
De fato,
Tt(>,fi + h)(u) = (>./1 + h)(T(u)) = >.fi(T(u)) + h(T(u)) =
Com isso, mostramos o seguinte teorema.
TEOREMA. Sejam U e V espaços vetoriais sobre][{ e T : U - V

uma transformação linear. Então e xiste uma única transformação
linear Tt: V* - U* dada por Tt(g)(u) =
g(T(u)) para todo g E V*
e todo u EU.
4.5.2 DEFINIÇÃO. A transformação linear Tt definida acima é chama

da de transposta de T.
4.5.3 EXEMPLO
Seja
T: JR.2 - JR.3
(x, y) 1--* (2x - y, x - y, 3y).
Então Tt : (JR. 3)* - (JR. 2) * é da'da por
Tt(f)(x, y) = f(2x - y, x - y, 3y).

.Funcionais Lineares • 129
Por exemplo, se o funcional fi : IR.

3 � IR. é dado por
fi(z1, z2, z3) = Z1 + 2z2 - 3z3, então
Tt(f1)(x, y) = fi(2x - y, X - y, 3y)
= 2x - y+ 2(x -y) - 3(3y)

= 4x -12y
e seh : IR. 3 � IR. é dado por h(zi, z2, z3) = Z3, então
rt(h)(x, y) = 3y.
4.5.4 Vamos agora descrever o núcleo e a imagem da transposta de

uma transformação linear.
TEOREMA. Sejam U e V espaços vetoriais sobre lK e TEL(U, V).

Então
(a) Nuc Tt =(Im T)º.
Se as dimensões de U e V forem finitas, então
{b} posto (Tt) = posto (T).
{e) Im Tt = (Nuc T)º.
DEMONSTRAÇÃO. (a) Observe que
Nuc Tt ={!E V*: Tt(f) =O} =

={!EV*: Tt(f)(u) =O, V u EU}=
={!E V*: f(T(u)) =O, V u EU}
(Im T)º ={!E V*: f(v) =O, V vE Im T}.
Agora, f E Nuc Tt {:::} f(T(u)) = O, V u E U {:::} f(v) =

O, V vE Im T {:::} f E(Im T)º.
(b) Vamos supor que dimK U = n e dimK V = m. Teremos
que
dimoc V* = dimK V (por ( 3.5.2)),
dimoc V* = dimoc Nuc Tt + dimK Im Tt (por (3.2.5)) e
dimoc V= dimoc Im T + dimoc (Im T)º (por (4.4.3)).
Segue então que

=dimK V - dimK (Im T)º =dimK (Im T)

e, portanto, posto (T) =posto (Tt ).
(c ) Seja <p E Jm Tt. Então existe g E V* tal que <p =Tt( g ) .
Observe que cp(u) = Tt(g)(u) = g o T( u ), \:/ u E U. Agora, se
u E Nuc T, então cp(u) =g(T(u)) =g(O) =O. Logo cp(u) =O para
todo u E Nuc Te, portanto, <p E (Nuc T)º.
Por (4.4.3), sabemos que
dimoc U = dimoc Nuc T+ dimoc (Nuc T)º.
Por outro lado, por (3.2.5), temos que

dimK U = dimoc Nuc T+ dimK Im T.
Portanto, dimoc Im T =dimoc (Nuc T)º. Usando o item (b ), con

cluímos que dimK Im Tt dimoc (Nuc T)º e o resultado está prova
=
do. D
4.5.5 O próximo resultado relaciona a matriz de uma transformação

linear T e a matriz da transformação transposta Tt, justificando o
nome dado a esta.
TEOREMA. Sejam V e W espaços vetoriais sobre lK, ambos de di

mensão finita. Sejam B uma base de V, B* a base dual a B, C uma
base de W e C* a base dual a C. Se T é uma transformação linear·
de V em W, então
[TJ� ,c = [rt] c•,B·
(isto é, a transposta da matriz de T com relação às bases B e C é
igual à matriz da transposta de T com relação às bases C* e B* ) .
DEMONSTRAÇÃO. Sejam B {v1, , v n } uma base do espaço V e

= · · ·
C ={w1, · , Wm } uma base de W e considere as suas bases duais

· ·
B* ={ fi, .. , fn} (de V*) e C*

· {g1, , 9m} (de W*). Por defi
= · · ·
nição, temos que fi(vj) = Ôij para i,j = 1, ,n e 9k(wi) = Ôk1, · · ·
para k,l =1, , m. Sejam [T]B,c (aki)k,i, 1 :S k :Sme1 :Si :S n

· · · =
e [Ttlc•,B• =(bik)i,k, 1:Si:Sne1 :Sk:Sm as matrizes de Te Tt

com relação às bases indicadas. Por definição, valem as relações
m
T( vi) =Lªliw1, i =1, · · · ,n, e

l=l
Funcionais Line.ares • 131
n
( * ) Tt (gk)=L bikfi, k=1, · · · , m.
i=l
Por (4.1.3 ) , segue que
Tt (gk) = L (Tt (gk)(vi)) Íi, para k= 1, · · · , m.

i=l
Comparando esta última igualdade com ( * ) acima, teremos que
bik = Tt (gk)(vi), parai= 1, · · · ,n e k = 1, · · · , m. Daí segue que
bik=Tt (gk)(vi) = 9k(T (vi)) = 9k (f:!=l aliw1) =

m m
=L aligk(w1)= L alic5k1=aki·
l=l k=l
Logo aki = bik, Vi=1, · ·· , n e V k=1, · · · , m e, portanto,
eomo queríamos. D
4.5.6 COROLÁRIO. Seja A= (aij)i,j E Mmxn(IK). Então o posto
linha de A é igual ao posto-coluna de A.
n m
DEMONSTRAÇÃO. Sejam B e e as bases canônicas de ][{ e ][{ '
n
respectivamente. Considere T : ][{ -. ][{ m a transformação linear
tal que [T]s,c =A (ver (3.4.3)). Segue que
n
T((xi, · · · ,xn )) = ( yi , · · ·
,ym), onde Yi= LªijXj, 1 :5 i :5 m.
j= l
Observe que o posto-coluna de A é o posto de T. Como

[Ttlc-,s· = At, segue que posto Tt = posto-coluna de At = posto
linha de A. O resultado segue do fato de o posto de T ser igual ao
posto de Tt ( 4.5.4(b)). D
4.5.7 EXEMPLO
Seja T a seguinte transformação linear
T: c2 __. c3
(x, y) 1-+ (2x + y, y - x, iy)
e considereasbasesB={(l,i),(0, 1)} de C2 e C={(l,0,0),
[T]B,C =
(
(O, 1,0), (0,0,1)} de C3. Teremos então
2+i
i-1
-1
(
Logo,
2+i
i-1
[Tt]c. ,B• = i-1
1
-1
4.5.8 EXERCÍCIOS
(1) Seja <P E (JR2)* definida por <jJ(x,y) = 3x -2y. Determine

Tt(</J)(x,y,z), quando TE L(JR3,JR2) é dado por
(a) T(x,y,z) = (x+y, y+z).

(b) T(x,y,z) = (x + y, 2x -y).
(2) Seja/: C3 - C dado por J(x,y,z) 5x-iz e T: C2 -t C3

=
a transformação linear dada por T(x,y) (2x +y,y -x,iy).

=
Calcule Tt(!).
(3) Considere V = P(R) Sejam . a, b E lR e f E V* definida por
f(p) = lb p (x)dx.
Se DE L(V,V) é o operador derivação, determine Dtf.
(4) Sejam V um espaço vetorial sobre OC de dimensão finita e

T E L(V,V). Seja a E OC e vamos supor que existe u f. O
em V tal que T(u) au . Demonstre que existe um funcional
=
linear não nulo f sobre V tal que Tt(!) = af.
(5) Sejam V =Pn(R) e DE L(V,V) o operador derivação em V .

Determine Nuc Dt.
(6) Seja V um espaço vetorial sobre OC de dimensão finita e seja

<P a aplicacão de L(V,V) em L(V* ,V*) dada por <P(T) = rt.
Mostre que <P é um isomorfismo.

5
FORMAS CANÔNICAS
Lembramos que um operador linear é uma transformação li

near T : V -t V, onde V é um espaço vetorial sobre um corpo lK
(isto é, com seu domínio e contradomínio iguais). Se dimK V= n e
B é uma base de V, então a matriz [TB
] pertence a M n (JK). Como já
tínhamos visto anteriormente, muitas informações sobre T podem ser
conseguidas a partir de cálculos sobre [TB
] . Para se obter informações
sobre T a partir de [TB
] , é conveniente então que a matriz [T]B seja
a mais simples possível. Em outras palavras, procuramos uma base
B de V tal que certas informações sobre T possam ser facilmente
obtidas a partir de (T]B·
Observamos inicialmente que se [T]B for uma matriz diagonal,
então informações sobre o Núcleo de Te o seu posto podem ser muito
facilmente obtidas. Este será o nosso primeiro objetivo, qual seja, o
de procurar condições sobre T para que exista uma base B de tal
forma que [T]B seja diagonal. Analisaremos depois a chamada forma
de Jordan. Cabe ressaltar que existem outras formas canônicas que
não serão tratadas neste texto. Ao longo deste capítulo, lK denotará
um corpo qualquer e T : V ---+ V será um operador linear onde V é

um IK -espaço vetorial de dimensão n 2'.: 1.
5.1 OPERADORES DIAGONALIZÁVEIS
5.1.1 Seja T: V---+ V um operador linear e suponha que exista uma

base B = {vi,··· , vn} de V tal que a matriz [T]B tenha a forma
diagonal, isto é, tal que
com Ài E IK parai= 1, ··· , n. Da definição de [T]B, teremos então

que T(vi) = Àivi para i = 1, ··· , n, isto é, a imagem de qualquer
vetor da base B por T é um múltiplo deste vetor. Veremos que
elementos com esta propriedade serão importantes em nosso estudo.
5.1.2 DEFINIÇÕES. Seja T: V---+ V um operador linear.
(a ) Um autovalor de Té um elemento >. E IK tal que existe um
vetor não nulo vE V com T(v) = >.v.
(b) Se >. é um autovalor de T, então todo vetor não nulo v E V
tal que T(v) = >.v é chamado de autovetor de T associado a >..

Denotaremos por AutT(>.) o subespaço de V gerado por todos
os autovetores associados a .>..
(c ) Suponha que dimoc V= n < oo. Dizemos que Té diagona

lizável se existir uma base B tal que [T)B é diagonal, o que é
equivalente a dizer que existe uma base formada por autove
tores de T.
(a) Seja T: V---+ V um operador linear não injetor. Então Oé um

autovalor de T. De fato, como T não é injetor, existe um vetor
não nulo v em Nuc T. Daí T(v) = O = O · v, como queríamos.
Formas Canônicas • 135
(b) É claro que existem operadores lineares que não possuem au
tovalores. Considere, por exemplo, T: � 2 ---+ � 2 dado por
T(x ,y) = (-y ,x). Deixamos a cargo do leitor a verificação de
que T não possui autovalores. Na realidade, seguirá facilmente
de nossas considerações abaixo que todo operador T E L(V,V)
onde V é um C-espaço vetorial de dimensão finita possui au
tovalores.
5.1.4 Seja T: V ---+ V um operador linear onde V é um OC-espaço

vetorial de dimensão finita. Iremos discutir agora um método para
descobrirmos todos os seus autovalores, caso os tenha.
Se À E OC for um autovalor de T, então existe v -1-
O tal que
T(v) Àv, o
= que é equivalente a dizer que (Md - T)(v) = O , onde
I d : V --t V é a transformação identidade em V. Segue então que
À é autovalor de T {::} Nuc (Md - T) -1- O.
EXERCÍCIO
Seja À um autovalor do operador linear T:V --t V. Mostre

que Autr(À) =.Nuc (T- Md).
Seja agora C uma base qualquer de V e considere a matriz

[Md - T]c do operador (Md - T) E L(V, V) nesta base. Segue de
(1.4.9), (3.2.2) e (3.4.5) que
Nuc ( ÀI d - T) -1- O {::} [ ÀId - T]c não é invertível {::}
{::} det ([Md- T]c) = O .
5.1.5 Esta relação acima nos dá uma idéia de como poderemos achar
os autovalores de um dado operador T. Seja C uma base de V.
Observe que [x I d - T]c é uma matriz onde, na diagonal principal,
aparecem polinômios mônicos de grau um com coeficientes em OC e
elementos de OC nas outras posições. Portanto, det ([x Id - T]c) é
um polinômio mônico de grau n sobre OC . A equivalência acima pode
ser reescrita como
À é um autovalor de T {::}À é uma raíz de det ([x Id - T]c).

Neste ponto, poderíamos nos perguntar se o polinômio em

questão depende necessariamente da base C escolhida ou se é de fato
um invariante de T. Na realidade, ele independe da escolha da base,
como veremos a seguir. Sejam C e C' duas bases de V. Por ( 3.4.6),
sabemos que existe uma matriz invertível P tal que (T]c p-1[T]c,P =
(em outras palavras, as matriz�s [T]c e (T]c, são semelhantes). Daí,

se indicarmos por Idn a matriz identidade de M n (OC ) , teremos
det ([x Id - T]c) = det (x Idn (T]c) - =
= det (x p-1 IdnP p-1[T]c1P) - =
= det (P-1(x Idn [T]C')P) - =
= det (P-1) det (x Idn (T]c,) det (P)

· - · =
= det (x Idn [T]c,) det ([x Id T]c,).

- = -
(lembre que det (P-1) det (P)

· = 1).
Assim, det (x Idn (T]c) - é um invariante de T, não depen
dendo da base C escolhida. Isto justifica a seguinte definição.
DEFINIÇÃO. Sejam V um OC-espaço vetorial de dimensão finita,

T E L(V, V) um operador linear e C uma base de V. Chamamo�
o polinômio det ([x Id - T]c) de polinômio característico de T e o
denotamos por PT (x).
Segue da discussão acima que os autovalores de T, caso exis�

tam, serão as raízes de seu polinômio característico.
5.1.6 ÜBSERVAÇÃO
Seja V um C-espaço vetorial de dimensão n 2: 1 e seja T

em L(V, V). Como C é um corpo algebricamente fechado (ver
( 1.1.3)), o polinômio característico de T será da forma
com À1, ... 'Àt E e e Ti 2: l. Portanto, existirão autovalores

para T.
5.1.7 EXEMPLOS
(a) Seja
JR.2 JR.2
---->
T:
(x,y) f-+ (-y,x).
Se C = {(1,O), (O, 1)} é a base canônica de IR 2 sobre IR, então
[T]c =
(� �) -
.
Também,
= det ( � +� )
_ = x2 + 1.
Como PT ( x) x2 + 1 não tem raízes reais, segue que T não

=
possui autovalores.
(b ) Considere agora
T: c2 ----+ c2
(x,y) f-> ( -y,x) .
É fácil ver que o polinômio característico PT (x) x2 + 1 é o =
mesmo que o do item ( a ). Mas aqui, como estamos consideran

do t 2 como espaço vetorial sobre IC, então PT ( x) ( x-i)(x+i) =
e os valores i e -i são autovalores de T. Considere C a base

canônica de IC 2 sobre IC . Como
segue que (x,y) E AutT (i) se e somente se
( _ ; �)(:) =
(�)
Com isto, AutT (i) [(i, 1)]. De forma análoga, teremos,
=
AutT (-i) =
[( i,-1 )] . Observe que B {(i, 1 ),(i,-1)} é uma
=
base de IC 2 sobre IC e, nesta base, T tem a sua forma diagonal
[T]B =
( � -� ) .
(c) Seja T: IR 3---+ IR 3 tal que
onde C é uma base de IR 3 sobre IR . Como vimo�,
(X - 2 -2 1 )
P r(x) =
det -1 x -1
-2 2 x- 3
Um cálculo simples leva-nos a pr(x) = (x - l)(x- 2)2 e, por

tanto, os autovalores de T são 1 e 2. Vamos calcular Autr(l) e
Autr(2). Pelo visto acima, Autr(l) =
Nuc (ld3 - T). Como
( -1 -�
[ld3 -T]c =
-1 -�)
-2 2 -2
segue que (x,y,z) E Autr(l) se e somente se
Resolvendo este sistema, chegamos a Autr(l) =

((1,-2, -3)].
Uma conta análoga mostra-nos que Autr(2) =
[ O 1, 2l Como
,
os autovetores de T são ou múltiplos de (1,-2,-3) ou múltiplos

de (0,1,2), concluímos que não pode existir uma base de IR 3
formada por autovetores de T. Este exemplo mostra-nos que,
apesar de PT (x) ter todas as suas raízes em lK , não existe uma
base de autovetores de T. De qualquer maneira, observe que
{(1,-2, -3), (O, 1, 2)} é linearmente independente.
(d) Seja T: IR 3 ---+ IR 3 tal que
( 1 2 - � )
[Tlc �
-2 -3
2 2 -2
onde e é uma base qualquer de IR. 3.

Fazendo-se os cálculos, teremos que Pr(x)=(x+1)2(x+2),
Autr(-1)= [(1,0,2),(0,1,2)] e Autr(-2)= [(1,-1,1)].
Observe que B = {(1,0,2),(0,1,2),(1,-1,1)} é um conjunto

linearmente independente em IR. 3 com 3 elementos e, portanto,
é uma base. Além disso, os seus elementos são todos autove
)
tores. Não é difícil verificar então que
JTJB� ( -1
o
o
o
-1
o
o
-2
o
Logo, T é diagonalizável.
5.1.8 Os exemplos acima sugerem-nos que, se juntarmos as bases

dos vários Autr( >.) com >. autovalor de T, teremos um conjunto
linearmente independente. Mostraremos que isto de fato vale em
geral.
TEOREMA. Seja T : V ----+ V um operador linear onde V é um es
paço vetorial sobre lK de dimensão finita e sejam Ài, · · · , Àt, t 2: 1,
autovalores de T, dois a dois distintos.
(a) Se V1 + ···+ Vt = O com vi E Autr(>.i), i = 1, · · · ,t, então

Vi= O para cada i .
(b) Para cada i=1,··· , t , seja B i u m conjunto linearmente inde

pendente contido em Autr( Ài). Então B1 U B2 U ··· U Bt é
DEMONSTRAÇÃO. (a) Vamos provar este item por indução em t 2: 1.

Se t = 1, não há nada a provar. Seja agora t > 1 e suponhà que o
resultado vale para todo j < t e vamos prová-lo para j = t. Seja
( *) v1+v2+···+Vt=O com vi E Autr( >.i), Vi=l,··· ,t.
Calculando T em ( *), teremos que

e, portanto,
Multiplicando a equação( *) por À1 e subtraindo( **), temos
Usando-se a hipótese de indução, teremos que (À1 - À i )vi =O para

cada i = 2, · · , t. Como À1 =f. Ài se i =f.
· 1, temos que Vi = O, para
todo i = 2, · · , t. Substituindo em(*), teremos que também v1 =O
·
como queríamos.
(b) Para cada i = 1,··· ,t, escreva Bi = {vi1,··· ,vinJ· Va
mos mostrar que {v11,··· ,V1n1,··· ,Vt1,··· ,Vtn, } é linearmente in
dependente. Para tanto, assuma que
auVn + · · · + a1n1V1n1 + · · · + O!t1Vn + ·· · + CTtn, Vtn, =O,
n;
onde aij E OC, para todos i e j. Como E aijVij E Autr(Ài) para
j=l
n;
cada i, segue do item (a) que aijVij =O, Vi = 1, ·
E , t. Como · ·
j=l
Bi é um conjunto linearmente independente, teremos que aij = O
para todo i = 1, ··· , te todo j = 1, ··· , ni, e, portanto, B1 U ··· U B t
é linearmente independente. D
5.1.9 Estamos particularmente interessados na situação em que existe

uma base de autovetores. Tal base vai existir se e somente se a união
81 U ··· U Bt (usando-se a notação do Teorema 5.1.8) for uma base
de V. Não é difícil ver que isto vai ocorrer se e somente se
t
dimn< V= L dimJK Autr(Ài)·
i=l
Em resumo, temos o seguinte resultado.
COROLÁRIO. Seja T : V ---> V um operador linear, onde V é

um ][{-espaço vetorial de dimensão finita. Se Ài, · ·· , Àt são to
dos os autovalores de T, então T é diagonalizável se e somente se
t
dimoc V= E dimoc Autr(Ài) ·
i=l
5.1.10 Nosso próximo passo será relacionarmos, para um dado auto
valor À de T, a dimensão dimoc Autr(>.) com a multiplicidade de À

como raiz do polinômio característico PT ( x). Começaremos com a
seguinte definição.
DEFINIÇÃO. Seja À um autovalor de um operador linear T: V---+ V

onde V é um lK-espaço vetorial de dimensão finita e suponhamos que
Pr(x) (x - À)m q(x), com q(>.) f:. O, seja o polinômio característico
=
de T. O número m é chamado de multiplicidade algébrica de À e

o denotamos por ma(>.). Chamamos de multiplicidade geométrica
de À à dimensão do subespaço Autr(À) e indicamos tal número por
mg(>.).
5.1.11 ÜBSERVAÇÃO
Note que a multiplicidade algébrica de um autovalor À é o maior

índice j, tal que (x - >.)í divide Pr(x).
5.1.12 PROPOSIÇÃO. Seja À um autovalor de T: V---+ V, onde V é

um lK-espaço vetorial de dimensão finita. Então mg(>.):::; ma(>.).
DEMONSTRAÇÃO. Seja W = Autr(>.) e assuma que dimoc W = s.
Sejam B' = {wi,·· · ,w8} uma base de W e B = {w1,· · · ,w8,Ws+1,

· · ,wn} uma base de V contendo B'.
· Como T(wi) = Àwi para
i = 1, · · · , s, podemos escrever [T]B na forma de blocos
À o o
o À o
o o À
[T]B =
o o o
o o o
onde A1 E Msx(n-s)(lK) e A2 E M(n-s)x(n-s)(lK).

Um cálculo simples nos dá
Pr(x) = det (x Idn - [T]B) = (x - À)8 • det (x Id(n-s) - A2).

Por definição, temos que ma (À) é o maior índice j tal que (x - À)j
divide PT(x). Portanto, mg(À)= s:::; m a (À) , como queríamos. O
5.1.13 Seja T: V ___. V um operador linear, onde V é um IK-espaço

vetorial de dimensão finita, tal que PT(x)=(x - À1r1 • • • (x - Àt)n•,
onde Ài, · · · Àt E lK são distintos. Segue da definição de PT que
dimJK V = n1 + nt. Usando-se o resultado acima é fácil ver
+ · · ·
t
que dimJK V = 2::: dimK AutT(Ài) se e somente se, para cada i,
i=l
ma(Ài) = mg(Ài)· O próximo resultado resume o que de principal
foi discutido nesta seção.
TEOREMA. Seja T : V ___. V um operador linear, onde V é um

lK -espaço vetorial de dimensão finita e sejam Ài, · · · , Àt os seus au
tovalores distintos. As seguintes afirmações são equivalentes.
(a) T é diagonalizável.
{b} PT(x) = (x - Àir1 • • • (x - Àtr•, ni � 1 e mg(Ài) = ma(Ài),

para cada i=1, , t. · · ·
t
{e) dimoc V= 2::: dimoc Autr(Ài)·
i=l
5.1.14 EXERCÍCIOS
(1) Em cada um dos casos abaixo, decida se o operador linear

T : lKn ___. lK n dado por sua matriz [T]B é diagonalizável. Em
caso positivo, calcule uma base de autovetores e a sua forma
diagonal.
(a) (� ) O
O
IK=C
n=2
(b) ( -1
2 3
1 ) IK=C
n=2
-9
( e) ( � )IK 1 =C
(d) ( -8
4
3
: )K = R
1 n=2 n=3
-16 8 7
-3 -2
(e) (: 10
-1
-5
-2
-3
) lK=lR,C
n=3
(!) ( -4
4
-1 IK =lR
O
) n=2
(g)
( 2
-3
6
-7
3
-3
) ][{
- IR
(h)
( -2
-3
-1 2
2
o )][{ - IR
-
n=3 n=3
6 12 5 -8 -4 7
(2) Seja T: V -> V um operador linear. Mostre que se todo ve

tor de V for autovetor de T, então existe um À E ][{ tal que
T(v) = Àv, V v E V.
(3) Seja T: V-> V operador e V espaço sobre][{. Mostre que se
PT tiver todas as suas raízes em ][{ e se elas forem simples, isto

é, com multiplicidade algébrica 1, então Té diagonalizável.
(4) Seja T: V --+ V um operador linear. Mostre que se

dimJK. Im T = m, então T tem no máximo m + 1 autovalores.
(5) Seja T:][{2 ->][{2 tal que To T = O . Mostre que
(a) Im TÇ Nuc T.
(b) Se T -=/= O, então existe uma base B de][{2 tal que
[T]B = ( � �).
(6) Mostre que se A E M2(C), então A é semelhante sobre C a
uma matriz de um dos seguinte tipos
º
com a,b E C ou com a E C.
(ªo ) b
(7) Seja A uma matriz 2 x 2 simétrica em M2(1R) (isto é, tal que

At = A) . Mostre que A é diagonalizável.
(8) Determine, se existir, uma matriz P invertível tal que p-l AP

seja diagonal para cada uma das seguintes matrizes:
(a) A =
(� �) (b) A = (� �)
(c) A=
(� �) , com a E][{.
Seja T : lR lR
2 2
(9) --+ uma transformação linear que tem como
autovetores (3, 1) e (-2, 1) associados aos autovalores -2 e 3,
respectivamente. Calcule T(x, y).
(10) Ache os autovalores de A=

(� �) e de A-1.
(11) Sejam T : V --+ V e S : V --+ V transformações lineares.

Suponha que v EV é um autovetor de T e de S associado
aos autovalores .X1 e À2 de T e S, respectivamente. Ache um
autovetor e um autovalor de:
(a) o:S +,BT onde o:, ,BElR.
(b) S oT.
(12) (a) Mostre que seB, ME M (lK ), com M invertível, então

n
=
(M-1 BM)n (M-1 BnM) para todo nEN.
(b) Calcule An, nEN, onde
A= ( 2 4
3 13
) ·
(13) Seja
Dado n EN, determine BE M3(C) tal que Bn =A. Existe

uma matriz BEM3(JR) tal que Bn =A?
(14 ) Seja T : M2(1R) --+ M2(1R) uma transformação linear cuja

matriz em relação à base
B
=
{ ( � �) ·(� �) (� �) (� �)}
é dada por
-1 -4 -2
=�)
-4 -1 -2
.
2 2 1 4
2 2 4 1
Determine uma matriz invertível M E M 4 (JR.) tal que
M-1 [T]8M seja uma matriz diagonal.
(15) Seja T: P2(lR.) ___, P2(lR.) tal que
onde l3 = 0x2, -�, �x}

111•.c
�o -� n
e C = {x2,x,1}. Mostre que Té
diagonalizável.
(16) Decida se as seguintes matrizes são ou não diagonalizáveis. Em

caso afirmativo, encontre uma base de autovetores.
( a) ( 3
-1
1
3
) (b) ( ) 4
2
4
(d) ( � -� )
(17) Sejam U um OC-espaço vetorial de dimensão n e l3 uma base de
U. Mostre que dada uma matriz M E M n (OC) invertível existe
uma base C de U tal que [Id]c,B M. =
(18) Determine todos os valores de a, b, e E C para os quais a matriz

abaixo seja diagonalizável:
A= (� ! �)
0 o 1
-
(19) Em F(JR., lR. ), considere o subespaço S = [e2x sen x, e2x cos x,

e2x] e o operador linear D : S ___, S definido por D(f) = f'.
Considere ainda as funções fi (x) = e2x sen x, h(x) = e2x cos x
e f3(x) = e2x em F(JR.,JR.). Determine:
(a) a matriz de D em relação à base l3 = {!1, h, h} de S.
(b) os autovalores de D e as funções de S que são autovetores

de D.
5.2 SUBESPAÇOS T-INVARIANTES
5.2.1 Dado um operador linear T: V� V, por vezes é conveniente

considerarmos a sua restrição a algum subespaço dado W de V.
No entanto, nem sempre a imagem desta restrição está contida no
próprio subespaço. Isto nos leva à próxima definição.
DEFINIÇÃO. Seja T:
V� V um operador linear onde V é um OC
espaço vetorial e seja W Ç V um subespaço de V. Dizemos que W
é um subespaço T-invariante de V se T(w) E W para todo w E W.
5.2.2 OBSERVAÇÕES
Seja T: V � V um operador linear onde V é um OC-espaço

vetorial.
(a) Os subespaços Nuc Te Im Tsão T-invariantes.
(b) Se À for um autovalor de T, então Autr(À) é um subes

paço T-invariante de V. De fato, se v E Autr(À), então
T(v) = Àv E Autr(À).
(c) Se W é um subespaço T-invariante, então a restrição de

Ta W é um operador linear em L(W, W).
5.2.3 EXEMPLOS
3 3
( a ) Seja T : C --> C definida por T(x, y, z)
(O, x,y). Se =
W = [ei,e2], então T(W) [e2,e3] e assim W não é um subes

=
paço T-invariante de C 3. Se W' [e2,e3], teremos então que

=
T(W') [e3] Ç W' e segue assim que W' é um subespaço

=
T-invariante de V.
(b) Seja S: Z00 --> Z00 o operador linear dado por
S( (x1 ' X2' ··· '

x· ···))
i'
= (O xi x2 ··· x· ···)
' ' ' ' i' '
para todos (xn)nEN E Z00 (ver 2.l.4(d)). Para cada n ;:::: 1,

considere Wn [e1,·· ,en]· Lembramos que o elemento e1 é a
= ·
seqüência que tem 1 na posição Z e O nas demais posições. Não

é difícil verificar que Wn não é um subespaço S-invariante de
V, uma vez que S(Wn) [e2,e3,· · ,en+i] </. Wn. Considere
= ·
agora o subespaço W de l00 formado por todas as seqüências

(xn)nEN E l00 tais que Xi é diferente de zero para no máximo
um número finito de termos. É fácil ver que W é um subespaço

S-invariante de l00•
5.2.4 Sejam T : V ---t V um operador linear onde V é um K-espaço

vetorial de dimensão n 2: 1 e W Ç V um subespaço T-invariante
de V de dimensão m, com 1 S m < n. Considere B' uma base
de W e estenda-a a uma base B de V. Como observado acima,
a restrição de T a W, isto é, a função T' : W ---t W dada por
T'(w) = T(w), V w E W, é um operador linear. Daí, a matriz [T]B é
( � �)
escrita da seguinte maneira:
[T B'
[T]B =
onde O indica a matriz nula em M(n-m)xm(K), AE Mmx(n-m)(OC)

e BE M(n-m)x(n-m)(OC).
Muitas vezes, pode-se escrever o espaço vetorial V como a
soma direta de dois (ou mais) subespaços T-invariantes e, como neste
caso a restrição de T a cada um destes subespaços é um operador
linear, podemos descrever a matriz de T usando os blocos das matrizes
destas restrições. Sendo mais específico, seja V = W1 EB · · · EB Wr e
suponha que cada subespaço Wi seja T-invariante. Sejam Bi, · ·, Br ·
bases de W1, ·· ·, Wri respectivamente. Como a soma W1 + ···+ Wr
(
é direta, segue que B = 81 U ···U B r é uma base de V (ver Exercício
2.6.8(5)). Não é difícil ver então que a matriz [T]B tem a seguinte
�
forma:
( T B1
[T]B= .
o o
onde os Tf s indicam as restrições de T aos subespaços Wf s e os O's
indicam as matrizes nulas correspondentes. Neste caso, a descrição de
[T]B será reduzida à descrição das matrizes (T1]B1, · ·, [Tr]Br· Com ·
isso, também escrevemos T = T1 EB · · · EB Tr e dizemos que o operador
T é a soma direta dos operadores T1, · ·, Tr. Iremos explorar pelo

·
resto deste capítulo essas observações.

5.2.5 EXERCÍCIOS
(1) Seja T E L(V, V) um operador. Mostre que se T = T1 EB T2,
então Pr(x) == PT1 (x) Pr2(x).

·
(2) Seja T E L(V, V) tal que Pr(x) =

(x - À1r1 • • • (x - Àt)n•,
ni �1 e Ài #- Àj se i #- j. Mostre que T pode ser escrito como
a soma direta de t operadores lineares.
(3) Seja T : P2(1R) ----+ P2(1R) o operador linear dado por

2
T (at + bt +e) = (2a - b + c)t2 + ( a + c)t + 2c. Escreva T como
soma direta de dois operadores.
(4) Sejam T: V----+ V um operador linear, W Ç V um subespaço

de V e ÀE lK . Mostre que W é (À!d - T)-invariante se e
somente se W for T-invariante.
5.3 POLINÔMIOS MINIMAIS E O TEOREMA DE CAY

LEY-HAMILTON
5.3.1 Vimos na seção 5.1 que, dado um operador linear TE L(V, V) ,

onde dimoc V < oo, existe um polinômio Pr(x) cujas raízes nos
trazem informações importantes sobre o comportamento de T. Irá
decorrer de nossas considerações nesta seção que o polinômio Pr(x) se

anula no operador T, isto é, que Pr(T)(v) = O , para todo vE V. No
entanto, PT ( x) pode não ser o polinômio de menor grau que se anula
em T. Nesta seção, iremos discutir mais a fundo esta questão e, em
particular, definiremos o polinômio minimal associado ao operador T

e veremos quais relações este polinômio tem com o característico. Ao
longo desta seção, V será um JK-espaço vetorial de dimensão finita
n � 1.
5.3.2 Se T: V ----+ V for um operador linear então é claro que, para

cada i � O, Ti também será um operador em L(V, V). Por outro
lado, vimos em (3.5.2) que dimoc L(V, V) é n2. Portanto, existe
m�1 tal que Tº = Id, T, , ym-l seja Li.

· · · em L(V, V) enquanto
que Tº, T, · · · , ym é l.d.. Logo, existem ao, a1, · · · , ªm-1 E lK tais
que
m-1 m-1
i m i
L ai T , isto é, r (v) L ai T (v), V v E V.
i=O i=O
m-1
Considere então o polinômio mT(x) = xm i
ai x . Pelo exposto
- L
i=O
acima, segue que mT(T)(v) =O, V v E V, isto é, mT(T) =O.
EXEMPLO
Seja T E L(C 3,C 3) dado por T(a,b,e) = (a,a + b,e) . O seu
polinômio característico é PT(x) = (x-1)3 (calcule!). Observe

também que
T2(a,b,e) = (a,2a + b,e) = (2a, 2a + 2b,2c) - (a,b,e) =
= 2T(a,b,c) - Id(a,b,c), V (a,b,c) E C3,
isto é, T2 = 2T-Id ou O = T2-2T+Id = (T-Id)2• Assim, o

polinômio mr(x) definido acima é, neste caso, igual a (x -1)2.
O fato de as raízes de mr(x) e de PT(x) serem as mesmas (a
menos de suas multiplicidades) não é uma coincidência como
veremos mais adiante.
5.3.3 OBSERVAÇÃO
Seja T E L(V, V) um operador linear. Se p(x) E P(IK) for

um polinômio tal que p(T)(v) = O, V v E V, então p(x) é um
múltiplo de mr(x). De fato, faça a divisão de p(x) por mT(x),
isto é, escreva p(x) = mT(x) · q(x) + r(x), onde r(x) = O ou
grau ( r ( x)) < grau(mr(x)). Suponha que r(x) =/. O. Então
8
i
r(x) = L bi x , com b8 =/.O e s = grau(r(x)) < grau(mr(x)).
i=O
Para v E V, temos
O = p(T)(v) = (mr · q)(T)(v) + r(T)(v)
= (mr(T) o q(T))(v) + r(T)(v)
e, como mr(T) e q(T) são polinômios em T, eles comutam e

segue que
(mr(T)oq(T))(v)+r(T)(v) = (q(T)omr(T))(v)+r(T)(v) =
= =
q(T)(mr(T)(v)) + r(T)(v) r(T)(v).
8
Logo, L bi T i (v)=O, V vE V e, portanto,
i=O
s-1
'""" bi .
T8(v) = - L..J b T'(v), V vE V.
i=O 8
Segue então que {Tº, T, , T8} é l.d., umà contradição
· · · com
a definição de mr(x). Portanto, r(x) = O, e o resultado está
provado. Usando uma terminologia clássica da teoria de anéis,
dizemos que mr(x) é um gerador do ideal de todos os polinômios
p(x) tais que p(T)(v) = O, V v E V. Observe também que
mr(x) é o único polinômio mônico com esta propriedade. Isto
justifica a seguinte definição.
5.3.4 DEFINIÇÃO. O polinômio minimal de um operador linear T

em L(V, V) é o polinômio mônico mr(x) de menor grau tal que
mr(T)(v) = O , V vE V.
5.3.5 D efinimos acima dois polinômios relacionados a uma trans

formação linear T, a saber, o polinômio característico PT (x) e o
polinômio minimal mr(x). Vamos olhar melhor as relações entre
eles. Iremos mostrar inicialmente que PT(x) se anula em T (Teore
ma de Cayley-Hamilton) e, portanto, mr(x) é um divisor de PT(x).
Também, iremos mostrar que eles possuem as mesmas raízes. Estes
dois resultados combinados serão bem úteis na descrição das formas
de Jordan. Comecemos inicialmente provando o chamado Teorema
de Cayley-Hamilton.
TEOREMA. (CAYLEY-HAMILTON) Um operador linear TE L(V, V)

é um zero de seu polinômio característico PT(x), isto é, Pr(T)=O.
DEMONSTRAÇÃO. Seja B uma base de V
e escreva A= [T]B· Con
sidere também A'= xldn -A e portanto Pr(x)= det A'. Por fim,
seja B= ad(A')= (bij) a matriz adjunta a A (ver (1.4.10)). Pelo vis
to em (1.4.10), os elementos b ij são os cofatores da matriz xldn -A
e, portanto, representam polinômios em x de grau no máximo n 1. -
Escreva para cada par i,j, tal polinômio como
(O) + b(l) + . . . + b(n-1) n-1

b•J bij
. . _
- ij X ij X
Se denotamos, para k =O, 1, · · · , n -1,
(k)
bln )
(k)
bnn
teremos que B = B(o) + BC1l x+ ·+B(n-l)xn-1. Agora, escrevendo

· ·
Pr(x) =ao+ a1x + · · ·

n
+ x e usando o fato que
B ·A'= ad(A') ·A'= (det A')Idn =Pr(x ) Idn ,
segue que
Logo, comparando-se os coeficientes destes polinômios, temos que
aoldn = -B (o)A
a1Idn = B(o) - B(1)A
an-1Idn = B(n-2) - B(n-1)A

Idn = B(n-1)
Multiplicando-se estas equações por Idn, A, A2, · · · , An, respectiva

mente, e somando-as teremos que
como queríamos. o
5.3.6 O que faremos a seguir é relacionar as raízes dos polinômios

caracter-ístico e minimal.
PROPOSIÇÃO. Sejam V um OC-espaço vetorial de dimensão n � 1

e T E L(V, V). Então, os polinômios característico e minimal de T
têm as mesmas raízes a menos de multiplicidade.
D�MONSTRAÇÃO. Sejampr(x) e mr(x) os polinômios característico

e minimal de T, respectivamente, e seja>. E OC. Precisamos mostrar
( ) = O se e somente se mr(>.) = O. Suponha inicialmente
que pr >.
que Pr(A) O, isto é, que À seja um autovalor de T. Então existe

=
O -1- vE V tal que T(v) Àv. Observe que, para cada i 2: 1, temos
=
Ti(v) Àiv. Agora, se escrevermos mr(x) I.: aixi, teremos então

= =
i=O
que
m m
O = mr(T)(v) = ( L ai Ti)(v)
i=O
m
e, portanto, mr(A) = I.: aiÀi = O pois v -1- O. Logo, À é uma
i=O
raiz demr(x). Suponhamos agora que mr(A) O Então, mr(x) = . =
(x-À)q(x). Pela condição de minimalidade no grau do polinômio mr,

segue que q(T) -1- O e, portanto, existe u E V tal que q(T)(u) -1- O.
Se denotamos v q(T)(u), teremos então
=
O = mr(T)(u) = (T - Md)(q(T)(u)) = (T - Md)(v)
e portanto v é um autovetor de T associado ao autovalor À. Logo,

PT(À) = O e o resultado está demonstrado. D
5.3. 7 EXERCÍCIOS
(1) Seja T E L(V, V ) um operador linear com polinômio carac

terístico Pr(x) xn. Mostre que
= existem 2: 1 tal que Tr:" = O .
(2) Seja TE L(V, V ) um operador linear com polinômio minimal

mr(x) (x - A) com ÀE l!C Mostre que T é diagonalizável.
=
(3) Encontre todas as possibilidades para o polinômio minimal de

um operador T: IR. 5 --+ IR. 5 com polinômio característico:
(a) Pr(x) = (x - 3)3(x - 2)2.
(b) Pr(x) = (x - l)(x - 2)(x - 3)(x - 4)(x - 5).

(c) Pr(x) = (x - ir m 2: 1.
É possível concluir que algum deles é necessariamente diago

nalizável ?
5.4 ESPAÇOS VETORIAIS T-CÍCLICOS
5.4.1 Vamos desviar um pouco de nosso próximo objetivo principal

que é o de discutir a forma de Jordan e, nesta seção, vamos olhar o
caso particular em que os polinômios característico e minimal de um
dado operador linear coincidem. Na realidade, nosso ponto inicial de
discussão será olharmos para os chamados vetores T-cíclicos.
5.4.2 Sejam T: V� V um operador linear, onde Vé um OC-espaço

vetorial de dimensão finita, e vE V um vetor não nulo. Consideremos
os vetores v,T(v), · ,Ti (v), · · · · · , comi E N. Como a dimensão de
V é finita, existe l;:::: O tal que B = {v,T(v),··· ,T1(v)} é Li. mas
{v,T(v), · · · ,T1+1(v)} é l.d. Logo, existem únicos Ào,· · , Àt tais que ·
l l
l
T +1(v) = L ÀiTi(v), isto é, (T1+1 - L ÀiTi)(v) = O
i=l i=l
l
Denotando por mT,v(x) o polinômio xl+l Àixi, temos que _ L
i=l
mT,v(T)(v) = O . Não é difícil ver que mT,v(x) é o polinômio mônico
de menor grau que satisfaz esta última relação. Além disto, mT,v(x)
divide mT(x) (a demonstração deste fato segue o argumento usado
em (5.3.3)).
Com as notações acima, denote agora por CT(v) o subespaço
deV com base B. É claro que CT(v) é T-invariante. Observe também
que dimK CT(v) 1 se e só se vE Nuc(T).
=
DEFINIÇÃO. Sejam V um OC-espaço vetorial de dimensão n ;:::: 1 e
TE L(V, V).
(a) Dizemos que v E V é um vetor T-cíclico se V = CT(v) ou,

equivalentemente, se {v,T(v),··· ,Tn-1(v)} for uma base de
V.
(b) Dizemos que V é T-cíclico se V possuir um vetor T-cíclico.
5.4.3 Seja agora CT(v) um espaço T-cíclico de dimensão n e

V =
l
seja mT,v(x) xn +a Xn- +···+ao. Se considerarmos a base
n-1
=
B {v,T(v),··· ,Tn-1(v)} como construída acima, então a matriz

=
154 . Um Curso de Álgebm Linear
[T]B será obviamente:
o oo
1
-ao
[T]B o 1
-a1
-a
2
oo -an-1
Esta matriz é chamada de matriz companheira de mT,v(x).
5.4.4 EXEMPLOS (a) Seja T: :IR 2 ---+ :IR 2 o operador linear dado
por T(x,y) = (2x - 4y,2x - 2y). Com relação à base canônica
C = {(1,O), (O, 1)} de :IR 2, a sua matriz será
[T]c =
( ) 2 -4
2 -2
Um cálculo simples nos dá
PT(x) = (det
x- 2 4
-2 x+2
) =x2+4
Também, não é difícil ver que mT(x) = pr(x) = x2 + 4. Seja agora

v = (a,b) E :IR 2 um vetor não nulo. Deixamos ao leitor verificar que
B(a,b) = {(a,b),T(a,b) = (2a- 4b,2a-2b)} é Li. e, portanto uma
base de :IR 2. Com isto,
[T]B(a,b) =
(o )
l
-4
O
que é a matriz companheira de x2 + 4. Observe que, neste exemplo,

V= Cr(a,b) para todo vetor (a,b) -:f- O.
(b) Seja agora T: C 3 ---+ C 3 tal que sua matriz com relação à base
canônica e seja
lnc � U H)
Um cálculo simples nos dá que
pr(x) = mr(x) = (x- 2)3 = x3 - 6x2 + 12x - 8.

Para v1 = (1,0,0), temos T(v1) (2,1,0) e T2(v1)

= (4,4,1) e, =
2 3
portanto, B' = {vi,T(vi),T (v1)} é base de C = Cr(v1 ). No
entanto, se considerarmos v2 = (O,1, O), temos T(v2) = (O,2, 1) e
2
T (v2)=(O,4, 4) e o conjunto {v2,T(v2),T2(v2)} é l.d. Com relação
à base B' acima, a matriz de T será
(TB
] ' = (� � �)
o 1
-1
6
que é a matriz companheira de (x - 2)3.
5.4.5 Observe que nos exemplos acima, quando V é T-cíclico, então

os polinômios Pr(x) e mr(x) coincidem. Na realidade, esta é uma
caracterização dos espaços T-cíclicos como mostraremos mais abaixo.
Mas antes, necessitaremos de alguns resultados. Lembramos que um
polinômio p(x) E P(IK ) de grau maior ou igual a 1 é irredutível se
ele não pode ser escrito como o produto p(x) q(x) · r(x) onde q(x)
=
e r(x) são polinômios de grau maior ou igual a 1.
LEMA. Seja T: V --+ V um operador linear onde V é um lK -espaço

vetorial de dimensão finita. Então existe um vetor v E V tal que
mr(x) mr,v(x).
=
DEMONSTRAÇÃO. Vamos considerar inicialmente o caso em que

mr(x) (f(x)r, onde f(x) é um polinômio irredutível em P(IK).
=
Como mr(x) é o polinômio de menor grau para o qual T se anula,

então existe um vetor v E V tal que (J(T))m 1 (v) =f. O(*). Vamos
-
mostrar que, neste caso, um tal v satisfaz as condições requeridas.
Como vimos acima, mr,v(x) divide mr(x) e, como f(x) é irredutível,
concluímos que mr,v(x) = (f(x))1 para algum l::; m. De (*), segue
então quem=l e, portanto, mr,v(x) mr(x) como queríamos.
=
Vamos agora considerar o caso geral, isto é, consideremos mr(x) =

(f1(x))m1 • Ur(x))mr, onde m í :'.'.'. 1 e fi, · · · ,fr são polinômios ir
• •
redutíveis distintos. Para cada i = 1, · · · , r, denote por Vi o núcleo

Nu c(f í(Tr ). Então, V= Vi EB· · ·EB Vr (ver Exercício 5.4.7(4)). De
i
notando, para cada i, por Tí: Vi --+ Vi a restrição de Ta Vi, teremos
que mr;(x) (fi(x))m'. Usando -se o caso particular provado acima,
=
para cada i 1, · · · ,r, existe um vetor ví tal que mr; (x) =mr;,v ;(x).
=
r
Escreva v = v1 + · · · Vr e observe que E mr,v(Ti)(vi) = O Mas co-
.
i=l
mo mr,v(Ti)(vi) E Vi, concluímos que mr,v(Ti)(vi) = O, para cada
i = 1, ··· ,r. Logo, mr,v(x)é um múltiplo de cada polinômio mr, (x)
e, consequentemente, um múltiplo de mr(x) (lembre que Ji, · · · ,fr
são polinômios irredutíveis distintos), e o resultado está provado. D
COROLÁRIO. Seja T: V ---> V um opemdor linear onde V é um

:OC -espaço vetorial de dimensão finita. Então existe _um subespaço T
cíclico de V com dimensão igual ao grau do polinômio mr.
DEMONSTRAÇÃO. Pela proposição acima, existe v E V tal que
mr,v = mr. Defina uma transformação linear
Wv : P(:OC) ---> V
f � f(T)(v)
Observe que ImWv é um subespaço cíclico de V com base

{v,T(v),T2(v),· ·· ,T8(v)} para algum s. Como mr,v = mr, segue
então que sé o grau de mr(x). D
5.4.6 TEOREMA. Seja T: V ---> V um opemdor linear onde V é

um :OC -espaço vetorial de dimensão n. As seguintes afirmações são
equivalentes:
(a) V é T-cíclico.
(b} o grau de mr(x) é n.
(e} mr(x) = Pr(x).
DEMONSTRAÇÃO. (a) ::::} (b) Como V é T-cíclico, então existe um

vetor não nulo v E V tal que V Cr(v). Em particular, o grau de
=
mr,v(x)é n. Observe que, em geral, o grau de mr(x) é no máximo

n. Como mr,v(x) divide mr(x), segue que o grau de mr(x)é n.
(b) ::::} { c) Pelo Teorema de Cayley-Hamilton, mr(x) divide Pr(x),
o que implica que mr(x) Pr(x) pois ambos os polinômios são
=
mônicos, de mesmo grau e múltiplos um do outro.

(c) ::::} (a) Pelo corolário acima, existe um subespaço T-cíclico W de
V com dimensão igual ao grau de mr(x). Como, por hipótese, o grau
de mr(x) é n concluímos que W = V, o que prova o nosso resultado.

D
OBSERVAÇÃO Como mencionamos acima, não iremos tratar neste

texto de certas formas canônicas, em particular, deixaremos de for
malizar a chamada forma canônica racional. No entanto, gostaríamos
de mencionar que esta forma racional de uma matriz (ou equivalen
temente de um operador linear) é formada por blocos de matrizes
que são matrizes companheiras de certos subespaços invariantes.
5.4. 7 EXERCÍCIOS
(1) Encontre as matrizes companheiras dos seguintes polinômios:
(a) p(x) = (x - 3)2(x2 + 2).
(b) p(x) = (x - 1)4(x + 1).
(c) p(x) = (x - l)(xn-l + xn-2 +··· + 1) (n � 2).
(2) Seja T : JR.4 �JR.4 um operador com mr(x) = (x-2)2(x+l)2.

Encontre um vetor v E lR. 4 tal que lR. 4 = Cr(v).
(3) Encontre, se existirem, exemplos de operadores T: V � V,

onde V é um IK-espaço vetorial de dimensão finita, tais que:
(a) V não seja T-cíclico.
(b) V tenha dimensão 4 e contenha um subespaço T-cíclico

de dimensão 3.
(c) T seja injetora e tal que mr(x) tenha grau 1.
(4) Considere um polinômio m(x) = p1(x)···Pr(x) E P(IK) tal

que mdc(pi(x), pj(x)) = 1, para todos i e j, i # j. Mostre que
Nuc (m(T)) = Nuc (p1(T)) 61 ··· El1 Nuc (Pr(T))
(Dica: Considere inicialmente r = 2 e utilize o fato de que,

como mdc(p1(x), p (x)) 1, existem polinômios q1(x) e q (x)
2 2
=
tais que P1(x)q1(x) + P (x)q (x) 1. Use indução para o re

2 2
=
sultado geral).
5.5 OPERADORES NILPOTENTES
5.5.1 Vamos estudar agora um tipo especial de operadores, os chama

dos operadores nilpotentes. Tais operadores serão bastante úteis na
discussão da forma de Jordan.
DEFINIÇÃO. Um operador linear TE L(V, V) é chamado de nilpo

tente se existir um m > O tal que ym = O. O índice de nilpotência
de um tal operador será o menor índice com esta propriedade.
Observe que se TE L(V, V) é um operador linear nilpotente
e dimK V 2 1, então Nuc T =/.{O}. De fato, se T é nilpotente de
índice m 2 1, então existe um vetor vE V tal que ym(v) = O e
ym-1 (v) =f. O. Daí, O= Tm(v) = T(rm-1 (v) ) e, portanto, ym-1 (v)
é um elemento não nulo em Nuc T.
5.5.2 EXEMPLOS
(a) Seja
D: Pm(�) � Pm(�)
p(t) 1----t p'(t)
o operador derivação em Pm (�) , com m 2 1. Não é difícil ver
que D é nilpotente com índice m + 1.
(b) Seja T o seguinte operador linear.
T:
Considere os seguintes subespaços vetoriais de M 2(0C)
W1 = ( ) ( )]
fi
r
o 1
o o
,
º º
1 0
ew.2= [( ) ( )]
1 º
º º '
º
0
º
1 ·
Uma conta simples mostra-nos que W1 e W2 são subespaços

T-invariantes de M 2 (OC ) . Considere T1 e T2 as restrições de
T aos subespaços W1 e W2, respectivamente. Observe que T1
é um operador linear nilpotente de índice 2 e que T2 é um
operador invertível. Logo, T é a soma direta de um operador

nilpotente e um invertível. O próximo resultado mostra -nos
que tal decomposição é sempre possível quando a dimensão do
espaço vetorial for finita.
5.5.3 TEOREMA. Seja T: V -. V um operador linear, onde V é

um OC -espaço vetorial de dimensão finita. Então T é a soma direta
de um operador nilpotente e um operador invertível. Além disso, tal
decomposição é essencialmente única.
DEMONSTRAÇÃO. Ao considerarmos os operadores T1, l � 1, teremos

a seguinte seqüência de subespaços (T-invariantes) de V
2
Nuc TÇ Nuc T Ç · · · Ç Nuc T1 Ç · · · Ç V.
Como dimoc V < oo, a seqüência acima estaciona, isto é, existe um
m > O tal que Nuc rm = Nuc rm+i para todo i � O. Escolha

tal m que seja também minimal com respeito a esta propriedade.
Vamos mostrar que os subespaços T-invariantes W1 = Nuc rm e
W=
2 Im rm induzem a decomposição desejada. Em primeiro lugar,
observemos que W1 n W=
2 {O}. De fato, se V E W1 n W,2 então, por
um lado, Tm(v)=O e, por outro, existe v' E V tal que Tm(v')= v.

2
Logo, O Tm(v)
= T m(v') e, portanto, v' E W1. Segue então
=
que v = T"'(v') = O e W1 n W2 = {O}, como queríamos. Como

rm: V-. V é um operador linear, segue de (3.2.5) que
Por outro lado, como por (2.4.5),
e como W1 n W={O},
2 concluímos que
e, portanto, V= W1 EB W.2
Considere agora as restrições T1 = Tlw1 e T2 = Tlw2 de Ta W1 e
a W,2 respectivamente. A partir disso, teremos T = T1 EB T•2 Falta
mostrarmos que T1 é nilpotente e que T2 é invertível. É claro que
Ti(w) = Tm(w) = O, 'V w E W1 e, portanto, T1 é nilpotente. Por

outro lado, seO f:. v E W2, então existe v' E V tal que v = Tm(v').
Se T2(v) =O, então
e, portanto, v' E W1 e v = Tm(v') = O. Logo, T2 é injetora e por

(3.3.3) é um isomorfismo.
Vamos agora mostrar a unicidade. Suponha que V= U1 El7 U2, onde
U1 e U2 são subespaços T -invariantes, T{ = Tlu1 é nilpotente de
índice m' e T�lu2 é invertível. Iremos mostrar que U1 = W1 =
Nuc Tm e que U2 = W2 = Im Tm. Denotem= max {m,m'} e seja
W1 E W1. Então W1 = U1 + U2, com Ui E ui, i = 1, 2. Então
Como Tlu2 é invertível, segue que u2 = O e, portanto, W1 Ç U1.

Analogamente, mostra-se que U1 Ç W1 e, portanto, U1 = W1 =
Nuc Tm.
Seja agora W2 E W2. Como W2 = Im rm, existe um vetor V E V tal
que Tm(v) = W2. Escrevendo V= U1 +u2, com Ui E ui, teremos que
W2 = Tm(u2), pois U1 E U1 = Ker rm. Como U2 é T-invariante,
segue que w2 E U2. Assim, W2 Ç U2. Seja agora u2 E U2 e escreva-o
como U2 = W1 + W2, com Wi E wi, para i = 1, 2. Assim, W1 =
U2 - W2 E U1 n U2 = {O} (pois W1 = U1 e W2 ç U2). Então U2 = W2
e segue que U2 Ç W2, o que nos dá a igualdade destes conjuntos. D
5.5.4 OBSERVAÇÃO
O exemplo a seguir mostra-nos que o resultado acima não vale

para espaços vetoriais de dimensão infinita. Considere a trans
formação linear T : 'P (JR ) --+ 'P (JR ) dada por T (p( t)) = t p(t)
·
e suponha que T = T1 El7 T2 com T1 nilpotente e T2 invertível.

Observe em primeiro lugar que T não é nilpotente pois, para
todo l ;::: 1, Nuc T1 = {O}. Portanto, T2 f:. O. Em outras
palavras, existe um subespaço T-invariante não nulo W2 tal
que a restrição T2 de T a W2 é invertível e, em particular,
T2: W2 --+ W2 é sobrejetora. Mas isso não pode ocorrer pois
o polinômio mônico de menor grau em W2 não pode estar na

imagem de T2.
5.5.5 Os próximos resultados serão importantes em nossas conside

rações sobre a forma canônica de Jordan.
PROPOSIÇÃO. Seja T: V -. V um operador linear nilpotente de

índice de nilpotência m � 1, onde V é um JK-espaço vetorial de
dimensão finita. Se V E V é tal que rm-1(v) =1- o, então
(a) O conjunto {v, T(v), · · · , rm-1(v)} é l.i.
(b) Existe um subespaço T-invariante W de V tal que V = U EB W,

onde U= [v, T(v), ... , rm-1(v)J.
DEMONSTRAÇÃO. (a) Suponha que {v, T(v), rm-l(v)} seja l.d..

· · · ,
Então existem a0, a1, · · · , am-l E lK , não todos nulos, tais que
Seja l o menor índice tal que a1 =/:- O (é claro que l <m - 1). Logo
Teremos então
m- 1 ai
rm-l(v)=rm-(l+l)(Tl(v))=rm-(l+l)( L - Ti (v))=
a
i=l+l 1
m-1
= .2:::-ai rm+i-(l+l)(v) =o,
a
i=!+l 1
o que contradiz a nossa hipótese sobre o vetor v E V.
(b) É claro que U= [v, T(v), · · · , rm-1(v)J é T-invariante. Faremos

a demonstração por indução no índice de nilpotência de T, isto é, em
m � 1. Param= 1, não há nada a provar pois, neste caso, T=O.
Suponha então quem > 1 e que o resultado esteja provado para to
dos os operadores nilpotentes de índices menores do quem. Observe
que Im T é um subespaço T-invariante e que a restrição de T a Jm T
é um operador nilpotente de índice m - 1. Considere então o subes
paço U' = Unlm T. Não é difícil ver que U' = [T(v), ... , rm-1(v)].
Pela hipótese de indução, segue que Im T = U'EB W', onde W' é um
subespaço T-invariante de V.
Para construirmos W como no enunciado, considere em primeiro lu
gar W" = {w E V: T(w) E W' } .
Afirmação 1. V = U + W".
De fato, para u E V, teremos T(u) E Jm T = U' EB W'. Daí,
T(u) = u' + w', onde u' E U' e w' E W'. Mas então existem
Ài, · · · , Àm-1 E lK tais que
m-1 m-1
u' = L Ài Ti(v) = T(L Ài ri-l(v)).
i=l i=l
m-1
Observe que u" =E >.iri-1(v) EU e, portanto, T(u) =T(u")+w'
i=l
o que implica T(u u") w' E W'. Da definição de W" segue que
- =
u - u
"
E W". Logo, u u" + (u - u") EU + W", como queríamos.
=
Afirmação 2-. U n W' = {O}.

Considere u EUnW'. Observe, em primeiro lugar, que T(u) pertence
a U' = Unlm Te a W', pois tanto U quanto W' são T-invariantes.
Como Im T = U'EB W', segue que T(u) =O.
No entanto, como u E U, existem escalares >.0, , Àm-l E lK tais
m-1
· · ·
que u = E ÀiTi(v). Logo

i=O
m-1 m-1 m-2
o=T(u) = T(L Ài Ti(v)) = L Ài r+1(v) = L Ài Ti+1(v).
i=O i=O i=O
Como {T(v), ,r
m-1 (v)} é um conj unto Li., segue então que
· · ·
Ào = Àm-2 O e, portanto, u
· · · = Àm_1rm-1(v)
= = E U'. Lo
go, u EU' n W' {O} e a afirmação está provada.
=
Segue imediatamente da Afirmação 2 que a intersecção entre

U n W" e W' é {O} e, como ambos estão contidos em W", segue que
existe um subespaço W tal que
W" =WEB W' EB (U n W" ) . ( II)

Afirmamos que W = WEB W' é o subespaço que queríamos. De fato,

como W Ç W" e W n (U n W") ={O}, segue que U n W ={O}. Por
outro lado, segue da Afirmação 1 e de (2.4.5) que
dimoc V = dimoc U + dimoc W" - dimoc (U n W").
Por (II), teremos que
dimoc W" - dimoc (U n W") = dimoc W
e, portanto,
dimoc V = dimoc U + dimoc W
Inferimos então que V = U EB W, como queríamos. Falta só mostrar

mos que W é um subespaço T-invariante. Como W Ç W", teremos
que T(W) Ç W' Ç W e o resultado está provado. D
Seja T: V --t V um operador linear, onde V é um espaço

vetorial de dimensão n� 1.
(a) Suponha que T seja nilpotente de índice de nilpotência

m � 1. É claro então que m ::::; n. Além disso, como
rm-l =f. o, existe V E V tal que rm-1(v) =f. o. Se n = m,
seguirá então da Proposição 5.5.5 que B {v, T(v), , = · · ·
rm-1(v)} é uma base de V pois dimoc. V = n. Com

relação a esta base, a matriz (T]B terá a seguinte forma:
o o o o
1 o o o
(T] 5 = o 1 o o
o o 1 o
(b) Suponha agora que PT(x) = (x - À)n. Neste caso, o ope

rador (T - Àld) será nilpotente pelo Teorema de Cayley
Hamilton. Se o seu índice de nilpotência for n então,
usando o item (a) acima, existirá uma base B tal que (T]B
(
terá a seguinte forma:
D
À o o
1 À o
111· �
o o 1
5.5. 7 Veremos mais adiante que as matrizes que aparecem na ob
servação ac.ima irão servir também como blocos de matrizes de ope
radores mais gerais. Isto justifica a seguinte definição.
DEFINIÇÃO. Um bloco de Jordan r x r em À é a matriz Jr ( A) em

M r (OC) que tem À na diagonal principal e 1 na diagonal abaixo da
(
principal, isto é,
A
J ( ) A 1
r
- o �o
5.5.8 Seja T: V ---+ V um operador linear nilpotente. Vamos agora
utilizar a Proposição 5.5.5 para construir uma base E de V de tal
forma que [T]B seja formada por blocos como na Observação 5.5.6(a).
TEOREMA. Seja T: V ---+ V um operador linear nilpotente com

índice de nilpotência m 2: 1, onde V é um OC -espaço vetorial de
dimensão finita. Então existem números positivos t, mi, · · · , mt e
vetores v1 , · · · , Vt E V tais que
(a) m =m1 2: m2 2: · · · 2: mt.

(b} O conjunto E= {v1,T(v1),- .. ,Tm1-1(v1),- · · ,vt,T(vt),- .. ,
rm•-1(vt)} é uma base de V.
(c} rm;(vi) =o, para cada i = 1, ... 't.
(d} Se S for um operador linear em um OC -espaço vetorial W de
dimensão finita, então os inteiros t, m , , mt associados a
1 · · ·
S e a T são iguais se e somente se existir um isomorfismo

: V---+ W com T-1 =S .
i
DEMONSTRAÇÃO. rm- =/:-o, então existe um vetor Vi E V
Como
i
.
i Por (5.5.5), Bi ={vi, T(vi),· · , rm- (vi)}
tal que rm- (vi) =/:-O. ·
.
é l.i. e V= Wi EB W�, onde Wi é gerado por Bi e W� é um subes
paço T-invariante. Escreva mi m. Observe que a restrição T2 de
=
T a W2 é também nilpotente, digamos de índice m2 É claro que

m2 � m i Repetindo-se o argumento acima, existe v2 E W2 tal que
i
B2 = {v2, T(v2), , Tm,- (v2)} é Li. e W� = W2 EB W�, onde W2
· · ·
é gerado por B2 e W� é T-invariante. Repetindo-se o argumento

acima, como dimK V < oo, chega�se aos valores t, mi,·· , mt como ·
no enunciado. Deixamos ao leitor mostrar o item (d). D
5.5.9 Para uma transformação linear nilpotente T: V --t V, sejam
(
t, mi , ··· , mt e B como no enunciado do teorema acima. Então a
matriz [T]B é formada por blocos
Jm�(O)
[T]B= .
o o
onde os O's indicam matrizes nulas e, para cada i = 1, ··· , t, Jm, (O)
é um bloco de Jordan mi x mi em O, isto é, é a matriz mi x mi
formada com 1 's na diagonal abaixo da diagonal principal e O's no
resto, ou seja,
o o o o
1 o o o
Jm,(O) =
o 1 o o
o o 1 o
5.5.10 EXERCÍCIOS
(1) Sejam V um JK-espaço vetorial de dimensão finita e T : V --t V

um operador linear. Mostre que se para algum l > O, temos
que N uc T1 = Nuc T1+1, então Nuc T1 = NucTl+i, para todo
i �o.
(2) Seja T: lK N --t lK N dada por T((xn)) = (O, xi, x2,··· , xi,···).
Mostre que T não se escreve como soma direta de um operador

nilpotente com um operador invertível.
(3) Seja T: IR 5 ---+ IR 5 o operador linear dado por
Determine a decomposição T = T1 EB T2 onde T1 é nilpotente e
T2 é invertível.
(4) Seja TE L(OCn,ocn) um operador com polinômio caracterís

tico Pr(x)= (x - >.) n. Mostre que o operador T' = >.Id -T é
nilpotente.
5.6 FORMAS DE JORDAN
5.6.1 Iremos agora utilizar os resultados das últimas duas seções para
construir a chamada forma de Jordan de um operador linear. Ao
longo desta seção, V será um ][{-espaço vetorial de dimensão finita.
TEOREMA. Seja T: V ---+ V um operador linear, onde V é um

espaço vetorial de dimensão finita sobre ][{ tal que
Pr(x) = (x - À1)m1 · · · (x - >.rrr, m i � 1 e Ài #- Àj, se i#- j.
Então V= U1 EB · · · EB Ur, onde, para cada i= 1, , t, temos · · ·
(a) dimoc ui= m i ;
(b) o subespaço Ui é T -invariante;
(e) a restrição do operador Àild -T a Ui é nilpotente.
DEMONSTRAÇÃO. Para cada i = 1, · · · , r, considere a transfor

mação Ti= >.Jd -T: V ---t V. Por (5.5.3), V= Ui Wf, onde Ui
EB
e Wf são T-invariantes e as restrições de Ti a Ui e a Wf são nilpo

tente e invertível, respectivamente. Como Ui e Wf são Ti-invariantes,
então serão também T-invariantes (ver Exercício 5.2.5(4)). Sejam
T' : Ui ---t Ui e T" : Wf ---t Wf
Wf, as restrições de T a Ui e a
respectivamente. Segue de (5.2.5(1)) que pr ( x ) = PT'(x) PT"(x). ·
Observe que Ài é o único autovalor de T' e, como Ài não é auto
valor de T", concluímos que PT'(x) = (x - Ài)m;. Em particular,
dimoc Ui =mi e a intersecção Ui n (U1 + + Ui-1 + Ui+1 + + Ur ) · · · · · ·

é {O}. Um simples argumento usando as dimensões dos espaços en
volvidos implica que V= U1 EB · · · EB Ur, como queríamos. D
5.6.2 Vamos agora utilizar o teorema acima para construir a forma de

Jordan de um operador linear. Seja T: V -- V um operador linear
tal que Pr(x) = (x - >-1r1 (x - >-rrr, r 2:: 1, mi 2:: 1 e Ài =j:. >.i
• • •
se i =j:. j. Pelo Teorema 5.6.1, existe uma decomposição V U1 EB =
· · · EB Ur satisfazendo as propriedades (a), (b) e (c) de seu enunciado.
Para cada i = 1, · · · ,r, considere o operador Ti= Tlu.: Ui -- Ui.

Usando (5.5.6) e (5.5.9); segue que Ti =Ti - Àildm; é nilpotente e,
portanto, existe uma base 8i de Ui e números ti, mil 2:: mi2 · · · 2:: mit;
tais que
Jmil (>.i) o o
o Jm;2 (>.i) o
lI'ils.=
o o
onde, para cada i =1, · · · ,r e j= 1, · · · , ti,
Ài o o o
1 Ài o o
Jmij (>.i) =
o 1 o o E Mm.1(0C)
o o 1 Ài
é o correspondente bloco de Jordan (ver (5.5.7)). Observe que, como

a soma U1 EB · · · EB Ur é direta, segue que 8= 81 U 82 · · · 8r é base de
(
V. Portanto,
!Tis�
o o T� l
I s.
A matriz acima é chamada de forma de Jordan associada a T.

Por (5.5.8) sabemos que os números ti, mij, i 1, , r, j 1, =ti · · · = · · · ,
estão bem determinados a partir de T, isto é, dado T, a forma de

Jordan está bem determinada. Além disso, dois operadores lineares
S E L(V, V ) e T E L(V', V') têm a mesma forma de Jordan se e
somente se existir um isomorfismo </J: V ---t V' tal que <f>-1T</J = S.
5.6.3 EXEMPLO
Seja T: C 5 ---t C5 um operador linear tal que

PT(x) = (x + 1)3 (x - 2)2.
· Observe que não estamos especi
ficando a transformação linear. Na realidade, podem existir
várias transformações lineares com os dados acima (incentiva
mos o leitor a exibir ao menos duas destas transformações). As
possíveis formas de Jordan associadas a T são
-1 o o o o -1 o o o o
1 -1 o o o 1 -1 o o o
o 1 -1 o o o o -1 o o
o o o 2 o o o o 2 o
o o o 1 2 o o o 1 2
-1 o o o o -1 o o o o
o -1 o o o 1 -1 o o o
o o -1 o o o 1 -1 o o
o o o 2 o o o o 2 o
o o o 1 2 o o o o 2
-1 o o o o -1 o o o o
1 -1 o o o o -1 o o o
o o -1 o o o o -1 o o
o o o 2 o o o o 2 o
o o o o 2 o o o o 2
5.6.4 A rigor, as demonstrações feitas acima possibilitariam a

construção da forma de Jordan, mas na prática isso pode ser bas
tante trabalhoso. O que veremos a seguir é certamente de grande
valia para este cálculo.
SejamT:V-4V, riemij, i=l,··· ,tej=l,··· ,ri como
em (5.6.2). Para cada i = 1, , te j 1, , ri, defina o polinômio
· · · = · · ·
m;
qij ( x ) = ( x - Ài ) ; . Chamamos tal polinômio de divisor elementar
de T de multiplicidade mij associado a Ài . Quando mij 1, para =
algum i, j, diremos que o correspondente polinômio qij é simples.

Segue facilmente da construção feita que o polinômio carac
terístico de T é o produto de todos os seus divisores elementares,
isto é,
Pr ( x) = II % ( x) .
i,j
Observe também que os números mij representam os tama

nhos dos blocos de Jordan. É claro que T será diagonalizável se e
somente se todos os blocos de Jordan tiverem tamanhos 1.
Por outro lado, para cada i, teremos mi1 2:: · · · 2:: mir; de onde
se conclui que T será diagonalizável se e somente se mil = 1 para
todo i= 1, · · · ,t.
5.6.5 Considere o bloco de Jordan Jr(À) com À E IK. Observe que

(Jr(À) - ÀidrY = O e (Jr(À) - À!dry-i =/-O.
Sejam agora À E ][{ e A a matriz m x m formada por blocos
de Jordan Jr1 (..\), , Jr. (..\) na diagonal e matrizes nulas no resto.
• · ·
Se r1 2:: ri , Vi= 2, , s, não é difícil ver que (A - ..\Idmt1 = O e

· · ·
(A- ..\Idmt1-1 =f. O. Utilizando esta observação, segue-se que
isto é, que o operadorTi é anulado pelo polinômio qi1, Vi= 1, · · · , t.

Como a soma T= T1 EB · · · EBTt é direta, concluímos que T é
anulado pelo polinômio
mas não por nenhum outro de grau menor. Pela definição dada na
seção 5.3, este polinômio é de fato o polinômio minimal mr ( x ) .
5.6.6 EXEMPLOS
(a) Seja T: C
4 -- C 4 a transformação linear dada por
T (yi, Y2, y3, y4) (8y1 - Y2, 4y1 + 12y2, 9y3 + 2y4, 2y3 + 6y4).
=
Com relação à base canônica Can, teremos
e, portanto,
A
PT(x)
= [T]can
=
U ��D
det (xfd4 - [Tlcan) = (x - 10)3 (x - 5)
Com relação ao polinômio minimal, temos as seguintes possi
bilidades: (x - IO)(x - 5), (x - 10)2 (x - 5) ou (x - 10)3 (x - 5).

Cada uma destas possibilidades trará uma possível forma de
Jordan. Neste exemplo, como temos a transformação T dada
o o
explicitamente, é possível calcular o polinômio minimal. Ob-
o o
serve que
(A - 10fd4) (A - 5fd4)
o( o oo c J) ou oo D
· =
-2 -1 -1
4 2 7
-1 4
oo oo ooo n�o
2 2
lO -5
20 10
e que, portanto, (x - lO)(x - 5) não pode ser o polinômio mi-

nimal. No entanto,
-2
4
o
o( o oo o Jf U oo o D o.
2
-1
o
(A - l0Jd4)2 ·(A - 5fd4)
-1 -1
7
4
2 2
Logo,(x - 10)2(x - 5) é o polinômio minimal de T. Isso quer

dizer que a forma de Jordan de T terá um bloco de Jordan
h(lO) 10
pois a raiz tem multiplicidade 2 em mT(x). Segue
)
então que
( 1
� 1� � �
� 1
� � �
é a forma de Jordan de T.
(b) Seja T E L(JR. 4, lR. 4 ) um operador linear com polinômio ca

racterístico PT(x) = (x 2)
+ 4 e polinômio minimal mT(x) =
(x 2)
+ 2 • Como -2 é raiz dupla de mT(x), a forma de Jordan
de T terá um bloco de Jordan h(-2). Observe, no entanto,
que a partir das informações dadas não é possível distinguir
)
exatamente entre as seguintes possíveis formas de Jordan
o -2 o o o
-2 1 -2 o o
.
o o o -2 o
o o o o -2
5.6. 7 EXERCÍCIOS
(1) Determine o número de matrizes não semelhantes A em M 5 (JR.)

que verificam A + ( Id)3 = O .
(2) Seja A E M6(JR.) tal que A4 - 8A2 + 16! = O . Quais são as

possíveis formas de Jordan não semelhantes para A ?
(3) Verifique se as matrizes seguintes são semelhantes
A� ( -1
1
-1 1
o
o
o
o
o
o
o -n B�( 1
-1 1
o
o
1 1
o
o
o
o J)
( )
(4) Ache a forma de Jordan J da matriz A E M4 (IR), onde
A=
� =� -� =�
o o 4 -8
o o 2 -4
e ache uma matriz invertível M em M4 (IR ) de tal maneira

que M-1 AM = J.
)
(5) Ache a forma de Jordan das seguintes matrizes
-9 o
(:
u D
-9 -4
6 o
A= B� -11 -5 .
o 3
-7 13 6
o o
(6)
(x - 3)5(x -
Seja A uma matriz real
2)
4
9
Dê as possíveis formas de Jordan de A.

x 9 cujo polinômio característico é
e cujo polinômio minimal é (x - 3)3(x - 2)2.
(7) Determine todas as possíveis formas de Jordan de uma matriz

em Mn(C), n 2: 3 e de posto 2.
(8) Seja T : Pn(IR)----> Pn(IR) dado por T(p(x)) = p(x + 1).
(a) Determine a forma de Jordan de T.
(b) Para n = 4, encontre uma base B de Pn(IR) tal que [T)B

seja a sua forma de Jordan.
(9) Seja T um operador linear sobre um espaço de dimensão finita.

Mostre que se mr(x) for um produto de polinômios de grau 1
e sem raízes repetidas, então T é diagonalizável.
6
ESPAÇOS COM PRODUTO INTERNO
Vamos estudar neste capítulo espaços vetoriais com produtos

internos. Um espaço com produto interno é um espaço vetorial que
mantém muitas das características do espaço euclidiano lR. 3, sendo
na realidade, de certa forma, a sua generalização mais natural. Um

conceito central que estudaremos em particular é o de ortogonalidade.
Neste capítulo, o corpo base ][( de um espaço vetorial será sempre
igual a lR. ou a e .
6.1 PRODUTO INTERNO
6.1.1 DEFINIÇÃO. Seja V um IK-espaço vetorial, onde ][( = lR. ou

e . um produto interno sobre V é uma função ( ' ) : V X V -+ ][(
que satisfaz as seguintes quatro propriedades:
(Pl) (u + v, w) (u, w) + (v, w), V u,v, w E V.

=
(P2) (.Xu,v) =.X(u,v), V À E IK, V u,v E V

(P3) (u,v) =
(v,u), V u,v E V.
(P4) (u, u) > O, se u =1- O.
6.1.2 OBSERVAÇÕES
Seja V um espaço vetorial com produto interno ( , ).
(a) Segue facilmente das propriedades acima que
• (O, v) =
(v,O) O, VvE V.
=
• (v, v) = O {::} v O.
=
(b) Observe que vale
(P5) (u,v+w) =
(u,v) + (u,w), Vu,v,wEV.
De fato, utilizando as propriedades (Pl) e (P3), teremos,
para u,v,wE V, que
(u,v+w) =
(v+w,u) =
(v,u)+(w,u) =
= (v,u)+(w,u) =
(u,v)+(u,w).
(c) Utilizando as propriedades (P2) e (P3), chega-se a
(P6) (u,.Xv) =
X(u,v), VÀE IK, Vu,vE V.
De fato, se ÀE lK eu, vE V, temos que
(u,Àv) =
(Àv,u) =
.X(v,u) =
X (v,u) X(u,v).
(d) Usando as propriedades acima, teremos também que
n m n m
( L aiui , L (3jVj ) L L aJJj (ui, Vj) =
i=l j=l i=lj=l

para ui,Vj E V e ai, (3jE lK, i 1, , e j 1, ,=
· · · n =
· · · m.
(e) No caso lK = IR , a propriedade (P3) implica a igualdade

(u,v) =
( v ,u) para u,vE V pois, neste caso, teremos que
(v,u) =
(v,u), V u,v E V. Esta simetria se perde no
caso complexo. De fato, se V é um C -espaço vetorial e
v E V, temos por (P4) que (v,v) >O e (iv,iv) > O. Se
tivéssemos aqui (u,v) = (v,u) para todos u,vE V então,
usando (P2) , chegaríamos a
(iv,iv) =
i(v,iv) =
i(iv,v) =
i2(v,v) = -(v,v) >O,
uma contradição.
'Espaços com Produto Interno • 175
6.1.3 EXEMPLOS
(a) Para o JK -espaço vetorial V = JK n, definimos

n
((xi,··· ,xn), (yi,· ·· ,yn)} = X1Y1 + ·· · +XnYn = L XiYi·
i=l
Tal produto interno é chamado de produto interno canônico
em JK n. Em geral, se considerarmos números reais positivos
a1,·· · ,an então
n
((xi,··· ,Xn) , (y1, ·· ,Yn)}
· = L CTiXiYi
i=l
é um produto interno em JK n (verifique as propriedades (Pl),
·· · ,(P4)). O que acontece se considerarmos a1, ,an E lR · · ·
não necessariamente positivos?
(b) Considere o lK -espaço vetorial V = C([a, b], lK ) das funções

contínuas de [a, b] em JK . As regras de integração garantem
que
(!, g) =
1b f(t) g(t) dt, para /, g E V,
é um produto interno (verifique).É chamado de produto interno

canônico em C([a, b],JK ).
(c) O p.roduto interno canônico em V = M n (JK ) é dado por

n
(A, B) = L Uijbij
i,j=l
onde A = ( aii)i,j e B = (bii)i,i são matrizes de V.
6.1.4 Sejam V e W dois esp11ços vetoriais sobre JK e seja ( , ) um

produto interno em V. Se T : W � V for uma transformação
linear injetora, então podemos definir um produto interno em W da
seguinte forma
(u,v)T d9 (T(u), T(v)), V u,v E W

De fato,
(u1 +u2,v)T = (T(u 1+u2),T(v)) = (T(u1)+T(u2),T(v))
= (T(u1),T(v)) + (T(u2),T(v)) = (u1,v)T + (u2,v)T·
(P2) Se À E 0C eu,v E W, então
(>.u,v)T = (T(>.u),T(v)) = (>. T(u),T(v))
= >.(T(u),T(v)) = >.(u,v)T.
(P3) Se u,v E W, então
(u,v)T = (T(u),T(v)) (T(v),T(u)) = (v,u)T.
(P4) Sejau um vetor não nulo em W. Como T é injetora, teremos

que T(u) =f. O. Logo
(u,u)T = (T(u),T(u)) > O.
Um caso particular do discutido acima é o seguinte. Seja V

um espaço vetorial com produto interno ( , ) e seja W um subes
paço de V. Se T: W -----+ V for a inclusão natural, teremos como
conseqüência que ( , ) restrito aos elementos de W é um produto
interno em W. O procedimento acima é também bastante útil para se
definir produtos internos em certos espaços vetoriais, como veremos
nos exemplos a seguir.
EXEMPLOS
(a) Seja V um OC-espaço vetorial de dimensão n � 1. Sejam

B = {v1,· · · , vn } uma base de V e {e1,· · · , en} a base canônica
de OC n. Consideremos também em OC n o seu produto interno

canônico. Seja agora a transformação linear T: V -----+ OC n dada
por T(vi) = ei, i = 1, · · · ,n, isto é,
n n
T( L aivi) = L aiei = (ai,··· , an)·
i=l i=l
Espaços com Produto Interno • 177
Tal transformação existe, é única por (3.1.5) e é claro que T é

injetora (na realidade, é um isomorfismo). Além disso, o pro
duto interno induzido por T é dado por
n n
((ai,··· ,an)B, (/3i, · · · ,f3n)B)r = o::: aiVi, I: /3jVj)r =
i=l j=l
(T e� aivi) '
T Ctl )
n
/3jVj ) = (i�aiei,jtl /3jej)=
( ,
= (ai,··· ,an),(/3i, · · · /3n) ) = I: aJJi.
i=l
Em outras palavras,
n
( (ai,··· ,an)B, (/3i,··· ,/3n)B )r = Lªi/ji.
i=l
Em particular, teremos (vi,vj)r = Óij, para i,j = 1, · · · ,n.
(b) Considere o C-espaço vetorial V = W = C([O, 1), C) munido

com o produto interno canônico e a função T : V -+ W dada
por
T: V ____. w
f f-+ T(f): [O, 1) ____. e
t r-+ T(f)(t) = t · J(t)
isto é, T(f)(t) = t · f(t) para O :s; t :s; 1 e f E C([O, 1], C).

Deixamos ao leitor a verificação de que T é uma transformação
linear. Seja agora f E C([O, 1), C) tal que T(f) = O, isto é, tal
que
O= T(f)(t) = t · f(t), V t E [O, 1).
Logo, f(t) = O, V t E ]O, 1). Como f é contínua, segue que
/(O) = O e, portanto, f = O. Logo, T é injetora. Essa transfor
mação linear induz o seguinte produto interno em V:
(/, g)T = 11 t2f(t)g(t) dt.

6.1.5 DEFINIÇÃO. Seja V um OC-espaço vetorial munido de um pro
duto interno , ). ( Para cada v E V, chamamos de norma de v ao
número real dado por 11 v 11= �-
OBSERVAÇÃO
Seja V um espaço vetorial com produto interno. Segue direta

mente das definições envolvidas que
(a) li u li �O, V u E V e li u li= O {::? u =O.

(b) li au li = lal li u li, V a E lK e V u E V.
EXEMPLOS
(a) Considere o IR-espaço vetorial IR3 com o produto interno ca

nônico (ver Exemplo 6.1.3(a)). Para vi,v2 E IR3 dados por
v1 = (xi,yi,z1) e v2 = (x2,Y2,z2) em IR3, a norma
indicará a distância usual entre os pontos v1 e v2 do espaço

IR3. No caso particular em que v2 = O, li V1 li é exatamente
a distância do ponto v1 à origem. Desta maneira, IR3 com o
produto interno canônico é o espaço euclidiano usual.
(b) Obviamente, a norma de um vetor depende do produto interno

escolhido. Se considerarmos em IR
2 o produto interno
então a norma do vetor (1, O) será ./2, enquanto a do vetor

(O, 1) será igual a 5.
6.1.6 IDENTIDADES DE POLARIZAÇÃO
Seja V um JK-espaço vetorial com produto interno (, ) e sejam

2
u,v E V. Por definição, li u+v 11 = (u+v,u+v) e, portanto,
2
li u+v 11 = (u+v,u+v) (�) (u,u+v) + (v,u+v) (�)
= (u+v,u) + (u+v,v)
(�) (u,u) + (v,u) + (u,v) + (v,v) =

2 2
= 11 u 11 + (u,v) + (u,v) + li v 11 .
Como z+z= 2r(

e z) , V zEC, segue que
v112 � 11u112 +2re((uv)

11u+ , ) +11v112. (I)
Analogamente, temos que
11u-v112= 11u112 - 2re((u,v)) +li v112. (II)
Suponha que lK = IR. Subtraindo-se (II) de (I) teremos:
1 1
v112 - 4li u -v112.
(u,v) 4 li u+
=
Para o caso complexo, deixamos ao leitor a verificação da identidade
( ** ) :
. .
1 1
i 112 -
(u,v)= 411u+v112 -411u-v112 + 11u+v � � liu-v
i 112.
As identidades ( * ) e ( ** ) acima são chamadas de identidadesde p

o
larizç
a ão.
6.1.7 DESIGUALDADE DE SCHWARZ.
TEOREMA. Sj
e a V um lK -espaço vt
e r
o i al co m produto interno.
Então
, EV.
l(u,v)I � llull·llvll , Vuv
A igu al
dade vl
a e se e so mn
e te se {uv
, } forlin e r
a mn
e te de pendente.
DEMONSTRAÇÃO. Paraa , ElK euv
(3 , EV teremos:
(au-(3v, au-(3v)=
(auau)
, - ((3v,au)- (au(3v)
, +((3v(3v)
,
, - (JQ(vu)
=aa(uu) , -a/3(uv)
, +(3/j(vv)
,
= l l2 li u112 -2re(a/3(u,v)) +lfl3 2 li v 112
a
(na última igualdade, usamos (JQ(vu) , ).
, = a(3 (uv) Se tomarmos
a =li v112 e(3 (u,v), obteremos
=
, = li
a/3(uv) V 112/3(3 = li V 112 lf312 EIR.
Daí , segue que
O � (au-(3v, au -(3v)
=liu112 liv114 -2 liv112 l(u,v)l2 +l(u,v)l2 liv112 =

= liv112 (liu11211v112 -l(u,v)l2) .
Portanto,
liu11211v112 -l(u,v)l2 2: O ou , )I Sliuli· livli·

l(uv ·
Suponha agora que , I = 11 u 11 · 11 v 11· Usando o cálculo

l(uv)
acima teremos (au - f3v, au - f3v) = O quando a = li v 112
e /3 = (uv , ). Sev =O, então {uv, } é, com certeza, linearmente
dependente. Suponha então quev#O. Logoa#O e daíau =/3v, o
que implica queu = �v. Portanto, o conjunto {uv, } é linearmente
dependente.
Supondo agora que {uv
, } é linearmente dependente, isto é, supondo
que exista À E lK tal que u = >.v, uma conta simples nos leva à
, )I =liu li· livli·
igualdade l(uv D
6.1.8 DESIGUALDADE TRIANGULAR
COROLÁRIO. Seja V um JK-eps açovetorial com produto interno.

Então
liu+ V li :::; liuli + li V 11 , Vu, V E V.
DEMONSTRAÇÃO. Vimos acima que
liu+v112 =liu112 + 2 re((uv)

, )+liv112 .
Como re (z ) :::; l zl para todo z E e' teremos então que
llu+vll2Sllull2 +2l(u,v)I+ llvll2S
S li U 112 +2 li U li li V li + li V 112
(na última desigualdade usamos o Teorema 6.1.7). Portanto
li U +V 112S (li U li + li V 11 )2
de onde segue o resultado, pois liu+v112: O e liuli +11v112: O. D
6.1.9 Ü ESPAÇO l
2
A seguir apresentaremos mais um exemplo de um espaço de
dimensão infinita munido de um produto interno. Para tal vamos
precisar do conceito de séries infinitas, que é extremamente impor

tante em análise. Iremos aqui, no entanto, apenas observar alguns
fatos simples que nos permitirão introduzir o espaço l2•
Seja (an)nEl\l uma seqüência de números complexos indexada

pelo conjunto dos números naturais. A partir de (an)nEl\l, vamos
construir uma nova seqüência (sn)nEl\l cujos elementos são :
00
Chamamos de série lim Sn e o denotamos por L ªn
n=l ·
ao
n--+oo
Se (sn)nEN for uma seqüência convergente, diremos que a série
00
L an é convergente e o limite será chamado soma da série. Se

n=l
00
(sn)nEl\l não convergir, diremos que a série L an é divergente.

n=l
00
Convém lembrarmos que uma série L an será convergente se, dado

n=l
00
E> O, existir no= no( E) EN tal que 1 E akl < E.
k=no+l
00
Dizemos que uma série L an é absolutamente convergente se
n=l
00
a soma E lanl for finita.
n=l
EXEMPLO
Seja l2 o conjunto formado por todas as seqüências x (xj)jEN =
em lK li!, tais que as seqüências Sn = lx112 + lx2l2 + · + lxn 12· ·
convirjam, isto é,
00
N L lxil2
l2 = {x = (xj)jEN E IK : < oo}.
j=l
Por exemplo, x = (J)jEN é um elemento de h. Podemos definir

em l2 duas operações:
• (an)nEl\l + (bn)nEl\l
(bn)nEl\l em l2;
• À(an)nEl\l = (Àan)nEl\l, para À E][{ e (an)nEl\l E 1 .
2
Antes de prosseguir, precisamos mostrar que ambas as opera

ções estão bem definidas. Para garantir que (an)nEN + (bn)nEN
pertence a l vamos precisar, para cada n E N, da seguinte
2
desigualdade
n n n
(L lak + bkl2)! � (L lakl2)! + (L lbkl2)! ( *)
k=l k=l k=l
onde ak, bk E lK e k = 1, · · · , n. A desigualdade (*) segue
diretamente do Corolário 6.1.8 se considerarmos o !K-espaço
vetorial V= lK
n munido do produto interno canônico e vetores
u=(ai, a2, , an) e v = (b1, b , , bn) em V. Agora, como
2
· · · · · ·
n oo
(L lakl2)! � (L lakl2)! < oo e

k=l k=l
n 00
(I: lbkl2)! < (I: lbkl2)! < 00
k=l k=l
e utilizando ( *) vamos ter que
n oo oo
(L lak + bkl2)! � (L lakl2)! + (L lbkl2)!.

k=l k=l k=l
Como tal desigualdade independe do valor de n, teremos por
fim que
00
(I: 1ªk + bkl2)! < oo,

k=l
como queríamos. Seja agora>. E lK e a= (an)nEN E l . Para
2
verificar que>.a E l , basta observar que
2
n n oo
L l>.akl2 < l>.12 L lakl2 < l>.12 L lakl2 < oo,

k=l k=l k=l
00
para/cada n E N. Conseqüentemente, E l>.akl2 < oo. As 8
k=l
propriedades definidoras de espaço vetorial seguem diretamente
do fato de que os elementos das seqüências envolvidas estão no
corpo lK (deixamos a cargo do leitor tal verificação). Com
isso, l é um espaço vetorial sobre lK. Para cada E N, con

2
n
sidere o elemento en =(ókn)k EJ\I em h. Observe que o conjunto

A = { en : n E N} é um subconjunto linearmente independente
de l2 e, portanto, l tem dimensão infinita. Vamos agora definir
2
em l2 o produto interno dado por
00
(x,y) =L XiYi
i=l
para x (xi)i EJ\I e y = (yi)iEJ\I em l . Para que isto seja
2
=
um produto interno, precisamos verificar inicialmente que a

série acima é convergente. Para tanto, basta aplicar o Teorema
6.1.7 para o IK-espaço vetorial ocn munido do produto interno
canônico e = (xi,X ,· .. , Xn),v = (yi,y ,- .. ,yn) E JKn.
2 2
U
Assim, teremos que
n n n
1 'L xi'fhl < (L lxil2)! (L IYil2)!.
·
i=l i=l i=l

Portanto,
n 00 00
l 'L: xi?hl < (L lxil2)! · (L IYil2)! < 00.
i=l i=l i=l

Como tal desigualdade independe de n, vamos ter que
00 00 00
1 I: xühl � (L lxil2)L (L 1Yil2)! < 00.
i=l i=l i=l

Agora não é difícil verificar as propriedades (P1) a (P4).
6.1.10 EXERCÍCIOS
(1) Seja V um espaço vetorial sobre lK com produto interno.
(a) Mostre que (O,u) = O, V u E V.
(b) Mostre que se (u,v) =O, V v E V, então u = O .
(2) Mostre que a função ( , ) : lR. 4 x lR.

4 --+ lR. dada por
((a,b,c,d) , (x,y,z,w)) =2ax+by+cz+dw
é um produto interno de lR. 4.

(3) Use a desigualdade de Schwarz em IR 3 para provar que dados

valores reais positivos a1, a e a3 E IR , vale
2
(4) Sejam V= ocn e a1,-· · , an E JK. Mostre que
n
((x1,-·· ,xn),(y1,-· ,yn)) = · L aiXiYi
i=l
é um produto interno em V se e somente se ai é um valor real
positivo para cada i = 1, · · , n. ·
(5) Considere o C -espaço vetorial V = C 2 com base B e seja ( ,

um produto interno em V. Mostre que existem a, /3 E IR e
"( E C tais que
(6) Sejam V um C-espaço vetorial com produto interno eu, v E V.

Mostre que:
. .
1 1
(u, v) = 4 li u+v 112 -4 11 u-v 112 + � li u+iv 112 � li u- v 112
-
i
(7) Seja V um espaço vetorial sobre C com produto interno. Mostre

que para todos u, v E V, vale a igualdade (lei do paralelo
gramo):
(8) Seja W o subconjunto de l2 formado por todas as seqüências

x = (xj)jEN E l2 tais que Xj =f. O apenas para um número finito
de índices j. Mostre que W é um subespaço de l2•
6.2 ORTOGONALIDADE
6.2.1 DEFINIÇÃO. Seja V um espaço vetorial sobre lK com produto

interno (, ) e sejam u, v E V. Dizemos que u e v sã.o ortogonais se
(u, v) = O. Um subconjunto A de V é chamado de ortogonal se os seus

elementos são ortogonais dois a dois e dizemos que A é um conjunto
ortonormal se for um conjunto ortogonal e se li u li= 1, V u E A.
L.t "'"to .
NOTAÇÃO. Usaremos a notação u 1- v para indicar que os vetores u
e v são ortogonais.
6.2.2 ÜBSERVAÇÃO
O vetor nulo O é ortogonal a todos os elementos de V pois

(O, u) =O, para todo u E V. Além disso, o vetor nulo é o único
vetor com esta propriedade (ver Exercício 6.1.10(1)).
6.2.3 EXEMPLOS
n n
(a) As bases canônicas de lR , C , M: n (JR ) e M: n(C ) com os pro
dutos internos canônicos são conjuntos ortonormais.
(b) Seja V==C([O, 211"), lR) munido do produto interno canônico (ver
Exemplo 6.1.3 (b)). O conjunto
A= Un E V: fn(t)= cosnt, n EN}
é ortogonal. De fato, se calcularmos Un, fm) para n, m E N,

teremos que
Un, fm) = fo27r (cosnt cosmt)dt =

· {· �
271"
se m=/=:n
se m=n=/=:O
se m=n=O.
1 , en(t) - cos
Ass1m eo (t) - V27r
n
y:;r t , para n - 1 , 2, e
·
_
_ _
· · · �ormam
um subconjunto ortonormal infinito de V
De modo análogo,
B = fon E V: 9n (t) = sen nt, n EN}
também é ortogonal, uma vez que (gn,9m) = O se n ::/=: m e

(gn,9n) = 7r para cada n = 1, 2, · · · . Assim, { '7r, n � 1} é um
outro exemplo de um subconjunto ortonormal infinito em V.
(c) Deixamos ao leitor a verificação de que o conjunto
é um subconjunto ortonormal infinito de l2 (munido do produto

interno definido em (6.1.9)).
6.2.4 PROPOSIÇÃO. Seja Vum][( -espaço vetorial com produto inter

no e seja A um subconjunto ortogonal de V formado por vetores não
nulos.
(a) Se v E [vi,··· ,vnJ, com Vi E A, então
V � (v,vi) V
= ti' li Vi 112 i·
{b) A é linearmente independente.
n
DEMONSTRAÇÃO. (a) Seja v = L: aivi, com ai E lK, i = 1,··· ,n.
i=l
Então, como {v1,...,Vn} é um conjunto ortogonal, temos, para
j = 1,··· ,n, que
n n
(v,vJ) = ( L aivi, Vj ) L ai (vi,vj)
i=l i=l
Portanto,
n
= li(v,vj) (v,vi)
V j 1, . . . 'n, e V= L r:;w Vi1
Vj 112'
=
ªi
i=l
como queríamos.
(b) Suponha que existam escalares a1,..., an E ][( e vetores
não nulos vi, ...,Vn E A tais que O= a1V1 + ·· + O!nVn·
·
De maneira análoga à realizada no item (a), segue que
ai= li(O, vi)

Vi ll2 = O para i= 1,··· ,
n
e, portanto, A é Li.. D
6.2.5 COROLÁRIO. Seja V um OC-espaço vetorial com produto inter

no e seja {vi,... , Vn} uma base ortonormal de V. Então para v E V,
temos n
v= L (v,vi) vi.
i=l
6.2.6 0 PROCESSO DE 0RTOGONALIZAÇÃO DE GRAM-SCHMIDT
Seja V um espaço vetorial sobre lK com produto interno ( , ).

Considere A= {v1, · · · , Vn} e V um conjunto linearmente indepen
dente. Vamos construir um outro conjunto A'= {w1, · · · ,wn} e V
que seja ortogonal e tal que os subespaços gerados por A e por A'
sejam os mesmos. Esta construção é feita indutivamente como segue
• W1 = V1.
Observe que w2 f:. O (pois {v1,v2} é Li.) e que w2 1- W1. De

fato,
(v , W )
(w2,w1) =(v2 - 2 1 wi,w1)
li wi 112
(v2,w1)
= (v2,w1)
- li wi ll2 · (wi, w1) = O.
• Definidos w1, ... ,wk, 1 < k < n, podemos definir Wk+l como
sendo
Não é difícil ver que o conjunto {w1,... , Wn} definido acima é ortogo
nal e, em particular, linearmente independente (por 6.2.4). Observe
também que, para cada i = 1, · · · ,n, Wi E W = [v1, · · · ,vn]· Como
dimoc W = n, segue que A'= {w1, · · , wn} é uma base de W, o que
·
mostra a igualdade dos subespaços gerados por A e por A'.
EXEMPLO
Considere o C -espaço vetorial V = C 3 com produto interno

canônico. Utilizando o processo de ortogonalização descrito
acima, vamos encontrar uma base ortogonal de C 3 contendo
o vetor (1, 2i, O). Primeiro vamos definir uma base qualquer
de C 3 contendo (1, 2i, O). Considere, por exemplo, a base

B ={(1, 2i,O), (O, 1, O), (O,O, l) }. Escolha w1 = v1 = (1, 2i,O).
Usando o processo descrito acima, teremos
((O, 1, O), (1, 2i,O)) (l .

w (O'l ' O) _
'2i,O)
2 il (1, 2i, O) 112
=
(-2i) . 2i 1 (
(0,1,0) -- - ( 1 , 2 i,0)= 5'5'º )
5
=
l ((O,O,1), (1, 2i, O)) l . -

w3 =
(O'O' ) _
( '2i,O)
li (1, 2i,O)112
((0,0,1), (�, i,O)} 2i

( '�o)' =(O''
O l)
ll(�\i,0)112 5 5
(pois (O, O, 1) l. w1 e (O,O,1) l. w ). Portanto, o conjunto
2
{(1, 2i, O), (�,i,ü),(O,O, 1)} é uma base ortogonal de C 3 con
tendo o vetor (1,2i,0).
6.2. 7 O próximo resultado explicita uma condição suficiente para que

um espaço vetorial tenha uma base ortonormal.
TEOREMA. Todo espaço vetorial de dimensão finita n 2: 1 com pro

duto interno possui uma base ortonormal.
DEMONSTRAÇÃO. Para provarmos esse resultado vamos usar o pro

cesso de ortogonalização de Gram-Schmidt descrito acima. Seja V
um espaço vetorial de dimensão n 2: 1 e seja B = {v i , . . . , vn }
uma base de V. Então, por (6.2.6), existe um conjunto ortogonal
{w1, . .., Wn} que gera V. Como todo conjunto ortogonal é linear
mente independente, segue que {w1, . .., Wn} é uma base ortogonal
de V. Por fim, { 11:;;�11,. · · , 11:;;�11} é uma base ortonormal, como
queríamos. D
6.2.8 ÜBSERVAÇÃO
A vantagem de se trabalhar com bases ortonormais é que, neste

caso, o produto interno pode ser descrito de uma maneira bas
tante simples em termos das coordenadas dos vetores de V. De
fato, seja V um espaço vetorial munido de um produto interno
n
e com uma base ortonormal {v1,... , Vn } . Se u = L O:iVi e
i=l
n
v = :L /3jVj pertencem a V, com o: �s e f3j s em lK, então
j=l
n n n n
i=l j=l i,j=l i=l

Ou, em outra notação:
n
((o:i,...,o:n)B, (/31, ..., /Jn)B) = L ªilJi.
i=l
6.2.9 Uma outra conseqüência interessante é dada pelo seguinte re
sultado.
COROLÁRIO. Seja V um JK-espaço vetorial mun ido de um produto

interno. Sejam B = {ui,·· ·,un } e B' = {v1, · · ·,vn } duas bases
ortonorma is de V. Se M é a matriz de mudança de bases B para B',
-t t
M · M = Id n .
-
então M · M =
DEMONSTRAÇÃO. Seja M = (o:ij)i,jMn(lK) a matriz

E de mudan
ça de bases B para B'. Então, para i,j 1, · · · ,n, temos que
n n
=
Vj = :L O:kjUk e vi = :L O:kiUk· Como (vi,vj ) = Ôij, segue da

k=l k=l
n
Observação 6.2.8 que :L O:ki · <ikj Ôij para cada 1 < i, j :::; n.
k=l
=
-t -t
Conseqüentemente, M · M = M · M = Idn. D
6.2.10 EXERCÍCIOS
(1) Refaça o Exemplo 6.2.6 usando o seguinte produto interno em

C 3:
(2) Seja S = [(l+i, 3i, 2-i), (2-3i, 10+2 i,5-i)] e C 3. Determine
uma base ortogonal para s, considerando em e 3 o produto

interno canônico.
(3) Considere a base B = {(1, i),(i, 1)} de C 2. Determine uma

base ortogonal de C 2 que contenha um dos elementos de B,
considerando em e 2 o produto interno canônico.
(4) Considere o C-espaço vetorial V = C((O, 1]), C) com produto

- 1
interno dado por: (f,g) = J0 J(t)g(t) dt para f,g E V. Prove
que
(a) 1 f1o f(t)g(t) dtl:::; u; l/(t)l2 dt)1/2.(f1o lg(t)l2 dt)1!2•

(b) Sejam fn(x) = J2 cos (27rnx) e gn(x) = J2 sen (27rnx).
Prove que S = { 1, fi, gi, h, g , } é um conjunto ortonor
2
• . .
mal em V.
(c) Prove que S = {hn }, onde hn =

e21ri n x , n =O, ±1, ±2, · · ·,
é um conjunto ortonormal em V.
(5) Seja {v1,v , ... , vm } um conjunto ortogonal de vetores não nulos

2
em um espaço vetorial V com produto interno. Seja v E V um
vetor qualquer.
(a) Prove a desigualdade de Bessel:
� l(v, Vk)l2 <

li 112
6 li Vk 112 - V .
(b) Mostre que a igualdade vale se e somente se
(6) Seja V um espaço vetorial sobre][( munido de produto interno

e sejam u, v E V.
(a) Mostre que se u l_ v, então li u + v 112=11 u 112 + 11v 112 .

(b) Para ][( = IR , u
mostre que v são ortogonais
e se valer a
igualdade = u
11 u + 112 11 112
v + li v 112 .
(c) Mostre que o item (b) é falso se OC = C.

(d) Para][( = C , mostre que u e v são ortogonais se e somente
se existem o:,f3 E][( tais que
li o:u + f3v 112=11 o:u 112 + li f3v 112 ·

6.3 SUBESPAÇO ORTOGONAL
6.3.1 DEFINIÇÃO. Seja V um espaço vetorial com produto interno,

e seja8 Ç V um subconjunto de V. Chamamos de ortogonal a8 ao
conjunto81. ={vEV : (v,u)=O, Vu E8}.
Seja8 um subconjunto de um espaço vetorial V com produto

interno.
(a) O conjunto 3 1. é um subespaço vetorial de V, mesmoque

8 não tenha estrutura de espaço vetorial. De fato,
• OE31. pois (O, v) =O, VvEV.
• Se v1, v2 E81. então (vi, u)= (v2, u)=O, V u E 8.

Portanto, temos (v1 + v2, u)= (v1, u) + (v2, u)= O,
Vu EV e então v1 + v2E81..
• Analogamente, se À ElK e vE81., então ÀvE81..
(b) Se8={O}, então81. =V.
(c) Se8 contiver uma base de V, então81. ={O}.
(d) Éclaroque8J.={vEV : (u,v)=O, VuE8}
6.3.3 PROPOSIÇÃO. Seja V um espaço vetorial sobre lK munido de

um produto interno. Sejam W Ç V um subespaço e B ={wi, ... , Wk }
um conjunto gerador para W Então v E W1. se e somente se
(v, wi) =O, para cada i = 1, ... , k.
DEMONSTRAÇÃO. Seja wE W. Então existem a i, · · · , an ElK, tais

k
que w =CT1W1 + ... + ltkWk· Portanto, (v, w) = L ai (v, Wi ) · Se as-
i=l
sumirmosque (v, wi) =O, para cada 1 ::::; i ::::; k, segueque (v, w) =O,
ou seja, V Ewl.. Reciprocamente, se V Ewl.' então (v, w) =o, para
cada w EW. Em particular, (v, wi) =O, para cada 1 ::::; i::::; k. D
6.3.4 PROPOSIÇÃO. Seja V um lK -espaço vetorial de dimensão n :'.'.: 1
e com produto interno e seja W Ç V um subespaço próprio de V.

Então V=WEB WJ..
DEMONSTRAÇÃO. Precisamos mostrar que:
(i) V= W + W.L, isto é, cada vetor v E V se escreve como uma

soma v = w1 + w2 com w1 E W e w2 E W.L.
(ii) w n w.L ={o }.
Se W = O, não há nada a provar. Assuma que W "# O e seja

B {v1, ... ,Vm } uma base ortogonal de W (que existe pelo Teo
=
rema 6.2.7). Considere uma base e= {vi,... ,vm,Vm+i· . . ,vn} de .
V, também ortogonal e contendo B. Segue de (6.2.4(a)) que se v E V,

então
n m
(v, vi ) (v, vi) �
� (v, vi)
Vi + Vi·
V
2: li Vi 112 Vi
2: Vi 1-1
1- 1- 2
li Vi 112
i=l i=l i=m+l
m
'°' (v,v;)
lfV;jj2 W. Por outro lado, para cada
Obviamente, L.. Vi E
i=l
j= 1,··· ,
m
o
i=m+l
Assim, segue da Proposição 6.3.3 que . f: j1�,jj� vi E W.L. Logo

•=m+l
V= W + W.L e isto prova (i) .
Para provarmos (ii), seja w E W n W.L. Como w E W.L, temos
(w,v) =O para todo v E W. Em particular, (w,w) =O e, portanto,
w= O, como queríamos. D
6.3.5 COROLÁRIO. Seja V um lK -espaço vetorial de dimensão finita

com produto interno e seja W um subespaço de V. Então
dimK V= di'Tnf.c. W + di'Tnf.c. W.L.
6.3.6 EXERCÍCIOS
(1) Sejam IR 4 com o produto interno usual e S o subconjunto

{(x,y,z,w) E R4 : x - 2y + z + w = O}. Determine uma
base ortogonal de s e uma outra de s.L.
( 2) Considere o espaço V = P3 (R) dos polinômios reais de grau

menor ou igual a 3, com o produto -interno dado por
(!, g ) = fo1 f (t)g (t) dt, V /, g E V.
Ache uma base ortonormal de [5, 1 + t]-1.

(3) Considere M 2 (R) com o produto interno
onde A= (lli})i,j e B = (bij)i,j, i,j = 1,2. Seja
W= { ( : �) x+y-z=O } -
(a) Determine uma base ortogonal de W.

(b) Determi�e uma base de W-1 _
(4) Seja W um subespaço de um espaço vetorial com produto in

terno V . Mostre que se dimoc. V < oo, então (W-1).l = W.
(5) Sejam V um espaço vetorial com produto interno de dimensão

finita e B = {v1, ,Vn} uma base ortonormal de V. Se
_ _ _
T E L(V, V) e A = [T]B, mostre que aij = (T (Vj), vi) para

i,j= l,··· ,n.
(6) Seja V= C ([-1, l],R) com o produto interno dado por
(!, g) = /_11 / (t)g (t) dt.

W Ç V formado por todas as funções ímpares, isto é,
Seja
W= {f E V: / (-t) -f (t), V t E [-1, l]}. Determinar W-1.
=
(7) Seja V= Mn(C). Dados A= (aij)i,j,B= (bij)i,j E V , defini-

-t
mos (A, B) tr (AB ).
=
n n
(a) Mostre que (A, B) L: L ªijbij·
i=l j=l
(b) Seja S o subespaço de V formado pelas matrizes diagonais.
Determine S-1.
(8) Seja V um JK-espaço vetorial com produto interno e sejam U e

W subespaços de V tais que U Ç W ..L e V = W+ U. Mostre
que u = w..L.
(9) Considere o seguinte produto interno em IR4:
((a,b,c,d), (x, y,z,w)) =2ax+by+cz+dw
para (a,b,c,d) e (x,y,z,w) E IR4. Determine uma base do
subespaço ortogonal aS= [(1,2,0,-1), (2,0,-1,1)].
6.4 A MELHOR APROXIMAÇÃO
6.4.1 Vamos ver agora como usar o conceito de ortogonalidade para

aproximar elementos de um espaço vetorial por outros em um da
do subespaço. Isso será útil, por exemplo, se quisermos aproximar
uma dada função por um polinômio. Começamos com a seguinte
proposição.
PROPOSIÇÃO. Sejam V um JK-espaço v etorial com produto interno

e W um subespaço de V com dimensão finita. Então, dado v E V,
existe um único w E W tal que v -w E W ..L
.
DEMONSTRAÇÃO. Seja {w1, · · · , wn} uma base ortogonal do subes
paço W Dado v E V, considere o vetor
(v ,w1) (v , Wn )
. . .+ . n
W W . W ·
i n
=
li W1 112 + li W
112
É claro que w E W e não é difícil provar que (v-w,wi) = O, para
cada i = 1, · · · , n. Assim, segue da Proposição 6.3.3 que v-w E W..L.
Para provarmos a unicidade de w, vamos supor que existam
w,w' E W tais que v -w E W ..L e v - w' E W..L. Então
(w�w',w-w') = (w-w',w-w'+v -v ) =
= (w-w',w - v )+(w-w',v -w') = O
pois w-w' E W, w-v E W..L e v -w' E W..L. Conseqüentemente,

w - w' = O ou seja w = w', como queríamos. D
6.4.2 DEFINIÇÃO. Sejam V um JK-espaço vetorial com produto in

terno e W Ç V, um subespaço de V. Se dado v E V, existir w E W
tal que v -w E W 1-, chamamos o vetor w de projeção ortogonal de

v sobre W.
NOTAÇÃO. A projeção ortogonal de v sobre W será denotada como

w =projwv.
OBSERVAÇÃO
Observamos que a Proposição 6.4.1 nos diz que, para subes

paços de dimensão finita W, cada v E V admite uma única
projeção ortogonal de v sobre W. Além disso, se {w1, · · · , wn}

for uma base ortogonal de W, então tal projeção será o vetor
. (v, w1) (v, Wn) .

proJwV = . W1 + .. . Wn.
1
li W 112 + li Wn 112
6.4.3 PROPOSIÇÃO. Sejam V um ][(-espaço vetorial com produto

interno, W um subespaço de V e v E V. As seguintes afirmações são
equivalentes:
(a) Existe Wo E W tal que V - Wo E Wl..
(b) Existe wo E W tal que li v - wo li < li v - w li, V w E W e
W =/:- Wo.
DEMONSTRAÇÃO. (a)==} (b) Seja Wo E w tal que V - Wo E WJ_.

Para cada w E W, temos que w - wo E W e, conseqüentemente,
v - wo 1- w - wo. Agora, segue do Exercício 6.2.10(6(a)), que
li V - w 112=11 V - Wo + Wo - w 112=11 V - Wo 112 + li w - Wo 112
e assim para w E W com w =/:- wo, teremos que li v-w 112>11 v-wo 112
e, portanto, v w v
li - 11>11 - Wo li, para todo w E W, w =/:- wo.
(b) ===? (a) Seja w0 E W tal que
(*) li V - Wo li < li V - w 11, V w E w, w =1- Wo.
Vamos supor, por absurdo, que v - w0 </. W1-, ou seja, que existe
w1 E W tal que (v - w0,w1) =/:- O. Observemos que w1 =/:- O e con
sideremos W' o subespaço gerado por {wo,wi}. Então W' Ç W e
a dimensão de W' é igual a 1 ou 2. Assim, W' tem dimensão fini

ta e pela Proposição 6.4.1 projw1v = wó. Logo
existe a projeção
v - wó E W'.L e, conseqüentemente, li v - wó 11 < 11 v - w' 11 para
todo w' E W', w' '# wó. Observe que wó '# wo já que (v -wo, w1) '# O
e (v - wó,w1) = O pois w1 E W' e v - wó E W'.L. Portanto,
li v-wó li< li v-wo li (**).Daí concluímos, usando(*) e(**), que
li V -Wo li < li V - wó li< li V -Wo 11,
o que é uma contradição. D
A Proposição 6.4.3 garante em particular que a projeção

projwv, quando existe, é a melhor aproximação de v por um vetor
de W e vice-versa. Quando a dimensão de W for finita, o problema
de determinar a projeção ortogonal de um vetor v sobre W é equi
valente a determinar um vetor de W que melhor se aproxima de v.
6.4.4 EXEMPLOS
(a) Considere o espaço IR 3 munido do produto interno canônico.
Vamos determinar projwv, sendo v = (3, O, 2) e W o subespaço
de IR 3 gerado por w1 = (1, O, -2) e w2 = (1, 1, 1). Primeira
mente, precisamos achar uma base ortogonal para W e, para
tanto, vamos utilizar o processo de ortogonalização de Gram
Schmidt no conjunto {wi, w2}. Considerando o vetor
v1 2
= (1, O, -2), teremos li V1 11 = 5. Então:
(w2,v1) (-1)
V2 = W2 - li Vi 112 V1 = (1, 1, 1) - -- (1, 0, -2) =
5
1 -2 6 3
= (1, 1, 1)+(5, 0, 5) (5, l, 5)· =
Vamos considerar v2 (6, 5,3)

= 5(�, 1, � ) que é também
= or
togonal a v1. Portanto, pela Observação 6.4.2, temos que
. (v,v1) (v,v2)
proJwv = v1+ v2 =
� �
-1 24 1
= 5(1, o, -2)+ (6, 5, 3) =
7(13, 12, 10).
70
(b) Considere o JR-espaço vetorial P3(IR) munido do produto in

terno
1
(p, q) = fo p(t)q(t) dt, para p, q E P3(IR).
Vamos calcular o polinômio de grau 1 que melhor se aproxima

de p(t) = t3. P1(IR) tem dimensão finita, então existe
Como
a projeção ortogonal de t3 sobre P1(IR) e tal polinômio é a
3
melhor aproximação de t por um polinômio em P 1(1R ). Vamos
primeiramente construir uma base ortogonal de P1 (JR). Seja
B = {1, t} a base canônica de P1(1R ). Chamemos de p 1(t) = 1.
2
Com o produto interno acima, teremos li p1 11 = 1. Daí
(t,1) 1 = t - 1 2 1
P2(t) = t - il1if2 2 e li P2 11 =
12
Portanto,
. 3 (t3 '1) (t3 't - 1/2)
t 1+ (t - 1/2) =
prOJP1("1R) = illif2 li t -1/2 112
1 9 1 9 1
= 4 + l (t- 2) lO t- 5·
O
=
6.4.5 SISTEMAS INCOMPATÍVEIS
!
A projeção ortogonal também serve para se determinar a me-
lhor solução possível de um sistema linear incompatível. Seja
a11X1 + a12X2 + · · · + a1nXn = bl

a21X1 + a22X2 + · · · + a2nXn = b2
ap1X1 + ap2X2 + · · · + apnXn = bp

um sistema incompatível com p equações e n incógnitas com coe
ficientes em um corpo ][{ . Como tal sistema é incompatível, não
existe nenhuma n-upla (o:1, · · · , o:n) E ][{
n que seja uma solução dele.
Queremos no entanto encontrar uma n-upla que se aproxime de uma
solução. Vamos denotar a matriz dos coeficientes do sistema ( * ) por
A, isto é,
A=
Queremos encontrar um vetor Y E OC

n tal que o produto AY esteja
o mais próximo possível do vetor b = (b i, ·
·
· , b n), isto é, tal que
li AY - b li< li AX - b li, \f X E ocn, X# Y.
Considere os vetores Ai = (au,··· ,api),A2 = (ai2,··· ,ap2), · , · ·
An = (ain,··· ,apn) E JKP. Observe que, se Y = (yi, · · ,Yn), então

·
n
AY =
Yi · Ai + Y2 · A2 + ···Yn An ·
=
L YiAi,
i=i
ou seja, AY é combinação linear de Ai,A2, · ,An. Em outras pala · ·
vras, AY E [Ai,A2, · , An] e OC P. Como o nosso problema con

· ·
siste em determinar Y tal que AY esteja o mais próximo possível

n
de b E OC , basta calcular a projeção ortogonal de b sobre o subes
paço W [Ai,A2, ,An], ou seja, a melhor solução deverá ser
= . . ·
Y = (yi,y2, ,Yn) E OC n tal que AY seja a projeção de b sobre W.

·
·
·
Por (6.3.3) e (6.4.3), isto é equivalente a dizer que (b - AY,Aj) O,
!
=
\f j =
1,2,. ·· ,n, ou ainda, (b,Aj) (AY,Aj), \f j 1,2,-· · ,n. = =
Obtemos assim o sistema
(Ai,Ai)Yi + (A2,Ai)Y2 + . . . + (An,Ai)Yn =

(b,Ai)
(Ai,A2)Yi + (A2,A2)Y2 + ... + (An,A2)Yn =
(b,A2)
�
(A1,A )Y1 + (A2,An)Y2 + ... + (An,An)Yn =
(b,An),
o qual terá sempre solução, uma vez que a projeção ortogonal existe.
Agora, usando o produto interno usual de OC P e a multiplicação de
matrizes, podemos escrever (** ) como
Assim, o sistema acima admite solução e será a melhor solução

aproximada do sistema (*) .
Observe que se {Ai,A2,. · • ,An} for um conjunto l.d., a me
lhor solução poderá ser escrita de várias maneiras como combinação
linear de Ai, A2,·· · , A n·
EXEMPLO
Considere o sistema
{ x
3
X
-y
-y
=
= Ü
3
2x +y = 2
com coeficientes em IR .
Podemos observar que tal sistema é incompatível, pois 2x = 3
e 5x = 5 . Vamos determinar a melhor solução. Neste caso,
Daí,
AtA = ( 3
-1
1 2
-1 1
) ( � =: ) ( �� -� ) �
.
O sistema será, portanto,
ou
{ 1x
4
-2x
-2y
+3y =
=
-1.
13
{
Escalonando, teremos
14x -2y = 13
+19y = 6.
Logoy = 169 ex = ��-

6.4.6 EXERCÍCIOS
(1) Considere em P3(IR) o produto interno (p,q) =

1
'L: p(k)q(k).
k=-2
Calcule projp1 (IR)(t2 - 1).
(2) Considere C([O, 27r), IR) munido do produto interno
"
(J,g) f2 f(t)g(t) dt, para f,g E C([O, 27r), IR).
lo
=
Determine a função de W = [1,sent, cost] que melhor se apro

xima de/: [0, 27r]--+ IR dada por f(t) t- 1. =
(3) No espaço vetorial Ml (IR) considere o produto interno usual.

2
Seja W = [ ( -� � ) ( � � ) l
_ , · Determine o vetor de
W que melhor se aproxima de X ( =

O
o
-
-1
l
) .
(4) Determine a reta em IR2 que melhor se ajusta aos pontos

(-1,-1 0), (0,-6), (1,-4) e (2, -2) de IR2.
(5) Determine o polinômio de grau 2 que melhor se ajusta aos

pontos (-1,0), (0,-1), (1,1) e (2,4) de IR2•
-{
(6) Determine a melhor solução real aproximada do sistema
X -2y = 1
X -y = 0
2x +2y = 2.
(7) Considere o espaço vetorial P3(IR) com produto interno dado

por
(p, q) =
fo1 tp(t)q(t) dt, para p,q E P3(IR).
Seja W = [1, t2). Determine o polinômio de W que melhor se

aproxima de f(t) = t3 - t.
6.5 TRANSFORMAÇÕES QUE PRESERVAM PRO

DUTOS INTERNOS
6.5.1 DEFINIÇÃO. Sejam V e W dois OC-espaços vetoriais com pro

duto interno. Dizemos que uma transformação T E L(V,W) é uma
transformação que preserva produto interno se (T(u), T(v)) (u,v), ==
para todos u, v E V . Um isomorfismo entre espaços com produto in

terno é um isomorfismo que preserva o produto interno.
6.5.2 ÜBSERVAÇÃO
Uma transformação linear que preserva produto interno é ne

cessariamente injetora. De fato, seja T:V --+W uma transfor
mação que preserva produto interno. Então, para todo vE V ,
temos que li T(v) li = li v li· Se T(v) =O, então v =O e Té
injetora.
6.5.3 TEOREMA. Sejam V eW dois OC-espaços vetoriais de dimen

são finita com produto interno. Assuma que dimoc V = dimoc W
e seja TE L(V,W). As seguintes afirmações são equivalentes:
(a) T preserva produto interno;
{b) T é um isomorfismo de espaços com produto interno;
(c) T leva toda base ortonormal de V em base ortonormal deW;
(d) T leva alguma base ortonormal de V em uma base ortonormal

deW.
DEM ONSTRAÇÃO. (a) => (b) Assuma que T preserve produto in
terno. Pela observação acima, sabemos que T é injetora. Como
dimoc V = dimoc W < oo, segue da Proposição 3.3.3 que Té um
isomorfismo.
(b) => (c) Suponhamos que T seja um isomorfismo de espaços com
produto interno e seja {v1, · · · , vn} uma base ortonormal de V . Como
T é um isomorfismo, segue que {T(v1), ·· T(vn)} é uma base deW.
· ,
Por outro lado, como T preserva produto interno, temos que
(T(vi), T(vj)) =(vi, vj) = Óij> 'r/ i,j = 1, · · · , n.

Segue daí que {T(v1),... ,T(vn)} é ortonormal.
(c) ::::} (d) Claro.
(d) ::::} (a) Seja {vi,... ,V n} uma base ortonormal de V tal que
{T(v1),... ,T(vn)} seja uma base ortonormal de W.
Para u, v E V, temos
n n
u =L ªiVi com ai E][{ e v L f31v1 com f31 E OC. =
i=l j=l
Então, pela Observação 6.2.8, temos que
n
(u,v) = L ai/3i
i=l
e, portanto,
(T(u),T(v)) =(T
n
e� )O:iVi ' T
n
1 Ct )
f31v1 ) =
= O::: aiT(vi), L f31T(v1)) =
i=l j=l
n n n
= L L ai/31(T(vi),T(v1)) L ai/3i =
i=l j=l i=l

pois (T(vi),T(v1)) = Ôij· Logo, (T(u),T(v)) = (u,v), V u,v E V,
como queríamos. D
6.5.4 EXEMPLOS
(a) Sejam V um OC-espaço vetorial com produto interno e de di

mensão n 2". 1 e B = {v1,... ,Vn} uma base ortonormal de V.
Então a função
T: V --+ ocn
n
L Ü:iVi f-+ (0:1, · · , O:n)
·
i=l
é um isomorfismo entre V e ][{ n que preserva o produto in
terno (onde consideramos em ][{
n o produto interno canônico).
Deixamos ao leitor a demonstração dos detalhes.
(b) Seja V = IR 3 com produto interno canônico e seja W o subes

paço de M 3 (IR) das matrizes A que satisfazem At = -A
(as chamadas matrizes anti-simétricas). Consideremos em W

o seguinte produto interno: (A, B) �tr(A Bt), V A, B E W.
= ·
Defina
T: w
-X
3
Observe que T é linear e, além disso, ela é sobrejetora, pois
{T(l, O, O), T(O, 1, O), T(O, O, 1)} é uma base de W. Queremos
mostrar que T preserva produto interno. Sejam (xi, y1, z1) e
(x2, Y2, z2) em IR3. Com isso,
Também
( )
o XI
T(xi, Y1, zi) = -X1 o Z1 e
-y1 -Z1 "o'
( �).
-�,
X2 �
T(x2, Y2, z2) = o
-y2 -z2
Daí,
( )( )
-�,
�
o XI YI X2 Y2
( -X1 o Z1 o Z2 )
- y1 -z1 o - y2 -z2 o
�·· -y2
(( ))
-X 2
-�,
H:
XI YI
o Z1 o -z2
-y1 -Z1 o Z2 o
( )
�
1 x,x, +y,� * *
-tr * X1X2 + Z1Z2 *

2
* * Y1Y2 +Z1Z2
1
2[(x1x2 +Y1Y2) + (x1x2 +z1z2) +(Y1Y2 +z1z2)] =
E, portanto, T preserva produto interno.
(c) Considere o IR.-espaço vetorial V = C([O,1],IR.) com produto

2
interno (f,g)i = J; t f(t)g(t) dt e W = C([0,1],IR.) com
produto interno (!, g)2 J 1 f(t)g(t) dt. A função
0
=
T: V ---+ w
f(t) f-+ T(f(t)) = t f(t)
é linear (mostre) e preserva produto interno. De fato,
(T(f), T(g))2 = (t f(t), t g(t))2 =

f 1(t f(t)) (t g(t)) dt =
0 2
=
= f 1 t f(t) g(t) dt = (f,g)i

0
para todos f, g E V. Como T preserva produto interno, segue
que ela é injetora. No entanto, não é um isomorfismo, pois T
não é sobrejetora. Por exemplo, se g é a função constante 1,
isto é, se g(t) = 1, 'V t E [O,1], então g í Im T (se g E Jm T,
então existiria fEV tal que T(f(t))= g(t) , isto é, t· f(t) =
1.
O "candidato a f(t)" é t que não é contínua em O). Este
exemplo mostra que o Teorema 6.5.3 não vale sem a hipótese
de dimoc V = dimoc W ser finita.
(d) Considere l2 munido do produto interno definido em (6.1.9) e

seja S : l2 ----+ l2 definida por S((xn)nEN) = (O,x , X2, ).
1
· · ·
Observe que S é uma transformação linear que preserva produ

to interno e, portanto, é injetora. Mas S não é um isomorfismo,
uma vez que S não é sobrejetora, pois o vetor (1,O,O , · · · ) não
é imagem de nenhum vetor de l2. Este é um outro exemplo da
importância da dimensão de V ser finita para a validade do
Teorema 6.5.3.
6.5.5 PROPOSIÇÃO. Sejam V e W dois OC-espaços vetoriais com pro

duto interno e T E L(V, W). Então T preserva produto interno se e
somente se 11 T(v) li li v li, 'V v E V.
=
DEMONSTRAÇÃO. Já vimos que se T preserva produto interno, então

li T(v) li = li v li, para todo v E V. Vamos provar a recíproca.

Suponha que 11 Tv ( ) 11 = 11v11 para todov E V. Se V é um espaço
vetorial sobre IR, então u( ,v)= t liu+v112 -t liu-v 112 para todos
u evE V (identidade de polarização provada em (6.1.6)). Teremos
então
(T(u),T(v)) = t liTu
( ) +T(v)112 t li Tu ( )112=
( )-Tv
-
= t liTu( + v)112 -t li Tu
( -v)112=
=
V:
t li +v112 -t liu-v112=
= (uv
, .)
Se V é espaço sobre <C , usa-se, de maneira análoga, a identidade

. .
1 1
(u,v) = 11u +v112 - liu-v112 +
4 4 � 11u+iv112 - � liu-iv112
para mostrar que (T(u),T(v)) = u
( v
, ), Vu,v E V. Deixamos ao
leitor a tarefa de verificar os detalhes neste caso. D
6.5.6 EXERCÍCIOS
(1) Sejam U, V espaços vetoriais com produto interno eT: U---+ V

uma função tal que (T(u),T(v)) = (u,v)para todosuv
, E V.
Mostre queT é linear.
(2) Considere o IR-espaço vetorial IR3 munido do produto interno

usual e sejaT : IR3 ---+ IR3 o operador linear dado por
T(x, y, z ) = (xcosO - y senO,xsenO + y cosO, )

z ,
onde O é um angulo fixo. Mostre queT preserva produto inter

no. (Observe queT faz cada vetor girar de ângulo O em torno
do eixo z).
7
ADJUNTOS
O objetivo deste capítulo é introduzir o conceito de operadores

adjuntos e ver como o mesmo está relacionado à existência de uma
base ortonormal formada por autovetores de um dado operador
linear. Neste capítulo, ][{ denotará ou o corpo dos números reais
IR ou o corpo dos números complexos C .
7.1 FUNCIONAIS LINEARES E ADJUNTOS
7.1.1 Sejam V um OC-espaço vetorial com produto interno e w E V.

Podemos, a partir de w, definir um funcional linear em V* da seguinte
maneira:
fw: V � ][{
u t-t fw(u) = (u, w).
A linearidade de fw é garantida pelas propriedades (Pl) e
(P2) da definição de produto interno. Podemos perguntar se vale a
recíproca da observação acima, isto é, se dado um funcional linear
f E V*, existe um vetor w E V tal que f = fw· A seguir apresentare
mos um resultado que responde de forma positiva a esta pergunta.
7.1. 2 Sejam V um OC -espaço vetorial de dimensão finita n � 1e

B {vi,v2,· · · ,Vn} uma base ortonormal de V . Considere o ele-
=
n
mento w I.: a-jvi E V e calculemos fw como definida acima em
=
i=l
um vetor Vj da base de B:
n n
fw(vj) = (vj,L aivi) = L ai (vj,vi) = ªi·
i=l i=l
n
Logo w = I.: fw(vj)Vj· Esta conta será útil na demonstração do
j=l
próximo resultado.
PROPOSIÇÃO. Seja V um OC -espaço vetorial com produto interno e

de dimensão finita n � 1. Se f E V*, então existe um único w E V
tal que f(u) (u,w ) para todo u E V.

=
DEMONSTRAÇÃO. Segue do Teorema 6.2.7 que existe uma base orto-

n __
normal {v1,...,vn} de V. Considere o elemento w = I.: J(vj)Vj·

j=l
Vamos mostrar que f = fw, isto é, que f(u) fw(u)
= = (u, w ) , para
todo u E V. De fato, para k = 1, . .. ,n, temos
j =l j=l
e, portanto, como f e fw coincidem nos elementos de uma base, segue
que f = fw, como queríamos.
Unicidade. Sejam wi, w2 E V tais que f fw, fw2, isto é, tais que= =
f(u) (u,w1 ) e f(u)

= (u,w2 ) para todo u E V. Então (u,w1 )
= =
(u,w2 ) para todo u E V. Assim, (u,w1 - w2 ) O, V u E V. Segue =
de (6.2.2) que w1 - w2 O e a unicidade está provada.

= D
7.1.3 ÜBSERVAÇÃO
Quando a dimensão de V for infinita, a proposição acima não é

verdadeira de um modo geral, como mostra o Exemplo 7.1.4(a)
abaixo. Convém, no entanto, observar que, no contexto da
teoria de Análise Funcional, teremos que a proposição acima
é verdadeira para todos os funcionais lineares contínuos sobre
os denominados espaços de Hilbert de dimensão infinita, por
Adjuntos • 209
exemplo, para o espaço l definido em (6.1.9). Tal resultado é

2
conhecido como o Teorema de Riesz e sua demonstração pode
ser encontrada em qualquer texto básico de Análise Funcional
(ver, por exemplo, [K]). Não faremos aqui tal demonstração
por fugir do conteúdo proposto.
7.1.4 Nos exemplos que se seguem vamos exibir funcionais lineares

sobre espaços de dimensão infinita V que podem ou não ser dados a
partir de um produto interno.
EXEMPLOS
(a) Seja V = P(C) o espaço vetorial dos polinômios com coefi

cientes em e e considere o produto interno dado por
(y, q) = 11 p(t)q(t) dt,

para todos p, q E V.
Considere Zo E e fixo e seja</> E V* definida por <f>(p) =p(zo)

para todo p E V. Queremos mostrar que não existe qo E V
tal que <f>(p) = (y, q0), para todo p E V. Vamos supor, por
absurdo, que exista um tal qo E V. Então
1
</>(p) =p(zo) =1 p(t)qo(t) dt, V p E V. (I)
Considere agora o polinômio r E V dado por r(t) = t - zo.

Assim, (r p)(z0) =O, V p
· E V. Agora, aplicando (I) para o
polinômio r p, segue que
·
O= 11 (r · p)(t)qo(t) dt,
para todo p E V. Em particular, para o polinômio p =r qo, ·
teremos que
o= 11 ( r . r. qo)(t)qo(t) dt= 11 lr(t)l2 . lqo(t)l2 dt,

e, conseqüentemente, r qo =O
· em [O, l]. Como r -=1- O, temos
que q0 = O. Assim, </> seria o funcional identicamente nulo, o
que é uma contradição. Portanto, o funcional </> não pode ser
definido a partir de um produto interno.
(b) Considere V = l 2 munido do produto interno usual dado por

00
(x,y) =� Xn · Yn, para todo X (xn)nEN, y (Yn)nEN E lz

= =
n=l
(ver Exemplo 6.1.9). Seja Ík : lz ----+ ][{ o funcional linear dado
por fk((x1,x2,···)) X k, isto é, Ík é a projeção da k-ésima
=
coordenada. Assim fk((xi,x2,-··)) ((xi,x2,-··),ek), onde

=
ek (ôn k)nEN·
=
7.1.5 A seguir demonstraremos um teorema que é a principal con

seqüência da Proposição 7.1.2.
TEOREMA. Seja V um ][{-espaço vetorial com produto interno e de

dimensão finita. Se T E L(V, V), então existe um único operador
T* E L(V, V), tal que (T(u),v) = (u,T*(v)) para todos u,v E V.
DEMONSTRAÇÃO. Seja v E V. Queremos definir T*(v) E V. Para
tanto, vamos considerar o seguinte funcional linear
f: V ---t ][{
u i-+ f(u) = (T(u),v).
Observe que f é linear pois se u1,u2 E V e >. E ][{, então
Pela proposição 7.1.2 sabemos que existe um único w E V tal

que f(u) = (u,w), para todo u E V , isto é, tal que (T(u), v) = (u,w),
V u E V. Como w é determinado de modo único por v, definimos
T*(v) =w. Por construção, teremos então
(T(u), v) = (u, T*(v)), V u, v E V
Para mostrarmos que T* definida acima é linear, considere vetores

u,vi, v2 E V e um escalar >. E ][{ . Então
(u, T*(v1 + >.v2 )) = (T(u), vi + >.v2 )

= (T(u),v1) + X(T(u),v2)
= (u,T*(v1)) + À(u,T*(v2))
= (u,T*(v1) + >.T*(v2 )) .
Adjuntos • 211
Portanto, (u, T*(v1 + Àv2) - T*(v1) + ÀT*(v2)) = O , \;/ uE V , o que

implica que T*(v1 + Àv2) = T*(v1) + ÀT*(v2). Portanto, T* é linear.
A unicidade decorre facilmente da construção feita. D
7.1.6 DEFINIÇÃO. Seja

TE L(V, V), onde V é um OC-espaço vetorial
com produto interno. Dizemos que T possui um adjunto se existir
um operador linear T* E L(V, V) tal que (T(u),v) = (u, T*(v)),
para todos u, vE V. Diremos, neste caso, que T* é o adjunto de T.
Os operadores adjuntos nos ajudarão a definir mais adiante

três classes importantes de operadores, que são os denominados auto
adjunto, unitário e normal.
7.1.7 OBSERVAÇÕES
(a) Sejam V um OC-espaço vetorial de dimensão finita com base

ortonormal B = {v1,v2, · · · , vn } e TE L(V, V). Observe que
combinando as construções feitas nos resultados 7.1.2 e 7.1.5,
podemos dar a seguinte fórmula explícita para T*:
n
T*(v) = L (T(vj),v)vj, \;/ vE V.

j=l
(b) O Teorema 7.1.5 garante que se V é de dimensão finita, então

todo operador T E L(V, V) possui um adjunto. Isto, porém,
não é verdade de modo geral quando dimoc V = oo. Neste
caso, é possível mostrar que todo operador linear contínuo en
tre os chamados espaços de Hilbert admite adjunto. Tais con
ceitos, bem como a demonstração da afirmação feita, podem ser
encontrados em textos básicos de Análise Funcional (ver, por
exemplo, o livro [C]).
(c) O adjunto de T, quando existe, depende obviamente do produto

interno considerado. Use, por exemplo, a transformação linear
dada no Exercício 7.1.13.(1) e o Exercício 6.1.10(5) para exibir
exemplos de transformações lineares T onde T* depende do
produto interno em questão.
7.1.8 EXEMPLOS
(a) Considere no C-espaço vetorial V= Mn(C) o produto interno

-t
dado por (A, B) tr(B A), para A, BE V. Dada uma matriz
=
ME Mn(C), defina o operador linear TM : V--+ V dado por

TM(A) MA. Queremos descrever a transformação (TM)*
=
que sabemos que existe por (7.1.5). Para tanto, calculemos:
(TM(A), B) =
(MA, B) = tr(B\MA)) =
-t
Como (TM(A), B) =
(A, M B), para todo AE V, teremos
pela unicidade do adjunto que (TM)*(B) MtB. =
A seguir apresentaremos exemplos de operadores lineares T en

tre espaços de dimensão infinita que podem ou não admitir
adjuntos.
(b) Considere no C-espaço vetorial V das funções polinomiais com

coeficientes em e o produto interno dado por
(y, q) = 11 p(t)q(t) dt, para p, qE V.
Vamos exibir uma transformação linear de V em V que admite

adjunto e outra que não admite adjunto. Para tanto, fixe em
primeiro lugar um polinômio fE V e considere o operador
linear
TJ: V --+ V
p � fp
(mostre que TJ é, de fato, linear).
O operador TJ possui um adjunto. De fato:
(TJ(P), q) = (fp , q) =
11 f(t)p(t)q(t) dt
11 p(t) (f(t)q(t)) dt = (p, fq).
Adjuntos • 213
Como a igualdade acima vale para todos os polinômiosp, q em

V, teremos que T* : V--+ V dado por T*(q)(t) = f(t)q(t) é o
operador adjunto de T. Em outras palavras,(T1 )* = T7.
Seja agora D E L(V, V) o operador derivação em V, isto é,

D(p) = p' para todo p E V. Vamos mostrar que D não admite
adjunto. Sabemos que
1
(D(p),q) = fo p'(t)q(t) dt e
1 1 1
(pq)(l)-(pq)(O)= 1 (pq)'(t)dt= 1 p'(t)q(t) dt+1 p(t)q'(t) dt,
para p,q E V. Donde
(*) (D(p),q) = (pq)(l)- (pq)(O)- (p,D(q)) V p,q E V.
Considere agora Qo E V tal que q0(0) i=- q0(1) e suponha que

exista um polinômio q1 E V tal que (D(p),qo) = (p,q1), para
todo p E V. Então
(p,Q1) = (D(p),qo) <;) (pqo)(l) - (pqo)(O)- (p,D(qo)) V p E V.
Logo,
(**) (p,D(qo) +q1) = (pqo)(l)- (pqo)(O), V p E V.
Observe que, como qo está fixado, a aplicação </>, que a cada

p E V associa (pqo)(l) - (pqo)(O), é um funcional linear. Por
(**),temos que <jJ(p) = (p,D(qo) +q 1), V p E V e</> é dado a
partir de um produto interno. Usando um argumento similar
ao (7.1.4) concluímos que</> é o funcional nulo,isto
utilizado em
é, que (pqo)(l) - (pqo)(O) = O, V p E V. Se p for o polinômio
constante igual a 1, segue que q0(0) q0(1), uma contradição=
com a nossa hipótese sobre q0 e, portanto, D não admite ad

junto (ver Exercício 7.1.13(5)).
(c) Seja V= b com o produto interno dado por
00
(x, y) = L XiYi
i=l
para x = (xi)iEN,y = (yi)iEN (ver(6.1.9)). Seja S : l2 � l2

o operador linear definido por S((x1,x2, ) = (O,xi,x2,· · · · · · ).
O operador S admite adjunto. De fato
(S(x),y ) = ((O,xi,x2,.. ),(y1,Y2, · · · · ))

00
=
2: X iYi+l
i=l
= ((x1,X2, · · · ),(y2,y3, · · º )) .
Como a igualdade vale para todo x,y E l2, segue que o operador
S* : l2 � l2 dado por S*(y) = (y2,y3, ) é o operador
· · ·
adjunto de S.
7.1.9 PROPOSIÇÃO. Seja V um IK-espaço vetorial com produto inter

no. Sejam T, S E L(V, V) operadores lineares que admitem adjuntos
T* e S*, respectivamente e À E lK . Então
(a) T + S admite adjunto e (T + S)* = T* + S*.
(b) .XT admite adjunto e (.XT)* = °XT*.
(c) To S admite adjunto e (To S)* = S*o T*.
(d) T* admite adjunto e (T*)* = T.
DEMONSTRAÇÃO. (a) Seu, v E V, teremos que
((T + S)(u), v) = (T(u) + S(u), v)
= (T(u), v) + (S(u), v) =
(u , T*(v)) + (u, S*(v)) = (u, (T* + S*)(v))
Como a igualdade dada acima vale para todos os vetores u, v E V,

segue que T + S admite adjunto e (T + S)* = T* + S*.
(b) Para u, v E V, teremos que
((.XT)(u), v) = .X(T(u), v) = .X(u, T*(v))
= (u, X T*(v)) = (u, (X T*)(v))

Adjuntos • 215
e, portanto, >.T admite adjunto e (>.T)* = "X T*.

(c) Para u,vE V , temos que
((To S)(u), v) = (T(S(u)), v) =

(S(u), T*(v)) =
= (u, S*(T*(v))) = (u, S*o T*(v)).
Logo, To S possui adjunto e (To S)* = S*o T*.
(d) Para u,vE V , temos que
(T*(u), v) =
(v, T*(u)) =
(T(v), u) = (u, T(v))
e, portanto, T* possui adjunto e (T*)* = T. D
Segue em particular da proposição acima que o conjunto dos

operadores que admitem adjuntos é um subespaço de L(V, V). É claro
que o operador nulo admite adjunto que é o próprio operador.
7.1.10 Quando o espaço vetorial V tiver dimensão finita, vimos aci

ma que qualquer operador TE L(V, V) admite adjunto T*. Para a
descrição deste adjunto, é muitas vezes conveniente utilizar as ma
trizes de T e T* com relação a uma base ortonormal fixada e ver
como elas estão relacionadas. É o que faremos a seguir.
PROPOSIÇÃO. Seja V um IK-espaço vetorial com produto interno e

de dimensão finita. Sejam B {v1,...,vn} uma base ortonormal
=
de V e TE L(V, V). Se [T]B (%) i,j, então aij

= (T(vj),vi), =
V i, j 1,··· ,n.
=
DEMONSTRAÇÃO. Segue da definição de [T]B que
n
(I) T(vj) = L aijVi, para cada j = 1,· · · ,n.
i=l
Por outro lado, como B é uma base ortonormal, segue de (6.2.5) que,
n
para todo vE V, v = Z::: (v,vi) Vi· Em particular, temos que
i=l
n
(II) T(vj) =
L (T(vj),vi) Vi para cada j = 1,- · -, n.
i=l
Comparando-se as equações (I) e (II) (que nos dão ambas as co

ordenadas de T(vj) em termos da base B), concluímos então que
aij = (T(vj),vi) para todo i,j = 1,···n,como queríamos. D
7.1.11 Podemos agora mostrar um resultado que é bastante útil na

hora de se calcular o operador T*.
TEOREMA. Seja V um OC -espaço vetorial com produto interno de

dimensão finita, e seja T E L(V, V). Em relação a qualquer base
ortonormal de V, a matriz de T* é igual à transposta conjugada da
matriz de T.
DEMONSTRAÇÃO. Seja B
,vn} uma base ortonormal do
{v1,
= . . •
espaço V e considere [T]B ( aij)i,j

[T*]B ( Cij)i,j as matrizes dos
= e =
operadores T e T*, respectivamente, com relação à base B. Segue

da Proposição 7.1.10 que aij (T(vj),vi) e Cij= (T*(vj),vi) para =
todos i,j 1, · · ,n. Usando-se a definição de T* e as propriedades

= ·
do produto interno segue que
-t
Portanto, [T]8 = [T*]B, como queríamos. D
7.1.12 EXEMPLO ,,..--..... ..
Considere em C 3 o produto interno usual e seja T: C 3 -----) C 3

dada por T( x,y,z) = (x + 2y,iz,y - iz). SeB for a base
canônica de e 3' teremos então
(T]B =
(� � �) o 1 -i
.
Como B é ortonomal,segue então que
(T*]B =
-t
[Tj8 =
(� � �)
-
1
-
º.
•
º
•
.
e, portanto, T*( x,y, z) = (x,2x + z, -iy + iz). Observe agora

que C = {(1,1,1),(O, 1,1),(O, O, 1) } é base (não ortonormal) de
Adjuntos • 217
C3 e aí
111c� ( i-3
3
1 - 2i
i-2
2
1- 2i
�} (
-2i
1r1c�
1
2
o
1 1
-3 -1 i - 1 º) .
, -t
E claro que [T*]c =/. [Tlc· Com isso, gostaríamos de enfatizar
a importância de se ter uma base ortonormal para podermos
aplicar o Teorema 7.1.11.
7.1.13 EXERCÍCIOS
(1) Seja TE L (C 2, C 2 ) o operador dado por T(l, O)= (l+i, 2) e
T(0,1) (i,i). Considerando em C2 o produto interno canô
=
nico, determine T*.
(2) Considere C 2 com produto interno usual. Seja TE L (C 2, C 2)

tal que a matriz em relação à base ordenada canônica é definida
por
i
ªik = i +k (onde i é o número imaginário).
Determine uma base de Nuc T*.
(3) Seja V um espaço vetorial de dimensão finita com produto in

terno. Mostre que, se T E L(V, V) é invertível, então T* é
invertível e (T*) -1= (T-1) *.
(4) Sejam V um espaço vetorial com produto interno e v, w E V.

Defina a função T: U - V por T(u) = (u, v) w, Vu E V.
(a) Mostre que TE L(V, V).

(b) Mostre que T possui um adjunto e descreva T*.
(c) Suponha V = C n com o produto interno usual e escreva
v = (0:1, · · · , o:n) e w = ((3i, · , f3n)· Qual é o elemento
· ·
ªik da matriz de Tem relação à base canônica de V? Qual

é o posto de tal matriz?
(5) Sejam Qo E P(C) e a1, · · · , an E C e defina o funcional linear

n
<P: P(C) - t dado por <P(p) = I: (p qo)(ai) · Mostre que não
i=l
existe r(t) E P(C) tal que <P(p) = (p, r) (considere em P(C) o
produto interno canônico).
7.2 AUTO-ADJUNTOS
7.2.1 Uma importante classe de operadores lineares é formada pelos

operadores que coincidem com os respectivos adjuntos. Estudar tais
operadores é o principal objetivo desta seção.
DEFINIÇÃO. Seja T E L(V, V) , onde V é um IK-espaço vetorial

com produto interno. Dizemos que T éauto-adjunto se T admite
adjunto T* e T* T. No caso em que lK C, usamos também o
= =
termo hermitiano e no caso em que lK lR. , usamos também o termo

=
simétrico.
7.2.2 PROPOSIÇÃO. Sejam V um IK-espaço vetorial com produto

interno e de dimensão finita e T E L(V, V). As seguintes afirmações
são equivalentes:
(a) T é auto-adjunto.
-t
{b) [T]8 = [T]B para toda base ortonormal B de V.

-t
(c) Existe uma base ortonormal B de V tal que [T]8 = [T]B·
DEMONSTRAÇÃO. Seja B uma base ortonormal de V. Vimos em

-t
(7.1.11) que [T*]B = [T]8. T auto-adjunto, segue que
Assumindo
-t
[T]8 =[T]B o que (a) => (b). Por outro lado,
prova a implicação
-t
se assumirmos que [T]8 [T]B, então [T*]B
= [T]B e, portanto, T
=
é auto-adjunto, o que prova (c) => (a). A implicação (b) => (c) é
trivial. D
COROLÁRIO. Sejam V um espaço vetorial de dimensão finita e

B uma base ortonormal de V. Se T E L(V, V) for um operador
linear auto-adjunto e se [T]B = (aij)i,j então aij = aji, V i,j . Em
particular, os elementos da diagonal de [T]B são números reais.
7.2.3 EXEMPLOS
(a) Considere em C2 o produto interno usual e seja T:C2--+C2 a

transformação linear dada por
T(z,w)=(2z + (1 + i)w, (1- i)z + 3w), V z,w E C.

Adjuntos • 219
Se considerarmos a base canônica B = {(1, O), (O, 1)} de C 2

teremos que
T(l, O) = (2, 1 - i) = 2(1, O)+(1 - i)(O, 1)

T(O, 1) = (1+i, 3) = (1+i)(l, O)+3(0, 1)
} =*
:::? [T]B =
( 2
.
l+i ) -t
= [TjB =
*
[T ]B
1- i 3
e, portanto, T é um operador auto-adjunto.
(b) Seja T: C 2 --+ C 2 o operador linear dado por
T(x, y)= ((3+i)x+(-2+3i)y, (-1+2i)x - (4+i)y),
para x, y E C. Com relação à base canônica B = {(1, O), (O, 1)}

de e 2' teremos então
T(l, O)= (3+i, -1+2i)= (3+i)(l, O)+(-1+2i)(O, 1) L

T(O, 1) (-2+3i, -4 i) (-2 + 3i)(l, O)+ (-4 - i)(O, l) J
( )
= - =
3+i -2+3i
:::? [T]B = .
-1+2i -4 - i
. # [Tj . �
Portanto, T não é um operador auto-adjunto.
Observe agora que se considerarmos a base C = {(1, O), (1, i)}

de e 2' seguirá então que
T(l, O) = (3+i, -1+2i) = 1(1, O)+(2+i)(l, i)

T(l, i) = (-i, -2i) (2 - i)(l, O) - 2(1, i)
( )
=
1 2-i
=* [T]c = . .
i
.
2+ -2
-t
A matriz [T]c satisfaz [T]c
[T]c, mas como C não é ortonor-
=
mal, não podemos concluir que T seja auto-adjunto (calcule T*

e compare com T ). Observe também que tudo depende do pro
duto interno considerado em C 2. Deixamos ao leitor a tarefa
de definir um produto interno em C 2 de maneira que T seja
auto-adjunto em relação a este produto interno.
V
(c) Sejam e T1 como no Exemplo 7.1.8(b). Mostramos ali que
Tj= T7. Com isso, Té auto-adjunto se e somente se
f(t)p(t) = T1(P) = Tj(p)=f(t)p(t)
para todo pEV e isto vale se e somente se f = f, ou, de

maneira equivalente, se e somente se fEP(JR ).
7.2.4 LEMA. Sejam V um C-espaço vetorial com produto interno e

TEL(V,V ). As seguintes afirmações são equivalentes:
(a) T=O.
{b} (T(u),u)=O, 'v'uEV.
{e) (T(u),v)=O, 'v'u,vEV.
DEMONSTRAÇÃO. (a) => (b) É claro.

(b) => (c) Sejam u, vEV e a, f3EC e considere w= au+ f3vEV.
Então
O=(T(w),w) = (T(au+ f3v), au+ f3v) =
= lo:l2(T(u),u) +af3(T(v),u)+afj(T(u),v)+ l/312(T(v),v) =

= af3(T(v),u)+afj(T(u),v).
Como a igualdade acima vale para todos os valores o:, /3 E C,

escolhendo-se a = /3 = 1, teremos que (T(v),u) + (T(u),v) = O.
Por outro lado, escolhendo-se os valores a = i e f3 = 1, teremos
-i(T(v),u)+ i(T(u),v)=O. Resolvendo-se o sistema
{ (T(v),u)+(T(u),v)=O
-i(T(v),u)+ i(T(u),v)=O
segue que (T(u),v)= O e o resultado está provado.
(c) => (a) Como (T(u),v) = O, 'v' u,v E V , podemos escolher

v= T(u) e teremos (T(u), T(u)) = O, 'v'uEV.
Decorre da definição de produto interno que T(u) =O, 'v'uEV . D
Adjuntos • 221
7.2.5 OBSERVAÇÃO
A equivalência acima não é verdadeira se considerarmos espaços

vetoriais sobre lR.. Na verdade, a equivalência das condições (a)
e (c) continua valendo assim como a implicação (c) => (b). O
que não é verdade é a implicação (b) => (c), como nos mostra
o seguinte exemplo. Considere T : lR. 2 --+ lR. 2 a transformação
linear dada por T(x, y) = (-y, x). Observe que, considerando
em lR.2 o produto interno canônico, temos
=
(T(x, y), (x, y)) = ((-y, x), (x, y)) =-yx + xy O,
para todo (x, y)E lR.2.
7.2.6 PROPOSIÇÃO. Sejam V um e -espaço vetorial com produto

interno e T E L(V, V). Então T é um operador hermitiano se e
somente se (T(v),v) E lR., V v E V.
=
DEMONSTRAÇÃO. ( =>) Se T é hermitiano, então T T*. Portanto,
para cada v E V, temos que
(T(v),v) = (v,T*(v)) = (v, T(v )) = ( T(v ), v)
e então (T(v),v) E JR..
(�)Suponha que (T(v),v)E JR., V vE V. Então
=
(T(v),v) = (T(v),v) = (v,T*(v)) (T*(v),v).
Assim, (T(v) - T*(v),v) =O, V vE V. Segue do Lema 7.2.4 que
T(v) = T*(v ), V vE V, como queríamos. D
É claro que a Proposição 7.2.6 não é válida em geral se V for

um lR.-espaço vetorial.
7.2.7 EXERCÍCIOS
(1) Sejam V um espaço vetorial sobre lK com produto interno e

T, SE L(V, V).
(a) Mostre que se T* =T e S* =S então (S + T)* =S + T.

(b) Suponha que T* = T, T -:/=- O e seja O -:/=- a E ][{ . Prove que

(aT)* =aT {::}a é um número real.
(c) Se T =r-1 e T* = T, prove que (T-1)* = r-1.
(d) Mostre que se T* =T e S* = S, então (ToS)* =ToS {::}

T o S = S oT.
(2) Sejam V um espaço vetorial sobre ][{ com produto interno e

TE L(V, V). Mostre que T = �(T
1
+ T*) e T2 = -f;(T -T*)
são auto-adjuntos.
(3) Considere no C-espaço vetorial V = P(C) o produto interno

-
dado por (p, q) = J01 p(t)q(t) dt, V p, q E V. Decida se
o operador T E L(V, V) dado por T(p)(t) = t · p(t) é auto
adjunto.
(4) Decida se o operador derivação é auto-adjunto no espaço veto

rial V=Pn(C) munido com o produto interno
1
(p, q) = fo p(t)q(t) dt, V p, q E V.
(5) Considere em C 3 o produto interno usual. Seja T E L(C3, C3)

dado por
T(z, w, s) =(2z + (1 + i)w - 3is, z + 3w + (2 + i)s, iw + 4is).
Calcule T* e verifique se T é auto-adjunto.
( 6) Considere V M 2 (IR) munido do produto interno dado por
( )
=
O
(A, B) = tr(BtA). Considere M= l e TE L(V, V)
-1 2
dado por T(A) = MA-AM, V AE V. Determine T*.
7.3 OPERADORES UNITÁRIOS
7.3.1 DEFINIÇÃO. Sejam V um OC-espaço vetorial com produto in

terno e TE L(V, V). Dizemos que T é unitário se for um isomorfismo
de espaços com produto interno.
Adjuntos • 223
Sejam Ti, T2E L(V, V ), onde V é um IK-espaço com produto

interno.
(a) Se Ti, T2 são unitários, também T1o T2 o será.

1
(b) Se T1 é unitário, então T1- é unitário.
7.3.3 PROPOSIÇÃO. Seja TE L(V, V ), onde V é um IK-espaço ve

torial com produto interno. Então T é unitário se e somente se o
adjunto T* existir e To T* = T* o T= Id.
DEMONSTRAÇÃO. Suponha, em primeiro lugar, que T seja unitário.

Então T é invertível e, como preserva produto interno, teremos que
1
(T(u),v) = (T(u),(To T-1)(v)) = (u,T- (v))
para todos u, v E V . Logo, T-1 é o adjunto de T. É claro que

T* o T= To T* = Id.
Reciprocamente, suponha que T* exista e que T*oT= ToT* =
1
Id. Então T é invertível e T- = T* . Falta mostrarmos que T
preserva produtos internos. De fato,
(T(u),T(v))= (u, (T* o T)(v)) = (u, Id(v)) = (u, v)
para todos u, v E V e o resultado está provado. D
7.3.4 EXEMPLOS
t
(a) Seja V= Mnx1(C) com produto interno (M,N)= N M onde
M, N E V e seja A E Mnxn(C). Defina T : V ---+ V por
T(X)= AX. Calculando-se (T(X),T(Y)) teremos
(T(X),T(Y)) = (AX,AY )= (AY)t(AX)= yt·:;:rt AX
para todos X,Y E V. Conclui-se daí que T é unitário se e

-
somente se AtA= Idn.
( b) O operador linear definido no exemplo 7.1.8(c) é um exemplo

de operador não unitário.
7.3.5 DEFINIÇÃO. Seja A E Mn(lK). Dizemos que A é u

i
n táa
ri
- -
se AAt = AtA = Idn Quando lK = IR, também dizemos que A é
.
ortogo
a
n l.
7.3.6 EXEMPLO
Vamos descrever as matrizes ortogonais 2 x 2. Para tanto, seja
uma matriz ortogonal. Como vimos acima, A é ortogonal se e

somente se At = A-1. Segue então que
1 = det (Id )= det (A-1A)= det A-1det A=

2
= det Atdet A= (det A)2
e det A= ±1. Utilizando-se o fato que At = A-1, teremos
A
-- ( ª
b -a
b
) a2
e + 2
b = 1 (se det A= 1)
ou
A=
( ª
b a
-
b
) a2
e + b2 = 1 (se det A= -1).
Portanto, A é ortogonal se e somente se A =

( ª
-
b a
b
) ou
A=
( ª
b a
-
b
) a2 +
com b2= 1.
ae
Observe também que dados b E IR tais que
a2 + b2 = 1,
existe um ângulo() (O::::;()< 27r) a= cos()e

tal que b= sen O.
Com isso, A é ortogonal se e somente se A é da forma
( ::� : - ::: : ) ou
( cos() sen ()
sen () -cos() )
para algum() (O::::;()< 27r).
7.3.7 EXERCÍCIO
Descreva as matrizes unitárias 2 x 2.

Adjuntos • 225
7.4 OPERADORES NORMAIS
7.4.1 No Capítulo 5 estudamos condições necessárias e suficientes

para um espaço vetorial V possuir uma base formada de autovetores
de um dado operador T E L(V, V). Naquele estudo, não tínhamos
levado em consideração informações sobre produtos internos de V.
O que iremos discutir agora é a existência de bases ortonormais for
madas por autovetores de um dado operador linear T.
Vamos assumir que
V é um IK-espaço vetorial com produto
interno de dimensão finita n 2: 1 e que T E L(V, V). Suponha que
exista uma base ortonormal B = { v1, ... , Vn} cujos elementos são
autovetores de T, isto é, que T(vi ) O:iVi para certos o:/s em lK
=
= 1, ... , n). Assim, [T]B tem os elementos o:i, ... , O:n na diagonal
(i
principal e zero nas outras posições. Como a base B é ortonormal,
então [T*]B tem os elementos
a1 , ... , õ"n na diagonal principal e zero
nas outras posições. Se lK IR , então o:i =ai para cada i = 1,
= ,n · · ·
e portanto [T]B [T*]B, isto é, T é auto-adjunto. Se lK C, então T

= =
não é necessariamente auto-adjunto, mas vale a relação [T]B [T*]B = ·
[T*]B [T]B, ou melhor, T comuta com T*: To T* = T* o T. Iremos

·
mostrar que a recíproca do resultado acima também vale, isto é, se

T é tal que T o T* = T* o T, então existe uma base ortonormal de V
cujos elementos são autovetores de T.
7.4.2 DEFINIÇÃO. Sejam V um espaço vetorial com produto interno

e TE L(V, V). Dizemos que T é normal se existir T* e ToT* T*oT. =
(a) Todo operador auto-adjunto é normal.
(b) Todo múltiplo escalar de um operador normal é normal. De

fato, se T é normal e o:E lK , então
(o:T)* o (o:T) = (aT*) o (o:T) =

ao:(T* o T) =
= o:a(T o T*) = (o:T) o (aT*) = (o:T) o (o:T)*
(lembramos que (o:T)* = aT*, ver (7.1.9)).

(c) A soma de operadores normais não é necessariamente normal.

Deixamos a cargo do leitor exibir um exemplo para ilustrar tal
afirmação.
7.4.4 EXEMPLO
(a) Considere em IC
2 o produto interno usual e seja T: IC
2 -> IC
2
a transformação linear dada por
T(z,w) = (z + iw,z - iw), 'V z,wE IC.
Então, T*(z,w) =(z + w, -iz + iw) e To T* =T*o T =2Id.

Portanto, T é um operador normal.
(b) Seja V =l2 com o produto interno usual (ver exemplo 7.1.8(c))
Seja SE L(l2,l2) definido por S((xi,x2,· ·) = (O,x1,x2, ··).
· ·
Então S*((x1,x2,···)) =(x2,x3,···) e So S* =/. S* o S, isto é,
S não é um operador normal.
7.4.5 PROPOSIÇÃO. Sejam V um OC -espaço vetorial com produto

interno e TE L(V,V) um operador normal. Então,
(a) li T(v) li = li T*(v) li, 'V vE V.
{b} Se T(v) =o:v para o:E OC e vE V, então T*(v) =a· v.
(c ) Se T(v1) =0:1v1 e T(v2) =0:2v2, para vi,v2E V e 0:1,0:2 E OC,
com 0:1 =f. 0:2, então (vi,v2) =O.
DEMONSTRAÇÃO. (a) Seja VE V, então
(T(v),T(v)) = (v, T*(T(v))) = (v, T(T*(v))) = (T(T*(v)), v).
Como (T(v),T(v)) é um número real, segue que
(T(T*(v)), v) = (T(T*(v)), v) = (T*(v),T*(v)).
Portanto, li T(v) li = li T*(v) li, como queríamos.
(b) Se T(v)=o:v, então (T-o:Id)(v) =O. Logo, 11 (T-o:Id)(v) li=O.

Usando o item (a), concluímos que li (T - o:Id)*(v) li = O. Então
(T- o:Id)*(v) =O e, portanto, T*(v) =av.
Adjuntos • 227
(c) Observe que
(T(v1), v2)
Por outro lado,
(T(v1), v2) = (0:1v1, v2) = 0:1(vi,v2).

Daí, 0:1(vi,v2) = 0:2(v1,v2) e, portanto, (0:1-0:2)(vi,v2) = O . Como
0:1 f. 0:2, segue que (vi,v2) = O . D
7.4.6 TEOREMA. Seja V um lK -espaço vetorial de dimensão finita

com produto interno. Se TE L(V,V ) é auto-adjunto, então T possui
um autovetor.
DEMONSTRAÇÃO. Observe inicialmente que se lK = C então Pr(x)

T, como queríamos. Vamos
tem raízes e elas são os autovalores de
assumir então que lK = V = n e seja TE L(V,V )
lR. Suponha dimoc
um operador auto-adjunto. Sejam B uma base ortonormal de V e
-
A= [T]B· Como T = T*, temos por (7.1.11) que A= At. Considere
-t
W= Mnxi(C) (X,Y) = Y X e S: W--. W
com produto interno
o operador linear dado por S(X) = AX. Sabemos que S*(X) =
AtX = AX (pelo Exemplo 7.3.4 (a)) e, portanto, Sé auto-adjunto.
Por outro lado, nãoé difícil ver que Pr(x) = Ps(x). Seja a uma raiz
de Ps(x). Como W é um espaço vetorial sobre C, segue que a é um
autovalor de S.
Afirmação: a é um valor real.

f. O for um autovetor associado ao autovalor
De fato, se v a, então
(S(v),v) = (o:v,v) = o:(v,v) e, por outro lado,
(S(v),v) = (v, S*(v) ) = (v, S(v)) = (v, o:v) = a(v,v).
Daí o:(v,v) = a(v,v), e então (a - a) (v,v) = O. Como (v,v) f. O,
segue que a - a = O e, conseqüentemente, aE lR .
Observe que então a é uma raiz real de PT(x) e, portanto, a

é um autovalor de T como queríamos. D
7.4. 7 Vamos usar o resultado acima para mostrar que se Té um

operador auto-adjunto em L(V,V ), então V tem uma base ortonor
mal cujos elementos são autovetores de T. Para tanto, precisamos
do seguinte lema.
LEMA. Sejam V um lK -espaço vetorial com produto interno e de

dimensão finita e T E L(V, V ) . Se W é um subespaço T-invariante
de V, então W1- é T*-invariante.
DEMONSTRAÇÃO. Temos que mostrar que T*(w) E W1-, para cada
w E W1-, isto é, que (v, T*(w)) = O, V v E W. Sejam v E W e
w E W1-. Como W é T-invariante, então T(v) E W e, portanto,

(T(v), w) =O. O resultado agora segue do fato de
(v, T*(w)) = (T(v), w) = O.

o
7.4. 8 PROPOSIÇÃO. Seja V um IK-espaço vetorial com produto in

terno e de dimensão finita. Se T E L(V, V ) é auto-adjunto, então
existe uma base ortonormal de V cujos vetores são autovetores de T.
DEMONSTRAÇÃO. Vamos supor que dimoc V n � 1. Pelo Teorema

=
7. 4.6, T possui um autovetor v1. Se dimoc V = 1, então

{ ll�!ll} é
uma base, como queríamos. Vamos supor agora que n > 1 e que
o resultado vale para todo espaço vetorial de dimensão n - 1. Seja
W = [v1 ] , onde v1 é o autovetor acima. É fácil ver que W é invariante
por T. Pelo Lema 7.4.7 W1- é T*-invariante. Como T* = T segue que
W1- é T-invariante. Agora, como W1- é um espaço de dimensão n-1
segue da hipótese de indução que W 1- possui uma bru>e ortonormal
{ v2, .. . , Vn} formada por autovetores. Logo B = { li�!li , V2, . . . , Vn}
é um conjunto ortonormal com dimK V elementos e, portanto, uma
base de V. Por construção, todos os elementos de B são autovetores
e o resultado está provado. D
7.4.9 COROLÁRIO. Seja A E Mn(IR) uma matriz simétrica. Então

existe uma matriz invertível M E Mn(IR ) tal que Mt AM é diagonal.
n n
DEMONSTRAÇÃO. Seja T : IR -t IR um operador linear tal que
[T]can A. Como A é simétrica segue que T é auto-adjunto. Con
=
seqüentemente, pela Proposição 7. 4.8, temos que existe uma base B

n
ortonormal de IR formada de autovetores de T. Considere agora
n
M a matriz mudança da base canônica de IR para a base B. Por
(3. 4. 6 ) , temos que [T]B = M-1[T]canM. Como as bases em questão
Adjuntos • 229
1
são ortonormais, segue do Colorário 6.2.9 que M- = Mt. Portanto,
[T]B = Mt AM satisfaz a afirmação desejada.
7.4.10 TEOREMA. Sejam V um C-espaço vetorial com produto in

terno e de dimensão finita e T E · L(V,V). Então T será um operador
normal se e somente se existir uma base ortonormal de V cujos ve
tores sejam autovetores de T.
DEMONSTRAÇÃO. Seja v1 E V um autovetor de T (v1 existe pois V

é um espaço vetorial complexo). Sem perda de generalidade podemos
supor que li v1 li= 1. Considere W = (vi]. Assim W é T-invariante.
Da Proposição 7.4.5 segue que v1 é autovetor de T* e portanto W é
T*-invariante. Pelo Lema 7.4.7 concluímos então que W.L é invari

ante por T** = T.
A restrição de T a W 1- é um operador normal. Usando o
mesmo argumento de indução usado na Proposição 7.4.8, mostra
se que existe uma base ortonormal de autovetores. A recíproca foi
mostrada no início desta seção. D
7.4.11 EXERCÍCIOS
(1) Considere C2 com produto interno usual e seja T E L(C2 ,C2)

definido por T(l,O) = (1+i,2) e T(O,1) = (i ,i). T é normal?
(2) Seja V espaço vetorial sobre C de dimensão finita com produto

interno. Seja T E L(V,V) um operador normal. Mostre que
(a) T é autoadjunto {:::=} todo autovalor de T é real.
(b) T é unitário {:::=} todo autovalor de T tem módulo 1.
(3) Sejam V = lR n com o produto interno usual e T : lR n -+ lR n

um operador linear. Suponhamos que v1 = (1,1,...,1),
v (1,1,· · · ,1,O),···
,V (1,O, ..., O) sejam autovetores de
2
= =
n
T. Mostre que T é auto-adjunto {:::=} T possui um único auto
valor.
(4) Considere V = C como lR -espaço vetorial.
(a) Mostrar que (a.,{3) = r e(a.{j) define um produto interno

emC.
(b) Para cada 'Y E V, seja a função M-y : C --+ C dada por
M-y(a) = 'Yª· Mostrar que M; = M;y.
(c) Para quais 'YE C , se tem M-y auto-adjunto?
(d) Para quais 'YE C , My é unitário?
(5) Seia
J A= ( 1
i
1
3 + 2i
) . Mostre que A é uma matriz normal.
Ache uma matriz P tal que pt AP seja diagonal (considere o

produto interno usual).
(6) Dê um exemplo de um operador linear T em um JR.-espaço

vetorial V com produto interno para o qual (T(u),u) = O para
todo uE V , mas T =fi O.

T E L(V, V) tal que T admite adjunto T*. Mostre que, se
T* o T= O, então T= O.

TE L(V, V). Se T é normal , mostre que Nuc T = Nuc T* e
ImT= Im T*.
8
FORMAS BILINEARES
Vamos estudar neste capítulo as formas bilineares sobre es

paços vetoriais de dimensão finita visando como aplicação a classifi
cação das quádricas. Ao longo deste capítulo, o corpo OC será sempre
ou IR ou <C.
8.1 FORMAS BILINEARES
8.1.1 DEFINIÇÃO. Sejam U e V espaços vetoriais sobre OC. Uma

função f: U x V ---+ OC é chamada de forma bilinear de U x V em
OC se satisfizer:
(i) f(>..u 1+ u2,v) = À.f(u1,v)+ f(u2,v), _para todos À. E OC,

u1, u2 E U e v E V.
(ii) f(u,À.v1+v2) = À.f(u,v1)+f(u,v2), para todos À. E OC,
u E U e V1, V2 E V.
Em outras palavras, uma função f: UxV ___.. OC é uma forma

bilinear se for linear em cada uma das variáveis quando deixarmos
a outra fixa. Estaremos denotando por B (U, V, lK) o conjunto de

todas as formas bilineares de U x V em lK. Não é difícil provar
que B (U , V, lK) é um espaço vetorial sobre lK quando munido das
operações usuais de soma de funções e multiplicação de uma função
por um escalar em lK. No caso particular em que U =V, denotamos
B (U, V, lK) simplesmente por B (V, lK) e dizemos que seus elementos
são formas bilineares sobre V.
8.1.2 EXEMPLOS
(a) Qualquer produto interno sobre um IR-espaço vetorial Vé uma

forma bilinear. Observe que o mesmo não é verdade sobre es
paços vetoriais sobre C . Deixamos ao leitor verificar tais fatos.
(b) A função f: IR
2 x IR
2 ----+ IR dada por
f((xi, x2), (yi, Y2)) = 5X1Y2 - 2X2Y1, E IR

2
V (xi, x2), (yi, Y2)
é uma forma bilinear que não é proveniente de um produto
interno (mostre estas afirmações).
(c) Sejam U e V espaços vetoriais sobre lK. Considere funcionais

h EU * e g EV* e considere a função f: U x V-+ lK definida
por f(u, v) = h(u) g(v), para todos u EU e v EV. Afirmamos
·
que f é uma forma bilinear. De fato, fixado v E V, segue

facilmente que f é um múltiplo escalar do funcional linear h.
Assim, fé linear na primeira variável. De modo análogo, fixado
u EU , fé um múltiplo escalar do funcional linear g. Portanto,
f é uma forma bilinear.
(d) Sejam U e V espaços vetoriais sobre IR com V munido de um

produto interno e TE L (U, V) . A função f: U x V-+ IR dada
por f (u, v ) = (T(u), v ) , V u EU, v EVé uma forma bilinear.
Esta afirmação segue da linearidade de Te do item (a) acima.
(e) Sejam V = Mmxn: ( JK ) e A E Mmxm ( lK) . Então a função

fA: V x V-+ lK dada por fA(X, Y) = tr(XtAY) , para todos
X, Y EV, é uma forma bilinear sobre V. De fato, se X, Y e Z
são elementos de V e a E lK, então
fA (aX + Z, Y) = tr((aX + z) tAY) tr(aXtAY + ztAY)

Formas Bilineares • 233
Estamos usando o fato de que a operação transposta e a função

traço são lineares. Deixamos a cargo do leitor verificar que
fA(X,aY+Z) = afA(X, Y)+fA(X, Z),V X,Y,Z E V, V a E IK.
Convém observar que, para o caso =

n 1, a forma bilinear acima
é simplesmente dada por
m m
fA(x,Y) = xtAY= LL xi%Yí·
i=lj=l
onde X= (xi,··· ,xm),Y = (y1,··· ,ym) e A= (aij)i,j, com

1 � i,j � m;
(f) Sejam U e V espaços vetoriais sobre lK de dimensão finita.

Sejam B = {u1,··· ,um} e C {v1,··· ,v n} bases ordenadas
=
de U e V , respectivamente e f E B(U, V, lK ) Considere vetores

m n
.
u = E aiui E U, onde ai E lK , e v = E /3jVj E V , onde

i=l j=l
/3j E lK Ao calcularmos f(u,v), chegamos a
.
m n
f(u,v)= f(Laiui,Lf3íví)=
i=l j=l
m n m n
=·�::::ai f(ui,Lf3ívj)= LLªi/3j f(ui,vj)·
i=l j=l i=lj=l
Se escrevermos aij= f(Ui,vj), teremos então
m n m n
i=lj=l i=lj=l
Como u (a1,··· ,am)B e v

= =(/31,··· ,f3n)c, se escrevermos
A = (aij)i,j, então f(u,v) =[u)� A [v]c, onde [v)c denota
a matriz coluna formada pelas coordenadas do vetor v com
relação à base e e [u]� denota a transposta de matriz coluna
formada pelas coordenadas do vetor u com relação à base B.
8.1. 3 DEFINIÇÃO. Sejam U e V OC-espaços vetoriais de dimensão fini

ta com bases B = {Ui, ... 'Um} e e = {Vi, ... 'Vn}, respectivamente.
Para cada f E B(U, V,][{) definimos a matriz de f em relação às
bases ordenadas B e e como sendo a matriz A=(aij)i,j E Mm X n(OC)
cujos elementos são dados por aij=f(ui, Vj), 1 Si Sm, 1 S j Sn.
N OTAÇÃO. A matriz de uma forma bilinear f com relação às bases

Be e será denotada por [f]B,C·
8.1.4 O próximo resultado mostra em particular que existe uma bi

jeção entre o espaço das formas bilineares de U x V sobre ][{ , com
dimK U = m e dimK V =n e o espaço das matrizes m x n em ][{.
PROPOSIÇÃO. Sejam U e V espaços vetoriais sobre ][{ com

dimoc. U = m ;::: 1 e dimoc. V = n ;::: 1. Então o espaço B(U, V,][{)
é isomorfo ao espaço Mmxn(OC)
DEMONSTRAÇÃO. Sejam Be e bases de u e V , respectivamente.
Considere a transformação T : B(U, V,][{) --> Mmxn(OC) dada por
T(f) =[f]B,C· É fácil ver que T é uma aplicação linear injetora. Ago
ra, para cada A E Mmxn(OC), podemos definir fA(u, v)=[u]�A[v]c.
Não é difícil ver que fA é bilinear. Além disso, T(fA)= [fA]B,C =A
e, portanto, T é sobrejetora. D
8.1. 5 PROPOSIÇÃO. Sejam U e V espaços vetoriais sobre ][{ com

dimK U=m 2:: 1 e dimK V =n 2:: 1. Sejam B= {ui,· · ,Um} uma ·
base deu e e={vi,. . .

'Vn} uma base de V e B*= {hi,. . . 'hm} e
C* = {g1, · · ,9n} bases de U* e V* d uais a B e C, respecti vamente.
·
Considere fo( u, v)=hi (u) gj(v) paro 1 S j Sn e 1 Si Sm. Então

·
{!ij: 1 :S i Sm,1 S j Sn} forma uma base de B(U, V,][{).

DEMONSTRAÇÃO. Decorre de (8.1. 2(c)) que para cada par i,j,
fij E B(U, V,][{). Com isto, basta provar que
C= {fo: 1 Si :S m,1 S j :S n}
é um subconjunto linearmente independente de B(U, V,OC), uma vez

que, pela Proposição 8.1. 4, B(U, V,][{) tem dimensão m x n. Sejam
m n
Àij E][{, com i= 1,· · · ,me j = 1, · · · ,n,tais que E E Àijfij=O,
i=l j=l
isto é, tais que
m n
LL Àijfij(u, v) =
O, para todos u EU, v E V
i=lj=l
Em particular, para todos k = 1, ·· · ,mel= 1, · ·· , n,
m n m n
O =
LL Àijfij(uk,v1) LL Àij hi(uk)9j(v1) =
i=lj=l i=lj=l
m n
L: L: Àij º ikºj' =
Àkl·
i=lj=l
Logo, C é base de B(U, V, OC ) , como queríamos. D
8.1.6 Sejam V um espaço vetorial sobre ][{ de dimensão finita e

f E B (V, ][{). A cada base B de V associamos uma matriz à for
ma bilinear f. Estamos interessados em analisar o que acontece com
tal matriz se efetuarmos uma mudança de bases de B para B'.
PROPOSIÇÃO. Sejam V um espaç o vetorial de dimensão finita s obre

][{e f E B(V, ][{ ) . Se M for a matriz de mudança de bases de B
para B' de V, então [f]B' Mt [f]BM. =
DEMONSTRAÇÃO. Sejam B =
{v1,··· ,v } n e B' =
{v;_,... ,v�}
bases de V e M a matriz de mudança de bases de B para B'. Assim,
temos que:
[v]B =
M[v]B', para cada v E V. (J)
Para u,v E V teremos que
f(u,v) = [u]� [f]B [v]B

<,Q(M[u]B')t [f]B (M[v]s1)
= [u]�, Mt[f]B M[v]B'·
Como f(u,v) = [u]�, [f]B' [v]B', segue que
[u]�, Mt[f]B M[v]B1 = [u]�, [f]B' [v]B1
para todos u,v E V. Portanto, [f]B' = Mt[f]BM, como queríamos.

D
8.1.7 EXEMPLO
Sejam V = IR 2e Ba base canônica de V. Considere a forma

bilinear fem IR 2definida por
Teremos então
J((l,O),(1,O))= 2 f((l,O),(O,1)) = -3
J((O,1),(,
1 0)) =O f((O,)1 ,(,
O 1)) = 1
e,portanto,
(f]B =
( 2
Ü
-3
1
)
.
1 1)}uma outra base de IR 2• Um cálculo

Seja B' = {(1, -1),(,
simples nos dá que a matriz Mde mudança da base Bpara B'
édada por
M -
-
( 1 1 ) e,portanto, Mt _
_
( 1 -1 ) .
-1 1 1 1
Assim,
(!]B' =
( � -� ) ( � -� ) ( -� � ) ( ! -� ) = .
8.1.8 Sejam Ue V IRe- spaços vetoriais com Vmunido de um produto

interno. Defina a função
� : L(U, V) � B(U, V, IR )
T 1-+ �(T) UxV � IR
(u,v) 1-+ <T ( u ) ,v> .
Obser ev que�está bem definida pois�(T) éuma forma bilinear de

U x Vem IR (ev r Eex mplo 8.l.2(
d)).
PROPOSIÇÃO. A função <T> definida acima é linear e injetora.
DEMONSTRAÇÃO. Se T,S E L(U, V) e À E IR teremos então que,

para todos u E U,v E V,
<T>(>.T + S)(u,v) = ((>.T + S)(u),v) =
= >.(T(u),v) + (S(u),v) = >.<T>(T)(u,v) + <T>(S)(u,v).

Conseqüentemente, <T>(>.T + S) = >.<T>(T) + <T>(S) e <T> é linear. Vamos
mostrar agora que <T> é injetora. De fato, seja T E L(U, V) tal que
<T>(T) = O . Assim (T(u),v) = O para todos u E U,v E V e, portanto
T = O (ver (7.2.5)). D
COROLÁRIO. Se as dimensões de U e V são finitas, então a função

<T> é um isomorfismo.
DEMONSTRAÇÃO. Sabemos pela proposição acima que <T> é linear

e injetora. Como dimoc B(U, V, :OC) = dimoc L(U, V), o resultado
seguirá de (3.3.3). D
8.1.9 FORMAS MULTILINEARES. Baseado no que fizemos acima, é

natural considerar funções em várias variáveis e linear em cada uma
delas. Não iremos nos aprofundar neste conceito mas gostaríamos de
mencionar um par de exemplos.
DEFINIÇÃO. Sejam Vi,··· ,Vn :OC-espaços vetoriais. Uma função

<T>: Vi x ··· x Vn ---+ :OC é chamada de forma multilinear (ou n-forma
linear) se <T> é linear em cada variável, isto é, se para cada i, 1 :::; i :::; n,
e para todos vi, v� E Vi e todos À E :OC , temos que
= >.<T>(v1,··· ,vi,··· ,vn)+(v1,··· ,v�,··· ,vn)
EXEMPLOS
(a) Sejam Vi, Vi,··· , Vn :OC-espaços vetoriais e funcionais <Íli E Vi*,

para 1 :::; i :::; n. Considere a função cp: V1 x · · x Vn ---+ :OC
·
definida por cp( V1, · ·· , Vn ) = <P1(V1) · ··<Pn(Vn ) . Não é difícil

ver que cp é uma forma multilinear, generalizando o Exemplo
8.1.2(c).
(b) Considere IR 3 munido do produto interno usual e seja

B ={e1,e2,e3} a base canônica usual. Sejam u (x1,x2,x3 )B =
e v (Y1,Y2,y3)B dois vetores em IR 3 . Definimos a partir de

=
u, v um novo vetor u /\ v denominado o produto vetorial de u

por v, como sendo o vetor
det ( Yi
Y2
Considere w E R3 dado por (x3 ,y3 .z3)B· Chamamos o

w =
número real dado pelo produto interno de u /\ v e w de produto

misto de u, v e w, isto é, o número
(u /\ v, w) = det ( :� X3
Y1
Y2
Y3
A função f : IR 3 x IR 3 x IR 3 -----+ IR dada por
f(u, v, w) = (u /\ v, w)
é uma forma multilinear, isto é, a função que a cada terna de

vetores de IR 3 associa o produto misto dos mesmos é uma forma
multilinear, ou mais precisamente uma forma trilinear.
(c) Seja f: l2 x · · · x l2 -----+ lK (m cópias de l2) dada por
onde xJ· =
(xJ·1 ' xJ·2 ' · · ·
'
· ·
x3n, · · ) ' para cada 1· = 1' · · m
· . Não
é difícil ver que f é uma forma multilinear.
8.1.10 EXERCÍCIOS
(1) Seja V um espaço vetorial sobre lK. Sejam h, g E V* e considere

f:V x V -+ lK dada por
f (u, v) =
h (u)g (v) + h (v)g (u) V u, v E V.
Mostre que fé uma forma bilinear.

(2) Sejam U, V e W três IK-espaços vetoriais e considere a função

cp: L(U, V) x L(V, W) --+ L(U, W) definida por cp(T, S) =
S o T. Mostre que
(a) cp(T1 +.XT2, S) cp(Ti, S)+.Xcp(T2, S), V Ti, T2 E L(U, V),
=
V S E L(V, W), V À E lK .
(b) cp(T, 81 + .XS2) = cp(T, 81) + .Xcp(T, 82), V T E L (U, V ) ,
V Si, 82 E L(V, W), V À ElK .
(3) Sejam U e V IK-espaços vetoriais e f E B(U, V, lK).
(a) Mostre que f(O,v) = f(u, 0) =O, V u EU, V v EV.

(b) Se U = V, mostre que pode existir um vetor não nulo
v EV tal que f(v,v) =O.
(4) Sejam U e V espaços vetoriais sobre lK com dimensão m 2:: 1 e
n 2:: 1, respectivamente. Sejam B e C bases de U e V, respecti
vamente. Para uma matriz A EMmxn(IK), defina uma função

fA: U x V--+ lK dada por fA(u,v) = [u]�A[v]c. Mostre que
fA é bilinear.
(5) Seja V um IK-espaço vetorial. Considere B { e1,

= , en} uma
· · ·
base de V e B* { </>i,
= , </>n} a sua base dual. Determine as
· · ·
coordenadas de uma forma f E B(V, lK) com respeito à base

considerada na Proposição 8.1.5.
00
(6) Considere f: l2 x l2 --+ lK dada por J(x, y) = L: Xi Yi, para
·
i=l
(xi)i, (Yi)i E l2. Mostre que f é uma forma bilinear.
(7) Considere IR. 3 munido do produto interno usual. Mostre que

o produto misto em IR. 3 definido no exemplo (8.l.9(b)) é uma
forma multilinear.
8.2 FORMAS SIMÉTRICAS
8.2.1 A partir desta seção estaremos interessados em formas bili

neares sobre um IK-espaço vetorial V, isto é, formas bilineares do tipo
f: V x V --+ lK . Lembramos que iremos denotar o espaço de tais
formas por B (V, lK).
Sejam V um espaço vetorial de dimensão finita e f E B(V,][{ ).
Vimos que a cada base B de V está as sociada uma matriz [f]B·

Da mesma forma como fizemos com operadores lineares, estamos
interessados em conseguir uma base B de V tal que (f]B seja diagonal.
Iremos mostrar que tal base existe para uma classe bem especial de
formas bilineares, as chamadas formas simétricas.
8.2.2 DEFINIÇÃO. Sejam V um lK-espaço vetorial e f E B(V, ][{ ).
Dizemos que f é simétrica se f(u, v) = f( v, u) para todos u, v E V.
NOTAÇÃO . Denotaremos por B8(V,lK) o conjunto de todas as formas

bilineares simétricas sobre um lK-espaço vetorial V. Não é dificil
mostrar que B8(V, lK) é um subespaço de B(V, ][{ ) .
8.2.3 EXEMPLOS
(a) Se V é um IR-espaço vetorial munido de um produto interno

( , ) então a função f: V x V-> IR dada por f(u, v) = (u, v)
é uma forma bilinear simétrica sobre V.
(b) Seja V = IR 2. A função f: V x V-> IR dada por
é uma forma bilinear que não é simétrica, uma vez que
f((l, 1), (2, 1)) = -1 e f ((2, 1), (1, 1)) = 1.
8.2.4 O próximo resultado relaciona formas simétricas e matrizes si

métricas. Lembramos que uma matriz A E M n (lK) é dita simétrica
se At =A.
TEOREMA. Seja V um espaço vetorial sobre][{ de dimensão n � 1.

As seguintes afirmações são equivalentes para uma forma bilinear f
sobre V:
(a) f é simétrica.
(b) [f]B é uma matriz simétrica para toda base B de V.
(c) [f]c é uma matriz simétrica para alguma base C de V.

DEMONSTRAÇÃO. (a) => (b). Seja B uma base de V. Por definição,

para todos u,v E V, temos que J(u,v) (u)h [f)B (v)13. Como f é
=
simétrica, teremos que (u)h[f)B [v)13 [v)h[f)B [u)13, V u,v E V. Daí

=
como [v)h[f)B [u)13 E M1(1K), segue que
[u)h[f)B (v)13 =
(v)h[f)B (u)13 =
((v)h [f)B [u)13)t = (u)� [!)� (v)13
para todos u,v E V. De onde segue que (!)13 = [flh·

(b) => (e). É claro.
(e) => (a) . Seja C uma base de V tal que (J)c seja simétrica. Por
definição, para cada par u,v E V , temos que f(u,v) [uJ2(J)c(v)c.
=
Como [uJ2(J)c(v)c é uma matriz 1 x 1, segue então que
f(u,v) = ([uJ2 (J)c [v)c)t = (vJ2 (JJ2 (u)�.
Sendo (J)c uma matriz simétrica, teremos finalmente que
f(u,v) = [vJ2 (J)c (u)c =

f(v,u)
e o resultado está provado. o
8.2.5 EXERCÍCIOS
(1) Determine a matriz de cada uma das formas bilineares abaixo,

relativamente à base especificada (considere produtos internos
usuais):
(a) f: lR. 4 x lR. 4--+ lR. dada por J(u,v) = (u,v), V u,v E lR. 4
com relação à base
B = {(-2, O, 3, 1), (1, 2, 1, -1), (O, 1, 2, -1), (1, 2, 3, 1)}.
(b) f: C3 X C3 - e dada por f(u,v) = (u,a). (v,b), com

a, b E C3 fixos, com relação à base canônica de C 3.
(c) f lR. 3 x lR. 3 --+ lR.
: dada por f(u,v) = (T(u),v), onde
T E L(JR. 3, lR. 3) com relação à base canônica de lR. 3.
(2) Mostre que a forma bilinear definida no Exercício 8.1.10(1) é

simétrica.
(3) Sejam V um espaço vetorial sobre lK e I E B(V, lK). Dizemos

que I é anti-simétrica se I (u,v) = -I (v,u) para quaisquer
u,v E V. Denotamos por Ba(V, lK) o conjunto de todas as

formas bilineares anti-simétricas sobre V . Mostre que Ba(V, lK)
é um subespaço de B(V, lK) e que
B(V, ][() = Bs(V, ][() EB Ba(V, ][( ).
(4) Sejam V um JK-espaço vetorial e funcionais lineares não nulos
h, g E V*. Considere a função I : V x V ---+ lK definida por
l(u,v) h(u)g(v) - h(v)g(u).

=
(a) Mostre que I é uma forma bilinear anti-simétrica.
(b) Mostre que I = O se e somente se existir À E lK tal que

h= Àg.
(5) Seja V um JK-espaço vetorial. Para cada I E B(V, lK), defina
a forma Is: V x V--+ lK por ls(x,y) = !U(x,y) + l(y,x)).

Mostre que
(a) Is é uma forma bilinear simétrica.
(b) a aplicação 7r: B(V,JK)--+ Bs(V,JK) dada por 7r(/) =Is

é uma projeção.
A forma Is, como acima, é chamada de simetrização de f
(6) Sejam V um lK-espaço vetorial e I E B8(V, lK). Mostre que

para cada par de vetores v1,v2 E V , temos
1
l(v1,v2) = 4 L f.1€2 Í( E1V1 + f.2V2, E1V1 + E2v2 ) .
<;=±1,i=l,2
8.3 FORMAS QUADRÁTICAS
8.3.1 Sejam V um espaço vetorial não nulo sobre lK de dimensão

finita e I E B(V, lK). Se existir uma base B de V tal que [l]B é uma
matriz diagonal, então sabemos, por (8.2.4), que I é simétrica, uma
vez que toda matriz diagonal é simétrica. Para provar a recíproca de
tal resultado precisamos de alguns resultados.
8.3.2 DEFINIÇÃO. Sejam V um espaço vetorial sobre lK e f em

B(V,JK ). A função q: V--+ lK dada por q(v) = f(v,v) é denominada
forma qu adrática ass ociada af.
8.3.3. EXEMPLOS
(a) Sejam V = IRn com produto interno canônico e f a forma

bilinear de B(V,IR) dada por f(u,v) = (u,v), V u,v E V.
Então a forma quadrática associada a f é dada por
q(u) = f(u,u) = x� +x�+ · · · +x�
para cada u = (xi,X2, ,xn) · · · E V. Na realidade, q(u) é o

quadrado da norma de u.
(-1 -1 ) 2
(b) Seja A= E M2(1R) e f E B(IR2,IR) dada por
o
(-1 _1 ) ( ) 2 Y1
f((x1,x2),(y1,Y2)) = (x1 x2)
0 y2
A forma quadrática associada a f será então
q((x1,x2)) = -x� + 2 x1x2 - x�.
8.3.4 Sejam V um espaço vetorial sobre lK ef E B8(V,JK). Se q é a

forma quadrática associada a f, então, para cada u,v E V , temos
q(u+v)-q(u)-q(v) = f(u+v,u+v) -f(u,u )-f(v,v) =
= f(u,v)+f(u,u)+f(v,u)+f(v,v)-f(u,u) -f(v,v) = 2f(u,v)
e assim
1
2 [q(u+v) -q(u)-q(v)] = f(u,v), V u,v E V. (!)
Chamamos (1) de forma p olar de f.

8.3.5 TEOREMA. Seja V um lK -e spaço vet orial de dimensão n 2: 1.
Se f E B8(V,lK) então existe uma base l3 de V tal qu e f
[ ]B é uma
matriz diagonal.
DEMONSTRAÇÃO. Se f = o ou dimoc V = o resultado é trivial.
1,
Assim, vamos supor que f =F O e que dimoc V = n > Para provar 1.
o resultado, basta determinar uma base B = {vi,v2,·· ,Vn} de V •
tal que f(vi,vj) = O, sei f:. j. Faremos a prova por indução sobre
a dimensão n de V. Como f é simétrica, existe v1 E V tal que
f(vi,v1) f:. O (ver Exercício 8.3.10(1)). Seja W o subespaço gerado
por v1 e considere W' = {v E V : f(v1,v) =O}. É fácil provar
que W' é um subespaço. Afirmamos que V= W E9 W'. Observemos
inicialmente que w n W'={o}. De fato, se V E w n W,' então existe
o: E lK tal que v=o:v1 e f(v1,o:v1) =O. Como f(vi,vi) f:. O, vamos
ter que o:=o. Conseqüentemente, V=o e w n W'={O}.
Resta provar ainda que V = W + W'. Para tanto, considere
os vetores v E V e
(I)
Então
/ f(V1 >V)
Assim, w E w/ e V= V1 + w1 E w + w1 .
f(V1,V1)
Observe que a restrição flw'xW' : W' x W'---+ lK de f é uma

forma bilinear simétrica sobre W'. Como dim"JK W' = n - 1, pela
hipótese de indução, existe uma base {v2,v3,··· ,vn} de W' tal que
f(vi,Vj) = O, parai f:. j e 2 � i,j � n. Decorre da definição
de W' que f(v1,vj) = O para 2 � j � n. Como V = W E9 W'
segue que {v1,v2, · · ,Vn} é uma base de V. Além disso, temos que
·
f(vi,vj) =O se i f:. j e 1 � i,j � n, como queríamos. D
8.3.6 COROLÁRIO. Seja V um espaço vetorial sobre lK. Sejam

f E B8 (V, lK) e q : V ---+ lK a forma quadrática associada a f. Então
existem >.1, ··· , Àn E lK e uma base B= {vi,··· ,vn} de V tais que
n
f(vi,Vj) = ÀiÔij para cada 1 � i,j � n e q(v) = I: >.io:� para cada
i=l
n
V= L O:iVi E V.
i=l
DEMONSTRAÇÃO. Segue do Teorema 8.3.5 que V admite uma base

B = { vi, , Vn} tal que [!] B é uma matriz diagonal, ou seja, existem
· · ·
À1,: · ·, Àn E IK tais que J(vi,Vi)= Ài e J(vi, vj) =O, se i f j.

Como q(v) f(v,v) e f(v,v) [v]�[f]B[v]B, segue que
= =
n n
para cada v = I: aiVi E V. Portanto, q( v) = I: Àia�, como quería-
�1 �l
mos. D
8.3.7 PROPOSIÇÃO. Seja V um JR-espaço v etorial de dimensão n;::: 1

munido de um produto interno. Então Bs (V,lR) é isomorfo ao subes
paço {T E L(V,V) : T é auto-adj unto} de L(V,V).
DEMONSTRAÇÃO. Da discussão feita em (8.1.8), sabemos que a
função cI>: L(V,V)--+ B(V,JR) dada por cI>(T)(u,v) = (T(u),v),

para todos u,v E V , é um isomorfismo. Assim, para concluir a
demonstração, basta mostrar que T é auto-adjunto se e somente se
cI>(T) é simétrica. Observe inicialmente que
<P(T)(u,v) = (T(u),v) = (u ,T*( v)) = (T* ( v), u)
para quaisquer u,v E V. Se T = T*, então teremos que
<P(T)(u,v) = (T*(v),u) = (T(v),u) = <P(T)(v,u) V u,v E V
e cI>(T) é simétrica. Por outro lado, se <P(T) é simétrica segue que
(T*(v), u) = cI>(T)( u , v) = cI>(T) ( v , u)= (T( v), u) V u,v E V.
Logo T = T* e o resultado está provado. D
8.3.8 Seja V um JR -espaço vetorial com produto interno. Observamos

que as Proposições 7.4.8 e 8.3.7 nos garantem que se f: V xV - lR
for uma forma bilinear simétrica, então existe uma base ortonormal
B de V tal que [f]B é diagonal.
8.3.9 EXEMPLOS
(a) Seja V um JR.-espaço vetorial e seja Id : V --+ V o operador

identidade em V. Então q(v) = (Id(v),v) = li v 112 é uma
forma quadrática.
T : lR. 2 lR. 2 dada por [T]can = (: �)

.
(b) Considere --+ com
a,b,e E lR. O polinômio real homogêneo de 2!?. grau em x e

y dado por p(x,y) = ax2 + by2 + 2cxy é a forma quadrática
associada ao operador aute>-adjunto T, pois
q(x,y) = (T(x,y),(x,y)) = ((ax + cy, ex+ by),(x,y)) =
= ax2 + by2 + 2cxy = p(x,y).
8.3.10 EXERCÍCIOS
(1) Sejam V um OC-espaço vetorial e f E B8(V,][{ ). Mostre que se

f(v,v) =O, V v E V, então f =O.
(2) Sejam V um OC-espaço vetorial, W Ç V um subespaço de V e

f E B(V,][{ ). Mostre que
W' = {v E V: f(w,v) =O, Vw E W}
é um subespaço de V.
8.4 RECONHECIMENTO DE QUÁDRICAS
8.4.1 Dada uma quádrica em lR. 3, nem sempre é fácil reconhecê-la a

partir de sua equação. No entanto, através de mudanças de coorde
nadas e translações, é possível reduzir a sua equação a uma forma
mais simples. Nesta forma mais simples, a identificação torna-se ime
diata. Nesta seção iremos aplicar os resultados discutidos acima para
descrever um método de se efetuar tal simplificação. Estaremos tra
balhando aqui com o lR. -espaço vetorial V = lR. 3 e usaremos a notação
usual {O, i, J, k} para o sistema ortogonal de coordenadas inicial. Isso
significa que estaremos utilizando uma base ortonormal de lR. 3, indi
cada pelos vetores i, J e k e fixando o ponto de origem deste sistema
Formas Bilineares • 24 7
de vetores O. Esta convenção inicial será importante, pois devemos

efetuar translação ao longo do processo que vamos descrever.
DEFINIÇÃO. Uma quádrica em lR 3 é uma superfície formada pelos

pontos de lR 3 cujas coordenadas em relação a um sistema fixado
verificam uma equação da forma
ax2+by2+cz2+2pxy + 2qxz+2ryz+Ex+F y+Gz + d= O (I)
onde a, b,e, d,p,q,r, E,F,G E lR e a2 + b2 + c2 i=- O.
8.4.2 Consideremos agora os termos do 2Q grau em (I) e vamos ana

lisar a função Q : lR 3 --+ lR definida por
Q(x,y,z) = ax2+ by2 + cz2+2pxy + 2qxz + 2ryz. (II)
Observe que Q é uma forma quadrática em lR 3 associada à

forma bilinear simétrica f cuja matriz em relação à base canônica de
lR 3 é dada por
De fato,
Q(x,y,z) = ax2 +by2+cz2+2pxy+2qxz+2ryz
=
(x y z)
u : n (n
J((x, y,z),(x,y,z))
Segue de(8.3.8) que lR 3 admite uma base ortonormal B =
{ v1,v ,v } tal que [!] B é uma matriz diagonal. Assim, para cada
2 3
v E V, v x'v1 +y'v +z'v , vamos ter que
2 3
=
(
À1 o
Q(x',y',z') (x' y' z') O À
2
=
o o
ou seja, Q(x',y',z') À1x'2 + À y'2 + À z12• Isso significa que, ao

2 3
=
efetuarmos a mudança de base correspondente, eliminamos os termos

mistos do segundo grau da equação (II).
Efetuando uma mudança de coordenadas na equação (I) da

quádrica obteremos
À1x'2+ .X y'2+ .À3z'2+ E'x' + F'y' + Gz' +d= O. (III)

2
Podemos em (III) completar os quadrados e fatorar, obtendo
{
assim uma nova mudança de coordenadas da forma
x"=x'-a
y"=y'- /3
z"=z' - "(
que corresponde, na realidade, a uma translação. Conseqüentemente,

teremos a equação reduzida da quádrica no sistema (O", vi, v , v3).
2
Em sua forma reduzida, é fácil identificar a quadrática correspon
dente (ver tabela em 8.4.4). Vamos exemplificar este procedimento.
8.4.3 EXEMPLOS
(a) Considere a equação dada por
7x2+17y2+ 7z2- 4xy+ 6xz - 4yz - 6x-12y- 6z+1 =O
em relação ao sistema ortogonal {O, i,J, k}. Seja
Q(x, y� z)= 7x2+17y2+ 7z2- 4xy+ 6xz- 4yz
a forma quadrática dada pelos termos de 2Q grau da equação
( )
acima. Assim Q(x, y, z) =f((x, y, z), (x, y, z)) com
7 -2 3
[/Jean= -2 17 -2 .
3 -2 7
3
Segue de (8.3.8) que lR admite uma base ortonomal B de au
tovetores tal que [/]B é diagonal. Vamos determinar tal base,
ou seja, vamos determinar os autovalores de [f]can e depois os
autovetores associados aos mesmos usando o processo descrito
no Capítulo 5. Calculando o polinômio característico:
PJ(t)
t3 - 31t2 + 270t - 648

= det (tld3
=
- - [f]can)
(t - 4)(t2
=
27t + 162)
temos que suas raízes são ti 4,t 9 e t3 18.

2
= = =
Se x',y',z' são as coordenadas de um ponto P com relação a B,
vamos ter Q(x',y',z') = 4x'2+9y'2+18z'2. Vamos determinar

agora os autovetores que formam B, associados aos autovalores
>.1 4, >. 9 e À3 18, respectivamente.
2
= = =
- Autovetores associados ao autovalor >.1 4:
(-� � -�) ( : ) ( � )
=
-1 {=}x=-zey=O.
-3 2 -3 z o
ao o vetor uni•t'
e ons1.dere ent-
3
.
ar10 v1 =
( v'2 o, - 2
2, v'2 ) que gera
o subespaço de IR dos autovetores associados ao autovalor 4.
- Autovetores associados ao autovalor >. 9:

2
=
Então o autovetor umtar10 v

. , .
2
=
( "3, "3, "3)
2 1 2
gera o subespaço
de IR
3 dos autovetores associados ao autovalor 9.
- Autovetores associados ao autovalor >.3 = 18:
Considere o autovetor unitário v3
gera o subespaço de IR
3
=
( �'
V 18
- !o, �)
formado pelos autovetores associados
V 18 V 18
que
ao autovalor 18.
)
A matriz mudança da base ortonormal {i, J, k} para base ortonor
mal {vi, v2, V3} será então
M= (�!�
2
3
2
3
v'i8
'18
v'i8
1
-4
.
)
Assim, a relação existente entre as coordenadas x, y,z no sis
(O, i,J, k) 1 1 1
e x , y ,z no sistema (O, vi, v2, v3)
(
tema é dada por:
(n (n
fl 2 1
2 3 v'i8
o
1 -4
3
=
v'i8
� 2 1
2 3 v'i8
ou seja,
flx1+ �y1+ _1_z1
r�
2 3 v'i8
y= ly1 4 _z1
3
__
v'i8
z= _flx1+ �y1+ _1_z1
2 3 v'f8 º
Escrevendo a equação da quádrica com as coordenadas dos pon

tos P em relação ao sistema (O, v1, v2, v3) temos:
V2 2 / 1 1 / 4
12 12 12 / 1 1
4x +9y + l8z - 6( -x +-y + -z ) -12 (-y - -z )
2 3 v'I8 3 v'I8
( V2 I 2 I 1 1
-6--x +-y +-z ) +1=0
2 3 v'I8
12 12 12 1 1 36
ou 4x + 9y + l8z - l2y +--z + 1 =O.
v'I8
Completando quadrados obtemos
12 (
f2 4 /
3
4
9
12 2
v'I8
) (
I 1
4x +9 y --y +- +l8 z +-z +-+1-4- 1=0
18
)
Formas Bilineares ' . 251
{
Assim, fazendo a translação
x" = x'
y" = y' - 2/3
1
z" = z' + --
3v'2
vamos obter
4x 112 + 9y 112 + l8z 112 = 4
que é a equação de um elipsóide. Esta equação está dada em

relação ao sistema ortogonal {O", v � , v� , vD onde O" tem coor-
2 1
denadas O, -
3, - --
3v'2 em relação ao sistema ortogonal
{0, V1, V2, V3}.
(b) Considere a equação dada por
5x2 + 5y2 + 8z2 + 8xy - 4xz + 4yz - 2x + 2y + 8z = -1
em relação ao sistema ortogonal {O, i,J, k}.
Sejam Q(x, y, z) = 5x2 + 5y2 + 8z2 + 8xy - 4xz + 4yz a forma

quadrática e f : IR 3 x IR 3 ---+ IR a forma bilinear associada a Q
cuja matriz em relação à base canônica é:
[f]can = ( ! : -� )
-2 2 8
.
O polinômio característico de [f]can é PJ(t) = t3 - 18t2 + 81t e

assim tem raízes t1 = 9 (dupla) e t = O.
2
A forma quadrática com coordenadas em relação à base de
autovetores será dada por Q(x', y', z') = 9x'2 + 9y'2. Vamos
agora determinar a base formada por autovetores associados
aos autovalores 9 e O.
- Autovetores associados ao autovalor À1 = 9:
{::::=} z= - 2x + 2y
{ (1, O, -2), (O, 1, 2)} é uma base do subespaço de

e, portanto,
3
lR dos autovetores associados a 9. Para obtermos uma base
ortonormal deste subespaço vamos usar o processo de Gram
Schmidt
- (1 ' O ' -2)

Vi' - e v'2= (O ' 1 ' 2) - ((O,l, 2), (l, O, -2)) (1 ' O' -2)
5
2
ou seJa,
· v2' = (4 )
5, 1 , 5 . e orno precisamos
· de vetores umtanos,
· , ·
estaremos dividindo vi e v� por suas respectivas normas e con-

( 1 2 5 2
Vi1 = J5' O, - J5 1
e V 2=
4
3J5' 3J5' 3v15( )
•
siderando )
( -4 -4 ) ( X ) ( )
- Autovetores associados ao autovalor À2 = O:
-5 2 Ü
- 5 -2 y = o � x= 2z e y = -2z
2 -2 -8 z o
e { (2, -2, 1)} gera o subespaço dos autovetores associados a O.

Um gerador unitário deste espaço vetorial será então
V�= (�' � ' �).

2
Assim, a matriz mudança da base ortonormal {i,J, k} para base
( ):
ortonormal {vi,v2,V3} é dada por
i 4 2
v'5 3y'5 3
M= � :� -
e a relação entre as coordenadas x,y,z no sistema (O,i,J, k) e

x',y',z' no sistema (O,vi,v�,v�) é dada por:
1 1 4 2 I
{X= J5 x+--y+-z
- 3J5 I
3
y= _5 _ Y1 - �3 z1
3y'5
= z -2 x1 + _2_ y1 + .! z1
v'5 3y'5 3 .
Substituindo na equação da quádrica obtemos
1 / 2 1 5 2 1
9x12 + 9y12 - 2 -x
J5 + -
3J5y/ + -
( 3z 4 ) ( +
2 - 3z
3J5y - -
/ )
+8 (-2 jg
xI +
3)5
2
yI + 3z1
1
) = -1
ou
18 18
9x12 - -x1 + 9y12 + --y1 = -1.
v15 3)5
Completando quadrados obtemos
g
( 2
X12 - j5X
/
+
1
S
) (
+g y12 + 2
3)5
/
y + 45
1
)- 9
S
9
- 45
=
- l
ou
9 xi ( - )gr ( � r + 9 yl +
3
= 1
.
{
Efetuando a translação
x"
"
=
-
x1 )g
Y
=
yl + 3 l
__
" 1 .J5
z =
z
11 11
vamos obter 9x 2+9y 2 = 1
e, portanto, a quádrica em questão
11 11
é um cilindro elíptico. A equação 9x 2 + 9y 2 1
está da
=
da em relação ao sistema ortogonal {O", v� , v�, v�} onde O"

tem coordenadas )g, 3� , O em relação ao sistema ortogonal
{0, V1, V2, V3} .

8.4.4 TABELA
Vamos elaborar uma tabela com todas as possibilidades para

o reconhecimento da equação final, a menos do nome dos eixos.
li a > O, b> O e e >O li

d>O elipsóide
ax2 + by2 + cz2= d d=O ponto
d<O vazio
d>O hiperbolóide de uma folha

ax2 + by2 - cz2= d d=O superfície cônica
d<O hiperbolóide de duas folhas
ax2 = by + cz d=O cilindro parabólico
li a > Oeb> O li
ax2 + by2= cz c-/=O parabolóide elíptico
c=O reta
ax2 - by2= cz c-/=O parabolóide hiperbólico
c=O planos concorrentes
ax2 =by cilindro parabólico
d>O cilindro elíptico

ax2 + by2 =d d=O reta
d<O vazio
ax2 - by2 =d d-/= o cilindro hiperbólico
d=O par de planos concorrentes
8.4.5 EXERCÍCIOS
(1) Dada a quádrica cuja equação no sistema (O,i,J, k) é

z2 - 2xy - x + y= 4, sabemos que existe um sistema ortonor
mal (O', êi, ê , ê3) no qual sua equação fica na forma reduzida.
2
Pede-se:
(a) Os vetores êi, ê2, ê3;

(b) As coordenadas do ponto O' no sistema (O, i,J, k);
( c) A equação reduzida da quádrica e a sua natureza.
(2 ) Reconhecer as quádricas abaixo, dadas pelas suas equações em

relação ao sistema ortogonal ( O, i, J, k):
(a ) 5x2 +6y2 + 7z2 -4xy-4yz -18x -12y + 6z -18 = O .
(b) x2 -y2 + 4xz + 4yz + 8x - 2y + llz + 12 = O.

(c) x2 -2y2 + z2 + 4xy - 8xz -4yz + 4x +8y - lOz -3 = O.
( d) x2 + y2 + z2 -2xy + 2xz -2yz -4x + 4y -4z + 1 = O.
(e) x2 + 2y2 + 2z2 + 2xz + 2xy + 6x -2y + 2z + 14 = O.
(f) z2 + 2xz + 4xy + 2yz + 6x -2y + 2z -3 = O.
(g) 3x2+2y2+2z2-6xy-6xz-4yz+10x+2y-6z-8 = O .
( h) 5x2 + 2y2 + 2z2 + 2xy -2xz -4yz + 2x + y -z = O.

( i ) 3y2 + 3z2 -4xy - 4xz -2yz + 2x + y + z = O.
(3) Considere a quádrica
2x2 + 3y2 + 2z2 -6xy - 4xz -6yz + 2x + lOy -6z - d = O.
Discuta em função de d a sua natureza.

BIBLIOGRAFIA
Existem inúmeros livros básicos de Álgebra Linear e outros, com
plementares ao que ora apresentamos, que poderiam ser citados aqui. Por
isso, seria muito difícil relacioná-los todos ou, ao menos, fazer uma lista
dos mais significativos sem incorrer em injustiças. Optamos, portanto, em
elaborar uma listagem mínima que contivesse livros básicos de Álgebra
Linear, outros não tão "básicos"e um par de referências em Análise Fun
cional, além, é claro, das referências que foram utilizadas ao longo do texto.
Como livro básico, escolhemos um que tem sido muito utilizado nos cursos
de graduação na Universidade de São Paulo [B].
(B] M. BARONE. Álgebra Linear. IME-USP, 3� ed., 1988.
[C] J. B. CoNWAY. A First Course in Functional Analysis. Springer
Verlag, New York, 1985.
(Hl] P. HALMOS. Teoria Ingênua dos Conjuntos. Editora Polígono,
São Paulo, 1973.

258 • Um Curso de Á lgebra Linear
[H2] P. HALMOS. Espaços Vetoriais de Dimensão Finita. Editora
Campus, Rio de Janeiro, 1978.
[HK] K. HOFMMANN, R. KUNZE. Á lgebra Linear. Livros Técnicos
e Científicos Editora, Rio de Janeiro, 1979.
[K] E. KREYSZIG. Introductory Functional Analysis with Applica
tions. John Wiley & Sons, New York, 1978.
[PC] F. C. POLCINO, S. P. COELHO. Números. Uma Introdução à
Matemática. EDUSP, Sã.o P aulo, 1998.

,,
INDICE REMISSIVO
A Completamento de base, 67
Conjugado complexo, 19
Algebricamente fechado, 19
Conjunto
Anuladores, 124
gerador, 45
Autovalores, 134
linearmente dependente, 48
Autovetores, 134
linearmente independente, 4 7
parcialmente ordenado, 77
B
totalmente ordenado, 77
Base, 45 Coordenadas, 56
dual, 112 Corpos, 20
ordenada, 56
Bases canônicas, 49 D
Bloco
Determinantes, 33
de Jordan, 164
Desigualdade
de matrizes, 36
de Schwarz, 179
triangular, 180
e
Diagonalização, 134
Combinação linear, 45 Dimensão, 53
Complemento, 73 Divisor elementar, 169

E 1
Elemento neutro Identidades de polarização, 178
da adição, 20 Imagem, 85
da multiplicação, 20 Índice de nilpotência, 158
Elemento oposto, 20 Inversas, 90
Equações Inverso multiplicativo, 21
características, 63 Isomorfismos, 90
diferenciais, 62
Escalonamento, 30 L
Espaço
Lema de Zorn, 78
bidual, 117
de funções, 42
M
de seqüências, 43
dual, 109
Matrizes
finitamente gerado, 51
adjuntas, 35
T-cíclico, 153
companheiras, 154
vetorial, 39
de mudança de bases, 99
quociente, 74
de uma transformação, 95
Espaços isomorfos, 90
invertíveis, 31
multiplicação por escalar, 28

F
ortogonais, 224
produto de, 28
Forma
semelhantes, 99
bilinear, 231
soma de, 27
de Jordan, 168
transpostas de, 29
multilinear, 237
unitárias, 224
quadrática, 243
Melhor aproximação, 194
simétrica, 240
Módulo, 19
Funcional linear, 109
Função traço, 29
N
H
Norma, 177
Núcleo, 85
Hiperplanos, 120
Nulidade, 85
Hiperplanos afins, 123
Números
complexos, 18
..
Índice Remissivo • 261
inteiros, 17 .. Q
naturais, 17
Quádricas, 246
racionais, 17
reais, 17
s
o Sistemas lineares, 23
Somas diretas
Operações elementares
de espaços, 71
em matrizes, 30
de operadores, 147
em sistemas lineares, 25
Subespaço
Operador
T-invariante, 146
adjunto, 211
ortogonal, 191
auto-adjunto, 218
linear, 103
T
nilpotente, 158
normal, 225 Teorema

unitários, 222 de Cayley-Hamilton, 150
Ordem Fundamental da Álgebra, 19
parcial, 77 Transformação Linear, 80
total, 77 Transformações que preservam o
produto interno, 201

p Transposta, 128
Parte
V
imaginária, 18
real, 18 Vetor, 39
Polinômio nulo, 40
característico, 136 Vetores
irredutível, 155 ortogonais, 184
minimal, 150 T-cíclicos, 153
Posto
de uma matriz, 31
de uma transformação, 85
Processo de ortogonalização, 187
Produto interno, 173
Projeção, 105
ortogonal, 195
SOBRE OS AUTORES
FLÁVIO ULHOA COELHO é Professor Titular do Departamento de
Matemática do Instituto de Matemática e Estatística da Universidade de
São Paulo. Doutorou-se pela Universidade de Liverpool, Inglaterra. Sua
principal área de pesquisa é álgebra, com publicações em revistas espe
cializadas e de circulação internacional. É autor do livro Curso Básico de
Cálculo (Editora Saraiva, 2005). Além de matemático, é também escritor,
com dois livros de contos já publicados.
MARY LILIAN LOURENÇO é Professora Livre-Docente do Departa
mento de Matemática do Instituto de Matemática e Estatística da Uni
versidade de São Paulo. Doutorou-se em Matemática pela Universidade
Estadual de Campinas. Sua principal área de pesquisa é análise, com
publicações em revistas especializadas e de circulação internacional.

Título Um Curso de Álgebra linear
Autor Flávio Ulhoa Coelho
Mary Lilian Lourenço
Produção Silvana Biral
Cristiane Silvestrin
Projeto Gráfico Plinio Martins Filho
Gravura da Capa Lygia Eluf
Diagramação da Capa Évia Y asumaru
Editoração Eletrônica Cláudia Monteiro Peixoto
Flávio Ulhoa Coelho
Editoração de Texto Alice Kyoko Miyashiro
Revisão de Texto Mário Cantoni Callari
Marilena Vizentin
Revisão de Provas Helena de Moraes Achcar
Divulgação Regina Brandão
Edilena Colombo
Cinzia de Araujo
Secretaria Editorial Eliane dos Santos
Formato 16 x 23 cm
Tipologia New Baskerville 10/14
Papel Cartão Supremo 250 g/m2 (capa)
Offset Linha d' Água 90 g/m2 (miolo)
Número de Páginas 272
Tiragem 1500
Fotolito Capa Imprensa Oficial
CTP, Impressão e Acabamento Associação Palas Athenas do Brasil

Al - Oelho

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Al - Oelho

Enviado por

Direitos autorais:

Formatos disponíveis

Os conceitos envolvidos em Álgebra

Linear constituem atualmente

ferramentas muito úteis nas várias

áreas da Matemática, seja explorando

apenas os seus aspectos mais

algébricos, seja levando em conta os

aspectos geométricos e topológicos

embutidos na teoria. Com isso, ela se

torna relevante na resolução de

sistemas de equações lineares,

equações diferenciais, nas

reconhecimento de quádricas, entre

outros tipos de problemas

O principal objetivo deste livro é o

fundamentais da Álgebra Linear,

visando sua posterior utilização em

outras áreas. Ao contrário de suas

disciplinas básicas, voltadas ao estudo

de espaços vetoriais sobre o conjunto

espaços vetoriais sobre corpos em

geral, o que inclui, por exemplo, o

conjunto dos números complexos,

além do conjunto dos �úmeros reais.

algébrico, sem, porém, relegar a

um segundo plano os aspectos

geométricos. Esta escolha baseia-se

que, com isto, é possível ressaltar

mais efetivamente os conceitos

f<�rmais que norteiam a teoria.

Desenvolvido a partir da experiência

dos autores como professores da

Universidade de São Paulo na área

de Exatas, o livro aplica-se tanto ao

ensino em nível de graduação

como de pós-graduação, sobretudo

nos cursos de Matemática e Física.

Reitora Suely Vilela

EDITORA DA UNIVERSIDADE DE SÃO PAULO

Diretor-presidente Plínio Martins Filho

Presidente José Mindlin

Benjamin Abdala Júnior

Carlos Augusto Monteiro

Maria Arminda do Nascimento Arruda

Nélio Marco Vincenzo Bizzo

Diretora Editorial Silvana Biral

Diretora Comercial !vete Silva

Diretor Administrativo Peter Greiner Jr.

Editoras-assistentes Marilena Vizentin

Carla Fernanda Fontana

Mônica Cristina Guimarães dos Santos

UM CURSO DE ALGEBRA LINEAR

Flávio Ulhoa Coelho

1' edição 2001

Dados Internacionais de Catalogação na Publicação (CIP)

Coelho, Flávio Ulhoa.

1. Álgebra linear 1. Lourenço, Mary Lilian II. Título

00-4938 CDD 512 5

bulices para catálogo sistemático:

1. Álgebra linear: Matemática: 512.5

Edusp - Editora da Universidade de São Paulo

Printed in Brazil 2007

Foi feito o depósito legal

1 . Preliminares . ... ...... ... ....... .... ..... ................. ...... . 17

Os conceitos envolvidos em Álgebra Linear constituem atual

São Paulo. Nosso objetivo ao escrevê-lo não foi o de suprir um tex

Neste capítulo recordamos alguns fatos e estabelecemos algu

DEFINIÇÃO. Um conjunto não vazio lK é um corpo se em lK puder

(A3) Existe um elemento em lK, denotado por O e chamado de ele